Stock Price Prediction via Discovering Multi-Frequency Trading Patterns

요약

- 주가는 서로 다른 거래 패턴 주기로 반영하는 단기적인, 장기적인 상업 거래 활동을 통해 형성됩니다.

- 하지만 이런 패턴은 종종 실제 세계에서의 많은 불확실한 정치적, 경제적 요인들로부터 영향을 받아 예측하기가 어렵습니다.

- 그래서 주가의 타임시리즈는 비정상적이고, 비선형적이며 미래의 주가 트렌드를 예측하는것은 더 어렵게 됩니다.

- 이런 문제를 다루고자 우리는 이전 주가 데이터로부터 장, 단기 예측을 위해 다중 거래 패턴 주기를 찾아내는 새로운 상태 주기 메모리 State Frequency Memory SFM 순환 신경망을 제안하였습니다.

- 이산 푸리에 변환 DFT에서 영감을 받아 SFM은 은닉 상태 메모리 셀을 여러 주파수 요소로 분해하여, 각 각은 특정 주파수에서 잠재적인 주가 변동 거래 패턴을 반영하게 됩니다.

- 그래서 미래 주가는 이러한 요소들을 역 푸리에 변환 IFT로 비선형적으로 맵핑하여 예측할 수가 있겠습니다.

- 다중 주기 거래 패턴을 설계함으로서 더 다양한 시간대 범위에서 정확한 예측이 가능해졌습니다. 

- 단기 예측의 경우 고주파 거래 패턴에 달려있겠지만, 장기 예측의 경우 긴 기간 동안 저주파 거래 패턴에 초점을 맞춰 볼겁니다.

- 불행히도 동적인 예측을 하기 위해 다양한 거래 패턴 주기들을 명확하게 구분하는 모델은 없었습니다.

- 실제 거래 데이터를 이용한 실험에서 기존의 최신 방법들보다 SFM을 사용한 경우 더 좋은 성능을 보였습니다.