기계학습을 활용한 코스피200 실현 변동성 예측

Abstract

본 논문은 코스피200 주가지수의 실현변동성을 금융시계열 모형과 함께 기계학습 알고리즘으로 예측하고 그 결과를 비교했다. 전통적으로 변동성을 예측하는데 사용되던 금융시계열 모형인 GARCH(1,1)모형과 NGARCH(1,1)모형보다 여러 해외 주식시장, 환율, 금리, 상품선물 등의 데이터를 활용해서 인자분석, 릿지(Ridge), 랜덤포레스트(Random Forest), XGBoost 알고리즘을 사용한 예측 결과가 더 우수했다. 또한, 본 논문에서 실현 변동성 예측에 활용한 데이터 내에서 선형적 관계만으로 설명할 수 없는 비선형적인 관계가 있는 것을 파악했고, 이를 통해 기계학습 알고리즘을 활용한 예측 기법이 더 향상된 예측 정확도를 보일 수 있었다.