earticle

영어

This study developed and evaluated prediction models for the stock prices of initial public offering (IPO) using logistic regression(LR), random forest(RF), support vector machine(SVM), and artificial neural network(ANN) algorithms. Based on 12 factors predictive models was constructed to predict 3 dependent variables, and the prediction accuracy of the models was evaluated. SVM demonstrated the highest average prediction accuracy of 81.6% for opening price. ANN (75.7%) and SVM (72.5%) showed the best results for closing and 20-day price, respectively. Overall, the prediction accuracy declined over time with 80.1% of opening price, 74.5% of closing price, and 71.4% of 20-day price. Class-specific results of decline(0) and rise(1) showed that the optimal prediction model varied depending on both the type of dependent variable and the class. For instance, in the case of opening price, ANN achieved the highest accuracy 78.3% for class 0, whereas RF yielded 90.4% for class 1. Future works will be executed to enhance prediction performance by refining dependent variables according to price increase and incorporating additional factors such as second offering ratio and free-float ratio.

한국어

본 연구는 로지스틱 회귀, 랜덤 포레스트, 서포트벡터머신, 인공신경망을 활용하여 신규상장 공모주의 주가를 예측 하는 모델을 구축하고 성능을 평가하였다. 12개 독립변수로 3개 종속변수인 상장일 시초가 및 종가 그리고 20일 주가를 예측하는 모델을 구축하고 예측 정확도를 도출하였다. 상장일 시초가 예측에서는 서포트벡터머신이 81.6%의 평균 예측 정확도로 가장 우수하였으며 종가와 20일 주가에서는 각각 75.7%의 인공신경망과 72.5%의 서포트벡터머신이 최고 성능 을 보여주었다. 예측 성능은 상장일 이후 시간이 지나면서 80.1%(시초가), 74.5%(종가) 그리고 71.4%(20일 주가) 순서로 하락하는 것을 확인하였다. 하락(0)과 상승(1) 클래스별 예측성능을 3개의 종속변수별로 분석한 결과 종속변수와 클래스별 로 다른 기법이 최고 예측 성능을 보여주었다. 시초가 클래스 0의 경우 인공신경망이 78.3%인 반면 클래스 1의 경우 랜덤 포레스트가 90.4%로 최고성능을 보였다. 이러한 본 연구의 결과들은 투자자의 니즈와 성향에 따른 최적의 예측 모델 선택 에 도움이 될 것으로 기대된다. 후속 연구로는 종속변수를 특정 상승률 전후로 상승부분을 세분화하고 구주매출 비율, 상장일 유통가능 비율 등의 추가 인자를 고려함으로써 예측 성능을 개선하고자 한다.