| 한글제목(Korean Title) |
딥러닝 앙상블을 이용한 주가예측 |
| 영문제목(English Title) |
Stock Price Prediction Using Deep Learning Ensemble |
| 저자(Author) |
김홍지
정지현
고은나래
조만재
이기훈
Hong-Ji Kim
Ji-Hyun Jung
Eun-Na-Rae Ko
Man-Jae Cho
Ki-Hoon Lee
|
| 원문수록처(Citation) |
VOL 34 NO. 02 PP. 0111 ~ 0120 (2018. 08) |
한글내용
(Korean Abstract) |
최근 딥러닝(Deep Learning)을 이용한 주가예측이 활발하게 연구되고 있으나, 서로 다른 딥러닝 모델들을 결합하는 앙상블(Ensemble) 방법에 대한 연구는 초기 단계이다. 딥러닝 모델에는 Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN)이 있다. 본 논문에서는 세 가지 딥러닝 모델(MLP, CNN, RNN)이 예측한 결과를 결합하고 MLP를 사용하여 다시 학습하는 스태킹(Stacking) 기반의 앙상블 모델을 사용하여 주가를 예측한다. KOSPI 상위 30 종목 중 18개 종목을 이용하여 실험한 결과, 제안한 방법이 기존 방법에 비해 절대평균백분율오차(MAPE)가 8.74%에서 3.35%로 감소하였다.
|
영문내용
(English Abstract) |
Recently, there have been research efforts on predicting stock price using deep learning, but little attention has been paid so far to ensemble methods, which combines different deep learning models. Deep learning models include Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), and Recurrent Neural Network (RNN). In this paper, we propose a stacking-based ensemble model where a deep learning model combines predictions of three different deep learning models (MLP, CNN, and RNN). We use MLP as the second level model. The experimental results using 18 stock items among KOSPI top 30 items show that the proposed method improves the mean absolute percentage error (MAPE) from 8.74%, which is the MAPE of the state-of-the-art method, to 3.35%.
|
| 키워드(Keyword) |
딥러닝
앙상블
스태킹
주가예측
Deep Learning
Ensemble
Stacking
Stock Price Pre
|
| 파일첨부 |
PDF 다운로드
|
