최신자료
머신러닝을 이용한 한국 주식시장 변동성 예측: Multi-Input LSTM 모형의 적용
한국금융연구원은 머신러닝을 이용한 한국 주식시장 변동성 예측 분석한 보고서를 발표하였다.
- 본고는 다양한 머신러닝 방법과 폭넓은 설명변수를 활용하여 한국 주식시장의 중요 변동성 지표인 VKOSPI 지수를 예측/분석하였음. 일반적인 금융시장 지표뿐만 아니라 주식시장 자금흐름 및 수급동향과 관련된 변수들도 설명변수로 이용하였으며, 특히 변동성 예측을 위해 새로운 Multi-Input LSTM(Long Short-Term Memory) 모형을 제안하고 예측력을 평가하였음. 표준적인 변동성 모형인 HAR(Heterogeneous Autoregressive) 모형에 비해 머신러닝 모형들의 예측력이 전반적으로 우수한 것으로 나타났는데, 예측 대상기간이 짧은 경우 선형 모형이 그리고 예측 대상기간이 긴 경우 비선형 모형이 우수한 예측력을 보였음. 또한 Multi-Input LSTM 모형이 기존 LSTM 모형보다 예측력이 우수하다는 점과 주식시장 자금흐름 및 수급동향 관련 변수들이 Multi-Input LSTM 모형에서 중요한 역할을 한다는 것을 확인하였음.
- 본고는 다양한 머신러닝 방법과 폭넓은 설명변수를 활용하여 한국 주식시장의 중요 변동성 지표인 VKOSPI 지수를 예측/분석하였음. 일반적인 금융시장 지표뿐만 아니라 주식시장 자금흐름 및 수급동향과 관련된 변수들도 설명변수로 이용하였으며, 특히 변동성 예측을 위해 새로운 Multi-Input LSTM(Long Short-Term Memory) 모형을 제안하고 예측력을 평가하였음. 표준적인 변동성 모형인 HAR(Heterogeneous Autoregressive) 모형에 비해 머신러닝 모형들의 예측력이 전반적으로 우수한 것으로 나타났는데, 예측 대상기간이 짧은 경우 선형 모형이 그리고 예측 대상기간이 긴 경우 비선형 모형이 우수한 예측력을 보였음. 또한 Multi-Input LSTM 모형이 기존 LSTM 모형보다 예측력이 우수하다는 점과 주식시장 자금흐름 및 수급동향 관련 변수들이 Multi-Input LSTM 모형에서 중요한 역할을 한다는 것을 확인하였음.
많이 본 자료
![[팀튜링의 디지털 오디세이] 제1화 UAM의 미래](/userdata/main/incContent/sideLink/19/aaaGHKBjsPPI5g31szc-y20240605110816byhta.png)
![[2024.04] 물가상승](/userdata/main/incContent/sideLink/20/aaaGHKBjsPPI5g31szc-y20240605111046bpogp.jpg)
