KR20010008679A

KR20010008679A - Stock Price Prediction Method and System

Info

Publication number: KR20010008679A
Application number: KR1019990026605A
Authority: KR
Inventors: 구승엽
Original assignee: 구승엽; 브이아이피스탁컴 주식회사; 김상래
Priority date: 1999-07-02
Filing date: 1999-07-02
Publication date: 2001-02-05

Abstract

PURPOSE: A system and the method for forecasting a stock price are provided to present the forecast of the price of a desired stock, by enabling various global data and the event data of a certain item to be inputted, and by allowing a user to add a weight to the data. CONSTITUTION: An engine(13) forecasts the stock price based on the data inputted by the user. An engine trainer(24) continues the learning in response to the data from a training data maker(22). An input evaluator(20) compares a real variation rate with that obtained by the inputted data, and thereby obtain the correctness of the inputted data. The maker(22) processes the data from a database(14) to generate the training data that will be used in the learning by the engine trainer(24). A web server(12) inputs the data from a web interface(10) into the database(140 and the engine(13), and outputs the forecasted stock price to the user.

Description

Stock Price Prediction Method and System

본 발명은 주가 예측방법 및 그 시스템에 관한 것으로, 더욱 상세하게는 환율이나 금리 등과 같은 다양한 글로벌 데이터(Global Data)와 소정의 종목의 이벤트 데이터(Event Data)를 입력하여 사용자에게 소정의 질문을 통해 사용자가 스스로 가중치를 가하여 원하는 증권에 대한 주가를 자동으로 예측하여 출력할 수 있도록 한 주가 예측방법 및 그 시스템에 관한 것이다.The present invention relates to a stock price prediction method and a system thereof, and more particularly, inputs various global data such as exchange rate or interest rate and event data of a certain item to ask a user through a predetermined question. The present invention relates to a stock price prediction method and a system for allowing a user to automatically estimate and output a stock price for a desired security by weighting itself.

현재 인터넷상에서 운용되는 웹사이트는 헤아릴 수 없을 정도의 엄청난 수와 양의 웹사이트가 운용되고 있고, 이러한 웹사이트는 개인이나 기업 또는 공공기관이나 국가 등에서 정보를 공유하거나 제공하는 것, 정보를 사거나 판매하는 것 및 데이터베이스를 관리하고 제공하는 것 등 수많은 종류 및 방식을 갖추고 있다.There are an immense number and number of websites currently running on the Internet, and these websites share or provide information, buy or share information from individuals, businesses, public institutions or countries. There are many different types and ways to sell, to manage and provide a database.

인터넷 웹사이트의 운용은 인터넷을 통해 지구를 하나의 언어 및 생활권으로 묶고 있고, 또, 시간도 공유할 수 있도록 하고 있다.The operation of the Internet website binds the earth into a single language and living space through the Internet and allows time to be shared.

이러한 인터넷 웹사이트 중에서 인터넷 환경에서 증권에 대한 정보를 검색하기 위해서는 국내뿐만 아니라 국외의 증권사나 금융회사에서 제공하는 웹사이트를 통해 사용자가 원하는 증권의 종목에 대한 지수나 동향 등을 볼 수 있도록 되어 있다.In order to search for information on securities in the Internet environment among these Internet websites, the website provided by securities firms and financial companies, as well as in Korea, allows users to view the indexes and trends of stocks of stocks they want. .

그러나, 이러한 웹사이트를 통하여 증권에 대한 정보, 즉 현재의 주식시세나 전월, 분기별 또는 연도별 등에 관한 정보를 검색하여 볼 수는 있지만, 향후의 주식시세를 예측할 수는 없었다. 이는 주식을 매매하는 증권사나 금융기관 등에서 종사하는 직원이나 펀드 매니저 등과 같이 주식시장에 종사하는 사람들의 오랜 동안의 경험칙이나 감각 등에 의존하여 예측하는 것이므로, 객관성이 결여되거나 예측에 대한 정확성에 많은 유동성을 나타내는 문제점이 있었다.However, it is possible to search and view information on securities, such as the current stock price, the previous month, quarterly or yearly, through the website, but could not predict the future stock price. This is based on the long-term rules and sensibilities of those who work in the stock market, such as employees or fund managers who work in securities firms and financial institutions that trade stocks, and thus lacks objectivity or provides much liquidity in the accuracy of the forecasts. There was a problem indicating.

본 발명은 상기한 점을 감안하여, 증권시세(株價)의 예측을 위하여 사용자가 직접 대화형의 판단방식으로 웹사이트의 예측엔진을 이용하여 판단 및 출력할 수 있도록 함으로써, 보다 객관적이고 정확한 주식투자를 할 수 있도록 정보를 제공하기 위한 주가 예측방법 및 그 시스템을 제공하기 위한 것이 목적이다.In view of the foregoing, the present invention allows a user to make a judgment and output using a prediction engine of a website in an interactive judgment method directly for the purpose of forecasting a stock quote. The purpose is to provide a stock price forecasting method and system for providing information for investment.

도 1은 본 발명에 따른 주가 예측시스템의 블록도,1 is a block diagram of a stock price prediction system according to the present invention;

도 2는 본 발명에 따른 주가 예측시스템에 대한 엔진 트레이너의 트레이닝에 관한 블록도.2 is a block diagram of training of an engine trainer for a stock price prediction system in accordance with the present invention.

도 3은 본 발명에 따른 초기의 주가 예측용 엔진의 구조도,3 is a structural diagram of an initial stock price prediction engine according to the present invention;

도 4는 본 발명에 따른 이벤트 데이터 가중치 평가를 나타낸 블록도.4 is a block diagram illustrating event data weighting evaluation in accordance with the present invention;

♣ 도면의 주요부분에 대한 부호의 설명 ♣♣ Explanation of symbols for main part of drawing ♣

10: 사용자 웹 인터페이스 12: 사용자 인터페이스부10: user web interface 12: user interface unit

13: 주가 예측 엔진 14: 데이터베이스13: Stock Forecast Engine 14: Database

16: 글로벌 데이터 18: 이벤트 데이터16: global data 18: event data

20: 입력 이밸류에이터 22: 트레이닝 데이터 메이커20: Input Evaluator 22: Training Data Maker

24: 엔진 트레이너 40, 42: 트레이닝 스텝24: engine trainer 40, 42: training step

44: 초기 주가 예측엔진 46: 개발자에 의한 베이스데이터44: Initial stock price forecast engine 46: Base data by developers

본 발명은 상기의 목적을 달성하기 위하여, 사건 데이터없이 글로벌 데이터만으로 학습하는 단계와, 사건 데이터만으로 학습하는 단계와, 상기 학습단계를 거쳐 초기의 주가 예측엔진을 구축하고 데이터를 수집하는 단계와, 예측기간 후에 실제 변동율과 데이터베이스의 입력에 의한 예측변동율을 비교하여 정확도를 계산하는 단계와, 트레이닝 데이터 메이커에서 각 사건데이터의 정확도에 의한 엔진 트레이너가 학습할 데이터를 만들어 내는 단계와, 엔진 트레이너가 트레이닝 데이터 메이커에 의한 학습데이터를 학습하여 주가예측엔진을 업데이트하는 단계를 수행하는 주가 예측 방법을 제공한 것이 특징이다.In order to achieve the above object, the present invention comprises the steps of: learning only global data without event data; learning only event data; and building an initial stock price prediction engine and collecting data through the learning step; After the prediction period, calculating the accuracy by comparing the actual rate of change with the predicted rate of change from the database input, generating data to be learned by the engine trainer based on the accuracy of each event data in the training data maker, and training by the engine trainer. The present invention provides a stock price prediction method for performing a step of updating a stock price prediction engine by learning training data by a data maker.

또한, 본 발명은 사용자가 입력한 데이터로 주가를 예측하는 주가 예측용 엔진과, 트레이닝 데이터 메이커가 만든 트레이닝 데이터로 학습을 지속적으로 진행하는 엔진 트레이너와, 예측기간 후에 실제 변동율과 입력된 사건데이터를 주가 예측용 엔진에 입력하여 구한 변동율과 비교하여 입력된 데이터의 정확도를 구하는 입력 이밸류에이터와, 데이터베이스의 데이터를 가공하여 엔진 트레이너의 학습에 사용될 실제 데이터를 만들어 내는 트레이닝 데이터 메이커와, 사용자가 해당하는 이벤트 데이터를 데이터베이스부 및 주가 예측용 엔진으로 입력하거나 주가 예측용 엔진으로부터 예측된 주가를 사용자에게 출력하는 웹 서버와, 입력된 데이터를 저장하거나 저장된 데이터를 출력하는 데이터베이스부로 이루어진 주가 예측 시스템을 제공한 것이 특징이다.In addition, the present invention provides a stock price prediction engine for predicting the stock price with the data input by the user, an engine trainer for continuously learning with the training data made by the training data maker, and the actual change rate and the input event data after the forecast period. An input evaluator that calculates the accuracy of the input data compared to the rate of change inputted to the stock price prediction engine, a training data maker that processes the data in the database to produce the actual data to be used for training the engine trainer, and the user Providing a stock price prediction system comprising a web server for inputting the event data to the database unit and the stock price prediction engine or output the stock price predicted from the stock price prediction engine to the user, and a database unit for storing the input data or output the stored data which Features.

이하 첨부된 도면을 참조하여 본 발명에 관하여 상세하게 설명하면 다음과 같다.Hereinafter, the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명에 따른 주가 예측시스템의 블록도이고, 도 2는 주가 예측시스템에 대한 엔진 트레이너의 트레이닝에 관한 블록도이며, 도 3은 초기의 주가 예측용 엔진의 구조도이고, 도 4는 이벤트 데이터 가중치 평가를 나타낸 블록도이다.1 is a block diagram of a stock price prediction system according to the present invention, FIG. 2 is a block diagram of an engine trainer training for a stock price prediction system, FIG. 3 is a structural diagram of an initial stock price prediction engine, and FIG. 4 is an event. A block diagram illustrating data weighting evaluation.

주가 예측용 엔진(Stock Prediction Engine)(13)은 사용자가 입력한 데이터로 주가를 예측하는 것으로, 주가 예측용 엔진(13)은 엔진 트레이너(24)에 의하여 계속 업데이트된다. 사용자 인터페이스부(10)에 의해 사용자가 입력한 데이터를 주가 예측용 엔진(13)에 입력하여 예측된 주가를 출력한다. 그리고 이 입력된 데이터는 데이터베이스(14)에 저장된다. 예측 기간이 지난 후에 실제 변동된 주가와, 이 시점에서 업데이트된 주가 예측용 엔진(13)에 의한 예측값을 입력 이밸류에이터(20)가 비교하여 입력된 데이터의 정확도를 계산하여 데이터베이스부(14)를 업데이트한다. 트레이닝 데이터 메이커(22)는 데이터베이스(14)에 입력된 데이터를 입력 이밸류에이터(20)에 의해서 계산된 정확도에 따라 엔진 트레이너(24)가 학습에 사용할 트레이닝 데이터를 만든다.The stock prediction engine 13 predicts the stock price based on data input by the user, and the stock price prediction engine 13 is continuously updated by the engine trainer 24. The user interface unit 10 inputs data input by the user to the stock price prediction engine 13 to output the predicted stock price. This input data is stored in the database 14. The database unit 14 calculates the accuracy of the input data by comparing the actual price that has changed after the forecast period with the predicted value by the stock price prediction engine 13 updated at this point. Update it. The training data maker 22 generates the training data for the engine trainer 24 to use for learning according to the accuracy calculated by the input evaluator 20 using the data input to the database 14.

엔진 트레이너(Engine Trainer)(24)는 트레이닝 데이터 메이커(22)가 만든 트레이닝 데이터로 학습을 지속적으로 진행하며, 하루에 한 번씩 학습된 결과로 주가 예측용 엔진(13)을 업데이트한다. 시스템이 운행될수록 트레이닝 데이터의 양이 많아지고, 더불어 질이 향상되어 계속적으로 진보하게 된다.The engine trainer 24 continuously trains the training data created by the training data maker 22 and updates the stock price prediction engine 13 with the learned results once a day. As the system runs, the amount of training data increases, and the quality improves and continues to advance.

입력 이밸류에이터(Input Evalueator)(20)는 예측기간 후에 실제 변동율과 입력된 사건데이터를 주가 예측용 엔진에 입력하여 구한 변동율과 비교하여 입력된 데이터의 정확도를 구하는 것으로, 입력 이밸류에이터(20)에 의해 구해진 정확도는 데이터베이스부(14)의 각 이벤트 데이터(18)의 정확도 필드에 업데이트된다.The input evaluator 20 obtains the accuracy of the input data by comparing the actual rate of change and the event data inputted to the stock price prediction engine after the forecast period with the rate of change obtained. ) Is updated in the accuracy field of each event data 18 of the database unit 14.

트레이닝 데이터 메이커(Training Data Maker)(22)는 데이터베이스부(14)의 데이터를 가공하여 엔진 트레이너(24)의 학습에 사용될 실제 데이터를 만들어 내는 것으로, 각 이벤트 데이터(18)의 정확도에 따라 각 이벤트 데이터(18)가 학습에 사용되는 비중이 되도록 트레이닝 데이터를 만든다.The training data maker 22 processes the data of the database unit 14 to generate actual data to be used for learning of the engine trainer 24. Each training data maker 22 generates the actual data to be used. The training data is made such that the data 18 is the weight used for learning.

사용자 인터페이스부(12)는 사용자가 해당하는 이벤트 데이터(18)를 데이터베이스부(14) 및 주가 예측용 엔진(13)으로 입력하거나 주가 예측용 엔진(13)으로부터 예측된 주가를 사용자에게 출력하는 것으로, 사용자 인터페이스부(12)는 단지 주가 예측용 엔진(13)의 입출력을 담당하는 것이다.The user interface unit 12 inputs the corresponding event data 18 to the database unit 14 and the stock price prediction engine 13 or outputs the stock price predicted from the stock price prediction engine 13 to the user. The user interface 12 is only responsible for the input / output of the stock price prediction engine 13.

데이터베이스부(14)는 입력된 데이터를 저장하거나 저장된 데이터를 출력하는 것이다.The database unit 14 stores the input data or outputs the stored data.

상기 엔진 트레이너(24)는 임의의 입력-출력쌍의 함수를 근사화 할 수 있는신경망으로 구축되어 있고, 엔진 트레이너(24)로 입력되는 데이터로는 전체 사회, 경제 및 정치와 모든 주가에 영향을 미칠 수 있는 글로벌 데이터(16)와, 특정의 주식이나 여러 주식에 영향을 미치는 예측이 불가능한 사건에 관한 이벤트 데이터(18)와, 알려지지 않은 사건에 대한 예측을 위한 X사건 데이터와, 예측하고 있는 주식에 대한 목표 주가 데이터이다.The engine trainer 24 is constructed with a neural network capable of approximating a function of an arbitrary input-output pair, and the data input to the engine trainer 24 may affect the entire social, economic and political and all stock prices. Global data (16), event data (18) about unpredictable events affecting a particular stock or multiple stocks, X event data for forecasting unknown events, and predicted stocks. Target price data for the company.

상기 X사건 데이터는 실제 주가 변동율과 예측 주가 변동율이 클 경우에 그에 따른 수정이나 학습을 하지 않고, 미지의 사건 X가 있다고 가정하여 주가 변동율에 부합하는 영향 크기를 구한다. 추후에 미지의 사건이 알려진 경우에 X사건 데이터는 보통의 이벤트 데이터(18)로 사용될 수 있다. X사건 데이터를 사용자에게 제시함으로써 주가 예측 시스템의 장점을 부각시킬 수 있다.The event data X does not need to be corrected or learned when the actual stock price change rate and the predicted stock price change rate are large, and assumes an unknown event X. In the event that an unknown event is known later, the X event data can be used as normal event data 18. Presenting X-event data to the user highlights the benefits of the stock price forecasting system.

또한, 상기 사용자가 인터페이스부(12)로 입출력하는 데이터를 중개하는 사용자 웹 인터페이스부(10)가 더 포함되고, 데이터베이스부(14)로 입력되는 데이터는 글로벌 데이터(16)와 이벤트 데이터(18)이며, 데이터베이스부(14)의 데이터를 가중 이벤트 데이터부에서 가중하여 입출력하고, 트레이닝 데이터 메이커(22)에서 트레이닝된 데이터를 엔진 트레이너(24)에서 입력받아 새로운 주가 예측용 엔진(13)으로 주기적으로 업데이트한다.In addition, a user web interface unit 10 for mediating data input and output by the user to the interface unit 12 is further included, the data input to the database unit 14 is the global data 16 and the event data 18 The data of the database unit 14 is weighted in the weighted event data unit and inputted and outputted, and the data trained by the training data maker 22 is inputted from the engine trainer 24 to the new stock price prediction engine 13 periodically. Update.

이와 같이 이루어진 본 발명은 우선, 사건 데이터없이 글로벌 데이터(16)만을 학습하는 단계를 수행하는데, 이 단계에서는 글로벌 데이터(16)와 DC(Don't Care)값의 이벤트 데이터와 목표주가 데이터를 입력으로 하고, 예측기간 후의 종합주가지수 변동율을 출력값으로 하여 학습한다. 이렇게 학습된 신경망은 특정의 사건과 관계없는 글로벌 데이터(16)에 의한 종합주가지수를 예측한다.According to the present invention, first, only global data 16 is trained without event data. In this step, event data and target price data of global data 16 and DC (Don't Care) values are input. Then, learn as the output value the rate of change of the composite stock index after the forecast period. This learned neural network predicts the composite stock index by global data 16 irrelevant to a specific event.

또한, 사건 데이터를 학습하는 단계에서는 글로벌 데이터(16)로만 학습된 부분을 고정한 채로, 모든 입력값과 예측기간 후의 특정한 종목의 변동율을 출력값을 학습한다. 이렇게 학습된 신경망은 글로벌 데이터(16)의 변동과 이벤트 데이터(18)의 영향을 고려한 특정의 주의 변동율을 출력하는 초기 주가 예측엔진(13)이 된다.In addition, in the step of learning the event data, the output value is learned based on all the input values and the rate of change of a specific item after the prediction period, with the part learned only by the global data 16 fixed. The learned neural network becomes an initial stock price prediction engine 13 that outputs a specific share change rate in consideration of the fluctuation of the global data 16 and the influence of the event data 18.

다음으로, 초기의 주가 예측용 엔진에 의하여 데이터를 수집하는 단계에서는 사용자에게 특정의 사건에 대한 입력을 받아 데이터베이스부(14)에 저장한다. 입력한 값에 의한 주가 예측용 엔진(13)의 예측 변동율을 보여주어 정확한 사용자 입력을 유도하고, 지속적인 데이터수집을 가능하게 하며, 이를 통해 본 발명의 웹사이트를 홍보할 수 있다.Next, in the step of collecting data by the initial stock price prediction engine, the user receives an input for a specific event and stores it in the database unit 14. By showing the predicted rate of change of the stock price prediction engine 13 based on the input value, it is possible to induce accurate user input and enable continuous data collection, thereby promoting the website of the present invention.

예측기간 후에 실제 변동율과 데이터베이스부(14)의 한 개의 이벤트 데이터(18)를 입력으로 한 주가 예측용 엔진(13)의 예측변동율을 입력 이밸류에이터(54)가 비교하여 정확도를 계산하는 단계를 수행한다.After the prediction period, the input evaluator 54 calculates the accuracy by comparing the actual change rate and the predicted change rate of the stock price prediction engine 13 with one event data 18 of the database unit 14 as input. To perform.

또한, 트레이닝 데이터 메이커에서 각 사건데이터의 정확도에 의한 엔진 트레이너가 학습할 데이터를 만들어 내는 단계에서 정확도가 높을수록 학습에 그 사건데이터가 많이 사용된다.In addition, the higher the accuracy in the step that the engine trainer generates the data to be learned by the accuracy of each event data in the training data maker, the more the event data is used for learning.

엔진 트레이너는 트레이닝 데이터 메이커에 의한 학습데이터로 학습하여 업데이트하는 단계를 수행하는 데, 상기 이벤트 데이터(18)의 학습단계와는 달리 글로벌 데이터(16)의 부분도 학습된다. 학습은 지속적으로 이루어지며, 하루에 한 번씩 학습된 엔진 트레이너(24)로 주가 예측용 엔진(13)을 업데이트한다.The engine trainer performs a step of learning and updating with the learning data by the training data maker. Unlike the learning step of the event data 18, the part of the global data 16 is also learned. Learning continues, and the engine trainer 24 trained once a day updates the stock price prediction engine 13.

상기 신경망의 특징은 일반적인 근사능력을 갖고 있고, 이러한 능력으로 내부의 구조를 모르지만, 많은 입력 및 출력쌍을 알고 있는 함수를 근사(近似)할 수 있다. 사회현상을 입력으로 하고 주가를 출력으로 하는 주가 예측이 이러한 함수에 해당한다. 이러한 신경망의 가장 큰 특징은 충분한 양의 입력과 출력쌍이 있으면, 신경망은 그 데이터를 사용하여 학습하여 결국 학습에 사용된 입력값으로 출력값을 내는 함수를 스스로 학습하여 만든다.The neural network has a general approximation capability, which can approximate a function that does not know the internal structure but knows many input and output pairs. Such a function is a stock price prediction with social phenomena as input and stock price as output. The biggest feature of this neural network is that if there is a sufficient amount of input and output pairs, the neural network learns using that data and eventually learns a function that produces an output value with the input used for learning.

상기 글로벌 데이터(16)는 상장업체 및 코스닥 업체의 일일 주식 가격 및 거래량, 일일의 회사채나 콜금리의 변동, 일일의 미화나 엔화 또는 중국 인민폐화의 환율변동, 일일 국제 금값의 변동, 주간 또는 월간의 부동산 가격 변화표 및 전체 부동산 지수, 일일 국제 석유가격의 변동, 일일 국제 원자재 가격의 변동, 주간 국제 곡물/농산물 가격의 변동, 일일 미국이나 홍콩, 런던 또는 일본의 종합주가지수, 사건 발생에 따른 미국이나 독일 또는 일본의 금리변동, 일일 런던 리보금리, 기업부도율, 월간 수출실적 및 신용장 내도 실적, 무역수지, 월간 제품별 해외 수출실적 및 지역별 실적, 발생일별 은행 예금이율 및 대출이자의 변동사항, 기업개요나 재무재표나 재무비율이나 회사의 연혁이나 대주주현황 또는 신종사채 자료, 매출 생산능력이나 실적이나 생산 설비나 수주나 우발채무나 주가정보 자료등으로 주가에 영향을 준다고 보는 기초자료이다.The global data (16) shows daily stock prices and trading volumes of listed companies and KOSDAQ companies, changes in daily corporate bonds and call rates, changes in daily exchange rates of US dollars and yen or Chinese renminbi, changes in daily international gold prices, weekly or monthly Real Estate Price Charts and Global Real Estate Indexes, Daily International Oil Price Changes, Daily International Raw Material Prices, Weekly International Grain / Agricultural Price Changes, Daily US or Hong Kong, London or Japan Composite Stock Index, US Interest rate fluctuations in Germany or Japan, daily rebate rates in London, corporate default, monthly export and credit scores, trade balance, monthly export performance by region and regional performance, bank deposit rates and loan interests by date of occurrence, companies Overview, financial statements, financial ratios, the company's history, major shareholder status, new bond data, sales production capacity or performance, It is the basic data that production stocks, orders, contingent liabilities, stock price information, etc. affect stock prices.

이벤트 데이터(18)는 정치적인 사건중에서 주가에 영향을 준다고 보는 항목, 문화적인 사건중에서 주가에 영향을 준다고 보는 항목, 국가정책의 변화중 주가에 영향을 준다고 보는 항목, 주변국가의 정치 및 경제 항목, 국가간 무역분쟁 및 외교분쟁 사항, 사회적인 사건중에서 주가에 영향을 준다고 보는 항목, 국내외의 스포츠 소식, 연예가의 소식중에서 주가에 영향을 준다고 보는 항목, 국제 분쟁지역의 기사중에서 주가에 영향을 준다고 보는 항목, 세계의 기상이변 및 영향을 받는 업종에 대한 항목, 유망한 신상품 개발 및 기술개발 동향, 확인되지 않은 소문, 상장 기업별 신문기사, 대그룹 재벌 계열사로 인한 영향 등이다.The event data (18) includes items that are thought to affect stock prices in political events, items that are considered to influence stock prices in cultural events, items considered to affect stock prices in changes in national policy, political and economic items in neighboring countries, Trade disputes and diplomatic disputes between countries, items considered to affect stock prices in social events, sports news at home and abroad, items reported to affect stock prices in news from entertainment artists, items considered to affect stock prices in international disputed articles Global climate change and affected sectors, promising new product development and technology development trends, unconfirmed rumors, newspaper articles by listed companies, and the impact of large group conglomerates.

또한, 상기 사용자가 입력하는 데이터는 사용자에게 사회환경 및 상황에 따른 질문, 즉 안정적인 성장성을 보고 구매하였는가, 신제품의 개발예정이나 가능성을 보고 구매하였는가, 회사가 성장기나 확장기로 들어 왔다고 보는가, 계절적인 영향을 받는 제품이나 상품을 취급하고 판매하는 회사인가, 정치적인 요소가 회사의 안정에 영향을 주는가, 수출 의존도가 큰 회사인가, 최근 3개월간의 주가변화를 보고 구매하였는가, 친구나 주변의 권유로 구매하였는가, 최근 3개월간의 주식투자를 한 경험이 있는가, 인접 국가들의 경기는 좋아지고 있는가, 부동산 가격의 특별한 상승이 없다고 보는가, 취근에 증자한 회사인가, 기관투자가가 욕심을 내거나 기관 및 큰손이 투자한 주식인가, 해외 경제의 변화에 영향을 받는 회사라고 보는가, 국제 정세의 변동으로 투자회사의 지사나 공장이 있다면 영향권에 있다고 보는가, 동구나 아랍권에 시장을 의존하는 부분이 있는가, 주식을 발행한 회사의 최근 3개월간의 영업실적이 좋다고 보는가, 금년도 회사 경영실적을 달성할 것으로 보는가, 최근 3개월내에 임원진 이상이 교체된 적이 있는가, 사회적인 물의를 일으키거나 구설수에 오른 적인 있는 회사인가, 기업 통폐합의 영향권에 있다고 보는가, 밀레니엄버그에 대한 대비를 끝낸 회사인가, 외국인 투자하는 종목이라고 보는가, 경계 매물이 있다고 보는가, 저가권이 상승세를 탈 수도 있다고 보는가 등의 질문에 대하여 사용자가 입력한 비중이다.In addition, is the data entered by the user asking the user according to the social environment and the situation, that is, whether the purchase has been purchased based on the prospect of stable growth, whether the company is expected to develop or develop a new product, or is the company entering the growth phase or expansion period, or seasonally? Is the company that handles and sells the affected products or products, is the political factor affecting the stability of the company, is the company highly dependent on exports, has it been bought in the last three months, or has been bought by a friend or neighbor? Do you have invested in stocks in the last three months, is the economy in neighboring countries getting better, is there any particular increase in real estate prices, is the company increased by work, is greedy by institutional investors or is invested by institutions and big hands? Is it a stock or a company that is affected by changes in the global economy, or is it changing in international circumstances? Do you believe that if you have a subsidiary or factory of an investment company, are you in the sphere of influence, do you rely on the market in Eastern or Arab countries, do you think the company that issued the stock has good business performance in the last three months? Do you see that executives have been replaced in the last three months, have they been socially controversial or have been confronted with the company, are they in the sphere of influence of corporate consolidation, are they ready for the Millennium Berg, or are they investing in foreign countries? The user's input is to the question of whether there is a boundary sale or whether there is a low price right.

상기 글로벌 데이터(16), 이벤트 데이터(18), 사용자가 입력하는 데이터는 상기한 것에만 한정되지 않고 보다 풍부하고 정확한 데이터베이스를 위한 자료로 설정될 수 있다.The global data 16, the event data 18, and the data input by the user are not limited to the above, but may be set as data for a richer and more accurate database.

이와 같이 본 발명은 다양한 이벤트에 대한 평가를 입력으로 주가를 예측할 수 있는 엔진으로, 환율이나 금리 등과 같은 글로벌 데이터(16)와 특정한 종목과 이벤트 데이터(18)를 입력으로 하고, 사용자에게 특정한 질문을 하여 사용자 스스로 가중치를 주게하여 특정종목의 주가 예측을 출력으로 하는 방식이다.As described above, the present invention is an engine capable of predicting a stock price by input of evaluation of various events, and inputs global data 16 such as exchange rate or interest rate, specific stocks and event data 18, and asks a user specific question. By giving weights to users themselves, this is a method of outputting stock price forecasts for specific stocks.

신경망으로 주가 예측용 엔진(13)을 구현하기 위하여는 글로벌 데이터(16)와 이벤트 데이터(18)가 필요하고, 본 발명의 주가 예측 시스템은 미리 개설하기 전에 기본적인 데이터가 입력된 상태이며, 입력된 데이터로 엔진을 학습시켜 어느 정도의 예측이 되면 시스템은 개방된다. 개방된 이후에는 미리 입력된 데이터와 사용자가 입력한 데이터를 모두 사용하여 엔진을 계속적으로 학습시킨다. 그런데 입력된 데이터의 정확성을 판단하기 위해서 예측 기간(예로, 약 1주일)이후에 입력된 데이터(사용자 및 관리자 전부)의 정확성을 판단하여 입력된 데이터에 정확도(%)를 준다. 정확도로 엔진의 학습에 그 데이터의 비중이 정해진다.In order to implement the stock price prediction engine 13 with a neural network, global data 16 and event data 18 are required, and the stock price prediction system of the present invention has basic data input before opening. By training the engine with the data, the system opens up after some prediction. After opening, the engine is continuously trained using both pre-entered and user-entered data. However, in order to determine the accuracy of the input data, the accuracy of the input data (both users and administrators) is determined after the prediction period (for example, about one week), and the accuracy (%) is given to the input data. Accuracy determines the weight of that data to the engine's learning.

사용자가 입력하는 부분은 이펙트 스트렝스(Effect Strength)와 이펙트 다이렉션(Effect Direction)이고, 예측기간 후에 사용자가 입력한 값을 주가 예측용 엔진(13)으로 예측한 결과와 실제값을 비교하여 그 에러를 계산하여 입력된 데이터의 정확도를 추출해 낸다. 이것을 하는 것이 가중치 이벤트 데이터이다.The user inputs are effect strength and effect direction, and the error inputted by the user after the prediction period is compared with the result predicted by the stock price prediction engine 13 and the actual value. The accuracy of the input data is extracted by calculating Doing this is the weighted event data.

트레이닝 데이터 메이커는 위에서 구한 정확도에 비례하여 주가 예측 시스템을 구현하기 위한 신경망 학습에 사용될 데이터의 빈도수를 조절하여 트레이닝 데이터를 만들며, 이렇게 마련된 데이터를 가지고 신경망을 매일 학습한다.The training data maker makes training data by adjusting the frequency of data to be used for neural network learning to implement the stock price prediction system in proportion to the accuracy obtained above, and trains the neural network daily using the prepared data.

따라서, 본 발명은 주가 예측 시스템의 구현을 위한 데이터를 사용자에게 얻고, 사용자는 자신이 입력한 데이터로 예측값을 보면서 자신의 판단에 대한 정확도 및 신뢰성을 갖게 된다.Accordingly, the present invention obtains data for implementing the stock price prediction system to the user, and the user has the accuracy and reliability of his / her judgment while viewing the prediction value with the data input by the user.

이와 같이 본 발명은 인터넷상의 주가를 예측할 수 있는 웹사이트를 운영할 수 있으므로, 이러한 상황을 미루어 충분히 변경, 변환, 치환 및 대체할 수 있을 것이고, 상술한 것에만 한정되지 않음을 알 수 있을 것이다.As such, since the present invention can operate a website that can predict the share price on the Internet, it will be understood that the present invention can be sufficiently changed, converted, replaced, and replaced, and the present invention is not limited to the above.

상술한 바와 같이 본 발명은 주가에 미치는 영향에 대한 사항의 결정과, 이에 따른 데이터의 수집과, 결정된 사항의 영향정도를 결정하여 주가에 끼칠 수 있는 모든 사항을 일정한 형태의 이벤트 데이터로 처리하여 입력하고, 웹과 연동하는 주가 예측용 엔진은 사용자 입력에 의한 예측된 주가를 제시하여 인터넷상의 사용자가 데이터를 입력하도록 유도하여 데이터 수집을 도모할 수 있으며, 또한, 입력된 데이터를 평가하여 각 사건의 영향정도를 결정하여야 하는 문제를 해결할 수 있고, 단순히 정확도가 있는 데이터만을 엄선할 수 있으며, 엄선된 데이터로 엔진 트레이너가 지속적인 학습을 통해 주가 예측용 시스템을 개선할 수 있을 뿐만 아니라 사용자가 점차 주식가격평가에 대한 정확도를 높여주며, 작전이나 주가조작 등의 불법행위로 인한 인위적인 조작을 방지함은 물론 전체 사용자들의 데이터로 예측엔진의 정확도를 높일 수 있다.As described above, the present invention determines input matters on the stock price, collects data, determines the degree of influence of the determined items, and processes all the items that can be applied to the stock price as a certain type of event data. In addition, the stock price prediction engine linked with the web suggests a stock price predicted by a user input to induce a user to input data on the Internet, thereby collecting data. It can solve the problem of determining the degree of impact, can select only accurate data, and the selected data will enable the engine trainer to improve the system for predicting stock price through continuous learning, and the user will gradually increase the stock price. It improves the accuracy of the evaluation, and it is possible to increase the risks caused by illegal activities such as operations or stock manipulation. In addition to preventing illegal operation, the accuracy of the prediction engine can be improved with data of all users.

Claims

Learning with global data only, without event data,

Learning with event data alone,

Building an initial stock price prediction engine and collecting data through the learning step;

Calculating the accuracy by comparing the actual rate of change after the forecast period with the rate of change of the input of the database;

A step in which the training data maker generates data for the engine trainer to learn based on the accuracy of each event data;

The engine trainer performs a step of learning and updating with the training data by the training data maker.

A stock price prediction engine that predicts stock prices based on user-entered data;

An engine trainer that continuously trains with training data created by training data makers,

An input evaluator that calculates the accuracy of the input data by comparing the actual rate of change and the event data entered into the stock price prediction engine after the forecast period;

A training data maker that processes the data in the database to produce the actual data that will be used to train the engine trainer,

A user interface for inputting event data corresponding to the user to the database unit and the stock price prediction engine or outputting a stock price predicted from the stock price prediction engine to the user;

A stock price prediction system, comprising: a database unit for storing input data or outputting stored data.

3. The engine trainer of claim 2, wherein the engine trainer is constructed of a neural network capable of approximating a function that knows an input-output pair.

The data entered into the engine trainer includes global data that can affect the entire social, economic and political world and all stock prices,

Event data about unpredictable events affecting a particular stock or multiple stocks,

X event data for predicting unknown events,

A stock price prediction system, characterized in that the target price data for the stock being predicted.

The method of claim 2, further comprising a user web interface for mediating data input and output to the user interface unit,

Data input to the database section is global data and event data,

Input and output data from database part by weighting input evaluator,

The stock price prediction system, characterized in that the training data maker receives the data from the engine trainer and periodically update to the new stock price prediction engine.

The method according to claim 2 or 3, wherein the global data includes daily stock prices and trading volumes of listed companies and KOSDAQ companies, changes in daily corporate bonds and call rates, changes in daily exchange rates of US dollars or yen or Chinese renminbi, and daily international gold prices. , Weekly or monthly real estate price change tables and global real estate indices, daily international oil price changes, daily international commodity price changes, weekly international grain / farm price changes, daily US or Hong Kong, London or Japan composite stock indexes , Interest rate fluctuations in the U.S., Germany or Japan according to the occurrence of events, daily Libo interest rates, corporate defaults, monthly exports and credit ratings, trade balances, monthly exports by product and region, bank deposit rates by date and Changes in loan interest, corporate summary, financial statements or financial ratios, company history, major shareholder status or new bond data, All data affecting stocks such as production capacity, performance, production facilities, orders, contingent liabilities or stock price information,

Event data are items that are thought to affect stock prices in political events, items that are considered to influence stock prices in cultural events, items that are considered to influence stock prices in changes in national policy, political and economic items in neighboring countries, and international trade. Disputes and diplomatic disputes, items considered to affect the stock price in social events, sports news at home and abroad, items considered to affect the stock price in news of celebrities, items considered to affect the stock price among articles in international disputed areas, A stock price forecasting system characterized by the effects of extreme weather and affected industries, promising new product development and technology development trends, unidentified rumors, newspaper articles by listed companies, and affiliates of large group conglomerates.

The method according to claim 3, wherein the user inputs the data according to social environment and situation.

Did you buy based on stable growth potential, do you see new product development prospects or potentials, do you think the company has entered a period of growth or expansion, is it a company that handles and sells seasonally-affected products or products, or political factors Is it a company that has a strong influence on exports, is it a stock that has been heavily dependent on exports, has it been bought in the last three months, has it been bought with friends or neighbors, has it been invested in stocks in the last three months, or the economy in neighboring countries is good? Is it losing, or is there any particular increase in real estate prices? Is it a company that increased capital at work, or is it a stock that has been greedy by institutional investors or invested by institutions and big hands, or is affected by changes in the global economy? So, if you have a branch or a factory of an investment company, do you think it is in the sphere of influence? Do you think that the company that issued the stock has good business performance in the last three months, do you expect to achieve the company's management performance this year, or have the executive board replaced in the last three months? Do you think you are a company that has risen in number, is it in the sphere of influence of corporate consolidation, is it a company that has prepared for Millennium Bug, is it a foreign-invested item, is there a vigilant sale, or is it a low price right? A stock price prediction system, characterized in that the input of answering any one of more, more or less, respectively.