APPARATUS FOR PREDICTING FLUCTUATION OF STOCK PRICE BASED ON LEARNING MODEL

The present invention relates to an apparatus for predicting fluctuations in stock price based on a learning model. The apparatus for predicting fluctuations in stock price, according to the present invention, comprises: a learning item input unit; a learning data generation module; a learning model...

Full description

Saved in:
Bibliographic Details
Main Author HWANG YONG GUK
Format Patent
LanguageEnglish
Korean
Published 28.02.2023
Subjects
Online AccessGet full text

Cover

Loading…
More Information
Summary:The present invention relates to an apparatus for predicting fluctuations in stock price based on a learning model. The apparatus for predicting fluctuations in stock price, according to the present invention, comprises: a learning item input unit; a learning data generation module; a learning model unit; an item-to-be-evaluated input unit; an evaluation data generation module; and a prediction classification unit. Therefore, the accuracy of prediction results regarding the fluctuation and extent of stock price trends in a specific period of time in the future can be improved. 본 발명은 학습모델에 기초한 주가 변동 예측 장치에 관한 것으로서, 머신러닝 기반 지도학습을 수행할 학습종목으로서 증권시장에 상장된 복수 개의 주식종목을 입력받는 학습종목 입력부와, 상기 입력받은 학습종목에 대한 과거 특정기간의 증권데이터에 기초하여 상기 학습종목에 포함된 각 주식종목에 대한 항목별 변동 상태를 나타내는 복수 개의 학습종목 이진코드를 생성한 후 기설정된 순서에 따라 나열한 결과에 대응하는 픽셀값을 부여함에 따라 이미지화된 제1 학습데이터를 생성하는 학습데이터 생성모듈과, 상기 생성된 제1 학습데이터에 기초하여 미래 특정기간의 주가 변동 정도에 대한 예측 결과에 대응하도록 기설정된 복수 개의 클래스별 지도학습값들을 이용한 지도학습을 수행하는 학습모델부와, 상기 학습종목에 포함된 적어도 어느 하나의 상기 주식종목을 사용자로부터 주가 변동성을 예측하고자 하는 평가대상종목으로 입력받는 평가대상종목 입력부와, 상기 입력받은 평가대상종목에 대한 과거 특정기간의 증권데이터에 기초하여 해당 종목에 대한 항목별 변동 상태를 나타내는 복수 개의 평가종목 이진코드를 생성한 후 기설정된 순서에 따라 나열한 결과에 대응하는 픽셀값을 부여함에 따라 이미지화된 제1 평가데이터를 생성하는 평가데이터 생성모듈과, 상기 지도학습이 완료된 후 상기 제1 평가데이터를 입력받는 경우, 상기 제1 평가데이터를 상기 지도학습값과 비교함에 따라 상기 복수 개의 클래스 중 어느 하나로 분류하는 예측 분류부를 포함하는 것을 특징으로 한다. 이에 따라, 지도 학습을 수행할 학습종목에 대한 학습데이터의 생성 시 증권데이터의 과거 주가 변동 상태에 대한 다양한 지표 정보들과 각종 이슈에 따른 버즈량 정보를 모두 반영함으로써 미래 특정기간의 주가 추세 변동 및 정도에 대한 예측 결과값의 정확도를 향상시킬 수 있는 효과가 있다.
Bibliography:Application Number: KR20210110192