시계열 데이터 분석을 기반으로 한 가치투자에서의 주식 매수시점 결정 방법

Abstract

빅데이터 시대를 맞이하여 대용량의 데이터 스트림이 발생함에 따라 시계열 데이터마이닝의 중요성이 강조되고 있다. 주식 데이터는 가장 대표적이고 널리 알려진 전형적인 시계열 데이터로, 본 연구에서는 주식 데이터를 이용하여 시계열 데이터마이닝 기법들을 연구하고자 하였다. 주가의 상승하락 예측에 대해서는 많은 연구가 행해져 왔으나 대부분의 기존연구들이 주가가 예측 가능하다는 결론을 얻지 못하고 있으며, 예측 가능하다는 연구에서도 예측력이 크지 않게 나타나고 있다. 따라서 본 연구에서는 주가지수 등락의 정확한 예측에 초점을 맞추기 보다는 기업의 가치 변화를 기반으로 매수 시점을 예측하여 투자전략을 결정하는 데에 보다 설득력 있는 근거로 작용하는 지표를 개발하였다. 이를 위해 가장 대표적인 가치평가 기준인 PBR(주가순자산비율)의 시간적 변화를 분석하였고, 주식 매수시점을 예측해내는 알고리즘을 제안하였다. 알고리즘은 PBR 시계열 데이터를 두 쌍의 α, β 매개변수로 평활화 시키고 두 개의 평활화 된 곡선의 교차에 따라 매수시점을 결정하였다. 각 회사의 특성을 고려하여 회사별로 최적화된 α, β 매개변수 쌍이 구해졌고, 오버피팅되는 문제를 해결하기 위해 매개변수 쌍들은 몇 개의 그룹으로 클러스터링 되었다. 본 연구에서는 알고리즘의 유용성을 증명하기 위해 2001년 1월부터 2013년 4월까지의 KOSPI상장 약 300여개 회사 월별 주가지수에 알고리즘을 적용해보았다. 그 결과, 전체 데이터 중 88%에서 랜덤매수 보다 높은 precision을 보였고, 평균 6%로 precision이 상승한 것을 알 수 있었다. 따라서, 본 연구에서 제안한 알고리즘은 주식 투자자들이 적절한 주식 매수시점을 결정하는데 도움을 줄 것으로 기대된다.