알고리즘 거래를 위한 Python

5장. 머신 러닝으로 시장 움직임 예측하기

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

스카이넷이 기하학적인 속도로 학습하기 시작합니다. 8월 29일 오전 2시 14분(동부 표준시)에 스스로 인식하게 됩니다.

터미네이터(터미네이터 2)

최근 몇 년 동안 머신러닝, 딥러닝, 인공지능 분야에서 엄청난 발전이 있었습니다. 금융 업계 전반과 특히 전 세계 알고리즘 트레이더들은 이러한 기술 발전의 혜택을 누리기 위해 노력하고 있습니다.

이 장에서는 선형 회귀와 같은 통계 기법과 로지스틱 회귀와 같은 머신러닝 기법을 통해 과거 수익률을 바탕으로 미래 가격 변동을 예측하는 방법을 소개합니다. 또한 신경망을 사용해 주식 시장 움직임을 예측하는 방법도 설명합니다. 물론 이 장이 머신러닝에 대한 철저한 소개를 대신할 수는 없지만, 실무자의 관점에서 특정 기법을 가격 예측 문제에 구체적으로 적용하는 방법을 보여줄 수 있습니다. 자세한 내용은 힐피쉬(2020)를 참조하세요.¹

이 장에서는 다음 유형의 트레이딩 전략을 다룹니다:

선형 회귀 기반 전략

이러한 전략은 선형 회귀를 사용하여 추세를 추정하거나 금융상품의 미래 가격 변동 방향을 도출합니다.

머신 러닝 기반 전략

알고리즘 트레이딩에서는 일반적으로 금융상품의 움직임의 절대적인 크기가 아니라 움직임의 방향을 예측하는 것으로 충분합니다. 이러한 추론을 통해 예측 문제는 기본적으로 상승 또는 하락이 있을지를 결정하는 분류 문제로 귀결됩니다. 이러한 분류 문제를 해결하기 위해 다양한 머신러닝 알고리즘이 개발되었습니다. 이 장에서는 분류를 위한 대표적인 기준 알고리즘으로 로지스틱 회귀를 소개합니다.

Deep Learning 기반 전략

딥러닝은 Facebook과 같은 거대 기술 기업에 의해 대중화되었습니다. 머신러닝 알고리즘과 마찬가지로 신경망에 기반한 딥러닝 알고리즘을 사용하면 금융 시장 예측에서 직면하는 분류 문제를 해결할 수 있습니다.

이 장은 다음과 같이 구성되어 있습니다. '시장 움직임 예측에 선형 회귀 사용'에서는 지수 수준과 가격 움직임의 방향을 예측하는 기법으로 선형 회귀를 소개합니다. '시장 움직임 예측을 위한 머신러닝 사용'에서는 머신러닝에 초점을 맞춰 선형 회귀를 기반으로 한 scikit-learn 을 소개합니다. 주로 분류 문제에 명시적으로 적용할 수 있는 대체 선형 모델로서 로지스틱 회귀를 다룹니다. '시장 움직임 예측을 위한 딥러닝 활용'에서는 신경망알고리즘을 기반으로 주식 시장 움직임의 방향을 예측하는 Keras 을 소개합니다.

이 장의 주요 목표는 과거 수익률을 바탕으로 금융 시장의 미래 가격 변동을 예측하는 실용적인 접근법을 제공하는 것입니다. 기본 가정은 효율적 시장 가설이 보편적으로 적용되지 않으며, 주가 차트의 기술적 분석 추론과 유사하게 과거를 통해 통계적 기법으로 미래에 대한 통찰력을 얻을 수 있다는 것입니다. 즉, 금융 시장의 특정 패턴이 반복적으로 나타나기 때문에 과거의 ...