원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
본 연구는 시계열 예측 모델을 활용하여 주가의 단기 변동을 예측하고, 이를 기반으로 실제 투자 포 트폴리오를 구성함으로써 예측 모델의 실질적인 성능을 평가하는 것을 목적으로 한다. 예측 모델로는 LSTM(Long Short-Term Memory)를 활용하였으며, S&P 500에 속한 기업들의 2015년부터 2023년까 지의 주가 데이터를 바탕으로 모델을 훈련 및 평가했다. 모델의 출력은 주가 상승 확률로 해석되며, 이를 임계값 기반의 매매 전략에 적용하여 투자 수익률을 측정하였다. 실험 결과, LSTM 모델이 Random Forest 모델에 비해 연간 수익률 기준으로 68% 높은 성과를 보였으며, 임계값 조정 및 매매 전략 수정에 따라 예측 성능과 투자 성과가 향상되는 것을 확인하였다. 본 연구는 시계열 예측 모델을 실제 투자 전략에 연결한 점에서 의의가 있으며, 향후에는 공시 자료와 기업의 재무 정보, 산업별 특 성, ESG 등 다양한 비정형 데이터를 통합하여 예측 정확도를 더욱 높일 수 있을 것으로 기대된다.
목차
요약
1. 서론(Introduction)
2. 시계열 예측(Time Series Forecasting)
2.1. RNN(Recurrent Neural Network)
2.2. LSTM(Long Short-Term Memory)
2.3. Transformer
3. 실험 방법
3.1. 주가 예측 모델 구축
3.2. 주가 예측 모델의 포트폴리오 구성
4. 실험 결과
4.1. 데이터셋 구축
4.2. 실험 결과 분석
5. 결론
Acknowledgement
참고문헌
1. 서론(Introduction)
2. 시계열 예측(Time Series Forecasting)
2.1. RNN(Recurrent Neural Network)
2.2. LSTM(Long Short-Term Memory)
2.3. Transformer
3. 실험 방법
3.1. 주가 예측 모델 구축
3.2. 주가 예측 모델의 포트폴리오 구성
4. 실험 결과
4.1. 데이터셋 구축
4.2. 실험 결과 분석
5. 결론
Acknowledgement
참고문헌
키워드
저자정보
참고문헌
자료제공 : 네이버학술정보