Optimal stock investment strategy using prediction models

Abstract

Stock price prediction has traditionally been known as a challenging task. However, recent advancements in machine learning and deep learning models have spurred extensive research in predicting stock returns. This study applies these predictive models to U.S. stock data to forecast stock returns and develop investment strategies based on these forecasts. Additionally, the performance of the model-based investment strategy was compared with that of a widely recognized method, market capitalization-weighted investing. The results indicate that, overall, market capitalization-weighted investing outperformed model-based investing. However, the highest returns were observed in the model-based strategy. It was also found that model-based investing exhibits higher volatility in returns, with significant disparities between years of high and low returns. While investing through machine learning methodologies may be attractive to investors seeking high risk and high return, market capitalization-weighted investing is likely more suitable for those desiring stable returns.;주가 예측은 전통적으로 어려운 과제로 알려져 있다. 그러나 최근에는 머신러닝 및 딥러닝 모델을 활용한 주가 수익률 예측 연구가 활발히 진행되고 있다. 본 연구에서는 미국 주식 데이터를 바탕으로 이러한 예측 모델을 적용하여 주가 수익률을 예측하고, 이를 기반으로 한 투자 전략을 수립하였다. 또한, 널리 알려진 투자 방법인 시가총액 비례 투자와 그 성과를 비교하였다. 연구 결과, 전체적으로는 시가총액 비례 투자 전략이 모델 기반 투자 전략보다 우수한 성과를 보였으나, 가장 높은 수익률은 모델 기반 전략에서 나타났다. 다만, 모델 기반 전략은 수익률의 변동성이 높고 고수익과 저수익 시기의 차이가 큰 특징을 보였다. 머신러닝 방법론을 통한 투자는 고위험·고수익을 선호하는 투자자에게 매력적일 수 있으나, 안정적인 수익을 원하는 투자자에게는 시가총액 비례 투자 전략이 더 적합할 것으로 판단된다.