Deep learning methods for KOSPI forecasting

Abstract

Deep learning methods have been developed, used in various fields, and they have shown outstanding performances in many cases. Many studies predicted a one-day stock return, a classic example of time-series data, using deep learning methods. We also tried to apply deep learning methods to Korea's stock market data. We used KOSPI(Korea's stock market index) and several individual stocks to forecast daily returns and directions. We compared several deep learning models with other machine learning methods, including Random Forest and XGBoost. In regression, LSTM and GRU models are better than other prediction models. For the classification applications, there is no clear winner. However, even the best deep learning models cannot predict significantly better than the simple base model. We believe that it is challenging to predict one-day stock return data even if we use the latest deep learning methods.;딥러닝 방법론이 발전하며 다양한 분야에서 활용되고 있으며, 많은 경우의 연구에서 뛰어난 성과를 보인다. 많은 연구에서 딥러닝 방법을 사용하여 시계열 데이터의 전형적인 예시인 주식의 하루 동안 수익률을 예측했다. 우리도 한국의 주식 시장 데이터에 딥러닝 방법을 적용해보고자 하였다. KOSPI와 여러 개별 주식 종목들의 다음 날 일일 수익률과 방향을 예측했다. 딥러닝 모델인 1D-CNN, LSTM, GRU, 대표적인 배깅 알고리즘인 Random Forest와 대표적인 부스팅 알고리즘인 XGBoost를 비롯한 여러 가지의 머신러닝 방법과 비교했다. 일일 수익률을 예측하는 회귀 분석에서는 LSTM 모형과 GRU 모형이 다른 예측 모형보다 우수했다. 다음 날 방향을 예측하는 분류의 경우, 명확히 어떤 방법론이 우세하다고 볼 수 없었다. 하지만, 가장 성능이 좋은 딥러닝 모델도 단순한 기본 모델보다 훨씬 예측 성능이 좋다고 볼 수 없는 결과이다. 따라서, 딥러닝 방식을 사용하더라도 한국의 주식 시장을 예측하는 것은 어렵다고 판단된다.