핵심 개념
본 논문에서는 S&P500 지수 예측을 위해 3D-CNN, GARCH-ANN, VAR 세 가지 모델의 성능을 비교 분석한 결과, GARCH-LSTM 모델이 중단기 예측에서 가장 우수한 성능을 보임을 확인했습니다.
초록
S&P500 지수 예측 모델 비교 분석 연구 논문 요약
본 연구는 주식 시장의 대표적인 지표인 S&P500 지수의 미래 가격을 예측하기 위해 3D-CNN, GARCH-ANN, VAR 세 가지 모델의 성능을 비교 분석하는 것을 목표로 합니다.
본 연구에서는 2011년 1월 21일부터 2022년 4월 20일까지의 S&P500 지수 일일 조정 종가 데이터를 사용했습니다. 데이터는 93% 비율의 학습 데이터와 7% 비율의 테스트 데이터로 분할되었습니다. 각 모델의 성능은 평균 절대 백분율 오차(MAPE), 평균 오차(ME), 평균 절대 오차(MAE), 평균 백분율 오차(MPE), 제곱근 평균 제곱 오차(RMSE)와 같은 다양한 오차 지표를 사용하여 평가되었습니다.
3D-CNN 모델
주식 수익률을 시각적으로 표현하여 높이, 너비, 깊이를 갖는 3차원 데이터로 변환했습니다.
3x3x3 커널 크기를 갖는 여러 개의 3D 컨볼루션 레이어를 사용하여 입력 데이터에서 특징을 추출했습니다.
과적합을 방지하기 위해 드롭아웃 레이어를 사용했습니다.
GARCH-LSTM 모델
GARCH 모델을 사용하여 시계열 데이터의 변동성을 예측했습니다.
LSTM 레이어를 사용하여 과거 주가 데이터의 장기적인 의존성을 학습했습니다.
GARCH 모델과 LSTM 모델의 예측 결과를 가중치를 적용하여 결합했습니다.
VAR 모델
S&P500 지수와 SPDR1500 지수의 종가를 내생 변수로 사용했습니다.
ACF 및 PACF를 사용하여 최적의 시차를 결정했습니다.
AIC를 기준으로 VAR 모델의 순서를 선택했습니다.