고빈도 자료를 이용한 머신러닝모형의 예측력 비교 ․ 분석: KOSPI200 선물시장을 중심으로

초록

본 연구에서는 KOSPI200 선물의 틱(tick) 데이터를 활용하여 머신러닝 모형의 예측력을 분석한다. 첫째, 미시구조론(microstructure)의 함의를 이용해 바(bar)를 구성했을 경우와 둘째, support vector machine, random forest와 같은 머신러닝(machine learning) 모형을 이용했을 경우 선물가격의상승과 하락 방향에 대한 예측력이 향상되는지를 분석했다. 분석 결과 시장에 새로운 정보가유입되는 시점을 기준으로 봉을 구성했을 때, 그리고 머신러닝 모형을 이용했을 때 예측력이더욱 향상되는 것으로 나타났다. 머신러닝 모형의 예측력은 모형의 훈련에 사용되는 데이터의양이 많아짐에 따라 더욱 향상되는 것으로 나타났다. 특히 거래량의 표본추출 기간을 정보의유입여부에 따라 조정함으로써 예측력이 향상되었다는 결과는 통상적인 시간에 따라 가격의상승 하락을 기록하고 분석하는 것은 유의미한 정보의 손실이 있음을 알 수 있다.

키워드