KR102095022B1 - 기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램 - Google Patents

기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램 Download PDF

Info

Publication number
KR102095022B1
KR102095022B1 KR1020190122005A KR20190122005A KR102095022B1 KR 102095022 B1 KR102095022 B1 KR 102095022B1 KR 1020190122005 A KR1020190122005 A KR 1020190122005A KR 20190122005 A KR20190122005 A KR 20190122005A KR 102095022 B1 KR102095022 B1 KR 102095022B1
Authority
KR
South Korea
Prior art keywords
articles
article
selling
impact
purchase
Prior art date
Application number
KR1020190122005A
Other languages
English (en)
Inventor
김근수
Original Assignee
김근수
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김근수 filed Critical 김근수
Priority to KR1020190122005A priority Critical patent/KR102095022B1/ko
Application granted granted Critical
Publication of KR102095022B1 publication Critical patent/KR102095022B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Abstract

본 발명은 기사 분석을 이용한 주식 자동 매매 방법에 관한 것으로, 수집된 각종 유효 기사들의 언론사, 출처, 제목, 내용 등을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하고, 영향도와 현재 주가 등을 고려하여 거래를 결정하여 정확한 예측을 할 수 있다.

Description

기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램 {Method, device and program for trading stocks using articles analysis}
본 발명은 기사를 분석하여 주식을 자동으로 매매하는 방법에 관한 것이다.
종래에는, 투자자가 주식 거래 프로그램, 어플리케이션을 이용하여 주식을 매수하거나 매도하는 것이 대부분이었다.
그리고, 최근 들어 주식 거래 알고리즘 등을 이용한 주식 매매 방법이 생겨나고 있다.
이러한 방법은 주식 종목의 현재가와 해당 종목에 관련된 각종 정보를 이용하여 매수 또는 매도를 결정하고 있지만, 현재까지는 뚜렷한 기준이 없으며 이로인해 그 정확도가 현저하게 떨어진다는 문제점이 있다.
대한민국 공개특허공보 제10-2014-0115208호 (2014.09.30)
상술한 바와 같은 문제점을 해결하기 위한 본 발명은 수집된 기사들의 제목, 내용 및 키워드를 상호 비교하여 그루핑하고, 중복되는 기사들을 제외하고 유효 기사를 리스팅하고자 한다.
또한, 본 발명은 유효 기사들의 언론사, 출처, 제목, 내용 등을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하고자 한다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 기사 분석을 이용한 주식 자동 매매 방법은, 컴퓨터에 의해 수행되는 방법으로, 하나 이상의 주식 종목에 대한 기사를 수집하는 단계; 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하는 단계; 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 단계; 산출모듈이 상기 유효 기사 각각의 언론사, 출처, 제목 및 내용을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 단계; 및 상기 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행하는, 거래 결정 단계를 포함하며, 상기 산출모듈은, 언론사, 출처, 및 기자에 대한 신뢰도 평가 기준이 학습되어 있으며, 상기 유효 기사 각각의 언론사, 기사 내용의 출처, 및 기사를 작성한 기자를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 한다.
또한, 상기 영향도 산출 단계는, 상기 산출모듈이 상기 유효 기사의 갯수, 상기 유효 기사의 추천과 비추천 수, 상기 유효 기사의 댓글 수, 댓글에 포함된 글을 분석하여 산출된 긍정도 및 부정도를 이용하여, 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 것을 특징으로 한다.
또한, 상기 거래 결정 단계는, 해당 종목의 매수를 결정하는 경우, 결정된 매수량으로 매수를 수행하되, 상기 영향도를 고려하여 하나 이상의 매도 시점과 매도량을 예측하고, 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매도 시점과 매도량을 수정하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 상기 거래 결정 단계는, 해당 종목의 매도를 결정하는 경우, 결정된 매도량으로 매도를 수행하되, 상기 영향도를 고려하여 하나 이상의 매수 시점과 매수량을 예측하고, 실시간으로 해당 종목의 주가 변화와, 매도를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매수 시점과 매수량을 수정하는 단계를 더 포함하는 것을 특징으로 한다.
또한, 상기 거래 결정 단계는, 해당 종목의 현재가, 일정 시간동안의 주가 변화, 매수세, 매도세를 상기 산출된 영향도와 비교하여, 발생한 호재 또는 악재가 선반영된 정도를 의미하는 재료 반영수치를 산출하는 단계; 및 상기 재료 반영수치를 고려하여 해당 종목의 매수량과 매수시점 또는 매도량과 매도시점을 재결정하는 단계를 포함한다.
또한, 상술한 과제를 해결하기 위한 본 발명의 일 실시예에 따른 기사 분석을 이용한 주식 자동 매매 장치는, 하나 이상의 주식 종목에 대한 기사를 수집하는 수집부; 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하고, 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 리스팅모듈; 상기 유효 기사 각각의 언론사, 출처, 제목, 및 내용을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 산출모듈; 상기 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행하는 거래 결정부를 포함하며, 상기 산출모듈은, 언론사, 출처, 및 기자에 대한 신뢰도 평가 기준이 학습되어 있으며, 상기 유효 기사 각각의 언론사, 기사 내용의 출처, 및 기사를 작성한 기자를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 한다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 컴퓨터 판독 가능한 기록 매체가 더 제공될 수 있다.
상기와 같은 본 발명에 따르면, 수집된 기사들의 제목, 내용 및 키워드를 상호 비교하여 그루핑하고, 중복되는 기사들을 제외하고 유효 기사를 리스팅함으로써, 단순히 복사되어 게재되는 기사들이나 신뢰도가 떨어지는 기사들을 필터링하고, 실제로 유효한 기사들만을 리스팅하는 효과를 발휘하게 된다.
또한, 본 발명에 따르면, 유효 기사들의 언론사, 출처, 제목, 내용 등을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하고, 영향도와 현재 주가 등을 고려하여 거래를 결정하여 정확한 예측을 할 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 시스템의 개략도이다.
도 2 내지 도 5는 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 방법의 흐름도이다.
도 6은 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 장치의 블록도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 시스템(10)의 개략도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는 Media(미디어, 300)로부터 각종 기사들을 수집하고, 이를 분석하여 각종 종목들의 주식을 매매하게 된다.
이때, Media는 신문, 뉴스 등과 같이 기사가 게재되는 곳으로 언론사가 해당할 수도 있고, 포털사이트 등이 해당할 수 있다.
이때, 주식 자동 매매 장치(100)는 여러 개의 주식 종목에 대하여 매칭되는 복수의 키워드가 선정되어 있고, TextRank 알고리즘을 이용하여 기사 요약문을 추출할 수 있다. 기사 요약문에서 주요 키워드를 다시 추출하고, 준비된 키워드와 유사도를 비교하여 최종적으로 주식 종목과 매칭할 수 있다.
주식 자동 매매 장치(100)가 수집하는 기사는 대부분이 인터넷 기사가 해당될 것이고, 이와 같은 인터넷 기사는 특정 기사가 복사되어 그대로 재업로드되거나 일부 표현만 수정되어 다시 업로드 되는 경우가 종종 있으므로, 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는 이와 같은 중복 기사들을 필터링하여 예측 정확도를 상승시키는 기능을 포함하고 있다.
이외에도 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는 매매 성공률을 상승시키기 위해 다양한 방법들을 채택하고 있으며, 이하 다른 도면들을 참조하여 보다 상세하게 설명하도록 한다.
도 2 내지 도 5는 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 방법의 흐름도이다.
도 2를 참조하여 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 방법에 대해서 설명하도록 한다.
먼저, 주식 자동 매매 장치(100)의 수집부(110)가 하나 이상의 주식 종목에 대한 기사를 수집한다. (S100단계)
이 과정에서 주식 자동 매매 장치(100)는 수집된 복수의 기사들의 요약문을 기 설정된 키워드와 매칭하여 각각의 기사가 어떠한 주식 종목과 매칭되는 기사인지 분류할 수도 있다. 기사에 따라서 하나의 기사가 여러 개의 주식 종목과 매칭될 수도 있다.
주식 자동 매매 장치(100)는 TextRank 알고리즘을 이용하여 각 기사의 요약문을 추출할 수 있으며, 이와 같은 과정은 필수적으로 수행되는 과정은 아니다.
S100단계 다음으로, 주식 자동 매매 장치(100)의 리스팅모듈(120)이 기 설정된 시간동안 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 임계치 이상의 유사도를 가지는 기사들을 그루핑하고, 복수의 유효 기사를 리스팅한다. (S200단계)
리스팅모듈(120)은 기 설정된 시간동안 수집된 복수의 기사들 각각의 제목 및 내용을 상호 비교하여 임계치 이상의 유사도를 가지는 기사들을 그루핑하여, 복수의 기사들을 관련 종목끼리 그루핑할 수 있게 된다.
또한, 도 3을 참조하면, S200단계는 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하는 단계(S230단계)와, 상기 수집된 복수의 기사 각각의 제목, 내용 및 키워드 중 적어도 하나를 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 단계(S250단계)를 포함할 수 있다.
보다 상세하게는, 수집부(110)를 통해 수집된 다수의 기사들을 비교하여 유사점이 있고, 동일 주식 종목에 해당한다고 판단되는 기사들끼리 그루핑을 하여 최적화를 수행하되, 유사도가 너무 높다고 판단되는 기사들은 다른 기사를 단순하게 복사하였거나, 내용을 일부 수정한 후 기사로 게재한 것으로 판단하여 예외처리하는 것을 의미한다.
이와 같은 과정을 수행하는 이유는, 기사의 갯수에 따라서 호재의 규모, 재료의 가치 등이 산출될 수 있는데 이러한 점을 이용하여 호재의 규모, 재료의 가치에 비해서 기사의 규모를 부풀려질 수 있고, 이로 인해 추후 수행될 영향도 산출에서 그릇된 결과가 나올 수 있기 때문이다.
본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 방법은 이러한 그루핑과 중복기사 예외처리 과정을 수행하여 유효 기사를 리스팅하기 때문에 위와 같이 기사 갯수를 통해 부풀려지는 케이스를 방지할 수 있는 효과가 있다.
S200단계 다음으로, 산출모듈(130)이 유효 기사 각각의 언론사, 출처, 제목, 내용 중 적어도 하나를 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출한다. (S300단계)
산출모듈(130)은 언론사, 출처 및 기자 중 적어도 하나에 대한 신뢰도 평가 기준이 학습되어 있다.
또한, 산출모듈(130)은 유효 기사 각각의 언론사, 기사 내용의 출처, 기사를 작성한 기자 중 적어도 하나를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 한다.
예를 들어, S200단계를 통해 리스팅모듈(120)이 리스팅한 유효 기사의 갯수에 따라서 영향도를 산출하게 되면, 기사의 언론사, 기사의 출처, 기사를 작성한 기자 등 다양한 요인에 의해 부정확한 영향도가 산출될 수 있다.
보다 상세한 예를 들면, 신뢰도가 높지 않은 언론사에서 게재된 많은 수의 기사들은 신뢰도가 높은 언론사에 게재된 신뢰도 높은 출처를 가진 소수의 기사들이 더 높은 영향도로 산출될 수 있다는 것을 의미한다.
또한, 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는, 고정된 신뢰도를 이용하여 영향도를 산출하는 것이 아니며, S400단계를 수행한 후 해당 종목의 가격 변화에 따라서 언론사, 출처, 기자 등에 대한 신뢰도를 업데이트할 수 있다.
예를 들어, 주식 자동 매매 장치(100)가 특정 종목에 대한 기사를 수집하고, S200단계 내지 S400단계를 수행하여 주식을 매수한 후, 해당 종목의 가격이 주식 자동 매매 장치(100)가 예측한 가격보다 높은 가격까지 상승하였다면, 유효 기사가 게재된 언론사, 출처, 기자 등의 신뢰도를 상향 조정할 수 있다.
또한, 산출모듈(130)은 상기 유효 기사의 갯수, 유효 기사의 추천과 비추천 수, 유효 기사의 댓글 수, 유효 기사의 댓글에 포함된 글을 분석하여 산출된 긍정도 또는 부정도 중 적어도 하나를 이용하여, 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출할 수 있다.
위와 같이, 산출모듈(130)은 기사를 접한 사람들의 반응 또한 고려하여 영향도를 산출할 수도 있다.
S300단계 다음으로, 거래결정부(150)가 S300단계에서 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 결정하고 이를 수행한다. (S400단계)
보다 상세하게는, 거래결정부(150)는 영향도 산출모듈(130)이 산출한 영향도와 해당 종목의 현재 주가, 그리고 사용자 또는 관리자에 의해 설정된 조건에 따라서 해당 종목을 매수, 매도 또는 현상유지를 결정하는 것을 의미한다.
이때, 현상유지란 현재 상태에서 아무런 거래를 하지 않고 지켜보는 것을 의미한다.
또한, 거래결정부(150)는 매수를 결정하게 되면, 매수가격, 매수량, 매수 시점 등을 결정할 수 있고, 경우에 따라서는 시장가에 즉시 매수 등을 결정할 수도 있다.
또한, 거래결정부(150)는 매도를 결정하게 되면, 매도가격, 매도량, 매도 시점 등을 결정할 수 있고, 마찬가지로 경우에 따라서는 시장가에 즉시 매도 등을 결정할 수도 있다.
도 4를 참조하면, 일 실시예로, 예측모듈(140)은 해당 종목의 매수를 결정하는 경우, 결정된 매수량으로 매수를 수행하되, 영향도를 고려하여 하나 이상의 매도 시점과 매도량을 예측한다.
그리고, 예측모듈(140)이 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매도 시점과 매도량을 수정하는 단계를 더 수행할 수 있다.
예를 들어, 거래결정부(150)가 S400단계를 통해 영향도를 이용하여 거래를 결정하였다 하여도, 시시각각으로 변화하는 상황에 따라서 매수 시점에 예측한 매도정보(매도량, 매도시기 등)와 다를 수 있다.
따라서, 예측모듈(140)이 거래결정부(150)가 거래를 결정하고 거래를 체결한 이후에도 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후에 업데이트 되어 수집되는 신규 기사들을 통해 산출된 추가 영향도를 이용하여, 매수 시점에 예측했던 매도시점과 매도량을 수정(업데이트)하게 된다.
이로 인해, 각종 상황에 따라서 매도시점이 변화할 수도 있고 매도량이 변화할 수도 있으며, 둘 다 변화할 수도 있다. 또한, 예측모듈(140)은 매도만을 결정하는 것은 아니며 상황에 따라서 추가 매수를 결정할 수도 있으므로, 추가 매수 여부를 결정하고 추가 매수량, 추가 매수시점 등을 예측할 수 있다.
일 실시예로, 예측모듈(140)은 해당 종목의 매도를 결정하는 경우, 결정된 매도량으로 매도를 수행하되, 영향도를 고려하여 하나 이상의 매수 시점과 매수량을 예측한다.
그리고, 예측모듈(140)이 실시간으로 해당 종목의 주가 변화와, 매도를 수행한 후 업데이트 되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매수 시점과 매수량을 수정하는 단계를 더 수행할 수 있다.
예를 들어, 거래결정부(150)가 S400단계를 통해 영향도를 이용하여 거래를 결정하였다 하여도, 시시각각으로 변화하는 상황에 따라서 매도 시점에 예측한 매수정보(매수량, 매수시기 등)와 다를 수 있다.
따라서, 예측모듈(140)이 거래결정부(150)가 거래를 결정하고 거래를 체결한 이후에도 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후에 업데이트 되어 수집되는 신규 기사들을 통해 산출된 추가 영향도를 이용하여, 매도 시점에 예측했던 매수시점과 매수량을 수정(업데이트)하게 된다.
이로 인해, 각종 상황에 따라서 매수시점이 변화할 수도 있고 매수량이 변화할 수도 있으며, 둘 다 변화할 수도 있다. 또한, 예측모듈(140)은 매수만을 결정하는 것은 아니며 상황에 따라서 추가 매도를 결정할 수도 있으므로, 추가 매도 여부를 결정하고 추가 매도량, 추가 매도시점 등을 예측할 수 있다.
도 5를 참조하면, 일 실시예로, 거래 결정 단계는 아래와 같은 과정이 더 포함될 수 있다.
산출모듈(130)이 해당 종목의 현재가, 일정 시간동안의 주가 변화, 매수세, 매도세를 상기 산출된 영향도와 비교하여, 발생한 호재 또는 악재가 선반영된 정보를 의미하는 재료 반영수치를 산출한다.
그리고, 예측모듈(140)이 재료 반영수치를 고려하여 해당 종목의 매수량과 매수시점 또는 매도량과 매도시점을 재결정한다.
위와 같이, 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는 산출모듈(130)을 이용하여 재료 반영수치를 산출함으로써 매수량/매수시점 또는 매도량/매도시점을 보다 정확하게 재결정해주게 된다.
이로 인해, 재료(호재, 악재)가 대부분 반영되었다고 판단되면 매도량이 증가하고 매도시점이 앞당겨질 수 있으며, 재료가 아직 반영된 정도가 적다고 판단되면 추가 매수를 수행하고, 매수 시점을 앞당길 수 있게 됨으로써, 보다 정확한 판단을 내릴 수 있게 된다.
도 6은 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 장치(100)의 블록도이다.
도 6을 참조하면, 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는 수집부(110), 리스팅모듈(120), 산출모듈(130), 예측모듈(140), 거래결정부(150) 및 통신부(160)를 포함한다.
다만, 몇몇 실시예에서 서버는 도 6에 도시된 구성요소보다 더 적은 수의 구성요소나 더 많은 구성요소를 포함할 수도 있다.
수집부(110)는 하나 이상의 주식 종목에 대한 기사를 수집한다.
통신부(160)는 수집부(110)가 각종 인터넷 기사 등을 유/무선 통신을 통해 수집할 수 있도록 통신기능을 제공하며, 주식 자동 매매 장치(100)가 증권 거래 서버(330)와 통신하여 매매를 할 수 있도록 하기도 하고, 거래 결과를 클라이언트에게 제공하는 역할을 수행하기도 한다.
따라서, 본 발명의 실시예에 따른 주식 자동 매매 장치(100)는 통신부(160)의 기능을 포함하고 있는 서버의 형태로 구현될 수 있다.
이와 같은 통신부(160)의 기능은 일반적인 유/무선 통신을 수행하는 장치, 모듈과 다르지 않으므로 더이상의 자세한 설명은 생략하도록 한다.
리스팅모듈(120)은 수집부(110)를 통해 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅하고, 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리한다.
산출모듈(130)은 유효 기사 각각의 언론사, 출처, 제목, 내용 중 적어도 하나를 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출한다.
거래결정부(150)는 산출모듈(130)을 통해 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행한다.
이때, 산출모듈(130)은 언론사, 출처 및 기자 중 적어도 하나에 대한 신뢰도 평가 기준이 학습되어 있으며, 유효 기사 각각의 언론사, 기사 내용의 출처, 기사를 작성한 기자 중 적어도 하나를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 한다.
예측모듈(140)은 거래결정부(150)가 해당 종목의 매수를 결정하는 경우, 영향도를 고려하여 하나 이상의 매도시점과 매도량을 예측한다.
그리고, 예측모듈(140)은 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매도 시점과 매도량을 수정한다.
다른 예로, 예측모듈(140)은 거래결정부(150)가 해당 종목의 매도를 결정하는 경우, 영향도를 고려하여 하나 이상의 매수시점과 매수량을 예측한다.
그리고, 예측모듈(140)은 실시간으로 해당 종목의 주가 변화와, 매도를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매수 시점과 매수량을 수정한다.
이상으로 설명한 본 발명의 실시예에 따른 기사 분석을 이용한 주식 자동 매매 장치(100)는 도 1 내지 도 5를 통해 설명한 기사 분석을 이용한 주식 자동 매매 방법과 발명의 카테고리만 다를 뿐, 동일한 내용이므로 중복되는 설명, 예시는 생략하도록 한다.
이상에서 전술한 본 발명의 일 실시예에 따른 방법은, 하드웨어인 서버와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.
이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.
10: 주식 자동 매매 시스템
100: 주식 자동 매매 장치
110: 수집부
120: 리스팅모듈
130: 산출모듈
140: 예측모듈
150: 거래결정부
160: 통신부
300: Media
330: 증권 거래 서버

Claims (7)

  1. 컴퓨터에 의해 수행되는 방법으로,
    하나 이상의 주식 종목에 대한 기사를 수집하는 단계;
    상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하는 단계;
    상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 단계;
    산출모듈이 상기 유효 기사 각각의 언론사, 출처, 제목 및 내용을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 단계; 및
    상기 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행하는, 거래 결정 단계를 포함하며,
    상기 거래 결정 단계는,
    해당 종목의 매수를 결정하는 경우, 결정된 매수량으로 매수를 수행하되, 상기 영향도를 고려하여 하나 이상의 매도 시점과 매도량을 예측하고, 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매도 시점과 매도량을 수정하는 단계를 더 포함하고,
    상기 산출모듈은,
    언론사, 출처, 및 기자에 대한 신뢰도 평가 기준이 학습되어 있으며,
    상기 유효 기사 각각의 언론사, 기사 내용의 출처, 및 기사를 작성한 기자를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 하는, 기사 분석을 이용한 주식 자동 매매 방법.
  2. 컴퓨터에 의해 수행되는 방법으로,
    하나 이상의 주식 종목에 대한 기사를 수집하는 단계;
    상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하는 단계;
    상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 단계;
    산출모듈이 상기 유효 기사 각각의 언론사, 출처, 제목 및 내용을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 단계; 및
    상기 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행하는, 거래 결정 단계를 포함하며,
    상기 거래 결정 단계는,
    해당 종목의 매도를 결정하는 경우, 결정된 매도량으로 매도를 수행하되, 상기 영향도를 고려하여 하나 이상의 매수 시점과 매수량을 예측하고, 실시간으로 해당 종목의 주가 변화와, 매도를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매수 시점과 매수량을 수정하는 단계를 더 포함하고,
    상기 산출모듈은,
    언론사, 출처, 및 기자에 대한 신뢰도 평가 기준이 학습되어 있으며,
    상기 유효 기사 각각의 언론사, 기사 내용의 출처, 및 기사를 작성한 기자를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 하는, 기사 분석을 이용한 주식 자동 매매 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 영향도 산출 단계는,
    상기 산출모듈이 상기 유효 기사의 갯수, 상기 유효 기사의 추천과 비추천 수, 상기 유효 기사의 댓글 수, 댓글에 포함된 글을 분석하여 산출된 긍정도 및 부정도를 이용하여, 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 것을 특징으로 하는, 기사 분석을 이용한 주식 자동 매매 방법.
  4. 제1항 또는 제2항에 있어서,
    상기 거래 결정 단계는,
    해당 종목의 현재가, 일정 시간동안의 주가 변화, 매수세, 매도세를 상기 산출된 영향도와 비교하여, 발생한 호재 또는 악재가 선반영된 정도를 의미하는 재료 반영수치를 산출하는 단계; 및
    상기 재료 반영수치를 고려하여 해당 종목의 매수량과 매수시점 또는 매도량과 매도시점을 재결정하는 단계를 포함하는, 기사 분석을 이용한 주식 자동 매매 방법.
  5. 하나 이상의 주식 종목에 대한 기사를 수집하는 수집부;
    상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하고, 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 리스팅모듈;
    상기 유효 기사 각각의 언론사, 출처, 제목, 및 내용을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 산출모듈;
    상기 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행하는 거래 결정부; 및
    해당 종목의 매수를 결정하는 경우, 결정된 매수량으로 매수를 수행하되, 상기 영향도를 고려하여 하나 이상의 매도 시점과 매도량을 예측하고, 실시간으로 해당 종목의 주가 변화와, 매수를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매도 시점과 매도량을 수정하는 예측모듈을 포함하고,
    상기 산출모듈은,
    언론사, 출처, 및 기자에 대한 신뢰도 평가 기준이 학습되어 있으며,
    상기 유효 기사 각각의 언론사, 기사 내용의 출처, 및 기사를 작성한 기자를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 하는, 기사 분석을 이용한 주식 자동 매매 장치.
  6. 하나 이상의 주식 종목에 대한 기사를 수집하는 수집부;
    상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제1임계치 이상의 유사도를 가지는 기사를 유효 기사로 리스팅 하고, 상기 수집된 복수의 기사 각각의 제목 및 내용을 상호 비교하여 제2임계치 이상의 유사도를 가지는 기사를 단순 복사 기사로 판단하고 중복 기사로 예외처리하는 리스팅모듈;
    상기 유효 기사 각각의 언론사, 출처, 제목, 및 내용을 분석하여 해당 주식 종목의 시세 변동에 영향을 끼칠 영향도를 산출하는 산출모듈;
    상기 산출된 영향도와 해당 종목의 현재 주가 및 기 설정된 설정 조건에 따라서 해당 종목의 매수, 매도 또는 현상유지를 수행하는 거래 결정부; 및
    해당 종목의 매도를 결정하는 경우, 결정된 매도량으로 매도를 수행하되, 상기 영향도를 고려하여 하나 이상의 매수 시점과 매수량을 예측하고, 실시간으로 해당 종목의 주가 변화와, 매도를 수행한 후 업데이트되는 신규 기사들을 이용하여 산출된 추가 영향도를 이용하여, 상기 예측한 매수 시점과 매수량을 수정하는 예측모듈을 포함하고,
    상기 산출모듈은,
    언론사, 출처, 및 기자에 대한 신뢰도 평가 기준이 학습되어 있으며,
    상기 유효 기사 각각의 언론사, 기사 내용의 출처, 및 기사를 작성한 기자를 고려하여 각 유효 기사의 신뢰도를 평가하고, 이를 영향도 산출에 반영하는 것을 특징으로 하는, 기사 분석을 이용한 주식 자동 매매 장치.
  7. 하드웨어인 컴퓨터와 결합되어, 제1항 또는 제2항의 방법을 실행시키기 위하여 매체에 저장된, 기사 분석을 이용한 주식 자동 매매 프로그램.
KR1020190122005A 2019-10-02 2019-10-02 기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램 KR102095022B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190122005A KR102095022B1 (ko) 2019-10-02 2019-10-02 기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190122005A KR102095022B1 (ko) 2019-10-02 2019-10-02 기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램

Publications (1)

Publication Number Publication Date
KR102095022B1 true KR102095022B1 (ko) 2020-03-30

Family

ID=70003280

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190122005A KR102095022B1 (ko) 2019-10-02 2019-10-02 기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램

Country Status (1)

Country Link
KR (1) KR102095022B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595682B1 (ko) * 2023-04-04 2023-10-30 주식회사 에프앤가이드 기업에 대한 뉴스 기사를 이용하여 주식 종목에 대한 감성 분석을 제공하기 위한 방법 및 이를 이용한 장치와 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012099001A (ja) * 2010-11-04 2012-05-24 Toshiba Corp ニュース情報分析装置
KR20130135810A (ko) * 2013-11-21 2013-12-11 변동삼 오피니언 마이닝에 기반한 주식 자동매매 시스템 및 그 방법, 이를 위한 프로그램을저장한 저장매체
KR20140115208A (ko) 2013-03-20 2014-09-30 한화투자증권 주식회사 주식매매 고속주문 서버 및 시스템
KR20150040658A (ko) * 2013-10-07 2015-04-15 주식회사 솔트룩스 주제 기반 기사 그룹화 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012099001A (ja) * 2010-11-04 2012-05-24 Toshiba Corp ニュース情報分析装置
KR20140115208A (ko) 2013-03-20 2014-09-30 한화투자증권 주식회사 주식매매 고속주문 서버 및 시스템
KR20150040658A (ko) * 2013-10-07 2015-04-15 주식회사 솔트룩스 주제 기반 기사 그룹화 시스템
KR20130135810A (ko) * 2013-11-21 2013-12-11 변동삼 오피니언 마이닝에 기반한 주식 자동매매 시스템 및 그 방법, 이를 위한 프로그램을저장한 저장매체

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102595682B1 (ko) * 2023-04-04 2023-10-30 주식회사 에프앤가이드 기업에 대한 뉴스 기사를 이용하여 주식 종목에 대한 감성 분석을 제공하기 위한 방법 및 이를 이용한 장치와 시스템

Similar Documents

Publication Publication Date Title
US20220188708A1 (en) Systems and methods for predictive coding
Henry et al. Measuring qualitative information in capital markets research: Comparison of alternative methodologies to measure disclosure tone
US7885952B2 (en) Cloaking detection utilizing popularity and market value
US8463688B2 (en) Researching exchange-listed products using sentiment
CA2845743A1 (en) Resolving similar entities from a transaction database
Bakhach et al. TSFDC: A trading strategy based on forecasting directional change
CN110442713A (zh) 文章管理方法、装置、计算机设备和存储介质
KR102095022B1 (ko) 기사 분석을 이용한 주식 자동 매매 방법, 장치 및 프로그램
CN114118816A (zh) 一种风险评估方法、装置、设备及计算机存储介质
US6868299B2 (en) Generating a sampling plan for testing generated content
CN105405051A (zh) 金融事件预测方法和装置
CN112330463A (zh) 一种理财网站合法资质检测方法、装置、设备及介质
KR102000519B1 (ko) 유사 성향 고객의 투자 패턴을 이용한 주식 종목 추천 방법 및 이를 이용한 시스템
CN111798246A (zh) 一种金融风险等级评估方法和装置
CN109409091B (zh) 检测Web页面的方法、装置、设备以及计算机存储介质
CN116596674A (zh) 基于大数据分析的对外贸易风险评估方法
US11922326B2 (en) Data management suggestions from knowledge graph actions
US10509809B1 (en) Constructing ground truth when classifying data
KR102543211B1 (ko) 비정형 기업 데이터를 이용한 기업성장 예측 시스템
KR101886418B1 (ko) Gpu를 활용한 주가 예측 시뮬레이션 제공 시스템
CN114266242A (zh) 工单数据处理方法、装置、服务器及可读存储介质
Udagawa Mining stock price changes for profitable trade using candlestick chart patterns
Liu et al. Using stereotypes to identify risky transactions in internet auctions
CN110956552A (zh) 保险问题处理方法、装置、设备及存储介质
Sasaki et al. Evaluation of VI Index Forecasting Model by Machine Learning for Yahoo! Stock BBS Using Volatility Trading Simulation.

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant