SWU Intelligent System Laboratory (SWU-IS Lab) 2004 Orientation

SWU Intelligent System Laboratory (SWU-IS Lab)2004 Orientation 이 재 원 2004년 1월 6일

SWUIntelligent System Laboratory • 지능형 시스템 이론의 실용화 • 현재 연구: Stock Market Investment • A hot issue of computational finance and financial engineering • 한국 금융 시장 선진화를 위한 기반 연구

연구의 필요성 • 금융 시장의 국가간 장벽 해소 • 이념적 배경 • 신자유주의 • 기술적 배경 • 통신 기술(internet)의 발달 • 외국 자본의 국내 금융 시장 잠식 • 고도의 지능화된 정보처리 기술 활용

Stock Market • The Core of Capitalism • Prediction • The Core of Stock Market Investment • 예측 가능성에 대한 무수한 논란 • “제한적으로 예측 가능하다”는 주장이 주류

Nature Solutions(NS) Research Group • Members • Senior (Ph. D) • 이재원(성신여대), 이종우(NS), 김성동(한성대), 김유섭(한림대), 채진석(인천대) • Junior (Ph. D Candidate) • 장정호(서울대), 오장민(서울대), 황규백(서울대)

현재 연구 내용 • 3-Phase Stock Trading System의 구축 • Multiple prediction engines based on neural networks • Trading parameter optimization by greedy search • Asset allocation using genetic algorithm • NNShell: an Integrated developing tool

Brief History • 1999년: 연구 가능성 검토 • 2000년~2001년: 초기 시스템 설계 및 구축 • Korean Stock Market DB 구축 • 1st feature set 선정 및 1세대 엔진 개발 • 그랜빌(Granville) 이론에 기반 • 연속(continuous) 자질에만 의존 • Day-trading version • 성과: 신경망의 유용성 확인 • 한계: 시뮬레이션과 현실과의 괴리

2002년 • 2nd feature set 선정 및 2세대 엔진 개발 • 이진(binary) 자질의 추가 • 학습 기간 및 데이터 양의 증대 • 양극 validation 개념 정립 • 예측 대상 종목의 구분: BC(Blue Chip) vs. Non BC • Hold & Wait version • 성과: 이라크전을 전후한 Big Rally를 예측 • 폭락 장세에서의 추세 대전환 시점 예측에 성공 • 한계: bull market에서의 성능 한계

2003년 • 3rd feature set 선정 및 3세대 엔진 개발 • N-gram feature의 추가 (7월) • Gamma 개념을 target value에 도입 (9월) • 종목 구분의 세분화 (테마별 엔진) (11월) • 유전자 알고리즘에 의한 자산 분배 실험 • MPG (Meta Policy Generator) • 성과: Bull market에서의 성능 개선 • 한계: 성능에 대한 체계적 검증 부족 • Can we predict the predictability?

SWU-IS Lab with NS • 역할 분담 • NS • 차세대 엔진개발 및 이론 연구 • 4th feature set 선정, MPG 개선 • 신경망 이외의 예측 기법 연구 • SVM, 베이지안 네트워크, … • SWU-IS Lab • 현재 이론에 대한 학습 및 평가 • 현 세대 엔진 추가 개발 • 체계화된 성능 평가 및 검증

SWU-IS 2004 • 목표 • Beat the real market with toy capitals • 월별 Schedule • 1월~2월 • 신경망/유전자 알고리즘 기초 학습 • 기술 분석(technical analysis) 기초 학습 • 해외 관련 논문 학습 • 현재 시스템의 이해 및 추가 구현

3월~6월 • 엔진 구현 • 기술 분석 연습 • Human Intuition의 유용성 검증: 선택과 집중 • 논문 학습 • 졸업 논문 주제 선정 및 일반적 논문 양식 학습 • 기계 학습 심화 학습

방학 기간 seminar • 1월 6일(화) • Lab orientation: 이재원 • 1월 13일(화) • 기술 분석/시스템 설명: 이재원 • 1월 19일(월) • 기술 분석/시스템 설명: 이재원

1월 27일(화) • 논문 발표 1: 심은주 • 기술 분석: 이재원 • 2월 3일(화) • 논문 발표 2: 김현진 • 기술 분석 3: 이재원 • 2월 10일(화) • 논문 발표 3: 정승혜 • 기술 분석 4: 이재원

2월 17일(화) • 논문 발표 4: 김에스더 • Toy 투자 결과 토론 • 2월 23일(화) • 논문 발표 5: 문정희 • 개발 초기 결과 토론 및 학기 중 계획

논문 list (set 1) • R. Lawrence, “Using Neural Networks to Forecast Stock Market Prices,” ?, ?, 1997. (발표: 김현진) • J. Ghosn and Y. Bengio, “Multi-Task Learning for Stock Selection,” Advances in Neural Information Processing Systems 9, pp. 946-952, The MIT Press, 1996. (발표: 심은주) • J. D. Thomas and K. Sycara, “Integrating genetic algorithms and text learning for financial prediction,” Data Mining with Evolutionary Algorithms,” pp. 72-75, 2000. (발표: 김에스더) • T. Chenoweth, Z. Obradovic, and S. Lee, “Embedding Technical Analysis into Neural Networks Based Trading Systems,” Applied Artificial Intelligence Journal, 1996. (발표: 정승혜) • 김상락, “주가 예측: 허구인가? 사실인가?,” ?, ?, ?. (발표: 문정희)

SWU Intelligent System Laboratory (SWU-IS Lab) 2004 Orientation