KR102180192B1 - 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치 - Google Patents

인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치 Download PDF

Info

Publication number
KR102180192B1
KR102180192B1 KR1020180087646A KR20180087646A KR102180192B1 KR 102180192 B1 KR102180192 B1 KR 102180192B1 KR 1020180087646 A KR1020180087646 A KR 1020180087646A KR 20180087646 A KR20180087646 A KR 20180087646A KR 102180192 B1 KR102180192 B1 KR 102180192B1
Authority
KR
South Korea
Prior art keywords
cryptocurrency
value
price
selling
moving average
Prior art date
Application number
KR1020180087646A
Other languages
English (en)
Other versions
KR20200017584A (ko
Inventor
조인휘
조성근
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020180087646A priority Critical patent/KR102180192B1/ko
Publication of KR20200017584A publication Critical patent/KR20200017584A/ko
Application granted granted Critical
Publication of KR102180192B1 publication Critical patent/KR102180192B1/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
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/04—Payment circuits
    • G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
    • G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Development Economics (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치가 개시된다. 개시된 단말 장치는 인공 지능에 기반하여 암호 화폐의 매매를 수행하는 단말 장치로서, 컴퓨터에서 판독 가능한 명령을 저장하는 메모리; 및 상기 명령을 실행하도록 구현되는 프로세서:를 포함하되, 상기 프로세서는, 상기 암호 화폐의 이전 시세 정보를 이용하여 산출되는 특정 시간 구간들 각각에 대한 이동평균선 및 SNS에 게시된 암호 화폐 관련 게시글의 감성 중 적어도 하나를 이용하여 상기 암호 화폐의 매수 여부를 결정하고, 상기 암호 화폐를 매수한 경우의 상기 암호 화폐의 수익률, 상기 암호 화폐의 이전 시세 정보를 이용하여 산출되는 미리 설정된 시간 구간에서의 상기 암호 화폐의 종가의 표준 편차 및 상기 암호 화폐의 현재 시가와 상기 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 이용하여 상기 암호 화폐의 매도 여부를 결정한다.

Description

인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치{Method for buying and selling a crypto currency based on artificial intelligence, and Terminal device performing the method}
본 발명의 실시예들은 암호 화폐 분석을 위한 인공 지능 기반의 통합 모델을 이용하여 암호 화폐를 매수 및 매도하는 방법과, 이를 수행하는 단말 장치에 관한 것이다.
블록 체인 기술은 금융 기관과 컨텐츠 유통 등 다양한 분야에 혁신을 주도할 것으로 예상되며, 기업과 기업(B2B) 영역에서부터 기업과 개인(B2C) 영역까지 영향을 끼칠 것으로 예상된다.
블록 체인 기술이 관심을 받게 되면서 암호 화폐들이 주목받고 있다. 암호 화폐는 디지털 화폐의 한 종류로, 보안을 위해　해시 함수를 사용하여 거래 내역을 검증한다. 암호 화폐는 중앙 은행이 없다는 점에서 거래의 책임이나 통제가 되지 않으며, 암호 화폐 거래소는 주식 시장의 거래소와 비슷하면서도 다르다.
다양하고 빠르게 가격 변동이 이루어지는 암호 화폐의 가치에 대한 평가는 점점 더 복잡해지고 있으며, 이를 매수 및 매도하여 수익을 창출하는 것 역시 점점 더 복잡해지고 있다.
박형준, et al. "주식 예측을 위한 은닉 마코프 모델의 이용" 대한전기학회 하계학술대회 논문집 2007. 7. 18 - 20
상기한 바와 같은 종래기술의 문제점을 해결하기 위해, 본 발명에서는 인공지능을 활용하여 24시간 거래가 되는 암호 화폐의 가치를 적절하게 평가하여 효율적으로 매수 및 매도를 수행하는 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치를 제안하고자 한다.
본 발명의 다른 목적들은 하기의 실시예를 통해 당업자에 의해 도출될 수 있을 것이다.
상기한 목적을 달성하기 위해 본 발명의 바람직한 일 실시예에 따르면, 인공 지능에 기반하여 암호 화폐의 매매를 수행하는 단말 장치에 있어서, 컴퓨터에서 판독 가능한 명령을 저장하는 메모리; 및 상기 명령을 실행하도록 구현되는 프로세서:를 포함하되, 상기 프로세서는, 상기 암호 화폐의 이전 시세 정보를 이용하여 산출되는 특정 시간 구간들 각각에 대한 이동평균선 및 SNS에 게시된 암호 화폐 관련 게시글의 감성 중 적어도 하나를 이용하여 상기 암호 화폐의 매수 여부를 결정하고, 상기 암호 화폐를 매수한 경우의 상기 암호 화폐의 수익률, 상기 암호 화폐의 이전 시세 정보를 이용하여 산출되는 미리 설정된 시간 구간에서의 상기 암호 화폐의 종가의 표준 편차 및 상기 암호 화폐의 현재 시가와 상기 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 이용하여 상기 암호 화폐의 매도 여부를 결정하는 것을 특징으로 하는 단말 장치가 제공된다.
또한, 본 발명의 또 다른 실시예에 따르면, 상기 암호 화폐의 이전 시세 정보를 이용하여 특정 시간 구간들 각각에 대한 이동평균선을 산출하는 단계; 상기 SNS에 게시된 암호 화폐 관련 게시글의 감성을 분석하는 단계; 및 상기 이동평균선 및 상기 게시글의 감성 중 적어도 하나를 이용하여 상기 암호 화폐의 매수 여부를 결정하는 단계;를 포함하는 것을 특징으로 하는 암호 화폐 매도 방법이 제공된다.
또한, 본 발명의 또 다른 실시예에 따르면, 프로세서에서 수행되는 인공 지능 기반의 암호 화폐 매도 방법에 있어서, 상기 암호 화폐의 이전 시세 정보를 이용하여 미리 설정된 시간 구간에서의 상기 암호 화폐의 종가의 표준 편차를 산출하는 단계; 상기 암호 화폐의 현재 시가와 상기 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 산출하는 단계; 및 상기 암호 화폐를 매수한 경우의 상기 암호 화폐의 수익률, 상기 암호 화폐의 종가의 표준 편차 및 상기 기울기를 이용하여 상기 암호 화폐의 매도 여부를 결정하는 단계;를 포함하는 것을 특징으로 하는 암호 화폐 매매 방법이 제공된다.
본 발명에 따르면, 인공지능을 활용하여 24시간 거래가 되는 암호 화폐의 가치를 적절하게 평가하여 효율적으로 매수 및 매도를 수행하는 장점이 있다.
또한, 본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 일 실시예에 따른 단말 장치의 개략적인 구성을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 인공 지능 기반의 암호 화폐 매수 방법의 흐름도를 도시한 도면이다.
도 3는 본 발명의 일 실시예에 따른 인공 지능 기반의 암호 화폐 매도 방법의 흐름도를 도시한 도면이다.
도 4는 LSTM의 순환 신경망의 셀 구조를 도시한 도면이다.
도 5는 본 발명에 따른 알고리즘-인공지능의 통합 모델의 개념을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 암호 화폐 매수 및 매도 방법의 시뮬레이션 결과를 도시한 도면이다.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술한다.
도 1은 본 발명의 일 실시예에 따른 단말 장치의 개략적인 구성을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 단말 장치(100)는 암호 화폐의 매수 및 매도를 위한 동작을 수행하는 것으로서, 메모리(110), 프로세서(230) 및 디스플레이(130)를 포함한다.
메모리(110)는 휘발성 및/또는 비휘발성 메모리일 수 있고, 단말 장치(100)의 적어도 하나의 다른 구성요소에 관계된 명령 또는 데이터를 저장한다. 특히, 메모리(110)는 암호 화폐의 매수 및 매도를 수행하는 컴퓨터 프로그램 내지 기록 매체에 관계된 명령어 또는 데이터를 저장할 수 있다.
프로세서(120)는 중앙처리장치, 애플리케이션 프로세서, 또는 커뮤니케이션 프로세서 중 하나 또는 그 이상을 포함할 수 있다. 예를 들면, 프로세서(120)는 단말 장치(100)의 적어도 하나의 다른 구성요소들의 제어 및/또는 통신에 관한 연산이나 데이터 처리를 실행할 수 있다. 특히, 프로세서(120)는 상기 컴퓨터 프로그램의 실행에 관계된 명령을 실행할 수 있다.
디스플레이(130)는 액정 디스플레이(LCD), 발광 다이오드 디스플레이(LED), 유기 발광 다이오드 디스플레이(OLED) 등으로 구성될 수 있으며, 사용자에게 영상 내지 영상 프레임을 표시할 수 있는 장치이다. 특히, 디스플레이(130)는 프로세서(120)에서 실행되는 컴퓨터 프로그램의 실행 화면을 출력할 수 있다.
특히, 프로세서(120)는 암호 화폐의 이전 시세 정보를 이용하여 산출되는 특정 시간 구간들 각각에 대한 이동평균선 및 SNS에 게시된 암호 화폐 관련 게시글의 감성 중 적어도 하나를 이용하여 암호 화폐의 매수 여부를 결정할 수 있다. 또한, 프로세서(120)는 암호 화폐를 매수한 경우의 암호 화폐의 수익률, 암호 화폐의 이전 시세 정보를 이용하여 산출되는 미리 설정된 시간 구간에서의 암호 화폐의 종가의 표준 편차 및 암호 화폐의 현재 시가와 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 이용하여 암호 화폐의 매도 여부를 결정할 수 있다.
이하, 도 2 내지 도 6을 참조하여, 단말 장치(100), 특히 프로세서(120)에서 수행되는 암호 화폐의 매수 및 매도의 동작을 상세하게 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 인공 지능 기반의 암호 화폐 매수 방법의 흐름도를 도시한 도면이다. 이하, 각 단계 별로 수행되는 과정을 상세하게 설명하기로 한다.
먼저, 단계(210)에서는 암호 화폐의 이전 시세 정보 및 SNS에 기재된 암호 화폐 관련 게시글을 수집한다. 이 때, 단계(210)는 프로세서(120)에서 구현되는 웹 크롤러를 통해 수행될 수 있다.
스파이더라고도 불리는 웹 크롤러는 일반적으로 웹 인덱스(웹 스파이딩)의 목적을 위해 시스템적으로 사용되는 웹 검색 엔진으로서, 사이트들에 개시된 웹 컨텐츠를 수집한다. 이 때, 암호 화폐의 이전 시세 정보는 암호 거래 사이트에서 수집될 수 있고, SNS는 페이스북, 인스타그램, 트위터 등을 포함할 수 있다.
다음으로, 단계(220)에서는 암호 화폐의 이전 시세 정보를 이용하여 특정 시간 구간들 각각에 대한 이동평균선을 산출한다.
이동평균선은 일정기간 동안의 주가를 산술 평균한 값인 주가 이동 평균을 차례로 연결해 만든 선으로서, 현재 시장의 추세의 방향을 측정하는 데 사용된다. 즉, 주식 시장에서 주가와 거래량 및 거래 대금은 매일 변하지만 특정 기간을 놓고 보면 일정한 방향성을 지니며, 이를 수치화한 것이 이동평균선이다. 이동평균선은 장기(120일) 이동평균선, 중기(60일) 이동평균선, 단기(5일, 20일) 이동평균선을 포함한다. 예를 들어, 어떤 날의 '5일 이동평균선'을 산출하려면, 해당 날짜를 포함한 최근 5일간의 주가(종가 기준)를 합산한 뒤 5로 나누면 된다. 주가 이동평균선은 해당 시점에서 시장의 전반적인 주가 흐름을 판단하고 향후 주가 추이를 전망하는데 사용되는 주식시장의 대표적인 기술지표이다.
이 때, 주가는 암호 화폐와 유사한 특징을 가지므로, 단계(220)에서는 암호 화폐에 대한 특정 시간 구간들의 이동평균선을 산출한다. 한편, 암호 화폐는 24시간 매수 및 매도가 진행되므로, 암호 화폐의 종가는 사용자가 설정할 수 있다. 예를 들어, 해당 일의 자정의 시가가 암호 화폐의 종가로 설정될 있으나, 본 발명에 이에 한정되는 것은 아니며, 다양한 시점에 종가가 설정될 수 있다.
계속하여, 단계(230)에서는 단계(220)에서 산출된 이동평균선을 이용하여 암호 화폐의 현재 시장의 추세를 판단한다. 이 때, 특정 알고리즘 모델을 이용하여 암호 화폐의 현재 시장의 추세를 판단할 수 있다.
본 발명의 일례에 따르면, 단계(230)에서는 골든 크로스 알고리즘을 이용하여 암호 화폐의 현재 시장의 추세를 판단할 수 있다.
골든 크로스는 암호 화폐의 시세 또는 거래량의 단기　이동평균선이 중장기 이동평균선을 아래에서 위로 돌파해 올라가는 현상을 의미하며, 이는 암호 화폐의 시장이 강력한 강세장으로 전환함을 의미한다. 일반적으로, '단기 골든크로스'는 5일 이동평균선이 20일 이동평균선을 상향 돌파하는 것을 의미하고, '중기 골든크로스'는 20일 이동평균선이 60일 이동평균선을 상향 돌파하는 것을 의미하며, '장기 골든크로스'는 60일 이동평균선이 100일 이동평균선을 상향 돌파하는 것을 의미한다.
예를 들어, 단기 골든크로스가 나타났다면 5일간 암호 화폐의 종가의 평균가격(5일 이동평균선)이 20일간 암호 화폐의 종가의 평균가격(20일 이동평균선)을 넘어서는 현상을 의미하며, 이것은 최근 5일간 투자심리가 지난 20일간 투자심리보다 좋아지면서 주가가 올라갈 가능성이 높아졌음을 나타내는 신호가 된다.
한편, 단계(230)에서는 골든 크로스 알고리즘 중 단기 골든 크로스 알고리즘을 이용하여 암호 화폐의 현재 시장의 추세를 판단할 수 있다. 즉, 5일 이동평균선이 20일 이동평균선 보다 큰 경우 단계(230)에서는 암호 화폐의 현재 시장이 강세장이라고 판단할 수 있고, 5일 이동평균선이 20일 이동평균선 보다 작은 경우 단계(230)에서는 암호 화폐의 현재 시장이 강세장이 아니라고 판단할 수 있다. 이는 아래의 수학식 1과 같이 표현될 수 있다.
Figure 112018074389914-pat00001
여기서, α는 골든 크로스 알고리즘에 따른 파라미터, SMA(n)는 n일 이동평균선, Ci는 시점 i의 암호 화폐 종가를 각각 의미한다.
한편, 본 발명은 이에 한정되는 것은 아니며, 중기 골든크로스 알고리즘 내지 장기 골든크로스 알고리즘이 사용될 수 있으며, 골든크로스 알고리즘에 한정되지 않고 다양한 알고리즘에 따라 암호 화폐의 현재 시장의 추세를 판단할 수 있다.
그 후, 단계(240)에서는 단계(210)에서 수집된 SNS 게시글의 감성을 인공 지능을 기반으로 분석하여 암호 화폐의 현재 시장이 긍정적인지 부정적인지 여부를 나타내는 파라미터를 산출한다. 즉, 단계(240)에서는 소셜 분석 모델을 통해 암호 화폐의 현재 시장이 긍정적인지 부정적인지 여부를 판단한다.
보다 상세하게, 오피니언 마이닝(Opinion mining)의 한 종류인 감성 분석은 텍스트 데이터를 분석하는 방법으로서, 작성자의 글 내용의 감성을 긍정적인지 부정적인지에 대하여 구분하는 분석 기법이다. 즉, 감성 분석은 작성된 글의 주제를 찾는 것이 아니라 글을 작성한 사람이 주제에 대해 가지는 감성을 분석을 통해 찾아내는 기법으로서, 글을 작성한 사람이 글의 주제에 대해 긍정적인지 부정적인지를 글에 포함된 용어들의 분석을 통해 판단한다. 글에 포함된 내용을 긍정，부정，중립으로 구분하고 모든 감 성 내지 감정들을 종합하여 문서 안에 감정이 긍정인지 부정인지 혹은 중립인지를 구분한다.
이 때, 소셜 분석 모델에 따른 파라미터는 0과 1 사이의 정수값을 가지되, "1"의 값은 최대 긍정의 값이고, "0"의 값은 최소 긍정 값의 값일 수 있다.
다음으로, 단계(250)에서는 단계(230)에서 판단된 암호 화폐의 현재 시장의 추세가 강세장이라고 판단되거나 또는 단계(240)에서 산출된 파라미터의 값이 기 설정된 임계 값 이상인 경우, 현재 시가에 암호 화폐를 매수한다. 이 때, 산출된 파라미터의 값과 임계 값은 아래의 수학식 2와 같은 관계를 가진다.
Figure 112018074389914-pat00002
여기서, β는 소셜 분석 모델에 따른 파라미터, 0.85는 임계값을 각각 의미한다.
즉, 단계(230)에 따른 알고리즘 모델에서 골든 크로스가 나타나 암호 화폐의 현재 시장이 강세장인 것으로 판단된 경우, 단계(250)에서는 현재 시가에서 암호 화폐를 매수한다. 또한, 단계(230)에서의 판단 결과와 별개로 단계(240)에 따른 소셜 분석 모델에서 암호 화폐의 현재 시장이 긍정적인 것으로 판단된 경우, 알고리즘 모델에 따른 매수 포지션이 아니라도 단계(250)에서는 현재 시가에서 암호 화폐를 매수한다.
요컨대, 본 발명에 따른 인공 지능 기반의 암호 화폐 매수 방법은 암호 화폐의 이전 시세 정보를 이용하여 산출되는 특정 시간 구간들 각각에 대한 이동평균선과, 인공 지능에 기반한 SNS에 게시된 암호 화폐 관련 게시글의 감성 분석 중 적어도 하나를 이용하여 암호 화폐의 매수 여부를 결정할 수 있다.
도 3는 본 발명의 일 실시예에 따른 인공 지능 기반의 암호 화폐 매도 방법의 흐름도를 도시한 도면이다. 이하, 각 단계 별로 수행되는 과정을 상세하게 설명하기로 한다.
먼저, 단계(310)에서는 암호 화폐의 이전 시세 정보를 수집한다. 이 때, 단계(310)는 프로세서(120)에서 구현되는 웹 크롤러를 통해 수행될 수 있다.
다음으로, 단계(320)에서, 암호 화폐의 이전 시세 정보를 이용하여 미리 설정된 시간 구간에서의 암호 화폐의 종가의 표준 편차를 산출한다. 이 때, 산출된 표준 편차가 매도 기준값으로 설정된다.
일례로서, 단계(320)에서는, 이전 100일 동안의 암호 화폐의 종가의 표준 편차의 값이 3%인 경우, 매도 기준값이 3%로 설정될 수 있다.
계속하여, 단계(330)에서, 암호 화폐의 이전 시세 정보를 LSTM(Long Short-Term Memory) 모델에 입력하여 현재 시점의 다음 날의 암호 화폐의 종가를 예측한다. 즉, 단계(330)에서는 기존의 데이터(암호 화폐 시세 정보)를 활용해서 트레이닝을 수행하고, 이를 바탕으로 하여 미래의 암호 화폐의 가치를 예측한다.
LSTM은 인공 신경망(Neural Network)의 일종인 RNN(Recurrent　Neural　Network)의 변형으로서, LSTM 유닛은 여러 개의 게이트(gate)가 붙어있는 셀(cell)로 이루어져 있으며, 이 셀의 정보를 새로 저장/셀의 정보를 불러오기/셀의 정보를 유지한다. 셀은 셀에 연결된 게이트의 값을 보고 무엇을 저장할지, 언제 정보를 내보낼지, 언제 쓰고 언제 지울지를 결정한다. 즉, 각 게이트는 0에서 1사이의 값을 가지며 게이트의 값에 비례해서 여러 가지 동작을 수행한다. 각 게이트가 갖는 값, 즉 게이트의 계수(또는 가중치, weight)는 은닉층의 값과 같은 원리로 학습된다.
도 4는 LSTM의 순환 신경망의 셀 구조를 도시한 도면이다. 도 4를 참조하면, 입력 게이트는 입력값의 크기를 결정하고, 망각 게이트는 이전의 셀 상태 정보를 얼마나 잊어버릴지의 크기를 결정하며, 출력 게이트는 출력의 크기를 결정한다. 이는 아래의 수학식 3과 같이 표현될 수 있다.
Figure 112018074389914-pat00003
여기서, ct는 셀의 상태，ht는 셀의 출력, it는 입력 게이트, f t 는 망각 게이트, ot는 출력 게이트, σ와 활성화 함수인 시그모이드, Tanh는 활성화 함수인 하이퍼 탄젠트를 각각 의미한다. 이 때, 기존의 셀 상태에 망각 게이트의 출력값을 곱하여 셀 상태 값의 일정량을 잊어버리고， 입력값과 이전 단계의 출력값을 처리한 결과에 입력 게이트의 출력값을 곱하여 입력의 일정량을 받아들임으로써 새로운 셀 상태를 만든다. 이 셀 상태에 출력 게이트의 출력값을 곱하여 출력을 생성한다. 이와 같이, 셀 상태 값을 얼마나 잊어버리고，새로운 입력값을 얼마나 받아들일지를 결정하여 더하는 구조이므로, 이 과정이 반복되어도 학습이 불가능해지는 일이 발생하지 않는다.
그 후, 단계(340)에서는 암호 화폐의 현재 시점의 시가와 단계(330)에서 예측된 다음 날의 암호 화폐의 종가에 따른 기울기를 산출하고, 기울기를 이용하여 매도의 기준값을 업데이트 내지 변경한다.
보다 상세하게, 기울기는 한쪽 끝점을 암호 화폐의 현재 시점의 시가로, 다른쪽 끝점을 예측된 다음 날의 암호 화폐의 종가로 하여 설정되는 기울기로서, 기울기 값에 따라 암호 화폐의 가치가 예측된다.
이 때, 기울기가 45도 이상인 경우, 암호 화폐의 가치는 급등하며 업데이트 후의 매도 기준값은 기존의 매도 기준값의 2배로 조절된다. 그리고, 기울기가 1도 이하인 경우, 암호 화폐의 가치는 하락하며 업데이트 후의 매도 기준값은 기존의 매도 기준값의 1/2배로 조절된다. 또한, 기울기가 1도 이상 45도 이하인 경우, 암호 화폐의 가치는 유지되므로, 매도 기준값은 변경되지 않는다.
일례로, 기존의 매도 기준값이 3%인 경우에 있어, 기울기가 45도 이상인 경우 매도 기준값이 6%로 조절되고, 기울기가 1도 이하인 경우 매도 기준값이 1.5%로 조절되며, 기울기가 1도 이상 45도 이하인 경우 매도 기준값을 3%로 유지한다.
다음으로, 단계(350)에서는 암호 화폐를 매수한 경우의 암호 화폐의 현재의 수익률이 매도 기준값과 동일해진 경우, 암호 화폐를 매도한다.
일례로서, 매도 기준값이 3%이고, 암호 화폐의 현재의 수익률이 3% 인 경우, 현재 시가에 암호 화폐를 매도한다.
요컨대, 본 발명에 따른 인공 지능 기반의 암호 화폐 매도 방법은 암호 화폐를 매수한 경우의 암호 화폐의 수익률, 암호 화폐의 이전 시세 정보를 이용하여 산출되는 미리 설정된 시간 구간에서의 암호 화폐의 종가의 표준 편차 및 암호 화폐의 현재 시가와 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 이용하여 암호 화폐의 매도 여부를 결정할 수 있다.
정리하면, 본 발명은 다양하고 빠르게 가격 변동이 이루어지는 암호 화폐의 가치에 대한 평가는 점점 더 복잡해지고 있는 상황에서, 상기에서 설명한 알고리즘-인공지능의 통합 모델을 사용하여 암호 화폐의 가치를 적절하게 평가해 효율적으로 암호 화폐의 매수 및 매도를 수행할 수 있다. 도 5 및 아래의 수학식 4에서는 상기에서 설명한 알고리즘-인공지능의 통합 모델의 동작을 요약하고 있다.
Figure 112018074389914-pat00004
수학식 4를 참조하면, σ는 특정 기간(100일) 동안의 표준 편차 값이고, SMA(n)을 통해서 5일과 20일의 이동평균선을 구하여, α를 산출한다. 시가에 골든크로스라면 알고리즘 모델에 의해 매수를 진행한다. 이와는 별개로 β를 산출하여 소셜 감성 분석 모델에 의해서 매수를 진행한다. 두 조건 중 한 개 이상이라면 매수는 진행된다. ht은 가치 예측 모델의 결과값으로 다음날 종가를 예측하는데, f(h) 함수를 활용하여 σ 값을 가중치를 조정하면서 매도를 진행한다.
도 6은 본 발명의 일 실시예에 따른 암호 화폐 매수 및 매도 방법의 시뮬레이션 결과를 도시한 도면이다.
도 6를 참조하면, 정량 평가를 위하여 백 테스팅을 진행하였으며, 알고리즘 모델만으로 가치를 예측하여 매수와 매도를 진행했을 경우와, 본 발명에 따른 통합 기반 모델로 가치를 예측하여 매수와 매도를 진행한 수익률을 비교하였다. 이 때, 암호 화폐의 종류인 이더리움으로 시뮬레이션을 진행하였다(2018.01.29 ~ 2018.05.08의 데이터 세트로 진행).
아래의 표 1은 정성 평가 및 정량 평가를 한 내용을 정리한 표이며, 표 1을 참조하면, 본 발명의 수익률이 더 높음을 확인할 수 있다.
Figure 112018074389914-pat00005
또한, 본 발명의 실시예들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 일 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 암호 화폐의 매매를 수행하는 단말 장치에 있어서,
    컴퓨터에서 판독 가능한 명령을 저장하는 메모리; 및
    상기 명령을 실행하도록 구현되는 프로세서:를 포함하되,
    상기 프로세서는,
    상기 암호 화폐의 이전 시세 정보를 이용하여 산출되는 특정 시간 구간들 각각에 대한 이동평균선 및 SNS에 게시된 암호 화폐 관련 게시글 중 적어도 하나를 이용하여 상기 암호 화폐의 매수 여부를 결정하고,
    상기 암호 화폐를 매수한 경우의 상기 암호 화폐의 수익률, 상기 암호 화폐의 이전 시세 정보를 이용하여 산출되는 미리 설정된 시간 구간에서의 상기 암호 화폐의 종가의 표준 편차 및 상기 암호 화폐의 현재 시가와 상기 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 이용하여 상기 암호 화폐의 매도 여부를 결정하며,
    상기 SNS에 게시된 암호 화폐 관련 게시글의 텍스트를 분석하여 상기 암호 화폐의 현재 시장이 긍정적인지 부정적인지 여부를 나타내는 파라미터를 산출하며, 상기 파라미터는 0과 1 사이의 정수값을 가지되, 상기 1의 값은 최대 긍정 값이고, 상기 0의 값은 최소 긍정 값의 값이며,
    상기 산출된 이동평균선을 이용하여 상기 암호 화폐의 현재 시장의 추세를 판단하고, 상기 암호 화폐의 이전 시세 정보를 이용하여 5일 이동평균선과 20일 이동평균선을 산출하고, 상기 5일 이동평균선이 상기 20일 이동평균선보다 큰 경우, 상기 암호 화폐의 현재 시장이 강세장이라고 판단하고, 상기 판단된 암호 화폐의 현재 시장의 추세가 강세장이라고 판단되거나 또는 상기 파라미터의 값이 기 설정된 임계 값 이상인 경우, 현재 시가에 상기 암호 화폐를 매수하는 것을 특징으로 하는 단말 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 임계 값은 0.85인 것을 특징으로 하는 단말 장치.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 암호 화폐의 종가의 표준 편차를 매도 기준값으로 설정하되, 상기 기울기를 이용하여 상기 매도 기준값을 업데이트하고,
    상기 암호 화폐의 수익률이 상기 매도 기준값과 동일해진 시점에서 상기 암호 화폐를 매도하는 것을 특징으로 하는 단말 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 암호 화폐의 이전 시세 정보를 LSTM 모델에 입력하여 상기 암호 화폐의 다음 날의 종가를 예측하는 것을 특징으로 하는 하는 단말 장치.
  7. 제6항에 있어서,
    상기 기울기가 45도 이상인 경우, 상기 매도 기준값은 상기 업데이트 전의 매도 기준값의 2배이고, 상기 기울기가 1도 이하인 경우, 상기 업데이트된 매도 기준값은 상기 업데이트 전의 매도 기준값의 1/2배인 것을 특징으로 하는 단말 장치.
  8. 프로세서에서 수행되는 암호 화폐 매수 방법에 있어서,
    상기 암호 화폐의 이전 시세 정보를 이용하여 특정 시간 구간들 각각에 대한 이동평균선을 산출하는 단계;
    SNS에 게시된 암호 화폐 관련 게시글을 분석하는 단계; 및
    상기 이동평균선 및 상기 게시글 중 적어도 하나를 이용하여 상기 암호 화폐의 매수 여부를 결정하는 단계;를 포함하되,
    상기 SNS에 게시된 암호 화폐 관련 게시글을 분석하는 단계는, 상기 SNS에 게시된 암호 화폐 관련 게시글의 텍스트를 분석하여 상기 암호 화폐의 현재 시장이 긍정적인지 부정적인지 여부를 나타내는 파라미터를 산출하며, 상기 파라미터는 0과 1 사이의 정수값을 가지되, 상기 1의 값은 최대 긍정 값이고, 상기 0의 값은 최소 긍정 값의 값이며,
    상기 암호 화폐의 매수 여부를 결정하는 단계는, 상기 산출된 이동평균선을 이용하여 상기 암호 화폐의 현재 시장의 추세를 판단하고, 상기 암호 화폐의 이전 시세 정보를 이용하여 5일 이동평균선과 20일 이동평균선을 산출하고, 상기 5일 이동평균선이 상기 20일 이동평균선보다 큰 경우, 상기 암호 화폐의 현재 시장이 강세장이라고 판단하고, 상기 판단된 암호 화폐의 현재 시장의 추세가 강세장이라고 판단되거나 또는 상기 파라미터의 값이 기 설정된 임계 값 이상인 경우, 현재 시가에 상기 암호 화폐를 매수하는 것을 특징으로 하는 암호 화폐 매수 방법.
  9. 프로세서에서 수행되는 암호 화폐 매도 방법에 있어서,
    상기 암호 화폐의 이전 시세 정보를 이용하여 미리 설정된 시간 구간에서의 상기 암호 화폐의 종가의 표준 편차를 산출하는 단계;
    상기 암호 화폐의 현재 시가와 상기 암호 화폐의 다음 날의 예측 종가에 따른 기울기를 산출하는 단계; 및
    상기 암호 화폐를 매수한 경우의 상기 암호 화폐의 수익률, 상기 암호 화폐의 종가의 표준 편차 및 상기 기울기를 이용하여 상기 암호 화폐의 매도 여부를 결정하는 단계;를 포함하되,
    상기 암호 화폐의 종가의 표준 편차를 매도 기준값으로 설정하되,
    상기 기울기를 이용하여 상기 매도 기준값을 업데이트하고,
    상기 암호 화폐의 수익률이 상기 매도 기준값과 동일해진 시점에서 상기 암호 화폐를 매도하는 것을 특징으로 하는 암호 화폐 매도 방법.
  10. 제8항 내지 제9항 중 어느 한 항의 방법을 수행하는 프로그램을 기록한 컴퓨터 판독 가능 기록 매체.
KR1020180087646A 2018-07-27 2018-07-27 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치 KR102180192B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180087646A KR102180192B1 (ko) 2018-07-27 2018-07-27 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180087646A KR102180192B1 (ko) 2018-07-27 2018-07-27 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치

Publications (2)

Publication Number Publication Date
KR20200017584A KR20200017584A (ko) 2020-02-19
KR102180192B1 true KR102180192B1 (ko) 2020-11-18

Family

ID=69670130

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180087646A KR102180192B1 (ko) 2018-07-27 2018-07-27 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치

Country Status (1)

Country Link
KR (1) KR102180192B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102536068B1 (ko) * 2021-02-02 2023-05-23 노영우 가상 화폐의 가치 변동 완화에 기반한 가상 화폐 결제 방법 및 시스템
KR102374068B1 (ko) * 2021-06-14 2022-03-17 주식회사 큐알씨뱅크 블록체인 기반 얼굴인식 결제 서비스 제공 시스템

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090123352A (ko) * 2008-05-27 2009-12-02 연세대학교 산학협력단 주식 시세 예측 방법 및 이를 이용한 주식 시세 예측시스템
KR20130135810A (ko) * 2013-11-21 2013-12-11 변동삼 오피니언 마이닝에 기반한 주식 자동매매 시스템 및 그 방법, 이를 위한 프로그램을저장한 저장매체
KR20150086918A (ko) * 2014-01-21 2015-07-29 김왕철 트렌드 감성 분석을 이용한 주식거래 방법 및 장치
KR20160047436A (ko) * 2016-01-05 2016-05-02 키움증권 주식회사 이동평균선 분석 기반 매매 가이드 서비스 제공 장치 및 방법

Also Published As

Publication number Publication date
KR20200017584A (ko) 2020-02-19

Similar Documents

Publication Publication Date Title
Matin et al. Predicting distresses using deep learning of text segments in annual reports
TWI715879B (zh) 一種基於圖結構模型的交易風險控制方法、裝置以及設備
TWI715880B (zh) 基於圖結構模型的信用風險控制方法、裝置以及設備
Clegg et al. Pairs trading with partial cointegration
Olorunnimbe et al. Deep learning in the stock market—a systematic survey of practice, backtesting, and applications
Wilson et al. Company failure prediction with limited information: newly incorporated companies
Hainaut A model for interest rates with clustering effects
Ereiz Predicting default loans using machine learning (OptiML)
Smetanina Real-time GARCH
KR102180192B1 (ko) 인공 지능 기반의 암호 화폐 매수 방법 및 매도 방법과, 이를 수행하는 단말 장치
Murugan Large-scale data-driven financial risk management & analysis using machine learning strategies
US20150228019A1 (en) System and method for facilitating social trading
Raman et al. Financial market data simulation using deep intelligence agents
Cerezetti et al. Market liquidity, closeout procedures and initial margin for CCPs
Rahmani Cherati et al. Cryptocurrency direction forecasting using deep learning algorithms
Pachamanova et al. Recent trends in equity portfolioconstruction analytics
Avramelou et al. Deep reinforcement learning for financial trading using multi-modal features
Joseph Deep learning model for predicting stock prices in Tanzania
Miciuła The concept of FTS analysis in forecasting trends of exchange rate changes
Tudor et al. A decision support system to predict financial distress. The case of Romania
Mallick et al. Interest rates forecasting and stress testing in India: a PCA-ARIMA approach
Malyscheff et al. Natural gas storage valuation via least squares Monte Carlo and support vector regression
Taguchi et al. Constructing equity investment strategies using analyst reports and regime switching models
Eggebrecht et al. A hybrid convolutional neural network with long short-term memory for statistical arbitrage
TWM623354U (zh) 投資推薦系統

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant