1 |
1
프로세서 및 메모리를 포함하는 컴퓨팅 디바이스에 의해 수행되는 주가 예측 방법으로서,상기 프로세서가, 예측하고자 하는 테마주와 관련된 관심종목의 주가에 대한 주가 데이터 및 상기 관심종목에 대한 기사 데이터를 수집하는 단계;상기 주가 데이터를 이용하여 상기 관심종목의 기술적 지표를 계산하는 단계;상기 기사 데이터에 포함된 단어들을 분석하여, 분석된 단어들을 기초로 상기 관심종목의 감성 지표를 계산하는 단계; 및상기 계산된 기술적 지표 및 감성 지표를 고려하여 상기 관심종목의 주가를 예측하는 단계;를 포함하는 주가 예측 방법
|
2 |
2
제1항에 있어서, 상기 감성 지표를 계산하는 단계는,상기 기사 데이터를 단어별로 구분하는 단계;상기 구분된 단어들 중 미리 정해진 적어도 하나의 품사에 해당하는 제거 대상 단어는 제거하는 단계;상기 제거 대상 단어가 제거된 단어들을 워드 임베딩(word embedding)하여 상기 단어들 각각을 단어 벡터로 변환하는 단계; 및상기 단어 벡터들을 신경망 모델에 입력함에 따라 상기 관심종목의 감성 지표 값을 출력하는 단계;를 더 포함하는 것을 특징으로 하는 주가 예측 방법
|
3 |
3
제2항에 있어서,상기 프로세서는 상기 기사 데이터를 시계열적인 정보인 시계열 데이터(time-series date)로 수집하고,상기 단어 벡터들을 신경망 모델에 입력함에 따라 상기 관심종목의 감성 지표 값을 출력하는 단계는, 상기 시계열 데이터를 시계열적인 상태 파라미터에 따라 업데이트 하는 학습 단계를 더 포함하는 것을 특징으로 하는 주가 예측 방법
|
4 |
4
제3항에 있어서, 상기 신경망 모델은,상기 단어 벡터들을 입력 받는 단어 벡터 입력부;복수 개의 논리 게이트(gate)들을 포함하며, 상기 논리 게이트들에 적용되는 상태 파라미터를 상기 시계열 데이터에 적용함에 따라 상기 시계열 데이터를 업데이트하는 복수의 순환 유닛들;상기 복수의 순환 유닛들에 의해 출력되는 출력 값의 분포를 정규화시키는 배치 정규화부; 및상기 배치 정규화된 출력 값을 시그모이드(sigmoid) 함수를 통해 상기 감성 지표 값을 출력하는 감성 지표 출력부;를 더 포함하는 것을 특징으로 하는 주가 예측 방법
|
5 |
5
제2항에 있어서, 상기 관심종목의 주가를 예측하는 단계는,상기 관심종목에 대한 복수의 기술적 지표들 및 상기 감성 지표 값을 지표 벡터로 변환하는 단계; 및변환된 지표 벡터를 기초로 주가 예측 모델을 이용하여 상기 관심 종목의 주가를 예측하기 위한 예측 값을 출력하는 단계;를 더 포함하는 것을 특징으로 하는 주가 예측 방법
|
6 |
6
제5항에 있어서, 상기 주가 예측 모델은,상기 지표 벡터를 입력 받는 지표 벡터 입력부; 및상기 관심 종목의 주가를 예측하기 위한 이진 노드들을 이용하여 수행되는 이진 탐색을 통해 의사 결정 결과값을 출력하는 의사 결정 결과값 출력부;를 더 포함하는 것을 특징으로 하는 주가 예측 방법
|
7 |
7
제6항에 있어서, 상기 지표 벡터 입력부는, 상기 지표 벡터를 입력 받는 제1 입력부; 및상기 지표 벡터에 상기 지표 벡터를 이용하여 출력된 의사 결정 결과값을 기초로 상기 의사 결정 결과값의 오류에 대한 오류 정보가 반영된 지표 벡터를 입력 받는 제2 입력부;를 더 포함하는 것을 특징으로 하는 주가 예측 방법
|
8 |
8
제1항에 있어서, 상기 주가 데이터는, 상기 테마주에 속하는 복수의 기업별 시가, 고가, 저가, 종가, 거래량과 관련된 데이터 중 적어도 하나를 포함하는 것을 특징으로 하는 주가 예측 방법
|
9 |
9
프로세서 및 메모리를 포함하는 주가 예측 장치에 있어서,상기 프로세서가, 예측하고자 하는 테마주와 관련된 관심종목의 주가에 대한 주가 데이터 및 상기 관심종목에 대한 기사 데이터를 수집하는 단계;상기 주가 데이터를 이용하여 상기 관심종목의 기술적 지표를 계산하는 단계;상기 기사 데이터에 포함된 단어들을 분석하여, 분석된 단어들을 기초로 상기 관심종목의 감성 지표를 계산하는 단계; 및상기 계산된 기술적 지표 및 감성 지표를 고려하여 상기 관심종목의 주가를 예측하는 단계;를 수행하는 것을 특징으로 하는 주가 예측 장치
|
10 |
10
제9항에 있어서, 상기 프로세서가 상기 감성 지표를 계산하는 단계는,상기 기사 데이터를 단어별로 구분하는 단계;상기 구분된 단어들 중 미리 정해진 적어도 하나의 품사에 해당하는 제거 대상 단어는 제거하는 단계;상기 제거 대상 단어가 제거된 단어들을 워드 임베딩(word embedding)하여 상기 단어들 각각을 단어 벡터로 변환하는 단계; 상기 단어 벡터들을 신경망 모델에 입력함에 따라 상기 관심종목의 감성 지표 값을 출력하는 단계;를 더 포함하는 것을 특징으로 하는 주가 예측 장치
|
11 |
11
제10항에 있어서,상기 프로세서는 상기 기사 데이터를 시계열적인 정보인 시계열 데이터(time-series date)로 수집하고,상기 단어 벡터들을 신경망 모델에 입력함에 따라 상기 관심종목의 감성 지표 값을 출력하는 단계는, 상기 시계열 데이터를 시계열적인 상태 파라미터에 따라 업데이트 하는 학습 단계를 더 포함하는 것을 특징으로 하는 주가 예측 장치
|
12 |
12
제11항에 있어서, 상기 신경망 모델은,상기 단어 벡터들을 입력 받는 단어 벡터 입력부;복수 개의 논리 게이트(gate)들을 포함하며, 상기 논리 게이트들에 적용되는 상태 파라미터를 상기 시계열 데이터에 적용함에 따라 상기 시계열 데이터를 업데이트하는 복수의 순환 유닛들;상기 복수의 순환 유닛들에 의해 출력되는 출력 값의 분포를 정규화시키는 배치 정규화부; 및상기 배치 정규화된 출력 값을 시그모이드(sigmoid) 함수를 통해 상기 감성 지표 값을 출력하는 감성 지표 출력부;를 더 포함하는 것을 특징으로 하는 주가 예측 장치
|
13 |
13
제10항에 있어서, 상기 프로세서가 상기 관심종목의 주가를 예측하는 단계는,상기 관심종목에 대한 복수의 기술적 지표들 및 상기 감성 지표 값을 지표 벡터로 변환하는 단계; 및변환된 지표 벡터를 기초로 주가 예측 모델을 이용하여 상기 관심 종목의 주가를 예측하기 위한 예측 값을 출력하는 단계;를 더 포함하는 것을 특징으로 하는 주가 예측 장치
|
14 |
14
제1항 내지 제8항 중 어느 한 항에 따른 주가 예측 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터에서 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램
|