주식 AI모델 개발과정 리포트 - 240118

KOSPI대비 상대수익률로 학습시킨 모델의 결과값과 직전 5년치 시장에 부합 여부에 대한 검증
AI development

안지환

0 • 0 • 2024-02-03 18:39:29.0

주식 AI모델 개발 진행상황

2024. 1. 18

1.    지난주 과정:


l  KOSPI대비 상대수익률로 학습을 시켰을 때, 최근 3개분기의 결과값이 양호한 모델은 모든 데이터를 활용한 모델이었음


l  최근의 결과치가 직전5년 동안의 시장에 잘 부합하는지에 대해 검증해 보았음. 이는코로나 사태라는 초유의 상황을 반영한 시장이었는데, 과연 안정적인 성과를 보일 수 있는지 관심사였음


l  결과적으로 좋지 않은결과가 나왔음 



 

2.     모델이 잘 맞지 않는구간의 시장 상황


l 코로나라는 사상 초유의 사태로 인한 실적이 망가지고 수급이 깨어지는 상황이 발생 (2020316일최저점)


l 이후 중앙은행의 공격적인 금리인하와 공매도 금지 등으로 적극적인 증시 부양이 있었으며, 동학개미운동이라는 이례적인 현상으로 여유자금의 증시유입 및 FOMO(Fearof Missing out)현상으로 오버슈팅 발생(2021621)


l 이후 연준의 적극적인 금리인상으로 급속도록 냉각되는 사이클발생 지수는 1년간 33% 하락하는 국면 발생 




l 최근의 상황에서 Normal한 시장이라고 판단되는 시기는그렇게 기간이 길지 않으며, 이런 상황에서는 비교적 안정적인 예측력을 보이고 있음




l 단기간의 온탕 냉탕이 일어났던 코로나+제로금리부양의 시기는생각보다 길게 모델의 예측력에 영향을 미친 것으로 판단됨


 


3.     현재로서는 모든 상황에적합하게 최적화하는 단일 모델은 구하기 어려울 가능성이 크다는 결론 – Bard의 답변

 

* 주가 예측 프로그램의 포워드 테스트 결과가 어떤 년도에는 잘 맞고 어떤 년도에는 맞지 않는 이유는 다음과 같은 요인 때문일 수있습니다.


-  데이터의 편향성


  포워드 테스트는 과거 데이터를 기반으로 미래의 주가를 예측하는 방식입니다.

  따라서 과거데이터에 편향성이 있으면 포워드 테스트 결과도 편향될 수 있습니다.

  예를 들어, 과거 데이터가 특정 기간의 호황기나 불황기의 데이터만으로 구성되어 있으면, 포워드테스트 결과는 해당 기간의 시장 상황에 따라 달라질 수 있습니다.

-  시장 환경의 변화


  시장 환경은 시간이 지남에 따라 변화합니다. 예를 들어, 금융 규제, 경기 상황, 기술발전 등은 시장 환경에 영향을 미칠 수 있습니다.

  따라서 과거 데이터를 기반으로 한 예측 모델은 시장환경의 변화에 적응하지 못할 수 있습니다.

- 모델의 한계
  주가 예측은 매우 어려운 문제입니다. 따라서 모든 시장 환경에서 완벽하게 예측하는 모델을개발하는 것은 불가능합니다.

  따라서 모델의 한계를 이해하고, 이를보완하기 위한 노력이 필요합니다.

* 주가 예측 프로그램의 개선 방안으로는 다음과 같은 것들이 있습니다.


- 데이터의 편향성을 제거하기 위한 노력 : 데이터의 편향성을 제거하기 위해 다음과 같은 방법을 사용할 수 있습니다.


 데이터를다양한 기간과 시장 환경에서 수집합니다.

 데이터를 표준화하거나 정규화하여 편향을 줄입니다.

 데이터에 대한 통계적 분석을 통해 편향을 식별합니다.


- 시장 환경의 변화에 적응하기 위한 노력: 시장 환경의 변화에 적응하기 위해 다음과 같은 방법을 사용할 수 있습니다.


  시장환경의 변화를 감지하기 위한 센서를 추가합니다.

  시장 환경의 변화에 따라 모델의 파라미터를 조정합니다.

  시장 환경의 변화를 고려한 새로운 모델을 개발합니다.


- 모델의 한계를 보완하기 위한 노력: 모델의 한계를 보완하기 위해 다음과 같은 방법을 사용할 수 있습니다.


  여러 모델을결합하여 예측 결과를 보완합니다.

  전문가의 의견을 반영하여 예측 결과를 보완합니다.

  예측 결과에 대한 리스크를 관리합니다.


구체적인 개선 방안은 프로그램의 구체적인 내용을 고려하여 결정해야 합니다.


4. 향후 계획


l 다시 원래대로 돌아가서, 분기별 모델이 아닌 하나의 모델로테스트하는 방법에 대해 검토


l 급등락하는 시기의 자료를 Training에서 제거하고 학습을시키는 방법


l 급등락한 수익률 발생시 패널티를 부여하는 방법


l 여러 모델을 결합하여 예측결과를 보완하기(앙상블)


l 전문가의 의견을 반영하여 예측결과를 보완하기(AI-PM)


l 시황을 구분하여 별도의 모델을 만드는 방법(정책금리 인상시기, 인하시기, 경기상승기, 경기하강기등)  

Settings

Set your own customized style

Color Scheme

Choose the perfect color mode for your app.


RTL Mode

Switch your language direction

RTL Documentation

Fluid Layout

Toggle container layout system

Fluid Documentation

Navigation Position

Select a suitable navigation system for your web application


Vertical Navbar Style

Switch between styles for your vertical navbar

See Documentation

Like What You See?

Get Falcon now and create beautiful dashboards with hundreds of widgets.

Purchase
customize