KCI등재
머신러닝모형을 이용한 글로벌 자동차 기업의 주가 예측 비교 = Price Prediction of Global Automotive Companies using Machine Learning Models
저자
발행기관
학술지명
Journal of the Korean Data Analysis Society(Journal of The Korean Data Analysis Society)
권호사항
발행연도
2023
작성언어
-주제어
KDC
310
등재정보
KCI등재
자료형태
학술저널
수록면
249-263(15쪽)
DOI식별코드
제공처
국내외 주식시장 간의 주가 디커플링(decoupling) 현상이 장기화하면서 글로벌 주식시장으로 투자 대상을 확대하는 서학 개미들이 등장하고 있다. 본 연구의 목적은 글로벌 자동차 기업의 주가와 변동성을 예측하고 투자전략의 성과 분석을 통해 경제적 가치가 나타나는지를 분석하는 것이다. 투자 대상은 전기차와 자율 주행차로 패러다임이 바뀌면서 치열한 경쟁을 벌이고 있는 글로벌 자동차 산업 선진국인 독일, 미국, 일본, 한국의 자동차 기업으로 선택하였다. 예측모형으로는 불규칙하게 변동하는 주가와 같은 시계열 자료의 예측 연구에서 좋은 결과를 보여주고 있는 기계학습 모형을 활용하였다. 2011년 1월부터 2022년 9월까지의 일별 주가 자료를 이용한 실증분석 결과는 다음과 같다. 첫째, 주가 예측을 위한 특성 변수에서는 일별 저가가 가장 높은 중요도를 보여주었다. 둘째, 주가 예측에서는 Random Forest 모형, 변동성 예측에서는 Support Vector Regression 모형이 우수한 예측력을 보여주었다. 셋째, 예측 주가를 이용한 투자전략은 벤치마크보다 높은 수익성을 보여주어 예측 주가의 경제적 가치를 발견하였다. 글로벌 주식투자가 확대되는 국면에서 기계학습모형을 활용하여 치열한 경쟁이 벌어지고 있는 글로벌 자동차 산업에 대한 주가를 예측하고 투자전략의 성과를 분석하였다는 점에서 본 연구의 학술적, 실무적 의의가 있다. 향후 연구에서는 투자 대상을 다양화하고 정교한 예측 기법을 추가하여 연구할 필요가 있다.
더보기As the stock price decoupling between domestic and foreign stock markets is prolonged, the so-called ‘Seohak ants’ are emerging to expand investing targets to the global stock market. This study is to predict the stock prices and volatility of global automotive companies and analyze whether economic value appears through performance analysis of investment strategy. The investment target was selected as automakers in Germany, the U.S., Japan, and Korea, which are advanced countries in the global automotive industry and fiercely competing as the paradigm of electric and self-driving cars emerged. Machine learning models were used to predict the stock prices, which show good results in predictive studies of time series data such as irregular and nonlinear moving stock prices. The empirical results from January 2011 to September 2022 data are as follows. First, daily low prices showed the highest importance score in feature variables for stock price prediction. Second, the random forest model in stock price prediction and the support vector regression model in volatility prediction showed excellent predictive power. Third, the investment strategy using the predicted stock price showed higher profitability than the benchmark, finding the economic value of the predicted stock price. This study is of academic and practical significance in that it predicted the stock prices volatility of the global automotive industry by using the machine learning models in the face of expanding global stock investment. In future studies, it is necessary to diversify the investment target and add sophisticated prediction techniques to study to improve the predictive performance.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)