LSTM 신경망을 이용한 주가 예측: 기법 및 응용

주가 예측은 잠재적인 재정적 이득과 복잡한 질문들로 인해 상당한 주목을 받고 있다. 이 논문은 S&P 500을 기준으로 2022년 5월 1일부터 2024년 5월 1일까지 수행된, 조기 중지 방법으로 최적화된 장기 단기 기억(Long Short-Term Memory, LSTM) 모델과 일반적인 수학적 방법인 자기회귀 적분 이동평균 모델(Autoregressive Integrated Moving Average Model, ARIMA) 간의 비교를 자세히 설명한다. 결과는 LSTM이 ARIMA를 초월함을 나타낸다. 구체적으로, LSTM은 ARIMA에 비해 92%의 오류률 감소를 달성한다. 또한, 최적화된 LSTM이 6개의 서로 다른 주식에 적용될 때, 결과는 주식의 변동성과 정확성 간의 음의 상관관계를 나타낸다. 이 연구는 주가 예측을 위한 최적화된 LSTM의 장점과 주가 예측의 정확성에 중요한 영향을 미치는 시장 변동성의 중요성을 입증한다.