지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 二分類 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 ρ w T x + b = 0 r T w x + b r = w φ : x φ (x) 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 다항함수의차수 가우시안 RBF 커널함수의대역폭 2) http://www.csie.ntu.edu.tw/~cjlin/libsvmtools 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 학습용데이터 KOSPI200 (2004~2008) 기술적지표 비가격지표 SVM with Probability Estimates 학습 추정확률 이중임계치결정 GA 최적화 최적 SVM 모형 ( 최적커널함수, 파라미터 ) 최적상단임계치최적하단임계치 검증용데이터 KOSPI200 (2009) 기술적지표 비가격지표 학습된 SVM 모형적용 추정확률 최적화된이중임계치적용 투자의사결정 일별매수 / 매도 / 보류결정 투자수익률산출및시스템평가 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 DN t UP t 0 1 DN x < t DN t x < t UP t UP x 지수지수하락예상예상 ( 매도 ) ( 매도 ) 보류 보류 지수지수상승상승예상예상 ( 매수 ) ( 매수 ) 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 모집단 (1 세대 ) T DN 1 염색체구조 하단임계치 (T DN ) 임계치간차이 (GAP) T DN 2 T DN 3 T DN 12 T DN 13 T DN 14 GAP 1 GAP 2 GAP 3 GAP 12 GAP 13 GAP 14 염색체 1 1 1 0 1 1 1 1 0 0 1 0 0 염색체 2 염색체 3 0 1 1 0 1 0 0 0 1 0 1 0 1 1 1 1 0 0 1 0 1 1 0 1 염색체 m 1 1 0 1 1 1 1 0 1 0 1 0 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 3) 2004 1 1 2004 5 17. 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 σ 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 지능정보연구제 16 권제 1 호 2010 년 3 월
Support Vector Machines 와유전자알고리즘을이용한지능형트레이딩시스템개발 Abstract Sun-Woong Kim * Hyunchul Ahn ** As the use of trading systems increases recently, many researchers are interested in developing intelligent trading systems using artificial intelligence techniques. However, most prior studies on trading systems have common limitations. First, they just adopted several technical indicators based on stock indices as independent variables although there are a variety of variables that can be used as independent variables for predicting the market. In addition, most of them focus on developing a model that predicts the direction of the stock market indices rather than one that can generate trading signals for maximizing returns. Thus, in this study, we propose a novel intelligent trading system that mitigates these limitations. It is designed to use both the technical indicators and the other non price variables on the market. Also, it adopts two threshold mechanism so that it can transform the outcome of the stock market prediction model based on support vector machines to the trading decision signals like buy, sell or hold. To validate the usefulness of the proposed system, we applied it to the real world data the KOSPI200 index from May 2004 to December 2009. As a result, we found that the proposed system outperformed other comparative models from the perspective of rate of return. Key Words : Intelligent Trading Systems, Support Vector Machines, Genetic Algorithms, Two threshold Mechanism, KOSPI200 * The Graduate School of Business IT, Kookmin University ** School of Management Information Systems, Kookmin University 지능정보연구제 16 권제 1 호 2010 년 3 월
김선웅 안현철 BIT., KAIST.,,.. KAIST, KAIST.,. 지능정보연구제 16 권제 1 호 2010 년 3 월