위상 공간 재구성 및 익스트림 러닝 머신을 이용한 주가 움직임 예측

주가 움직임 예측은 금융 시장 분야에서 가장 어렵고 의미 있으며 매력적인 연구 주제 중 하나로 간주됩니다. 주가 데이터는 비정상성(non-stationary), 노이즈, 비선형적 특성을 지니고 있어 주가 움직임과 그 예측을 까다로운 과제로 만듭니다. 본 논문에서는 위상 공간 재구성(phase space reconstruction, PSR)과 익스트림 러닝 머신(extreme learning machines, ELM)을 사용하여 주가 움직임을 예측하는 프레임워크를 제안합니다. 이 프레임워크의 독창성은 위상 공간에서 변환된 특징들로부터 정보 거리를 계산하는 특징 변환 기술에 반영되어 있습니다. 위상 공간 차원으로부터의 거리를 ELM으로 모델링하여 주가 움직임을 예측합니다. 예측 성능을 향상시키기 위해 각 범주의 특징을 사용하여 훈련된 ELM 모델에 대해 의사결정 수준 융합(decision-level fusion)을 수행합니다. 이 프레임워크는 주가 예측 연구에서 널리 사용되는 까다로운 데이터셋 중 하나인 Borsa Istanbul (BIST 100) 데이터셋에서 검증되었습니다. 제안된 프레임워크의 결과를 기존 머신러닝 파이프라인 및 기준 방법(즉, 무작위 및 Naïve 접근법)과 비교하여 예측 성능의 유효성을 입증했습니다. 실험 결과에 따르면 본 프레임워크는 F-measure 값 기준으로 예측 성능을 4.5% 향상시키는 것으로 나타났습니다.