KR20140015910A - Method and system for predicting trading volume of stock using query of search - Google Patents
Method and system for predicting trading volume of stock using query of search Download PDFInfo
- Publication number
- KR20140015910A KR20140015910A KR1020120082162A KR20120082162A KR20140015910A KR 20140015910 A KR20140015910 A KR 20140015910A KR 1020120082162 A KR1020120082162 A KR 1020120082162A KR 20120082162 A KR20120082162 A KR 20120082162A KR 20140015910 A KR20140015910 A KR 20140015910A
- Authority
- KR
- South Korea
- Prior art keywords
- stock
- search query
- keyword
- search
- amount
- Prior art date
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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
본 발명은 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드에 대한 지정된 단위시간 별 검색 쿼리 발생량을 근거로 상기 기업에 대한 미래 시점의 주식 거래 예측량을 산출하는 것이다.
The present invention calculates a stock trading forecast amount of a future time point for a company based on a predetermined unit time search query generation amount for N (N ≧ 1) stock linked keywords associated with the company where the stock is issued.
주식 거래량(Trading Volume)은 증권시장에서 매매가 성립된 수량으로서, 일반적으로 주식 거래량이 주가에 선행한다고 알려져 있다. 따라서 안전한 주식 거래를 위해서는 주식 거래량을 예측해야 한다.
Trading volume is a quantity that is traded in the stock market, and it is generally known that stock trading volume precedes stock prices. Therefore, stock trading volume needs to be predicted for safe stock trading.
주식 거래량은 주가에 선행한다는 일반이론에 의거하여 거래량과 주가의 상관관계를 근거로 거래랑 지표에 의해 예측될 수 있다. 예측될 수 있다. 예를들어, 주식 거래량이 점차 줄고 있는 상태로부터 증가하는 추세를 보일 때 향후 주가는 상승할 것으로 예측될 수 있다. 또는 상기 주식 거래량이 점차 증가하는 상태에서 감소하는 경향을 보이기 시작하면 향후 주가는 하락할 것으로 예측될 수 있다. 주가가 상승하여 정상에 가까워지면 가까워질수록 주가 상승에도 불구하고 주식 거래량이 감소하는 경향을 보이기도 한다. 또는 주가가 바닥에 가까워지면 가까워질수록 주가의 하락에도 불구하고 주식 거래량이 증가하는 경향을 보이기도 한다. 이와 같은 거래량 지표에는 거래량 이동평균선, OBV(On Balance Volume), 거래량비율, 거래량회전율, 클라이맥스지표, 변환지표 등이 사용될 수 있다.
Based on the general theory that stock trading volume precedes stock price, it can be predicted by trading index based on the correlation between trading volume and stock price. Can be predicted. For example, when stock trading volume is on the rise, the stock price is expected to rise in the future. Alternatively, if the stock trading volume starts to decrease while the stock trading volume gradually increases, the stock price may be expected to fall in the future. As the stock price rises and nears the peak, the stock trading volume tends to decrease despite the stock price. Or, as stocks near the bottom, stock trading volume tends to increase despite the decline in stock prices. Such trading volume indicators may include a moving volume average line, an OBV (On Balance Volume), a trading volume ratio, a trading volume turnover, a climax index, and a conversion index.
그러나 이와 같은 주식 거래량 예측은 주식 거래량이 주가에 선행한다는 일반이론에 근거하기 때문에 부정확할 뿐만 아니라, 급격하게 변화하는 시장 상황과 기업 내부 상황 및 정치적 상황의 변수에 의해 그 부정확성은 더욱 커질 수 밖에 없는 문제점을 지니고 있다.
However, these stock trading forecasts are not only inaccurate because they are based on the general theory that stock trading volume precedes stock prices, but their inaccuracies are inevitably increased due to rapidly changing market conditions and internal and political variables. I have a problem.
상기와 같은 문제점을 해소하기 위한 본 발명의 목적은, 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드에 대한 검색 쿼리 발생량을 확인하고, 일정 시간 동안 축적된 검색 쿼리 발생량과 실제 주식 거래량 간의 비례 관계를 근거로 주기적으로 확인되는 검색 쿼리 발생량에 대한 주식 거래량을 예측하는 검색 쿼리를 이용한 주식 거래량 예측 방법 및 시스템을 제공하는 것이다.
An object of the present invention for solving the above problems is to determine the amount of search queries generated for N (N≥1) stock linked keywords associated with the company where the stock is issued, and the amount of search queries generated and accumulated over time The present invention provides a method and system for estimating stock trading volume using a search query that predicts stock trading volume for a search query occurrence that is periodically checked based on a proportional relationship between stock trading volumes.
본 발명은 검색 쿼리를 이용한 주식 거래량 예측 방법 및 시스템에 관한 것으로, The present invention relates to a stock trading volume prediction method and system using a search query,
본 발명에 따른 검색 쿼리를 이용한 주식 거래량 예측 시스템은, 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드를 저장하는 키워드 저장부와, 상기 N개의 주식 연동 키워드 중 n(1≤n≤N)개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인하는 검색 쿼리 확인부와, 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하는 주식 거래량 예측부와, 상기 주식 거래 예측량을 도표 또는 그래프로 출력하는 거래 예측량 출력부를 구비한다.
A stock trading volume prediction system using a search query according to the present invention includes a keyword storage unit for storing N (N≥1) stock linked keywords associated with a company in which a stock is issued, and n (1≤1) of the N stock linked keywords. a search query confirmation unit that checks the amount of search queries generated per unit time for n≤N) stock linked keywords, and the type and distribution of n stock linked keywords included in the search query generation and the search query generation for a predetermined time; A stock trading amount prediction unit calculating a stock trading forecast amount for the search query generation amount based on a proportional relationship between search query occurrence information including one or more keyword occurrence frequencies for the n stock linked keywords and actual stock transaction amount; And a trading forecast output unit for outputting a stock trading forecast in a chart or graph.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 시스템은, 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적하는 비례 관계 축적부를 더 구비할 수 있다.
According to the present invention, the stock trading volume prediction system using the search query may further include a proportional relationship accumulator for accumulating a proportional relationship between a search query generation amount per unit time and a real stock trading amount for a predetermined time.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 시스템은, 최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 저장하는 기준 값 저장부를 더 구비하며, 상기 주식 거래량 예측부는 상기 확인된 검색 쿼리 발생량이 상기 주식 거래 예측 기준을 초과하는 경우에 상기 주식 거래 예측량을 산출할 수 있다.
According to the present invention, the stock trading volume prediction system using the search query, at least one of the minimum search query generation amount, the required stock link keyword type to be included in the search query generation amount and the minimum keyword occurrence frequency for the required stock link keyword The apparatus may further include a reference value storing unit configured to store a stock trading prediction criterion, wherein the stock trading volume estimating unit may calculate the stock trading forecasting amount when the identified search query generation amount exceeds the stock trading forecasting criterion.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 시스템은, 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계를 축적하는 비례 관계 축적부와, 상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하는 거래 반응도 산출부를 더 구비하며, 상기 주식 거래량 예측부는 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 별 주식 거래 반응도를 더 이용하여 상기 주식 거래 예측량을 산출할 수 있다.
According to the present invention, a stock trading volume prediction system using the search query, a proportional relationship accumulator for accumulating a proportional relationship between the N stock-linked keyword type and distribution, keyword occurrence frequency and the actual stock trading volume, and the accumulated proportion And a transaction responsiveness calculation unit for calculating a stock trading responsiveness for each keyword including a stock trading sensitivity (or insensitivity) for the N stock linked keywords based on the relationship, wherein the stock trading volume prediction unit is included in the search query generation amount. The stock trading responsiveness for each of the n stock linked keywords may be further calculated.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 시스템은, 상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 기준 시간 이내에 등록된 검색 결과를 확인하는 검색 결과 확인부를 더 구비하며, 상기 주식 거래량 예측부는 상기 검색 결과에 포함된 문장 중 상기 n개의 주식 연동 키워드가 포함된 문장에 내포된 형용사의 형태소에 대한 긍정 또는 부정의 의미를 근거로 상기 산출되는 주식 거래 예측량을 주식 매도 예측량과 주식 매수 예측량으로 분기하여 산출할 수 있다.
According to the present invention, the stock trading volume prediction system using the search query further includes a search result checking unit for checking a search result registered within a specified reference time among search results corresponding to the n stock linked keywords, wherein the stock trading amount The predicting unit estimates the stock trading forecast amount and the stock purchase forecast amount based on the meaning of affirmative or negative for the morpheme of the adjective included in the sentence including the n stock linked keywords among the sentences included in the search result. It can be calculated by branching to.
본 발명에 따른 검색 쿼리를 이용한 주식 거래량 예측 방법은, 검색 키워드를 수집 가능한 서버의 검색 쿼리를 이용한 주식 거래량 예측 방법에 있어서, 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드를 저장하는 단계와, 상기 N개의 주식 연동 키워드 중 n(1≤n≤N)개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인하는 단계와, 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하는 단계와, 상기 주식 거래 예측량을 도표 또는 그래프로 출력하는 단계를 포함한다.
In the stock trading volume prediction method using a search query according to the present invention, in the stock trading volume prediction method using a search query of a server capable of collecting search keywords, N (N≥1) stock linked keywords associated with the company where the stock is issued Storing the search results, generating a search query amount per unit time for n (1≤n≤N) stock link keywords among the N stock link keywords, and generating the search query amount and the search query for a predetermined time period. The search query generation amount is calculated based on a proportional relationship between search query occurrence information including one or more types of distribution of the n stock linked keywords included in the generation amount and search frequency occurrence information including one or more occurrence frequencies of the n stock linked keywords and the actual stock trading volume. Calculating a stock trading forecast amount and outputting the stock trading forecast amount as a chart or a graph; do.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 방법은, 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적하는 단계를 더 포함할 수 있다.
According to the present invention, the stock trading volume prediction method using the search query may further include accumulating a proportional relationship between the search query generation amount per unit time and the actual stock trading volume for a predetermined time.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 방법은, 최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 저장하는 단계를 더 포함할 수 있다.
According to the present invention, the stock trading volume prediction method using the search query, at least one of the minimum search query generation amount, the required stock linked keyword type to be included in the search query generation amount and the minimum keyword occurrence frequency for the required stock linked keyword The method may further include storing the stock trading prediction criteria.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 방법은, 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계를 축적하는 단계와, 상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하는 단계;를 더 포함할 수 있다.
According to the present invention, a method of estimating stock trading volume using the search query may include accumulating a proportional relationship between the N stock linked keyword types and distribution, keyword occurrence frequency and actual stock trading volume, and based on the accumulated proportional relationship. And calculating a stock transaction responsiveness for each keyword including stock trading sensitivity (or insensitivity) for the N stock linked keywords.
본 발명에 따르면, 상기 검색 쿼리를 이용한 주식 거래량 예측 방법은, 상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 기준 시간 이내에 등록된 검색 결과를 확인하는 단계를 더 포함할 수 있다.
According to the present invention, the stock trading volume prediction method using the search query may further include checking a search result registered within a predetermined reference time among search results corresponding to the n stock linked keywords.
본 발명에 따르면, 주식 연동 키워드에 대한 검색 쿼리 발생량으로부터 주식 거래량에 영향을 미치는 시장 상황과 기업 내부 상황 및 정치적 상황을 고려하여 정확하게 주식 거래량을 예측하는 이점이 있다.
According to the present invention, there is an advantage of accurately predicting the stock trading volume in consideration of the market situation affecting the stock trading volume, the internal situation of the company and the political situation from the search query generation for the stock linked keyword.
도 1은 본 발명의 실시 방법에 따른 검색 쿼리를 이용한 주식 거래량 예측 시스템 구성을 도시한 도면이다.
도 2는 본 발명의 실시 방법에 따른 키워드 저장 및 검색 쿼리 발생량과 주식 거래량 간 비례 관계 축적 과정을 도시한 도면이다.
도 3은 본 발명의 일 실시 방법에 따른 주식 거래량 예측 과정을 도시한 도면이다.
도 4는 본 발명의 다른 일 실시 방법에 따른 주식 거래량 예측 과정을 도시한 도면이다.1 is a diagram showing the configuration of a stock trading volume prediction system using a search query according to an embodiment of the present invention.
2 is a diagram illustrating a process of accumulating a proportional relationship between a keyword storage and retrieval query generation amount and a stock trading amount according to an embodiment of the present invention.
3 is a diagram illustrating a stock trading volume prediction process according to an embodiment of the present invention.
4 is a diagram illustrating a stock trading volume prediction process according to another exemplary embodiment of the present invention.
이하 첨부된 도면과 설명을 참조하여 본 발명의 바람직한 실시예에 대한 동작 원리를 상세히 설명한다. 다만, 하기에 도시되는 도면과 후술되는 설명은 본 발명의 특징을 효과적으로 설명하기 위한 여러 가지 방법 중에서 바람직한 실시 방법에 대한 것이며, 본 발명이 하기의 도면과 설명만으로 한정되는 것은 아니다. 또한, 하기에서 본 발명을 설명함에 있어 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 발명에서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
The operation principle of the preferred embodiment of the present invention will be described in detail with reference to the accompanying drawings and description. It should be understood, however, that the drawings and the following detailed description are exemplary and explanatory and are intended to provide further explanation of the invention, and are not to be construed as limiting the present invention. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear. The terms used below are defined in consideration of the functions of the present invention, which may vary depending on the user, intention or custom of the operator. Therefore, the definition should be based on the contents throughout the present invention.
결과적으로, 본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하 실시예는 진보적인 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
As a result, the technical idea of the present invention is determined by the claims, and the following embodiments are merely means for effectively explaining the technical idea of the present invention to a person having ordinary skill in the art to which the present invention belongs Only.
도면1은 본 발명의 실시 방법에 따른 검색 쿼리를 이용한 주식 거래량 예측 시스템 구성을 도시한 도면이다.
1 is a diagram illustrating a stock trading volume prediction system configuration using a search query according to an embodiment of the present invention.
보다 상세하게 본 도면1은 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드에 대한 지정된 단위시간 별 검색 쿼리 발생량을 근거로 상기 기업에 대한 미래 시점의 주식 거래 예측량을 산출하는 시스템 구성으로 대한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면1을 참조 및/또는 변형하여 상기 주식 거래량 예측 시스템에 대한 다양한 실시 방법(예컨대, 일부 구성부가 생략되거나, 또는 세분화되거나, 또는 합쳐진 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면1에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.
In more detail, FIG. 1 is a system for calculating a stock trading forecast amount of a future point in time based on a specified unit time search query generation amount for N (N≥1) stock linked keywords related to a stock company. As a configuration, a person of ordinary skill in the art to which the present invention pertains, various implementation methods (e.g., some components are omitted, or It is possible to infer a subdivided or combined implementation method), but the present invention includes all the implementation methods inferred above, and the technical features are not limited to the implementation method shown in FIG.
본 발명의 주식 거래량 예측 시스템은, 사용자 단말(165)로부터 검색 키워드를 수신하여 검색 서비스를 제공하는 기능이 구비된 서버, 또는 상기 검색 서비스를 제공하는 검색서버(100)와 연결된 서버 형태로 구현되며, 당업자의 의도에 따라 둘 이상의 서버가 연계된 서버 시스템 형태로 구현되는 것이 가능하다.
The stock trading volume prediction system of the present invention is implemented as a server having a function of receiving a search keyword from the user terminal 165 and providing a search service, or a server connected to the search server 100 providing the search service. According to the intention of the person skilled in the art, it is possible to implement two or more servers in the form of a linked server system.
상기 주식 거래량 예측 시스템은 사용자 단말(165)로부터 검색 키워드를 수신하고, 상기 검색 키워드에 대한 검색 결과를 포함하는 검색결과 페이지를 구성하여 상기 사용자 단말(165)로 제공하는 검색 서비스를 제공하고, 상기 검색 서비스 제공 과정에서 상기 사용자 단말(165)로부터 수신된 검색 키워드를 축적하는 검색 서비스 제공부(110)를 구비한다. 또는 상기 주식 거래량 예측 시스템은 상기 검색 서비스를 제공하는 검색서버(100)와 연계하여 사용자 단말(165)로부터 상기 검색서버(100)로 전달되는 검색 키워드를 수집하여 축적하는 검색서버 연동부(105)를 구비할 수 있다.
The stock trading volume prediction system receives a search keyword from the user terminal 165, constructs a search result page including a search result for the search keyword, and provides a search service provided to the user terminal 165. The search service providing unit 110 accumulates the search keyword received from the user terminal 165 in the search service providing process. Alternatively, the stock trading volume prediction system collects and accumulates search keywords transmitted from the user terminal 165 to the search server 100 in connection with the search server 100 providing the search service. It may be provided.
도면1을 참조하면, 상기 주식 거래량 예측 시스템은, 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드를 저장하는 키워드 저장부(140)를 구비한다.
Referring to FIG. 1, the stock trading volume prediction system includes a keyword storage unit 140 that stores N (N ≧ 1) stock linked keywords associated with a company in which a stock is issued.
상기 키워드 저장부(140)는 관리자 단말로부터 상기 주식이 발행된 기업과 관련된 N개의 주식 연동 키워드를 입력받고, 상기 입력된 N개의 주식 연동 키워드와 상기 주식이 발행된 기업에 대응하는 상기 기업정보(도는 종목코드)를 연결하여 저장매체(155)에 저장한다. 상기 N개의 주식 연동 키워드는 상기 관리자 단말에 의해 주기적으로 갱신된다.
The keyword storage unit 140 receives N stock interlocking keywords related to the company in which the stock is issued from a manager terminal, and the company information corresponding to the inputted N stock interlocking keywords and the company in which the stock is issued ( Or the item code) to be stored in the storage medium 155. The N stock linked keywords are periodically updated by the manager terminal.
여기서, 상기 N개의 주식 연동 키워드는, 상기 기업에 대한 기업명칭 및 부속기관명칭(예컨대, 부속연구소명칭 또는 자회사명칭 등), 상기 기업의 브랜드명칭, 상기 기업에서 판매하는 하나 이상의 상품에 대한 상품명칭 및 상품종류(예컨대, 상품 카테고리), 상기 기업의 대표자성명 및 대표주주명칭(예컨대, 주주성명, 주주법인명칭 등), 상기 기업과 관련된 국가정책명칭(예컨대, 국책사업명칭 등) 및 관계법령명칭(예컨대, 기업의 업무와 관련된 법령의 발효 갱신 등)과 일치하거나 또는 연관된 키워드를 하나 이상 포함한다.
Herein, the N stock-linked keywords may include a company name and an affiliated organization name (eg, an affiliated laboratory name or a subsidiary name) for the company, a brand name for the company, and a product name for one or more products sold by the company. And product type (e.g., product category), name of representative of the company and name of representative shareholder (e.g., name of shareholder, name of shareholder), national policy name (e.g. national project name, etc.) and related laws Include one or more keywords that match or are associated with (e.g., renewal of the enforcement of laws and regulations related to the business of the company).
도면1을 참조하면, 상기 주식 거래량 예측 시스템은, 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적하거나, 또는 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계를 축적하는 비례 관계 축적부(130)를 구비한다.
Referring to FIG. 1, the stock trading volume prediction system may accumulate a proportional relationship between a search query generation amount per unit time and an actual stock trading volume for a predetermined time, or the N stock linked keyword types, distribution, and keyword occurrence frequency. And a proportional relationship accumulator 130 for accumulating a proportional relation to the actual stock trading volume.
상기 비례 관계 축적부(130)는 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과, 상기 단위시간 별 검색 쿼리 발생량에 포함된 각각의 주식 연동 키워드 종류와 분포 및 각각의 주식 연동 키워드에 대한 키워드 발생 빈도를 포함하는 검색 쿼리 발생 정보를 축적하고, 상기 주식거래 서버(160)로부터 상기 검색 쿼리 발생 정보가 축적된 시점을 기준으로 일정 시간 이내의 미래 시점에 발생한 실제 주식 거래량을 확인한 후, 상기 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 주기적으로 산출하여 축적한다.
The proportional relationship accumulator 130 may generate a search query for each unit time during a predetermined time, the type and distribution of each stock linked keyword included in the search query generated for each unit time, and a keyword occurrence frequency for each stock linked keyword. Accumulate search query occurrence information including a; and check the actual stock transaction amount occurring at a future time within a predetermined time on the basis of the time when the search query occurrence information is accumulated from the stock trading server 160, and then generate the search query. Periodically calculate and accumulate the proportional relationship between information and actual stock trading volume.
또한 상기 비례 관계 축적부(130)는 상기 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계의 추이에 대한 지속성을 산출하여 축적할 수 있다. 여기서, 상기 비례 관계의 위치에 대한 지속성은 상기 검색 쿼리 발생 정보에 대응하는 실제 주식 거래량의 패턴이 유지되는 기간을 포함한다.
In addition, the proportional relationship accumulator 130 may calculate and accumulate the persistence of the trend of the proportional relationship between the search query occurrence information and the actual stock transaction amount. Here, the persistence of the position of the proportional relationship includes a period in which a pattern of actual stock trading volume corresponding to the search query occurrence information is maintained.
한편 상기 검색 쿼리 발생량과 실제 주식 거래량 간의 비례 관계를 축적하는 과정에서 상기 비례 관계 축적부(130)는 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 상기 주식거래 서버(160)로부터 확인되는 실제 주식 거래량에 대한 비례 관계를 주기적으로 확인하여 축적할 수 있다.
Meanwhile, in the process of accumulating the proportional relationship between the search query generation amount and the actual stock transaction amount, the proportional relationship accumulator 130 is identified from the N stock linked keyword types, distribution, keyword occurrence frequency, and the stock transaction server 160. Periodically check and accumulate proportional relation to actual stock trading volume.
여기서, 상기 키워드 종류는 상기 N개의 주식 연동 키워드에 포함된 각각의 키워드가 상기 기업에 대한 기업명칭 및 부속기관명칭, 상기 기업의 브랜드명칭, 상기 기업에서 판매하는 하나 이상의 상품에 대한 상품명칭 및 상품종류, 상기 기업의 대표자성명 및 대표주주명칭, 상기 기업과 관련된 국가정책명칭 및 관계법령명칭 중 어느 분류에 속하는지를 식별하는 정보이다. 본 발명에 따르면, 상기 검색 쿼리 발생량과 실제 주식 거래량 간의 비례 관계의 신뢰성을 향상시키기 위해 상기 관리자 단말에 의해 상기 키워드 종류가 추가되거나 또는 일부 키워드 종류가 생략될 수 있다.
Herein, the keyword type may include a company name and an affiliated company name for the company, a brand name of the company, a product name for one or more products sold by the company, and each keyword included in the N stock linked keywords. Information identifying the type, the name of the representative of the company and the name of the representative shareholder, the national policy name associated with the company, and the name of the related laws and regulations. According to the present invention, the keyword type may be added or some keyword types may be omitted by the manager terminal in order to improve the reliability of the proportional relationship between the search query generation amount and the actual stock transaction amount.
상기 키워드 분포는 상기 N개의 주식 연동 키워드에 포함된 각각의 키워드를 상기 키워드 종류에 따라 분류했을 때 어느 키워드 종류에 얼마만큼의 키워드가 포함되는지를 표시하는 정보이다. 본 발명에 따르면, 상기 검색 쿼리 발생량과 실제 주식 거래량 간의 비례 관계의 신뢰성을 향상시키기 위해 상기 관리자 단말에 의해 상기 키워드 분포가 조정될 수 있다.
The keyword distribution is information indicating how many keywords are included in each keyword type when each keyword included in the N stock linked keywords is classified according to the keyword type. According to the present invention, the keyword distribution may be adjusted by the manager terminal to improve the reliability of the proportional relationship between the search query generation amount and the actual stock transaction amount.
상기 키워드 발생 빈도는 상기 N개의 주식 연동 키워드에 포함된 특정 키워드에 대하여 검색 쿼리가 반복적으로 발생한 빈도를 식별하는 정보이다.
The keyword occurrence frequency is information for identifying a frequency at which a search query is repeatedly generated for a specific keyword included in the N stock linked keywords.
도면1을 참조하면, 상기 주식 거래량 예측 시스템은, 최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 저장하는 기준 값 저장부(145)를 구비한다.
Referring to FIG. 1, the stock trading volume prediction system includes a stock including a minimum search query generation amount, a required stock link keyword type to be included in the search query generation amount, and one or more minimum keyword occurrence frequencies for the required stock link keyword. And a reference value storage unit 145 for storing a transaction prediction criterion.
상기 기준 값 저장부(145)는 관리자 단말로부터 주식 거래 예측에 대한 일정 수준 이상의 신뢰성을 보증할 수 있는 최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 입력받고, 상기 입력된 주식 거래 예측 기준을 상기 주식이 발행된 기업에 대응하는 상기 기업정보(도는 종목코드)를 연결하여 저장매체(155)에 저장한다.
The reference value storage unit 145 is a minimum search query generation amount capable of guaranteeing a certain level or more reliability of the stock transaction prediction from the manager terminal, the required stock linkage keyword type to be included in the search query generation amount and the required stock linkage Receives a stock trading prediction criterion including at least one frequency of occurrence of a minimum keyword for a keyword, and stores the storage information by connecting the input stock trading prediction criteria to the company information (or item code) corresponding to the company in which the stock is issued. Save to (155).
또는 상기 비례 관계 축적부(130)에 의해 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계가 축적되면, 상기 기준 값 저장부(145)는 상기 축적된 비례 관계의 추이가 기준 범위 내에서 일정한 최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 산출한 후, 상기 산출된 주식 거래 예측 기준을 상기 주식이 발행된 기업에 대응하는 상기 기업정보(도는 종목코드)를 연결하여 저장매체(155)에 저장할 수 있다.
Alternatively, when the proportional relationship between the search query generation amount per unit time and the actual stock transaction amount is accumulated by the proportional relationship accumulator 130, the reference value storage unit 145 may change the accumulated proportional relationship. After calculating a predetermined minimum search query generation within the standard range, one or more required stock link keyword types to be included in the search query generation amount and at least one frequency of occurrence of the minimum keyword for the required stock linked keyword, The calculated stock trading prediction criteria may be stored in the storage medium 155 by connecting the company information (or item code) corresponding to the company in which the stock is issued.
여기서, 상기 최소 검색 쿼리 발생량은 상기 주식 거래량 예측에 대한 일정 수준 이상의 신뢰성을 확보하기 위해 발생해야 하는 상기 주식 연동 키워드에 대한 단위시간 별 최소 검색 쿼리 발생 횟수를 포함한다.
Here, the minimum search query generation amount includes the minimum number of search queries generated per unit time for the stock linked keyword that must occur in order to secure a certain level or more of reliability for the stock trading volume prediction.
상기 필수 주식 연동 키워드 종류는 상기 주식 거래량 예측에 대한 일정 수준 이상의 신뢰성을 확보하기 위해 상기 검색 쿼리 발생량에 반드시 포함되어야 하는 키워드 종류를 포함한다.
The required stock linked keyword type includes a keyword type that must be included in the search query generation amount in order to secure a certain level or more reliability of the stock trading amount prediction.
상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도는 상기 주식 거래량 예측에 대한 일정 수준 이상의 신뢰성을 확보하기 위해 상기 필수 주식 연동 키워드 종류에 포함된 키워드에 대한 단위시간 별 최소 검색 쿼리 발생 횟수를 포함한다.
The minimum keyword occurrence frequency for the mandatory stock linked keyword includes a minimum number of search queries generated per unit time for a keyword included in the mandatory stock linked keyword type in order to secure a certain level or more reliability for the stock trading volume prediction.
도면1을 참조하면, 상기 주식 거래량 예측 시스템은, 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계가 축적된 경우, 상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하는 거래 반응도 산출부(150)를 더 구비한다.
Referring to FIG. 1, when the proportions of the N stock-linked keyword types and distribution, keyword occurrence frequency, and actual stock trading amount are accumulated, the stock trading volume prediction system is based on the accumulated proportional relationship. It further includes a transaction responsiveness calculation unit 150 for calculating the stock trading responsiveness for each keyword including the stock trading sensitivity (or insensitivity) for the stock linked keyword.
상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계가 축적된 경우, 상기 거래 반응도 산출부(150)는 상기 축적된 복수의 비례 관계 중 특정 키워드가 생략되거나 또는 최소 키워드 발생 빈도 이내인 경우와 그렇지 않은 경우의 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도를 산출하거나, 또는 상기 N개의 주식 연동 키워드에 대한 주식 거래 둔감도를 산출한다. 상기 주식 거래 반응도는 상기 주식 거래 민감도와 주식 거래 둔감도 중 적어도 하나를 포함하여 이루어진다.
When a proportional relationship between the N stock-linked keyword types, distribution, keyword occurrence frequency, and actual stock trading amount is accumulated, the transaction responsiveness calculator 150 omits or minimizes a specific keyword among the accumulated proportional relations. The stock transaction sensitivity for the N stock linked keywords is calculated or the stock transaction sensitivity for the N stock linked keywords is calculated based on the relationship between the occurrence of the keyword and the frequency of occurrence of the keyword. The stock trading responsiveness includes at least one of the stock trading sensitivity and the stock trading sensitivity.
여기서, 상기 주식 거래 민감도는 상기 N개의 주식 거래 연동 키워드에 속한 각 키워드가 상기 주식 거래 예측에 얼마만큼 많은 영향을 미치는지를 도출하는 가중치 값이다. 상기 주식 거래 둔감도는 상기 주식 거래 민감도의 반대되는 개념으로서, 상기 N개의 주식 거래 연동 키워드에 속한 각 키워드가 상기 주식 거래 예측에 얼마만큼 적은 영향을 미치는지를 도출하는 가중치 값이다.
Here, the stock trading sensitivity is a weight value for deriving how much each keyword belonging to the N stock trading linked keywords affects the stock trading prediction. The stock trading insensitivity is an opposite concept of the stock trading sensitivity, and is a weight value for deriving how little influence each keyword belonging to the N stock trading linked keywords has on the stock trading prediction.
도면1을 참조하면, 상기 주식 거래량 예측 시스템은, 상기 검색 서비스 제공부(110) 또는 검색서버 연동부(105)와 연계하여 상기 N개의 주식 연동 키워드 중 n(1≤n≤N)개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인하는 검색 쿼리 확인부(115)와, 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하는 주식 거래량 예측부(120)와, 상기 주식 거래 예측량을 도표 또는 그래프로 출력하는 거래 예측량 출력부(125)를 구비하며, 상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 기준 시간 이내에 등록된 검색 결과를 확인하는 검색 결과 확인부(135)를 더 구비할 수 있다.
Referring to FIG. 1, the stock trading volume prediction system is linked to the search service provider 110 or the search server linker 105 to link n (1 ≦ n ≦ N) stocks among the N stock linkage keywords. A search query checking unit 115 that checks the amount of search queries generated per unit time for a keyword, and n stock linked keyword types and distributions included in the search query generation amount and the search query generation amount for a predetermined time, and the n stocks A stock trading amount prediction unit 120 that calculates a stock trading forecast amount for the search query amount based on a proportional relationship between search query occurrence information including one or more keyword occurrence frequencies for a linked keyword and actual stock transaction amount, and the stock A transaction prediction amount output unit 125 for outputting a transaction prediction amount in a chart or graph, and a search result corresponding to the n stock linked keywords It may further include a search result confirmation unit 135 to check the registered search results within a specified reference time.
상기 검색 쿼리 확인부(115)는 상기 저장된 N개의 주식 연동 키워드 중 상기 검색 서비스 제공부(110) 또는 검색서버 연동부(105)를 통해 지정된 단위시간 동안 사용자 단말(165)로부터 입력된 n개의 주식 연동 키워드를 확인하고, 상기 n개의 주식 연동 키워드가 상기 단위시간 동안 사용자 단말(165)로부터 입력된 총 횟수를 포함하는 검색 쿼리 발생량을 확인한다.
The search query confirmation unit 115 is the n stocks input from the user terminal 165 during the unit time specified through the search service provider 110 or the search server linking unit 105 of the stored N stock linked keywords The interworking keyword is checked and a search query generation amount including the total number of times the n stock interlocking keywords are input from the user terminal 165 during the unit time is checked.
상기 검색 쿼리 발생량이 확인되면, 상기 주식 거래량 예측부(120)는 하나의 단위시간 또는 둘 이상의 단위시간 조합에 대응하는 일정 시간 동안 확인된 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포, 그리고 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보를 확인한다.
When the search query generation amount is confirmed, the stock trading volume predicting unit 120 determines the search query generation amount checked for a predetermined time corresponding to one unit time or a combination of two or more unit times, and the n stocks included in the search query generation amount. Search query generation information including one or more keyword types and distributions, and one or more keyword occurrence frequencies for the n stock linked keywords is identified.
상기 검색 쿼리 발생 정보가 확인되면, 상기 주식 거래량 예측부(120)는 상기 비례 관계 축적부(130)가 축적한 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 근거로 상기 검색 쿼리 발생 정보가 확인된 시점을 기준으로 일정 시간 이내의 미래 시점에 대한 주식 거래 예측량을 산출한다. 여기서, 상기 주식 거래 예측량은 일정 범위의 예측 오차 값을 지닌다. 상기 주식 거래 예측량의 예측 오차 값은 상기 검색 쿼리 발생량의 크기와 상기 검색 쿼리 발생량에 필수 주식 연동 키워드의 포함 여부 및 상기 검색 쿼리 발생량에 포함된 필수 주식 연동 키워드에 대한 키워드 발생 빈도에 대한 실제 주식 거래량과의 관계를 근거로 산출될 수 있다.
When the search query generation information is confirmed, the stock trading amount prediction unit 120 based on a proportional relationship between the search query generation amount per unit time and the actual stock trading amount for a predetermined time accumulated by the proportional relationship accumulation unit 130. Based on the point in time at which the search query occurrence information is confirmed, a stock transaction prediction amount for a future point in time is calculated. Here, the stock trading forecast amount has a range of prediction error values. The predicted error value of the stock trading prediction amount is the actual stock trading amount of the size of the search query generation amount, whether the required stock link keyword is included in the search query generation amount, and the frequency of keyword occurrence for the required stock link keyword included in the search query generation amount. It can be calculated based on the relationship with.
또한 상기 주식 거래량 예측부(120)는 상기 비례 관계 축적부(130)가 축적한 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계의 지속성을 근거로 상기 산출된 주식 거래 예측량이 유지될 기간을 산출하여 상기 주식 거래 예측량에 포함시킬 수 있다.
In addition, the stock trading volume predicting unit 120 calculates a period during which the calculated stock trading forecasting amount is maintained based on the persistence of the search query generation accumulated by the proportional relation accumulating unit 130 and the proportional relationship with the actual stock trading amount. It may be included in the stock trading forecast amount.
만약 상기 기준 값 저장부(145)에 의해 상기 주식 거래 예측 기준이 저장된 경우, 상기 주식 거래량 예측부(120)는 상기 확인된 검색 쿼리 발생량이 상기 주식 거래 예측 기준을 초과하는 경우에 상기 주식 거래 예측량을 산출할 수 있다.
If the stock trading prediction criterion is stored by the reference value storage unit 145, the stock trading volume predicting unit 120 determines the stock trading prediction amount when the confirmed search query generation amount exceeds the stock trading prediction criterion. Can be calculated.
본 발명의 실시 방법에 따라 상기 거래 반응도 산출부(150)에 의해 상기 N개의 주식 연동 키워드에 대한 키워드 별 주식 거래 반응도가 산출된 경우, 상기 주식 거래량 예측부(120)는 상기 N개의 주식 연동 키워드에 대한 키워드 별 주식 거래 반응도 중 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 별 주식 거래 반응도에 대응하는 가중치를 상기 검색 쿼리 발생량과 실제 주식 거래량의 비례 관계에 더 적용하여 상기 검색 쿼리 발생 정보가 확인된 시점을 기준으로 일정 시간 이내의 미래 시점에 대한 주식 거래 예측량을 산출할 수 있다.
When the stock transaction responsiveness for each of the N stock linked keywords is calculated by the transaction responsiveness calculator 150 according to an exemplary embodiment of the present invention, the stock trading volume predicting unit 120 performs the N stock linked keywords. The search query occurrence information is further applied by applying a weight corresponding to the stock transaction responsiveness of the n stock-linked keywords included in the search query occurrence amount among the keyword stock responsiveness to the proportional relationship between the search query generation amount and the actual stock transaction amount. Based on the identified point in time, a stock trading forecast for a future point in time can be calculated.
본 발명의 실시 방법에 따르면, 상기 검색 결과 확인부(135)는 상기 검색 서비스 제공부(110) 또는 검색서버 연동부(105)를 통해 상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 기준 시간 이내에 등록된 검색 결과를 확인할 수 있다. 상기 n개의 주식 연동 키워드에 대한 검색 결과가 확인된 경우, 상기 주식 거래량 예측부(120)는 상기 검색 결과에 포함된 문장 중 상기 n개의 주식 연동 키워드가 포함된 문장에 내포된 형용사의 형태소에 대한 긍정 또는 부정의 의미를 근거로 상기 산출되는 주식 거래 예측량을 주식 매도 예측량과 주식 매수 예측량으로 분기하여 산출할 수 있다.
According to the exemplary embodiment of the present invention, the search result confirming unit 135 performs a designated reference time among search results corresponding to the n stock linked keywords through the search service providing unit 110 or the search server linking unit 105. You can check the registered search results within. When the search results of the n stock linked keywords are confirmed, the stock trading volume predicting unit 120 may determine the morphemes of the adjectives contained in the sentences including the n stock linked keywords among the sentences included in the search results. Based on the meaning of positive or negative, the calculated stock trading forecast amount may be calculated by branching the stock selling forecast amount and the stock purchase forecast amount.
상기 주식 거래량 예측부(120)에 의해 상기 검색 쿼리 발생 정보가 확인된 시점을 기준으로 일정 시간 이내의 미래 시점에 대한 주식 거래 예측량이 산출되면, 상기 거래 예측량 출력부(125)는 상기 산출된 상기 주식 거래 예측량을 도표 형태로 표시하거나 또는 그래프 형태로 표시하는 주식 거래 예측 페이지를 구성하여 상기 기업에 대한 주식 거래 예측을 요청한 사용자 단말(165)로 제공한다.
When the stock transaction forecast amount is calculated for a future time point within a predetermined time on the basis of the point in time at which the search query occurrence information is confirmed by the stock transaction amount predictor 120, the transaction forecast amount output unit 125 calculates the calculated A stock trading prediction page for displaying a stock trading forecast amount in a chart form or in a graph form is provided to the user terminal 165 that has requested a stock trading forecast for the company.
도면2는 본 발명의 실시 방법에 따른 키워드 저장 및 검색 쿼리 발생량과 주식 거래량 간 비례 관계 축적 과정을 도시한 도면이다.
2 is a diagram illustrating a process of accumulating a proportional relationship between a keyword storage and retrieval query generation amount and a stock trading amount according to an embodiment of the present invention.
보다 상세하게 본 도면2는 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드를 저장한 후, 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적하는 과정을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면2를 참조 및/또는 변형하여 상기 키워드 저장 및 검색 쿼리 발생량과 주식 거래량 간 비례 관계 축적 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면2에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.
More specifically, Figure 2 stores N (N≥1) stock-linked keywords related to the company where the stock was issued, and then accumulates a proportional relationship between the amount of search queries generated per unit time and the actual stock trading volume for a certain time. As shown in the drawings, a person having ordinary knowledge in the technical field to which the present invention pertains may refer to and / or modify this drawing 2 to implement various processes for accumulating a proportional relationship between the keyword storage and retrieval query generation amount and the stock trading amount. It would be possible to infer a method (e.g., a method for which some steps were omitted or the order was changed), but the present invention includes all the methods of inferring the above, and the technical method is described only by the method shown in FIG. Features are not limited.
도면2를 참조하면, 키워드 저장부(140)는 주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드를 저장하고, 비례 관계 축적부(130)는 상기 저장된 N개의 주식 연동 키워드를 근거로 일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적한다(205). 한편 상기 비례 관계 축적부(130)는 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계를 더 축적할 수 있다(210).
Referring to FIG. 2, the keyword storage unit 140 stores N (N ≧ 1) stock linked keywords related to the company in which the stock is issued, and the proportional relationship accumulator 130 stores the stored N stock linked keywords. On the basis of this, a proportional relationship between the amount of search queries generated per unit time and the actual stock trading volume for a predetermined time is accumulated (205). Meanwhile, the proportional relationship accumulator 130 may further accumulate the proportional relationship between the N stock-linked keyword types and distribution, the frequency of keyword occurrence, and the actual stock transaction amount (210).
한편 기준 값 저장부(145)는 최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 입력 받거나 또는 상기 축적되는 비례 관계를 근거로 산출하고(215), 상기 산출된 주식 거래 예측 기준을 저장할 수 있다(220).
Meanwhile, the reference value storage unit 145 may include a stock trading prediction criterion including a minimum search query generation amount, a required stock link keyword type to be included in the search query amount, and one or more minimum keyword occurrence frequencies for the required stock link keyword. Based on the input or the accumulated proportional relationship (215), the calculated stock trading prediction criteria may be stored (220).
도면3은 본 발명의 일 실시 방법에 따른 주식 거래량 예측 과정을 도시한 도면이다.
3 is a diagram illustrating a stock trading volume prediction process according to an embodiment of the present invention.
보다 상세하게 본 도면3은 검색 쿼리 발생량과 실제 주식 거래량 간 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하는 과정을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면3을 참조 및/또는 변형하여 상기 주식 거래량 예측 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면3에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.
In more detail, FIG. 3 illustrates a process of calculating a stock trading forecast amount for the search query generation amount based on a proportional relationship between the search query generation amount and the actual stock transaction amount, and has a general knowledge in the art. If one grows up, various implementation methods (e.g., some steps may be omitted or the order may be changed) for the stock trading volume prediction process may be inferred by referring to and / or modifying this drawing. It is made including all the inferred implementation method, the technical features are not limited only to the implementation method shown in FIG.
도면3을 참조하면, 상기 도면2에 도시된 과정을 통해 검색 쿼리 발생량과 실제 주식 거래량 간 비례 관계가 축적되면, 상기 검색 쿼리 확인부(115)는 상기 N개의 주식 연동 키워드 중 n개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인한다(300).
Referring to FIG. 3, when a proportional relationship between a search query generation amount and an actual stock trading amount is accumulated through the process illustrated in FIG. 2, the search query checking unit 115 may generate n stock linkage keywords among the N stock linkage keywords. The amount of search queries generated for each unit time is determined (300).
만약 상기 도면2에 도시된 과정에서 주식 거래 예측 기준이 저장되었다면(305), 상기 주식 거래량 예측부(120)는 상기 검색 쿼리 발생량이 상기 주식 거래 예측 기준에 부합하는지 확인한다(310). 만약 상기 검색 쿼리 발생량이 상기 주식 거래 예측 기준에 부합하거나, 또는 상기 주식 거래 예측 기준이 저장되지 않았다면(315), 상기 주식 거래량 예측부(120)는 상기 검색 쿼리 발생량과 실제 주식 거래량 간 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출할 수 있다.
If the stock trading prediction criteria are stored in the process shown in FIG. 2 (305), the stock trading volume prediction unit 120 checks whether the search query generation amount matches the stock trading prediction criteria (310). If the search query generation amount meets the stock trading prediction criterion, or if the stock trading prediction criterion is not stored (315), the stock trading volume prediction unit 120 determines a proportional relationship between the search query generation and the actual stock trading volume. On the basis of this, a stock trading prediction amount for the search query generation amount may be calculated.
본 발명의 일 실시 방법에 따라 상기 도면2에 도시된 과정을 통해 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계가 축적되어 있다면(320), 상기 거래 반응도 산출부(150)는 상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하고(325), 상기 주식 거래량 예측부(120)는 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계 및 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 별 주식 거래 반응도를 이용하여 상기 주식 거래 예측량을 산출하고(330), 거래 예측량 출력부(125)는 상기 산출된 주식 거래 예측량을 도표 또는 그래프 형태로 출력하여 상기 산출된 주식 거래 예측량을 요청한 사용자 단말(165)로 제공한다(340).
According to an embodiment of the present invention, if the proportions of N stock linked keyword types and distribution, keyword occurrence frequency, and actual stock trading amount are accumulated through the process illustrated in FIG. 2 (320), the transaction responsiveness calculator In operation 150, a stock trading responsiveness for each keyword including a stock trading sensitivity (or insensitivity) for the N stock linked keywords is calculated based on the accumulated proportional relationship (325). ) Is the search query generation information and the actual stock including one or more types of distribution of the search query generated in the search query and the search query generation during the predetermined time period, and at least one occurrence frequency of the keywords for the n stock linked keywords. By using the proportional relationship with the trading volume and the stock trading responsiveness of the n stock linked keywords included in the search query generation amount The stock trading forecast amount is calculated (330), and the trading forecast quantity output unit 125 outputs the calculated stock trading forecast amount in the form of a chart or graph and provides the calculated stock trading forecast amount to the requesting user terminal 165 ( 340).
본 발명의 다른 일 실시 방법에 따라 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계가 축적되지 않았다면(320), 상기 주식 거래량 예측부(120)는 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하고(335), 거래 예측량 출력부(125)는 상기 산출된 주식 거래 예측량을 도표 또는 그래프 형태로 출력하여 상기 산출된 주식 거래 예측량을 요청한 사용자 단말(165)로 제공한다(340).
According to another exemplary embodiment of the present invention, if the proportion of the N stock linked keyword types and distribution, keyword occurrence frequency, and actual stock trading amount has not been accumulated (320), the stock trading amount predicting unit 120 for a predetermined time period A proportional relationship between search query occurrence information including at least one of the search query generation amount in the search query generation amount and the n stock linked keyword types and distribution included in the search query generation amount, and the frequency of occurrence of the keyword for the n stock linked keywords The stock transaction prediction amount for the search query generation amount is calculated based on the number (335), and the transaction forecast amount output unit 125 outputs the calculated stock transaction forecast amount in the form of a chart or a graph to request the calculated stock transaction forecast amount. Provided to the terminal 165 (340).
도면4는 본 발명의 다른 일 실시 방법에 따른 주식 거래량 예측 과정을 도시한 도면이다.
4 is a diagram illustrating a stock trading volume prediction process according to another exemplary embodiment of the present invention.
보다 상세하게 본 도면4는 검색 쿼리 발생량과 실제 주식 거래량 간 비례 관계 및 상기 검색 쿼리 발생량에 포함된 키워드의 검색 결과를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 주식 매도 예측량과 주식 매수 예측량으로 분기하여 산출하는 과정을 도시한 것으로서, 본 발명이 속한 기술분야에서 통상의 지식을 가진 자라면, 본 도면4를 참조 및/또는 변형하여 상기 주식 거래량 예측 과정에 대한 다양한 실시 방법(예컨대, 일부 단계가 생략되거나, 또는 순서가 변경된 실시 방법)을 유추할 수 있을 것이나, 본 발명은 상기 유추되는 모든 실시 방법을 포함하여 이루어지며, 본 도면4에 도시된 실시 방법만으로 그 기술적 특징이 한정되지 아니한다.
In more detail, FIG. 4 illustrates a stock trading forecast amount and a stock purchase forecast amount and a stock purchase forecast amount for the search query amount based on a proportional relationship between a search query generation amount and an actual stock transaction amount and a search result of a keyword included in the search query generation amount. As a process of branching and calculating, a person having ordinary knowledge in the technical field to which the present invention pertains may refer to and / or modify this drawing 4 to perform various methods (e.g., some steps) for the stock trading volume prediction process. May be inferred or changed in order), but the present invention includes all the inferred implementation methods, and the technical features are not limited to the implementation method illustrated in FIG.
도면4를 참조하면, 상기 도면2에 도시된 과정을 통해 검색 쿼리 발생량과 실제 주식 거래량 간 비례 관계가 축적되면, 상기 검색 쿼리 확인부(115)는 상기 N개의 주식 연동 키워드 중 n개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인한다(400).
Referring to FIG. 4, when a proportional relationship between a search query generation amount and an actual stock trading amount is accumulated through the process illustrated in FIG. 2, the search query checking unit 115 may generate n stock linkage keywords among the N stock linkage keywords. The amount of search queries generated per unit time for the check is determined (400).
만약 상기 도면2에 도시된 과정에서 주식 거래 예측 기준이 저장되었다면(405), 상기 주식 거래량 예측부(120)는 상기 검색 쿼리 발생량이 상기 주식 거래 예측 기준에 부합하는지 확인한다(410).
If the stock trading prediction criteria are stored in the process shown in FIG. 2 (405), the stock trading volume prediction unit 120 checks whether the search query generation amount meets the stock trading prediction criteria (410).
만약 상기 검색 쿼리 발생량이 상기 주식 거래 예측 기준에 부합하거나, 또는 상기 주식 거래 예측 기준이 저장되지 않았다면, 상기 검색 결과 확인부(135)는 상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 시간 내에 신규 등록된 검색 결과를 확인한다(420).
If the search query generation amount satisfies the stock trading prediction criterion, or if the stock trading prediction criterion is not stored, the search result confirming unit 135 within a specified time period among search results corresponding to the n stock linked keywords. The newly registered search result is checked (420).
본 발명의 일 실시 방법에 따라 상기 도면2에 도시된 과정을 통해 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계가 축적되어 있다면(425), 상기 거래 반응도 산출부(150)는 상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하고(430), 상기 주식 거래량 예측부(120)는 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계 및 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 별 주식 거래 반응도를 이용하여 상기 주식 거래 예측량을 산출하되, 상기 검색 결과에 포함된 문장 중 상기 n개의 주식 연동 키워드가 포함된 문장에 내포된 형용사의 형태소에 대한 긍정 또는 부정의 의미를 근거로 상기 산출되는 주식 거래 예측량을 주식 매도 예측량과 주식 매수 예측량으로 분기하여 산출하고(435), 거래 예측량 출력부(125)는 상기 산출된 주식 매도 예측량과 주식 매수 예측량을 도표 또는 그래프 형태로 출력하여 상기 산출된 주식 거래 예측량을 요청한 사용자 단말(165)로 제공한다(445).
According to an embodiment of the present invention, if the proportional relationship between N stock-linked keyword types and distribution, keyword occurrence frequency and actual stock trading amount is accumulated through the process illustrated in FIG. 2 (425), the transaction responsiveness calculator In operation 150, a stock trading responsiveness for each keyword including a stock trading sensitivity (or insensitivity) for the N stock linked keywords is calculated based on the accumulated proportional relationship (430). ) Is the search query generation information and the actual stock including one or more types of distribution of the search query generated in the search query and the search query generation during the predetermined time period, and at least one occurrence frequency of the keywords for the n stock linked keywords. By using the proportional relationship with the trading volume and the stock trading responsiveness of the n stock linked keywords included in the search query generation amount The stock trading forecast amount is calculated, and the stock trading forecast amount is calculated based on the meaning of affirmative or negative for the morpheme of the adjective contained in the sentence including the n stock linked keywords among the sentences included in the search result. The user may request the calculated stock trading forecast amount by branching and calculating the selling forecast amount and the stock purchase forecast amount (435), and the trading forecast output unit 125 outputs the calculated stock selling forecast amount and the stock purchase forecast amount in the form of a chart or graph. Provided to the terminal 165 (445).
본 발명의 다른 일 실시 방법에 따라 상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계가 축적되지 않았다면(425), 상기 주식 거래량 예측부(120)는 일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하되, 상기 검색 결과에 포함된 문장 중 상기 n개의 주식 연동 키워드가 포함된 문장에 내포된 형용사의 형태소에 대한 긍정 또는 부정의 의미를 근거로 상기 산출되는 주식 거래 예측량을 주식 매도 예측량과 주식 매수 예측량으로 분기하여 산출하고(440), 거래 예측량 출력부(125)는 상기 산출된 주식 매도 예측량과 주식 매수 예측량을 도표 또는 그래프 형태로 출력하여 상기 산출된 주식 거래 예측량을 요청한 사용자 단말(165)로 제공한다(445).
According to another exemplary embodiment of the present invention, if the proportional relationship between the N stock linked keyword types and distribution, keyword occurrence frequency, and actual stock trading amount has not been accumulated (425), the stock trading amount predicting unit 120 performs a predetermined time. A proportional relationship between search query occurrence information including at least one of the search query generation amount in the search query generation amount and the n stock linked keyword types and distribution included in the search query generation amount, and the frequency of occurrence of the keyword for the n stock linked keywords Calculating a stock trading forecast amount for the search query generation based on the meaning of affirmative or negative for the morpheme of the adjective included in the sentence including the n stock linked keywords among the sentences included in the search result The calculated stock trading forecast amount is divided into a stock selling forecast amount and a stock purchase forecast amount. In operation 440, the trade forecasting quantity output unit 125 outputs the calculated stock selling forecasting amount and the stock buying forecasting amount in a chart or graph form and provides the calculated stock trading forecasting amount to the requesting user terminal 165 (445). ).
105 : 검색서버 연동부 110 : 검색 서비스 제공부
115 : 검색 쿼리 확인부 120 : 주식 거래량 예측부
125 : 거래 예측량 출력부 130 : 비례 관계 축적부
135 : 검색 결과 확인부 140 : 키워드 저장부
145 : 기준 값 저장부 150 : 거래 반응도 산출부105: search server interworking unit 110: search service provider
115: search query check unit 120: stock trading volume prediction unit
125: transaction prediction amount output unit 130: proportional relationship accumulation unit
135: search result check unit 140: keyword storage unit
145: reference value storage unit 150: transaction responsiveness calculation unit
Claims (11)
상기 N개의 주식 연동 키워드 중 n(1≤n≤N)개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인하는 검색 쿼리 확인부;
일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하는 주식 거래량 예측부; 및
상기 주식 거래 예측량을 도표 또는 그래프로 출력하는 거래 예측량 출력부;를 구비하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 시스템.
A keyword storage unit for storing N (N ≧ 1) stock linked keywords associated with the company in which the stock was issued;
A search query confirming unit which checks the amount of search queries generated per unit time for n (1 ≦ n ≦ N) stock linked keywords among the N stock linked keywords;
Search query occurrence information and actual stock transaction volume including one or more types of the stock query keyword included in the search query, the search query generation over a predetermined time, the distribution and the frequency of occurrence of the keywords for the n stock linked keywords; A stock trading amount prediction unit configured to calculate a stock trading forecast amount with respect to the search query generation amount based on a proportional relationship of? And
And a trading forecast output unit for outputting the stock trading forecast in a chart or graph.
일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적하는 비례 관계 축적부를 더 구비하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 시스템.
The method of claim 1,
A stock trading volume prediction system using a search query further comprising a proportional relationship accumulator for accumulating a proportional relationship between a search query generation amount per unit time and a real stock trading amount for a predetermined time.
최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 저장하는 기준 값 저장부를 더 구비하며,
상기 주식 거래량 예측부는,
상기 확인된 검색 쿼리 발생량이 상기 주식 거래 예측 기준을 초과하는 경우에 상기 주식 거래 예측량을 산출하는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 시스템.
The method of claim 1,
And a reference value storage unit for storing a stock trading prediction criterion including at least one of a minimum search query generation amount, a required stock linkage keyword type to be included in the search query generation amount, and a minimum keyword occurrence frequency for the required stock linkage keyword. ,
The stock trading volume prediction unit,
The stock trading volume prediction system using the search query, characterized in that for calculating the stock trading forecast amount when the confirmed search query generation exceeds the stock trading prediction criteria.
상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계를 축적하는 비례 관계 축적부; 및
상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하는 거래 반응도 산출부;를 더 구비하며,
상기 주식 거래량 예측부는,
상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 별 주식 거래 반응도를 더 이용하여 상기 주식 거래 예측량을 산출하는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 시스템.
The method of claim 1,
A proportional relationship accumulator for accumulating the proportion of the N stock linked keyword types and distribution, the frequency of occurrence of the keyword, and the actual stock transaction volume; And
And a transaction responsiveness calculator for calculating a stock trading responsiveness for each keyword including a stock trading sensitivity (or insensitivity) for the N stock linked keywords based on the accumulated proportional relationship.
The stock trading volume prediction unit,
The stock trading volume prediction system using the search query, characterized in that to calculate the stock trading forecast further using the stock trading response for each of the n stock linked keywords included in the search query generation amount.
상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 기준 시간 이내에 등록된 검색 결과를 확인하는 검색 결과 확인부를 더 구비하며,
상기 주식 거래량 예측부는,
상기 검색 결과에 포함된 문장 중 상기 n개의 주식 연동 키워드가 포함된 문장에 내포된 형용사의 형태소에 대한 긍정 또는 부정의 의미를 근거로 상기 산출되는 주식 거래 예측량을 주식 매도 예측량과 주식 매수 예측량으로 분기하여 산출하는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 시스템.
The method of claim 1,
And a search result checking unit for checking a search result registered within a specified reference time among search results corresponding to the n stock linked keywords,
The stock trading volume prediction unit,
Quoting the calculated stock trading forecast amount based on the stock sale forecast and the stock purchase forecast based on the meaning of affirmative or negative for the morpheme of the adjective contained in the sentence including the n stock linked keywords among the sentences included in the search result. Stock trading volume prediction system using a search query, characterized in that to calculate.
상기 기업에 대한 기업명칭 및 부속기관명칭, 상기 기업의 브랜드명칭, 상기 기업에서 판매하는 하나 이상의 상품에 대한 상품명칭 및 상품종류, 상기 기업의 대표자성명 및 대표주주명칭, 상기 기업과 관련된 국가정책명칭 및 관계법령명칭과 일치하거나 또는 연관된 키워드를 하나 이상 포함하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 시스템.
The method of claim 1, wherein the stock linked keyword,
Company name and subsidiary name for the company, brand name of the company, product name and product type for one or more products sold by the company, representative name and representative shareholder name of the company, national policy name associated with the company And a search query volume prediction system comprising one or more keywords that match or are related to related laws.
주식이 발행된 기업과 관련된 N(N≥1)개의 주식 연동 키워드를 저장하는 단계;
상기 N개의 주식 연동 키워드 중 n(1≤n≤N)개의 주식 연동 키워드에 대한 단위시간 별 검색 쿼리 발생량을 확인하는 단계;
일정 시간 동안의 상기 검색 쿼리 발생량과 상기 검색 쿼리 발생량에 포함된 n개의 주식 연동 키워드 종류와 분포 및 상기 n개의 주식 연동 키워드에 대한 키워드 발생 빈도를 하나 이상 포함하는 검색 쿼리 발생 정보와 실제 주식 거래량과의 비례 관계를 근거로 상기 검색 쿼리 발생량에 대한 주식 거래 예측량을 산출하는 단계; 및
상기 주식 거래 예측량을 도표 또는 그래프로 출력하는 단계;를 포함하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 방법.
In the stock trading volume prediction method using a search query of a server capable of collecting search keywords,
Storing N (N ≧ 1) stock linked keywords associated with the company for which the stock was issued;
Confirming an amount of search queries generated per unit time for n (1 ≦ n ≦ N) stock linked keywords among the N stock linked keywords;
Search query occurrence information and actual stock transaction volume including one or more types of the stock query keyword included in the search query, the search query generation over a predetermined time, the distribution and the frequency of occurrence of the keywords for the n stock linked keywords; Calculating a stock trading forecast amount for the search query generation amount based on a proportional relationship of? And
Outputting the stock trading forecast amount in a chart or graph; Stock trading volume prediction method using a search query comprising a.
일정 시간 동안의 단위시간 별 검색 쿼리 발생량과 실제 주식 거래량에 대한 비례 관계를 축적하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 방법.
8. The method of claim 7,
And accumulating a proportional relationship between the amount of search queries generated per unit time and the actual stock trading volume for a predetermined time period.
최소 검색 쿼리 발생량과, 상기 검색 쿼리 발생량에 포함되어야 할 필수 주식 연동 키워드 종류 및 상기 필수 주식 연동 키워드에 대한 최소 키워드 발생 빈도를 하나 이상 포함하는 주식 거래 예측 기준을 저장하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 방법.
8. The method of claim 7,
And storing a stock trading prediction criterion including at least one minimum search query generation amount, a required stock linkage keyword type to be included in the search query generation amount, and one or more minimum keyword occurrence frequencies for the required stock linkage keyword. A stock trading volume prediction method using a search query.
상기 N개의 주식 연동 키워드 종류와 분포 및 키워드 발생 빈도와 실제 주식 거래량에 대한 비례 관계를 축적하는 단계; 및
상기 축적된 비례 관계를 근거로 상기 N개의 주식 연동 키워드에 대한 주식 거래 민감도(또는 둔감도)를 포함하는 키워드 별 주식 거래 반응도를 산출하는 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 방법.
8. The method of claim 7,
Accumulating a proportional relationship between the N stock linked keyword types and their distributions, keyword occurrence frequency, and actual stock trading volume; And
Calculating a stock trading responsiveness for each keyword including a stock trading sensitivity (or insensitivity) for the N stock linked keywords based on the accumulated proportional relationship; and using the search query further comprising: How to forecast stock volume.
상기 n개의 주식 연동 키워드에 대응하는 검색 결과 중 지정된 기준 시간 이내에 등록된 검색 결과를 확인하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 검색 쿼리를 이용한 주식 거래량 예측 방법.8. The method of claim 7,
And checking the search results registered within a predetermined reference time among the search results corresponding to the n stock linked keywords.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120082162A KR101954444B1 (en) | 2012-07-27 | 2012-07-27 | Method and System for Predicting Trading Volume of Stock using Query of Search |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120082162A KR101954444B1 (en) | 2012-07-27 | 2012-07-27 | Method and System for Predicting Trading Volume of Stock using Query of Search |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140015910A true KR20140015910A (en) | 2014-02-07 |
| KR101954444B1 KR101954444B1 (en) | 2019-03-06 |
Family
ID=50265183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120082162A KR101954444B1 (en) | 2012-07-27 | 2012-07-27 | Method and System for Predicting Trading Volume of Stock using Query of Search |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101954444B1 (en) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000058796A (en) * | 2000-06-29 | 2000-10-05 | 최영환 | Predict method of the stock value using internet |
| KR100775562B1 (en) * | 2006-08-25 | 2007-11-09 | 주식회사 디알에프앤 | Apparatus and method for prediction of stock price pattern using pattern table logic |
-
2012
- 2012-07-27 KR KR1020120082162A patent/KR101954444B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20000058796A (en) * | 2000-06-29 | 2000-10-05 | 최영환 | Predict method of the stock value using internet |
| KR100775562B1 (en) * | 2006-08-25 | 2007-11-09 | 주식회사 디알에프앤 | Apparatus and method for prediction of stock price pattern using pattern table logic |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101954444B1 (en) | 2019-03-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8538795B2 (en) | System and method of determining a retail commodity price within a geographic boundary | |
| JP5122115B2 (en) | Tracking the use of data elements in electronic business communications | |
| CN111401777B (en) | Enterprise risk assessment method, enterprise risk assessment device, terminal equipment and storage medium | |
| Jacobs et al. | Economic event detection in company-specific news text | |
| CN101950395A (en) | Marketing model is determined system | |
| WO2010017502A1 (en) | Automatically prescribing total budget for marketing and sales resources and allocation across spending categories | |
| CN113592566A (en) | Enterprise IT operation and maintenance service quotation method and digital SaaS quotation system | |
| CN109461023A (en) | It is lost user and retrieves method and device, electronic equipment, storage medium | |
| US20140379303A1 (en) | Identifying utility resource diversion | |
| CN105488163A (en) | Information pushing method and apparatus | |
| CN112579910A (en) | Information processing method, information processing apparatus, storage medium, and electronic device | |
| CN102496126B (en) | Custody asset transaction data monitoring equipment | |
| CN111524001A (en) | Method and device for predicting user credit line and related equipment | |
| CN109934693A (en) | Classification account checking method and system, storage medium, electronic equipment | |
| CN108876298A (en) | A kind of Gain sharing management method and system | |
| US20210027319A1 (en) | Method and system for collecting and analyzing data to generate performance forecasts for assets | |
| CN116957761A (en) | Data processing method and device, electronic equipment and computer readable storage medium | |
| JP2021128478A5 (en) | ||
| KR20140015910A (en) | Method and system for predicting trading volume of stock using query of search | |
| CN113034076B (en) | Logistics carrier object recommendation method and device, electronic equipment and storage medium | |
| JP2008305229A (en) | Demand forecast method and device | |
| KR101954131B1 (en) | An unmanned payment system | |
| Rather | Portfolio selection using mean-risk model and meanrisk diversification model | |
| KR101954129B1 (en) | Smart Communication FinTech Payment System | |
| KR101954133B1 (en) | Real time sart query service system |
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 |