KR20170089379A - 상황 인지형 판단 시스템 및 그 방법 - Google Patents

Abstract

상황 인지형 판단 시스템 및 그 방법이 개시된다. 본 발명의 일 측면에 따르면, 상황 인지형 판단 시스템은 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈 및 상기 종목의 시장상황정보에 기초하여 상기 종목의 매매를 위한 주문을 주문수신 시스템으로 출력하기 위한 제어모듈을 포함하며, 상기 제어모듈은 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 주문의 출력시점 또는 상기 주문의 주문가를 결정하는 주문판단을 수행하는 것을 특징으로 한다.

Description

상황 인지형 판단 시스템 및 그 방법{System and method for judging stock based on context recognition}

본 발명은 상황 인지형 판단 시스템 및 그 방법에 관한 것이다. 보다 상세하게는 전자거래에서 어떠한 상품에 대해 주문을 내고자 할 때 현재의 상황에 따라 효과적으로 판단할 수 있는 시스템 및 그 방법에 관한 것이다.

전자거래 상품(이하에서는 전자거래 상품 중에서도 금융상품, 특히 주식 종목을 예를 들어 설명하나 본 발명의 기술적 사상이 주식, 선물, 옵션, ETF 등 금융상품뿐만 아니라 원자재 등 전자적으로 거래가 이루어지는 모든 상품 매매에 적용될 수 있음은 본 발명이 속하는 기술분야의 평균적 전문가는 용이하게 이해할 수 있을 것이다.)을 거래함에서 있어서 매매주문 방법은 투자수익에 영향을 미친다.

예컨대, 매매가격에 따라 매매금액은 달라질 수 있다. 체결에 중점을 두고 매도가격으로 매수하는 경우 매매금액은 증가하게 되고, 반면에 낮은 가격으로 매수하려고 하면 매매가 완결되지 못하는 경우가 발생할 수 있다. 따라서 적절한 주문가에 적절한 수량의 매매를 적절한 타이밍에 출력하는 것은 주식 거래에 있어서 매우 중요한 일이며 투자수익에 큰 영향을 미친다.

이처럼 효과적인 주문방법이 매우 중요한 일임에도 불구하고, 대부분의 거래자는 주관적 판단과 시간적 조건에 따라 매매를 하고 있다.

따라서 주식을 매매함에 있어서 시장 상황을 고려하여 어떠한 종목을 매매할지 또는 어떠한 시기에 어떠한 주문가로 주문을 낼지를 객관적이고 합리적으로 판단할 필요성은 매우 크다. 특히 투자자의 주관적 판단을 배제할 필요가 있거나 주문을 수행할 시간의 제약이 있거나, 다수의 계좌를 관리하여야 하는 시스템 트레이딩 또는 로보어드바이저 등과 같은 투자환경에서는 더욱 그러하다.

한편, 주식시장에서 주식 가격은 여러 가지 요인에 의해 형성되지만, 그러한 요인들이 반영된 것이 매수와 매도의 힘이라고 할 수 있다. 따라서 주식 가격은 매수의 힘과 매도의 힘에 의해 가격이 결정된다고 할 수 있다. 통상 매수의 힘이 강하면 가격이 올라가고 매도의 힘이 강하면 가격이 내려간다. 따라서 주식시장에서 매수의 힘과 매도의 힘을 판단하고 그러한 시장 상황을 고려하여 주식주문을 실행할 필요성은 크게 요구된다. 그러나 시장 상황을 고려하여 주식주문을 실행하는 시스템 및 방법은 제공되지 않고 있다.

또한, 매매를 하기로 결정한 다음 주문을 실행할 때 시장 상황을 고려한 주문방법이 실행될 수도 있고, 시장 상황을 고려하여 특정 종목에 대한 매매의견이나 매매를 실행할 수도 있을 것이다. 예컨대, 매수의 힘이 상대적(시장 전체 또는 특정 종목이 속한 업종이나 테마 군과 상대 비교)으로 강한 종목을 매수 가능 종목으로 추출하거나, 또는 매도의 힘이 상대적으로 강한 종목을 매도 가능 종목으로 추출할 수도 있다. 특정 종목에 대한 절대적인 거래량이나 상승률 등으로 종목의 힘을 분석하는 경우들은 있지만, 시장 전체 또는 동일 업종이나 테마군과의 상대적인 비교를 통해 주식종목을 추출하는 방법이나 시스템은 알려지지 않고 있다.

한국특허 출원번호 10-2011-0068859 "주문 시스템 및 그 제공방법"

본 발명은 상기의 문제점을 해결하기 위해 안출된 발명으로써, 시장 상황을 분석하고 시장 상황에 따라 체계적이고 합리적으로 주문을 실행하는 시장 상황 인지형 전자거래 주문 방법 및 그 시스템을 제공하는 것이다. 또한 시장 상황 등과의 상대적인 힘을 분석하고 그 상대적 힘에 따라 매매할 전자거래 상품을 추출하는 시스템 및 그 방법을 제공하는 것이다.

본 발명의 일 측면에 따르면, 상황 인지형 판단 시스템은 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈 및 상기 종목의 시장상황정보에 기초하여 상기 종목의 매매를 위한 주문을 주문수신 시스템으로 출력하기 위한 제어모듈을 포함하며, 상기 제어모듈은 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 주문의 출력시점 또는 상기 주문의 주문가를 결정하는 주문판단을 수행하는 것을 특징으로 한다.

상기 제어모듈은 상기 시장상황정보 획득모듈에 의해 획득되는 시장의 체결패턴 또는 상기 종목에 대응되는 대응 종목군의 체결패턴에 더 기초하여 상기 주문판단을 수행할 수 있다.

상기 제어모듈은 상기 체결패턴을 소정의 기준 값과 비교하고 비교결과에 기초하여 상기 주문판단을 수행할 수 있다.

상기 제어모듈은 상기 호가잔량정보에 포함되는 적어도 하나의 호가에 대한 주문건별 잔량분포에 기초하여 상기 주문판단을 수행할 수 있다.

상기 제어모듈은 상기 시장의 체결패턴 또는 상기 대응 종목군의 체결패턴과 상기 종목의 체결패턴에 기초하여 상기 종목의 상대 체결패턴을 판단하고, 판단된 상대 체결패턴과 소정의 상대 기준 값을 비교하여 상기 주문판단을 수행할 수 있다.

상기 상황 인지형 판단 시스템은 상기 종목 또는 미리 설정된 적어도 하나의 타 종목의 과거 일정기간 동안의 과거 체결패턴, 상기 과거 체결패턴을 갖는 상황에서의 복수의 기준 값들 또는 복수의 주문판단과 이에 상응하는 주문결과를 학습 데이터로 학습하여, 상기 체결패턴에서의 상기 기준 값 또는 주문판단을 결정하는 학습모듈을 더 포함할 수 있다.

상기 상황 인지형 판단 시스템은 상기 종목 또는 미리 설정된 적어도 하나의 타 종목의 과거 일정기간 동안의 과거 상대 체결패턴, 복수의 상대 기준 값들 또는 복수의 주문판단, 및 이에 상응하는 주문결과를 학습 데이터로 학습하여, 현재의 상대 체결패턴에서의 상기 상대 기준 값 또는 주문판단을 결정하는 학습모듈을 더 포함할 수 있다.

상기 상황 인지형 판단 시스템은 과거의 적어도 하나의 호가의 잔량변화 및 복수의 주문판단과 이에 상응하는 주문결과를 학습데이터로 학습하여, 현재의 적어도 하나의 호가의 잔량변화에서의 주문판단을 결정하는 학습모듈을 더 포함할 수 있다.

상기 상황 인지형 판단 시스템은 과거의 적어도 하나의 호가에 대한 주문건별 잔량분포 및 복수의 주문판단과 이에 상응하는 주문결과를 학습데이터로 학습하여, 현재의 적어도 하나의 호가에 대한 주문건별 잔량분포에서의 주문판단을 결정하는 학습모듈을 더 포함할 수 있다.

상기 기술적 과제를 해결하기 위한 상황 인지형 판단 시스템은 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈 및 상기 종목의 시장상황정보에 기초하여 상기 종목의 매매여부를 결정하기 위한 제어모듈을 포함하며, 상기 제어모듈은 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 종목의 매매여부를 결정한다.

상기 기술적 과제를 해결하기 위한 상황 인지형 판단 시스템은 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈 및 상기 종목의 시장상황정보에 기초하여 상기 종목의 매매를 위한 주문을 주문수신 시스템으로 출력하기 위한 제어모듈을 포함하며, 상기 제어모듈은 상기 종목의 시장상황정보 중 상기 종목의 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임-과 시장의 체결패턴 또는 상기 종목에 대응되는 대응 종목군의 체결패턴에 기초하여 상기 종목의 상대 체결패턴을 판단하고, 판단된 상대 체결패턴에 기초하여 상기 종목의 주문판단을 수행하거나 상기 종목의 매매여부를 결정한다.

상기 기술적 과제를 해결하기 위한 상황 인지형 판단 방법은 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계 및 상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 주문수신 시스템으로 출력할 주문의 출력시점 또는 상기 주문의 주문가를 결정하는 주문판단을 수행하는 단계를 포함한다.

상기 기술적 과제를 해결하기 위한 상황 인지형 판단 방법은 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계 및 상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 종목의 매매여부를 결정하는 단계를 포함한다.

상기 기술적 과제를 해결하기 위한 상황 인지형 판단 방법은 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계 및 상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 상기 종목의 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임-과 시장의 체결패턴 또는 상기 종목에 대응되는 대응 종목군의 체결패턴에 기초하여 상기 종목의 상대 체결패턴을 판단하고, 판단된 상대 체결패턴에 기초하여 상기 종목의 주문판단을 수행하거나 상기 종목의 매매여부를 결정하는 단계를 포함한다.

상기 기술적 과제를 해결하기 위한 상황 인지형 판단 방법은 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계 및 상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 호가잔량정보에 포함되는 적어도 하나의 호가에 대한 주문건별 잔량분포에 기초하여 주문수신 시스템으로 출력할 주문의 출력시점 또는 상기 주문의 주문가를 결정하거나 상기 종목의 매매여부를 판단하는 단계를 포함한다.

상기의 방법은 데이터 처리장치에 설치되는 컴퓨터 프로그램에 의해 구현될 수 있다.

본 발명의 기술적 사상에 따르면, 시장상황을 체결강도 및/또는 호가잔량정보라는 지표를 이용하여 객관화하고, 이를 이용하여 합리적인 주문 수행 또는 종목의 선정이나 매도와 관련한 투자 판단을 할 수 있는 효과가 있다. 또한, 체결강도 및/또는 호가잔량정보와 더불어 거래량을 같이 반영하는 경우에는 보다 객관적으로 특정 종목의 현재 상황을 판단할 수 있는 효과가 있다.

또한, 현재의 체결강도(체결매수(매도호가로 매수하는 체결량), 체결매도(매수호가로 매도하는 체결량)를 분석한 매매강도이며, 체결강도는 하루의 누적적 거래량에 따른 체결강도를 의미할 수도 있지만 소정의 일정 시간(예컨대, 1분, 10분, 1시간 등)의 체결강도 또는 일정 거래 건수(예컨대, 10건, 100건 등)의 체결강도를 의미할 수도 있다.), 과거의 체결강도 또는 당일과 과거의 체결강도를 비교 분석하여 어떠한 종목을 매매할지 또는 특정 종목에 대한 주문판단을 수행함으로써 현재의 시장 상황을 합리적으로 고려할 수 있는 효과가 있다.

또한, 특정 종목의 체결패턴(체결강도 및/또는 거래량)이 시장 전체(또는 대응되는 적어도 하나의 유사 종목)의 상황에 의한 요인인지 또는 상기 특정 종목의 고유한 요인에 의한 것인지를 구분하여 종목의 선정 또는 매매주문의 주문판단을 수행함으로써 상기 특정 종목의 고유한 특성에 따른 합리적인 판단이 가능한 효과가 있다.

또한, 호가의 전체 잔량(적어도 하나의 호가의 잔량)뿐만 아니라 호가잔량을 주문건수별 주문잔량으로 분석(예컨대, 1만주의 매수가 있다고 할 때 8천주, 2천주로 이루어져 있는지, 또는 1천주 주문이 10건으로 되어 있는지 등)하여 동일 잔량이라 하더라도 호가 잔량 숫자에 내재되어 있는 매수와 매도의 세밀한 힘을 파악할 수 있는 효과가 있다.

또한, 매매할 종목의 선정이나 또는 매매주문의 주문판단을 수행할 때 어떠한 기준을 이용할지를 시장상황에 따라 적응적으로 판단함으로써 시장상황과 무관하게 획일적인 기준에 의한 판단이 아닌 시장상황에 따라 판단기준 자체를 적응적으로 변경할 수 있는 효과가 있다.

본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 간단한 설명이 제공된다.
도 1은 본 발명의 일실시 예에 따른 상황 인지형 판단 시스템의 개략적인 구성을 도시하고 있는 도면이다.
도 2는 본 발명의 일실시 예에 따른 상황 인지형 판단 시스템의 사용환경을 개략적으로 나타내는 도면이다.
도 3은 본 발명의 일실시 예에 따라 체결패턴을 이용하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시 예에 따라 시장 또는 대응 종목군의 체결패턴을 더 고려하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다.
도 5는 본 발명의 일실시 예에 따라 호가잔량정보를 이용하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시 예에 따라 호가잔량정보 중 주문건별 잔량분포를 이용하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 아니 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 명세서에 있어서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

또한, 본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터를 '전송'하는 경우에는 상기 구성요소는 상기 다른 구성요소로 직접 상기 데이터를 전송할 수도 있고, 적어도 하나의 또 다른 구성요소를 통하여 상기 데이터를 상기 다른 구성요소로 전송할 수도 있는 것을 의미한다. 반대로 어느 하나의 구성요소가 다른 구성요소로 데이터를 '직접 전송'하는 경우에는 상기 구성요소에서 다른 구성요소를 통하지 않고 상기 다른 구성요소로 상기 데이터가 전송되는 것을 의미한다.

이하, 첨부된 도면들을 참조하여 본 발명의 실시 예들을 중심으로 본 발명을 상세히 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.

도 1은 본 발명의 일실시 예에 따른 상황 인지형 판단 시스템의 개략적인 구성을 도시하고 있는 도면이다. 또한, 도 2는 본 발명의 일실시 예에 따른 상황 인지형 판단 시스템의 사용환경을 개략적으로 나타내는 도면이다.

도 1 및 도 2를 참조하면 본 발명의 기술적 사상이 구현되기 위해서는 상황 인지형 판단 시스템(이하, 판단 시스템, 100)이 구현될 수 있다. 상기 판단 시스템(100)은 본 발명의 기술적 사상에 따라 특정 종목의 주문가 또는 주문출력시점을 결정하는 주문판단을 수행할 수 있는 시스템을 의미할 수 있다. 또는 다양한 종목들 중 매매할 종목을 판단할 수 있는 시스템을 의미할 수 있다.

주문가를 결정한다고 함은, 예컨대, 현재의 시장상황정보에 따라 적응적으로 특정 종목의 현재가 또는 최우선 호가로 주문을 내거나 또는 현재가 또는 최우선 호가 대비 몇 호가 이하(이상)로 주문을 내는 것을 의미할 수 있다.

주문시점을 결정한다고 함은 예컨대, 매수의 경우에 현재의 시장상황은 매수세가 약하거나 매도세가 강한 상황이어서 매수의 주문시점을 늦출 필요가 있고, 적절한 매수세가 되거나 또는 매도세가 약한 상황이 된 시점을 주문시점으로 결정하는 것 등 시장상황에 따라 적응적으로 주문시점을 결정하는 것을 의미할 수 있다.

결국 본 발명의 기술적 사상은 특정 종목의 시장상황정보에 따라 주문가(또는 주문시점)를 조절함으로써 보다 좋은 조건으로 주문이 체결될 가능성을 높일 수 있고, 이러한 적응적이고 지능적인 주문 프로토콜은 투자수익률에 직접적인 영향을 미칠 수 있다.

매매할 종목을 판단한다고 함은 소정의 종목에 대해 매수할지를 판단하거나 또는 이미 보유하고 있는 종목의 매도여부를 판단함을 의미할 수 있다. 또한 상기 판단 시스템(100)은 매매여부를 판단한 종목의 주문을 생성 및/또는 생성된 주문을 소정의 주문수신 시스템(예컨대, 거래소 시스템 또는 거래 시스템(예컨대, 증권사 시스템, 10) 등)으로 출력하는 시스템을 의미할 수 있다.

판단 시스템(100)은 소정의 거래 시스템(10)에 포함되어 구현되거나 소정의 단말기(20)에 포함되어 구현될 수 있다. 상기 단말기(20)는 투자자가 직접 이용하는 단말기일 수도 있고, 투자자를 대신해 투자를 수행하는 서비스 주체(예컨대, 투자자산운용사 등)가 이용하는 단말기일 수도 있다. 상기 거래 시스템(10)은 본 발명의 기술적 사상에 따른 주문을 제공하는 시스템일 수 있다. 예컨대 상기 거래 시스템(10)은 증권사 시스템일 수도 있고, 구현 예에 따라 시스템 트레이딩을 수행하거나 투자자의 자산을 위탁받아 투자를 수행하는 시스템일 수도 있다. 상기 거래 시스템(10)은 상기 단말기(20)와 통신을 통해 본 발명의 기술적 사상을 구현할 수도 있고, 독자적으로 본 발명의 기술적 사상을 구현할 수도 있다.

상기 판단 시스템(100)이 상기 단말기(20)에서 구현되는 경우, 상기 판단 시스템(100)은 거래 시스템(10) 또는 주문수신 시스템의 접속서버의 외부에서 작동될 수도 있고(이 경우에는 상기 판단 시스템(100)은 상기 단말기(20)가 거래 시스템(10) 또는 주문수신 시스템에 접속하도록 하는 프로세스까지도 구현할 수도 있다.), 상기 단말기(20)가 거래 시스템(10) 또는 주문수신 시스템의 접속서버에 접속한 상태에서 거래 시스템(10)의 주문처리 시스템(주문을 처리하는 업무서버)으로 주문을 낼 수도 있다.

상기 판단 시스템(100)이 거래 시스템(10)의 내부에 포함되어 구현되는 경우 그 실시 예는 거래 시스템(10)의 조건에 따라 다양하게 실시될 수 있음은 물론이다.

상기 판단 시스템(100)은 본 발명의 기술적 사상을 구현하기 위한 소프트웨어 코드 및 상기 거래 시스템(10) 또는 상기 단말기(20)의 하드웨어가 유기적으로 결합되어 구현되는 시스템을 의미할 수 있다.

상기 거래 시스템(10)은 본 발명의 기술적 사상에 따라 매매의 대상이 되는 상품의 종목(예컨대, 주식, 선물, 옵션 등)의 시장상황정보(예컨대, 특정종목의 호가 관련 정보, 체결량, 체결비중, 체결강도에 대한 정보, 기타 매매주체나 매매창구 등 다양한 정보 등)를 수집, 및/또는 유지/관리할 수 있다. 그리고 이러한 시장상황정보를 상기 단말기(20)로 제공할 수도 있다. 또한, 시장상황정보는 현재의 특정 종목 또는 시장이나 특정 종목군의 상황을 나타내는 정보뿐만 아니라 과거의 특정 종목, 시장, 또는 특정 종목군의 상황을 나타내는 정보를 포함하는 의미일 수 있다.

상기 단말기(20)는 예컨대, 모바일 단말 또는 PC 등 다양한 디지털 시스템으로 구현될 수 있다. 상기 단말기(20)에는 본 발명의 기술적 사상을 구현하기 위한 소프트웨어 코드뿐만 아니라 상기 거래 시스템(10)으로부터 제공되는 종목정보, 시세변화, 호가, 체결강도 등의 다양한 시장상황정보를 수신하고 사용자에게 제공하기 위한 소정의 애플리케이션(예컨대, HTS(Home Trading System) 또는 MTS(Mobile Trading System) 등)이 설치될 수 있다. 상기 소프트웨어 코드는 상기 애플리케이션과 통신 또는 함수 호출 등의 미리 정해진 프로토콜이나 인터페이스를 통해 본 발명의 기술적 사상을 구현하기 위한 정보들을 송수신할 수 있다.

일예에 의하면 상기 판단 시스템(100)은 상기 거래 시스템(10) 또는 상기 투자자 단말기(20)에 설치(예컨대, 100-1)될 수도 있지만, 구현 예에 따라서는 상기 판단 시스템(100)의 일부의 구성은 상기 거래 시스템(10)에 설치되고 나머지 일부의 구성은 상기 단말기(20)에 설치되어 서로 필요한 정보를 송수신하면서 본 발명의 기술적 사상을 구현할 수도 있다.

상기 판단 시스템(100)은 본 명세서에서 정의되는 기술적 사상을 구현하기 위한 정보, 신호, 및/또는 인터페이스를 사용자에게 제공할 수 있다.

상기 판단 시스템(100)은 특정 종목에 대해 매매여부를 결정할 수 있고 또한 매매여부가 결정된 종목에 대해 주문판단을 수행하거나, 주문판단 결과에 따라 주문을 생성하고 이를 주문수신 시스템(예컨대, 상기 거래 시스템(10) 또는 거래소 시스템 등)으로 출력할 수 있다. 특정 종목에 대해 매매여부를 결정한다고 함은 복수의 종목들 중 매수할 종목을 결정하는 것을 포함하는 의미임은 물론이다.

이러한 기술적 사상을 구현하기 위한 본 발명의 판단 시스템(100)의 구체적인 구성은 도 1에 도시된 바와 같을 수 있다.

도 1에 도시된 바와 같이, 본 발명의 일실시 예에 따른 판단 시스템(100)은 제어모듈(110) 및 시장상황정보 획득 모듈(120)을 포함한다. 상기 판단 시스템(100)은 학습모듈(130)을 더 포함할 수도 있다.

본 발명의 실시 예에 따라서는, 상술한 구성요소들 중 일부 구성요소는 반드시 본 발명의 구현에 필수적으로 필요한 구성요소에 해당하지 않을 수도 있으며, 또한 실시 예에 따라 상기 판단 시스템(100)은 이보다 더 많은 구성요소를 포함할 수도 있음은 물론이다.

상기 판단 시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 필요한 하드웨어 리소스(resource) 및/또는 소프트웨어를 구비할 수 있으며, 반드시 하나의 물리적인 구성요소를 의미하거나 하나의 장치를 의미하는 것은 아니다. 즉, 상기 판단 시스템(100)은 본 발명의 기술적 사상을 구현하기 위해 구비되는 하드웨어 및/또는 소프트웨어의 논리적인 결합을 의미할 수 있으며, 필요한 경우에는 서로 이격된 장치에 설치되어 각각의 기능을 수행함으로써 본 발명의 기술적 사상을 구현하기 위한 논리적인 구성들의 집합으로 구현될 수도 있다.

또한, 상기 판단 시스템(100)은 본 발명의 기술적 사상을 구현하기 위한 각각의 기능 또는 역할별로 별도로 구현되는 구성들의 집합을 의미할 수도 있다. 예를 들면, 상기 제어모듈(110), 시장상황정보 획득 모듈(120), 및/또는 학습모듈(130) 등은 동일한 물리적 장치에 위치할 수도 있고 다른 물리적 장치에 위치할 수도 있다. 상기 제어모듈(110), 시장상황정보 획득 모듈(120), 및/또는 상기 학습모듈(130)이 다양한 방식으로 다른 물리적 장치에 위치하는 경우, 다른 물리적 장치에 위치한 구성들이 서로 유기적으로 결합되어 각각의 모듈들이 수행하는 기능을 실현할 수도 있다.

또한, 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예를 들면, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.

상기 모듈들 각각을 구현하기 위한 소프트웨어 또는 프로그램이 저장될 수 있는 기록매체(저장매체)와 상기 소프트웨어를 실행할 수 있는 프로세서가 유기적으로 결합되어 본 발명의 기술적 사상에 따른 상기 판단 시스템(100)을 구현할 수 있음은 물론이다.

상기 제어모듈(110)은 상기 판단 시스템(100)에 포함된 다른 구성들(예컨대, 시장상황정보 획득 모듈(120), 및/또는 상기 학습모듈(130) 등)의 기능 및/또는 리소스를 제어할 수 있다.

상기 시장상황정보 획득 모듈(120)은 외부로부터 시장상황정보를 수집할 수 있다.

상기 시장상황정보는 매매여부를 결정할 종목을 선정하기 위해 이용하거나 결정된 종목의 주문판단을 수행하기 위해 이용될 수 있는 어떠한 정보라도 포함하는 의미일 수 있다.

일예에 의하면, 상기 시장상황정보는 호가관련 정보 및/또는 체결관련 정보를 포함할 수 있다. 또한, 필요한 경우 매매주체별 또는 매매창구별 데이터나 투자자의 계좌정보를 더 포함할 수도 있다. 상기 호가관련 정보는 예컨대, 종목의 호가들, 호가들 각각에 상응하는 호가잔량, 호가순위, 주문건별 주문량 등에 대한 정보를 포함할 수 있다.

상기 체결정보는 상기 종목의 체결강도, 체결량 또는 거래량, 및/또는 시간에 따른 체결량의 분포 즉, 체결분포 등을 포함할 수 있다.

상기 계좌정보는 본 발명의 기술적 사상에 따른 판단 방법의 결과가 귀속되는 투자자의 계좌에 대한 정보를 의미할 수 있으며, 예컨대, 매매할 종목의 목표 거래량, 및/또는 현재까지의 체결량(또는 목표 거래량 대비 매매달성률) 등에 대한 정보일 수 있다. 예컨대, 본 발명의 기술적 사상이 복수의 계좌들을 위해 주문을 수행하는 상황에 적용될 경우, 상기 판단 시스템(100)은 복수의 계좌들 전체 또는 일부에 대해 매매할 종목을 결정할 수 있다. 또한 매매가 결정된 종목의 전체 매매량을 먼저 결정한 후, 결정된 전체 매매량 중 각각의 계좌들이 매매할 계좌별 목표 매매량을 산출하고 이에 따라 개별 계좌별로 주문을 출력할 수도 있다. 구현 예에 따라서는 상기 판단 시스템(100)은 계좌별 목표 매매량을 먼저 산정한 뒤, 계좌별 목표 매매량의 합을 이용해 전체 매매량을 산정할 수도 있다.

주문 방식도 개별 계좌별로 매매를 실행할 수도 있고, 또는 가상계좌를 이용하든 기타 다른 방식으로 전체 매매를 실행할 수도 있는데 이러한 경우 매매결과를 다시 각각의 계좌별로 안분하여 분배하는 방식이 적용될 수 있다.

또한, 상기 시장상황정보는 특정 종목의 시장상황정보뿐만 아니라, 시장 전체의 시장상황정보 또는 상기 특정 종목에 대응되도록 설정된 적어도 하나의 종목(예컨대, 유사한 종목군 등)의 시장상황정보를 포함할 수도 있다. 또한 이들의 과거의 소정 기간 동안의 시장상황정보를 포함할 수도 있다.

이러한 시장상황정보에 기초하여 상기 제어모듈(110)은 본 발명의 기술적 사상에 따라 주문판단을 수행하거나 매매할 종목을 결정하고, 이에 따른 주문을 출력할 수 있다. 또한 주문을 출력하기 위해 한 번의 주문을 출력할 수도 있지만 목표하는 매매량을 매매하기 위해 복수 번의 분할주문을 출력할 수도 있다. 각각의 분할주문들의 출력은 시간간격을 두고 순차적으로 수행될 수 있고, 상기 시간간격 역시 상기 시장상황정보에 기초하여 능동적으로 변경될 수 있다. 구현 예에 따라서는 먼저 출력된 선순위 분할주문의 체결여부에 따라 상기 시간간격이 조절될 수도 있다.

본 발명의 기술적 사상은 전술한 바와 같이 현재의 시장상황정보에 기초하여 적응적으로 특정 종목에 대한 주문판단을 수행할 수 있다. 특히 본 발명의 기술적 사상에 의하면, 상기 제어모듈(110)은 현재의 시장상황정보로써 특정 종목의 체결패턴 및/또는 호가잔량정보를 이용하여 주문판단을 수행할 수 있다. 체결패턴은 체결강도를 의미할 수도 있고, 체결강도와 더불어 거래량을 종합적으로 고려하는 유의미한 정보일 수도 있다. 통상 체결강도는 체결매수(매도호가로 매수하는 주식량)/체결매도(매수호가로 매도하는 주식량)로, 해당 종목의 매수세가 강한지 또는 매도세가 강한지를 판단할 수 있는 정보일 수 있다.

호가잔량정보는 주문가 및 주문량을 나타내는 정보일 수 있다. 매수호가잔량이 많다고 하면 대기 매수세가 강하다고 할 수 있으며, 매도호가잔량이 많다고 하면 대기 매도세가 강하다고 할 수 있다. 특히 최우선호가잔량이 많으면 더욱 그러하다고 할 수 있다. 또한, 동일한 매수호가잔량이라 하더라도 몇 개의 주문건수들로 이루어졌는지에 따라 매수의 힘이 달라질 수 있다. 본 발명에서의 호가잔량정보는 주문건별 주문량의 정보를 포함할 수 있다.

따라서 본 발명의 기술적 사상에 의하면 체결패턴 및/또는 호가잔량정보에 기초하여 주문판단을 수행함으로써 현재의 시장상황을 객관적으로 판단하고 그에 따른 주문판단을 수행할 수 있다.

한편, 종래의 일반적인 체결강도는 거래당일의 시장이 개장된 시점부터 현재시점까지의 누적적인 정보인 것이 일반적이다. 하지만, 본 명세서에서 정의되는 체결강도는 종래의 체결강도뿐만 아니라 특정 시간 구간(예컨대, 1분, 10분, 1시간 등)만의 체결강도 또는 일정 거래 건수(예컨대, 10건, 100건 등)나 일정 거래량(예컨대, 최근 거래된 5천주, 1만주, 2만주 등)의 체결강도를 의미할 수도 있다. 이를 위해 상기 시장상황정보 획득모듈(120)은 외부로부터 특정 시간 구간만의 또는 특정 거래 건수나 특정 거래량의 체결매수에 대한 정보 및 체결매도에 대한 정보도 획득할 수 있도록 구현될 수도 있다.

본 발명의 기술적 사상에 따르면 다양한 시장상황정보 중에서 특히 종목의 체결강도가 해당 종목의 주문판단 및/또는 매매여부를 결정하는데 주요한 고려요소가 될 수 있다. 또한 상기 판단 시스템(100)은 체결강도와 함께 거래량을 더 고려하여 상기 종목의 주문판단 및/또는 매매여부를 결정할 수도 있다.

또한, 구현 예에 따라서는 상기 종목이 아닌 전체 시장 또는 상기 종목과 동일 또는 유사하다고 분류된 적어도 하나의 종목 즉, 대응 종목군의 체결강도가 더 고려될 수도 있다.

실시 예에 따르면, 체결강도가 소정의 기준 값 이상(또는 이하)이면 현재가(또는 최우선 호가)대비 일정호가 차이로 주문가를 결정할 수 있다. 또는 체결강도가 소정의 기준 값 이상(또는 이하)이면 주문을 추후 소정의 시기(예컨대, 체결강도가 기준 값 이하(또는 이상)가 되는 시기)에 출력하도록 결정할 수도 있다.

예컨대, 체결강도를 확인하여 특정 종목의 매수세가 매우 강하다고 판단된 경우에는 해당 종목의 가격이 상승할 가능성이 클 수 있다. 따라서 매수인 경우에는 체결매수가 되도록 최우선매도호가를 주문가로 결정할 수 있다. 주문시기는 즉시 주문을 출력하도록 결정할 수 있다. 반면에 매도인 경우에는 최우선매도호가로 주문을 내지 않고 일정 호가 위로 주문을 내든지 아니면 주문시기를 뒤로 미룰 수 있다.

또 다른 실시 예로, 체결강도를 확인하여 특정 종목의 매도세가 매우 강하다고 판단된 경우에는 해당 종목의 가격이 하락할 가능성이 클 수 있다. 따라서 매수인 경우에는 최우선매수호가로 주문을 내지 않고 일정 호가 아래로 주문을 내든지 아니면 주문시기를 뒤로 미룰 수 있다. 반면에 매도인 경우에는 체결매도가 되도록 최우선매수호가로 주문가를 결정할 수 있다. 주문시기는 즉시 출력하도록 결정할 수 있다.

체결강도에 따라 이처럼 특정 종목의 주문가 또는 주문시점을 적응적으로 결정하는 것은 좋은 가격조건으로 체결이 되도록 할 가능성을 높일 수 있는 효과가 있다.

체결강도에 따른 특정 종목의 매수세 또는 매도세의 강약의 판단 역시 소정의 기준 값을 통해 이루어질 수 있다. 예컨대, 체결강도는 통상 체결매수/체결매도이므로 1.5(또는 150%)라고 하면 체결매도량이 1만주가 거래되는 동안 체결매수는 1만5천주가 거래됨을 뜻한다(본 발명에서의 체결강도를 판단하는 그 기준 시간은 전술한 바와 같이 당일의 누적거래량을 말할 수도 있고, 또는 특정 시간(예컨대, 1분, 10분 등) 동안의 체결매수/체결매도일 수 있음은 물론이다.) 반면에 0.5(또는 50%)라고 하면 체결매수는 1만주인데 비해 체결매도는 2만주가 거래됨을 뜻할 수 있다.

예컨대, 상기 기준 값은 단순히 하나의 값일 수 있고, 상기 기준 값은 복수의 값들을 포함하여 체결강도를 미리 정해진 복수의 분류로 구분할 수도 있다. 그리고 각각의 기준 값에 상응하는 주문가 결정전략 또는 주문시점의 결정 전략이 미리 정의되어 있을 수 있다.

예컨대, 제1기준 값 하나를 기준으로 체결강도가 상기 제1기준 값 이상이면 미리 정해진 주문가(또는 주문시점) 결정전략대로 주문가 또는 주문시점을 결정하고 제1기준 값 미만이면 여기에 대응되는 주문가(또는 주문시점) 결정전략대로 주문가 또는 주문시점을 결정할 수 있다. 예컨대, 상기 제1기준 값 이상인 경우 매수세가 강하므로 미리 대응되도록 정해진 주문가(예컨대, 매수시 최우선매도호가, 매도시 최우선 매도호가 대비 미리 정해지 호가만큼 높은 호가)를 주문가로 결정할 수 있다. 또는 미리 대응되도록 정해진 주문출력시점(예컨대, 매수시 즉시, 매도시 체결강도가 일정조건을 만족하시는 시기)을 주문 출력시점으로 결정할 수 있다.

그러면 제1기준 값(예컨대, 0.5(또는 50%) 및 제2기준 값(예컨대, 1.5(또는 150%))이 미리 정의될 수 있고, 제1기준 값 미만에서의 주문가(또는 주문시점) 결정전략, 제1기준 값 이상 제2기준 값 미만에서의 주문가(또는 주문시점) 결정전략, 및 제2기준 값 이상에서의 주문가(또는 주문시점) 결정전략이 각각 결정될 수도 있다.

한편, 본 발명의 기술적 사상은 체결강도뿐만 아니라 거래량까지 고려하여 적응적으로 주문가(또는 주문시점)를 결정할 수도 있다.

상기 판단 시스템(100)에 포함된 제어모듈(110)이 상기 거래량과 체결강도를 고려한다고 함은, 체결강도뿐만 아니라 특정 종목의 거래량이 어떠한 상황인지를 고려함을 의미할 수 있다. 거래량이 어떠한 상황인지는 특정 종목의 절대적인 거래량 수치일 수도 있지만, 해당 종목의 거래량이 많은지 또는 적은지 여부를 객관적으로 판단할 수 있는 다양한 방식의 지표를 의미할 수 있다. 예컨대, 특정 종목의 거래량 상황을 최근 일정 기간(1일, 1주일 등 일자뿐만 아니라 10분, 30분, 1시간 등 시간 단위일 수도 있음) 동안의 비교기준 거래량 대비 일정비율 이상 많은지 또는 적은지를 의미할 수 있다. 또는 특정 종목의 전체 주식수 대비 거래량 등을 의미할 수도 있다.

따라서 거래량을 고려한다고 함은 해당 종목이 거래량이 비교기준 거래량 대비 증가(또는 감소)하는 상황인지 여부를 소정의 기준으로 객관적으로 판단하는 것을 의미할 수 있다.

예컨대, 최근 1시간의 거래량이 직전 1시간의 거래량 대비 또는 5일 평균 동일 시간의 거래량 대비 일정 비율(예컨대, 150%) 이상이면서 매수세가 강한 경우에는 실제로 거래량이 뒷받침되면서 매수세가 강한 경우일 수 있고, 이러한 경우에는 주가의 상승확률이 더욱 높다고 판단할 수 있다. 따라서 이러한 상황에서 대응되는 주문판단전략(주문가 전략 또는 주문시기 전략)이 미리 정해져 있을 수 있고, 상기 제어모듈(110)은 미리 정해진 주문판단전략대로 주문판단을 수행할 수 있다. 그런데 체결강도가 동일한 정도라도 거래량이 소정의 비교기준 거래량 대비 일정비율 이하라면, 거래량이 소정의 비교기준 거래량대비 일정 비율 이상일 때와는 다른 주문판단전략이 이용될 수도 있다.

이처럼 거래량과 체결강도를 복합적으로 고려하여 주문판단을 수행하는 개념은 도 3을 참조하여 설명하도록 한다.

도 3은 본 발명의 일실시 예에 따라 체결패턴을 이용하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다.

도 3을 참조하면, S_A는 A종목의 체결강도를 의미할 수 있고, S1, S2, S3 등은 체결강도의 기준 값들을 나타내는 표시일 수 있다.

또한 M_A는 A종목의 거래량을 나타내는 지표일 수 있다. 여기서 상기 M_A는 전술한 바와 같이 단순히 거래량의 절대적 수치가 아니라 비교기준 거래량 대비 일정 비율을 나타내는 지표일 수 있다. 예컨대 비교기준 거래량(과거 일정기간) 대비 현재의 거래량의 비율이 상기 M_A일 수 있다. 또는 전체 주식수 대비 거래량이 상기 M_A일 수 있다. 기타 해당 종목의 거래량이 많은지 또는 적은지 등을 단순하게 절대적인 거래량에 따라 판단하거나 또는 다양한 거래량 지표가 정의될 수 있음은 물론이다. M1, M2, M3 등은 이러한 거래량 지표의 기준 값일 수 있다.

그리고 이러한 체결강도 기준 값들 및 거래량 기준 값들에 의해 정의되는 현재의 특정 종목의 시장상황에 따른 주문판단전략이 도 3에 도시된 바와 같이 정의될 수 있다. 주문판단전략은 도 3에서는 제1주문판단전략, 제2주문판단전략, 및 제3주문판단전략이 사용되는 경우를 예시하고 있지만 구현 예에 따라 더 세분화될 수도 있다. 예컨대 상기의 주문판단전략들은 최우선 호가로 주문하는 전략, 차우선 호가로 주문하는 전략, 차차우선 호가로 주문하는 전략 등을 포함하는 주문가 전략 및/또는 즉시 주문, 일정 시간 후 주문, 또는 체결강도나 거래량이 일정조건이 되면 주문 등을 포함하는 주문시점전략을 포함할 수 있다.

또한, 각각의 기준 값들 역시 도 3에는 3개인 것을 일예로 도시하였지만, 구현 예에 따라서는 이보다 적거나 많을 수도 있음은 물론이다.

한편, 본 발명의 기술적 사상은 해당 종목의 체결패턴 즉, 체결강도 및/또는 거래량뿐만 아니라 시장 전체의 체결패턴 또는 해당 종목에 대응되도록 설정된 적어도 하나의 종목 즉, 대응 종목군의 체결패턴을 더 고려하여 해당 종목의 매매여부를 결정할 수도 있다.

이는 해당 종목의 특성으로 인해 해당 종목의 체결패턴이 나타나는 것인지, 시장 전체 또는 대응 종목군의 특성에 의해 그러한 체결패턴이 나타나는 것인지를 분석하는 것이 유의미한 정보일 수 있기 때문이다. 예컨대 특정종목의 매수세가 강하다고 판단된 경우라도 시장 전체 또는 대응 종목군 역시 매수세가 강한 경우에는 이는 해당 종목만의 경향이 아니라 전체 시장 또는 종목군의 경향에 의한 매수세일 수 있다. 또는 시장 전체 또는 대응 종목군에 상관없이 특정 종목의 매수세가 강하게 나타날 수도 있다. 따라서 특정 종목의 현재의 체결패턴이 시장 또는 대응 종목군에 의한 체결패턴인지 또는 해당 종목만의 요인에 의한 체결패턴인지에 따라 주문판단을 달리 결정하는 것은 유의미할 수 있다.

예컨대, 시장 전체 또는 대응 종목군은 거래량 지표가 크지 않고 체결강도도 강하지 않은 반면 상기 특정 종목은 거래량 지표가 상대적으로 크거나 체결강도가 상대적으로 강한 경우에는, 상기 특정 종목만의 요인에 의한 체결패턴이 크다고 판단될 수 있고 이는 상기 특정 종목을 적극적으로 매수하는 것이 보다 높은 수익률을 획득하는 것이 가능함을 의미할 수도 있다. 따라서 공격적인 주문판단전략(예컨대, 최우선 매수호가(또는 시장가)로 즉시 주문)이 이용될 수 있다. 이처럼 시장 전체 또는 대응 종목군의 체결패턴과 특정 종목의 체결패턴을 함께 고려하여 주문판단을 수행하는 것은 매우 효과적일 수 있다.

이러한 일예는 도 4를 참조하여 설명하도록 한다.

도 4는 본 발명의 일실시 예에 따라 시장 또는 대응 종목군의 체결패턴을 더 고려하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다.

도 4를 참조하면, S_M은 시장 전체(또는 대응 종목군)의 체결강도를 나타내는 지표이고 S_A는 A 종목의 체결강도를 나타내는 지표일 수 있다. 또한 M_M은 시장 전체(또는 대응 종목군)의 거래량 지표를 나타낼 수 있고, M_A는 A 종목의 거래량 지표를 나타낼 수 있다.

이러한 경우의 실시 예에 의하면, 시장 전체(또는 대응 종목군)의 영향을 제외한 순수한 A 종목 자체의 특성에 의한 체결강도(이하, 상대 체결강도)를 나타낼 수 있는 지표 및 A 종목 자체의 특성에 의한 거래량 지표(이하, 상대 거래량 지표)를 나타낼 수 있는 지표가 정의될 수 있다. 본 발명의 실시 예에 의하면, 단순히 S_A-S_M과 같이 해당 종목의 체결강도에서 시장 전체(또는 대응 종목군)의 체결강도를 뺀 지표값이 A 종목 자체의 특성에 의한 체결강도 지표로 정의될 수 있지만 이외에도 다양한 방식으로 A 종목 자체의 특성에 의한 체결강도 지표가 정의될 수 있다. 또한 거래량 지표 역시 본 발명의 기술적 사상에 의하면 단순히 M_A-M_M과 같이 A 종목의 거래량 지표에서 단순히 시장 전체(또는 대응 종목군)의 거래량 지표를 뺀 값이 A 종목 자체의 특성에 의한 거래량 지표로 정의될 수도 있지만, 이외에도 다양한 방식으로 A 종목 자체의 특성에 의한 거래량 지표가 정의될 수도 있다.

그리고 A 종목 자체의 특성에 의한 체결강도 지표가 강한지 또는 약한지 여부를 판단하기 위한 적어도 하나의 상대 기준 값(예컨대, S4, S5, S6)이 정의될 수도 있다. 또한 A 종목 자체의 특성에 의한 거래량 지표가 많은지 또는 적은지 여부를 판단하기 위한 적어도 하나의 상대 기준 값(예컨대, M4, M5, M6)이 정의될 수도 있다. 그리고 이러한 상대 체결강도의 기준 값(S4, S5, S6) 및 상대 거래량 지표의 기준 값(M4, M5, M6)에 의해 A 종목의 시장상황에 따른 주문판단전략이 미리 정의될 수 있다. 이러한 매매여부 판단전략은 도 3에서와 같이 제1주문판단전략, 제2주문판단전략, 제3주문판단전략이거나 이보다 많은 주문판단전략 등이 미리 정의되어 이용될 수 있다.

한편, 본 발명의 기술적 사상에 따른 판단 시스템(100)은 호가잔량정보를 이용하여 주문판단을 수행할 수도 있다. 전술한 바와 같이 호가잔량정보는 특정 종목의 호가(예컨대, 현재가 및 현재가를 기준으로 아래위 10호가 등) 정보 및 각 호가의 잔량에 대한 정보(호가의 잔량에 대한 정보는 적어도 하나의 호가의 주문량 전체 잔량에 대한 정보 및/또는 전체 잔량을 주문건별 주문수량으로 분석한 정보일 수 있다.)를 포함하는 의미일 수 있다.

이러한 호가잔량정보는 투자자들의 주문판단 즉, 현재가를 기준으로 어떠한 호가로 주문을 냈는지 그리고 얼마만큼의 주문량을 해당 호가에 냈는지를 알 수 있는 중요한 정보일 수 있다.

본 발명의 일실시 예에 의하면, 상기 제어모듈(110)은 상기 호가잔량정보에 포함된 적어도 하나의 호가의 잔량변화에 기초하여 상기 주문판단을 수행할 수도 있다. 또한, 상기 제어모듈(110)은 상기 호가잔량정보에 포함된 주문건별 잔량분포에 기초하여 상기 주문판단을 수행할 수도 있다.

이처럼 호가잔량정보를 이용하여 주문판단을 수행하는 개념은 도 5를 참조하여 설명하도록 한다.

도 5는 본 발명의 일실시 예에 따라 호가잔량정보를 이용하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다. 도 5는 매수 호가잔량정보만을 예시적으로 도시하고 있지만, 매도의 경우에도 동일한 기술적 사상이 적용될 수 있음은 물론이다.

먼저 도 5a 및 도 5b를 참조하면, 소정의 시점에서 호가잔량정보는 도 5a 또는 도 5b에 도시된 바와 같을 수 있다.

즉, 도 5a에 도시된 바와 같이 최우선매수호가가 상대적으로 가장 많은 잔량을 가지며, 차우선매수호가는 최우선 매수호가에 비해 일정비율만큼 작은 잔량을 가지고 있을 수 있고, 그 다음 매수호가는 차우선매수호가에 비해 또 일정비율만큼 작은 잔량을 가지고 있을 수 있다.

이와는 반대로 도 5b에 도시된 바와 같이 최우선매수호가가 상대적으로 가장 작은 잔량을 가지며, 차우선매수호가는 최우선 매수호가에 비해 일정비율만큼 큰 잔량을 가지고 있을 수 있고, 그 다음 매수호가는 차우선매수호가에 비해 또 일정비율만큼 큰 잔량을 가지고 있을 수 있다.

이처럼 시장상황에 따라 호가잔량정보는 변화될 수 있는데, 상기 제어모듈(110)은 일정 시간 내에 이루어지는 적어도 하나의 호가의 잔량변화 정보에 기초하여 주문판단을 수행할 수도 있다. 예컨대, 소정의 시간 내에 도 5c와 같은 호가잔량 상태에서 도 5d와 같은 호가잔량 상태로 변화될 수 있다. 즉, 최우선 매수호가만이 일정 비율 이상 증가할 수 있다.

또는 소정의 시간 내에 도 5c와 같은 호가잔량 상태에서 도 5e와 같은 호가잔량 상태로 변화가 이루어질 수도 있다. 즉, 최우선 매수호가가 일정 비율 이상 증가함과 동시에 차우선 매수호가는 일정 비율 이상 줄어들 수도 있다.

이와 같이 상기 제어모듈(110)은 소정의 시간 동안 이루어진 적어도 하나의 호가별 잔량변화를 비율 또는 수치 등 다양한 방식으로 객관화된 지표로 표현할 수 있다.

그리고 이러한 적어도 하나의 호가의 잔량변화에 기초하여 주문판단을 수행할 수 있다. 예컨대, 호가 잔량의 변화가 가장 큰 호가를 기준으로 해당 호가 또는 해당 호가 대비 몇 호가를 주문가로 결정하거나, 또는 연속된 두 호가의 잔량변화가 일정 기준을 만족하는 경우 상기 두 호가 중 어느 한 호가(또는 상기 어느 한 호가 대비 몇 호가)를 주문가로 결정할 수도 있다. 또는 복수의 호가들 각각의 호가잔량 변화의 분포를 이용하여 소정의 방식으로 주문가를 결정할 수도 있고, 후술할 바와 같이 일정 시간 동안의 호가잔량 변화가 있는 경우 어떤 주문가를 선택하는 경우에 가장 좋은 주문결과가 있었는지를 과거의 데이터를 이용해 학습을 수행하여, 현재의 호가잔량 변화에서 선택할 주문가를 결정할 수도 있다.

호가잔량 변화가 주문판단의 중요한 고려요소가 되는 것은 다수의 투자자들의 주문판단이 호가잔량변화에 반영되어 표현될 수 있기 때문이다.

또한, 이러한 호가잔량 변화는 독자적으로 주문판단을 수행하는데 이용될 수도 있지만, 체결패턴과 같이 고려되어 주문판단이 수행될 수도 있다.

한편 본 발명의 기술적 사상에 따른 호가잔량정보는 적어도 하나의 호가에 대한 주문건별 잔량분포를 포함할 수 있으며, 상기 제어모듈(110)은 이러한 주문건별 잔랑분포를 이용하여 주문판단을 수행할 수도 있다. 이러한 일예는 도 6을 참조하여 설명하도록 한다.

도 6은 본 발명의 일실시 예에 따라 호가잔량정보 중 주문건별 잔량분포를 이용하여 주문판단을 수행하는 개념을 설명하기 위한 도면이다. 도 6은 매수 호가잔량정보만을 예시적으로 도시하고 있지만, 매도의 경우에도 동일한 기술적 사상이 적용될 수 있음은 물론이다.

먼저 도 6a를 참조하면, 소정의 시점에서 호가잔량정보에 포함된 주문건별 잔량분포는 도 6a에 도시된 바와 같을 수 있다.

도 6a에 도시된 바와 같이 최우선매수호가에는 소정의 잔량(예컨대, 1만주, 30)이 있을 수 있다. 특정호가(예컨대, 최우선매수호가 또는 차우선 매수호가 등)의 잔량이 이처럼 일정량(예컨대, 1만주)이라고 함은, 상기 특정호가대로 체결을 대기하고 있는 주문수량이 상기 일정량(예컨대, 1만주)만큼 존재함을 의미할 수 있다.

하지만 동일한 수량의 잔량을 가지고 있다고 하더라도 주문건별 잔량분포에 따라 매수세의 힘(또는 매도세의 힘)은 다를 수 있다. 예컨대, 도 6a에 도시된 바와 같이 최우선매수호가의 잔량이 1만주인 경우라도 상기 1만주의 잔량은 2개의 주문에 의한 잔량(예컨대, 어느 하나의 주문의 주문량(31)은 예컨대 8천주이고, 다른 하나의 주문량(32)은 예컨대 2천주)일 수 있다. 또한 특정 호가의 잔량의 일정비율 이상이 하나 또는 몇 개의 주문 건들의 주문량에 의해 이루어질 수도 있다.

이에 비하여 도 6b에 도시된 바와 같이, 최우선매수호가의 잔량(50)이 상기의 예와 같은 1만주인 경우라도 상기 잔량(50)은 상대적으로 다수의 주문 건들 각각의 주문량(51, 52, 53, 54, 55)으로 이루어진 잔량일 수도 있다. 예컨대, 각각의 주문 건들 각각의 주문량(51, 52, 53, 54, 55)은 2천주일 수도 있다. 즉, 도 6b에서는 특정 호가의 잔량이 상대적으로 많은 주문 건들의 주문량으로 구성되어 있을 수도 있고, 또한 각각의 주문 건들의 주문량은 상대적으로 전체 잔량에 비해 균등하게 분포되어 있을 수 있다.

이처럼 도 6a에서 최우선매수호가의 잔량과 도 6b에서 최우선매수호가의 잔량은 동일하거나 유사할지 몰라도, 최우선매수호가의 잔량분포는 매우 상이한 특성을 가질 수 있다. 그리고 이러한 잔량분포의 특성은 해당 호가의 매수세(또는 매도세)의 힘과 관련된 유의미한 특성이 될 수 있다.

따라서 본 발명의 기술적 사상에 의하면 이러한 적어도 하나의 호가에 대한 잔량분포를 이용하여 주문판단을 수행함으로써, 동일한 호가에 동일한 잔량을 가지는 경우에도 그 내부적인 상황 즉 잔량분포의 상황에 따라 서로 다른 주문판단을 수행할 수 있다.

본 명세서에서 주문건별 잔량분포라 함은 전술한 바와 같이 특정 잔량을 구성하는 주문 건의 수(예컨대, 도 6a에서는 2건, 도 6b에서는 5건)를 포함하는 의미일 수 있다. 또한 주문 건별 상대적 주문량의 비율(예컨대, 주문 건들의 편차, 분산 등의 주문량의 분포) 또는 전체 주문 건수(예컨대, 도 6b에서는 5건) 중 총 잔량(예컨대, 1만주) 대비 특정 비율(예컨대, 80% 이상)을 넘기는 주문 건의 비율(예컨대, 5건 중 4건 즉, 80%)을 포함하는 의미일 수 있다. 이외에도 특정 호가의 잔량을 구성하는 주문 건들의 수 및/또는 주문 건들 각각의 주문량을 이용하여 유의미한 특성을 표현할 수 있는 다양한 지표들이 정의될 수 있다. 특정잔량을 구성하는 주문 건의 수 및 각각의 주문 건의 주문량에 대한 정보는 예컨대, 거래소 시스템에서 제공해줄 수도 있고, 이러한 기능을 수행하기 위한 별도의 소프트웨어 또는 솔루션이 제공될 수도 있다.

예컨대, 종목의 종류나 시장의 상황에 따라 도 6a의 최우선매수호가와 같이 잔량을 구성하는 주문 건들 중 하나 또는 소수 개의 주문 건들이 상기 잔량의 대부분(예컨대, 80%)을 차지하는 경우에 매수세가 보다 강한 경우일 수도 있다. 왜냐하면 한 명 또는 소수의 주요한 투자자가 강력한 매수의지를 가지는 경우에 도 6a의 최우선매수호가와 같은 잔량분포를 가질 수 있기 때문이다. 그리고 이러한 경우에는 상대적으로 공격적인 주문가로 주문을 출력하거나 보다 빠른 시기에 주문이 체결될 수 있도록 주무시점을 판단할 수도 있다.

또한 종목의 종류나 시장의 상황에 따라서는 도 6b의 최우선매수호가와 같이 상대적으로 잔량을 구성하는 주문 건들의 수가 많거나 주문 건들의 상대적 주문량의 비율이 큰 차이가 없는 경우에 매수세가 강한 것으로 해석될 수도 있다. 왜냐하면 많은 투자자들이 매수에 관심을 가지고 있기 때문이고 후속 매수세가 이어질 수도 있기 때문이다.

결국 종목이나 시장의 상황 또는 전술한 바와 같은 체결패턴 등에 따라 그 의미가 달라질 수는 있지만, 어떠한 경우든 주문건별 잔량분포가 해당 호가의 매수세(또는 매도세)를 나타내는 중요한 하나의 특성이 될 수 있음은 명확하며 본 발명의 기술적 사상은 이러한 특성을 이용하여 주문판단을 수행할 수 있다.

일예에 의하면, 주문건별 잔량분포는 전술한 바와 같이 소정의 기준(예컨대, 잔량을 구성하는 주문건의 수, 주문 건들 각각의 상대적 잔량비율, 및/또는 전체 주문건 수 중 잔량의 일정비율 이상을 구성하는 주문 건들의 수의 비율 등)에 따라 미리 지표화(또는 수치화)될 수 있다. 그리고 특정 지표에 해당하는 경우에는 특정 주문판단 전략을 수행하도록 미리 정의되어 있을 수 있다. 예컨대, 도 3에 도시된 바와 같이 체결강도 및/또는 거래량을 소정의 방식으로 각각 지표화하고 각각의 지표구간에 대응되는 주문판단전략을 미리 설정해두는 것과 유사하게, 주문건별 잔량분포를 독자적으로 지표화하거나 또는 주문건별 잔량분포 및 체결강도(또는 거래량 등)를 소정의 방식으로 각각 지표화하고 각각의 지표구간에 대응되는 주문판단전략을 미리 설정해둠으로써 주문건별 잔량분포에 따라 적응적인 주문판단이 수행될 수도 있다.

또한 주문건별 잔량분포는 특정 호가 하나에 대해서만 판단되는 것이 아니라, 복수의 호가들에 대해서 판단될 수도 있고, 복수의 호가들 각각의 주문건별 잔량분포가 고려되어 주문판단이 수행될 수도 있다.

예컨대, 특정종목의 호가잔량정보는 도 6a에 도시된 바와 같이 최우선매수호가의 잔량분포는 소수의 주문 건이 대부분의 잔량을 구성하고 있고, 차우선매수호가의 잔량분포는 이와는 상이한 특성을 가지는 경우일 수 있다. 또한, 특정 종목의 호가잔량정보는 도 6b에 도시된 바와 같이 최우선매수호가의 잔량분포는 잔량이 여러 주문 건들의 주문량에 상대적으로 골고루 분포된 경우이고, 차우선매수호가의 잔량분포는 이와는 상이한 특성을 가지는 경우일 수 있다.

이처럼 복수의 호가의 잔량분포들이 같이 고려되어야 상기 특정종목의 매수세(또는 매도세)가 더욱 정밀하게 판단될 수 있다. 이러한 경우에도 최우선매수호가및/또는 차우선매수호가의 잔량분포가 소정의 방식으로 지표화되어 각각의 지표구간에 상응하는 주문판단전략이 미리 설정될 수 있다. 물론, 이와 더불어 전술한 바와 같은 체결패턴이 더 고려될 수도 있다.

결국 본 발명의 기술적 사상에 의하면 적어도 하나의 호가에 대한 주문건별 잔량분포에 기초하여 주문판단이 수행될 수 있다. 또한, 소정의 체결패턴을 가지는 상황에서 적어도 하나의 호가에 대한 잔량분포가 어떠한 경우에 어떠한 주문판단전략이 이용될지가 상기 제어모듈(110)에 의해 판단될 수 있다. 또한 전술한 바와 같이 호가잔량변화가 더 고려되어 주문판단전략이 판단될 수도 있다.

한편, 상기 제어모듈(110)이 현재의 체결패턴 즉, 체결강도 및/또는 거래량을 고려하여 특정 종목의 주문판단을 수행하거나 또는 시장 전체(또는 대응 종목군)의 체결패턴을 더 고려하여 특정 종목의 주문판단을 수행하는 경우, 어떠한 기준 값을 이용하는지에 따라 주문결과는 매우 달라질 수 있다. 또한, 주문결과를 평가하는 방식은 본 발명의 기술적 사상에 따른 주문판단전략대로 주문을 출력하였을 경우의 미리 정해진 기간의 승률 또는 수익률일 수 있다. 또한 상기 미리 정해진 기간은 상기 판단 시스템(100)이 상대적으로 단기, 중기, 또는 장기로 구분하여 판단할 수도 있다. 상기 판단 시스템(100)이 단기의 수익률 또는 승률을 주 목적으로 거래하는 경우에는 주문결과를 평가할 때 단기의 수익률 또는 승률을 고려하여 주문결과를 평가할 수 있고, 중기 또는 장기의 수익률 또는 승률을 위주로 거래하고자 하는 경우에는 중기 또는 장기의 수익률 또는 승률로 주문결과를 판단할 수 있다. 어떠한 경우든 상기 기준 값(예컨대, 체결강도 기준 값, 거래량 지표 기준 값)을 어떻게 정의하느냐에 따라 주문결과가 달라질 수 있다. 그리고 이러한 기준 값은 상기 판단 시스템(100)의 운영주체가 정의할 수도 있다.

하지만 이러한 기준 값 역시 시장상황에 따라 적응적으로 달라지는 것이 매우 중요할 수 있다. 그렇지 않다면 시장상황이 급격하게 변화되었음에도 불구하고, 동일한 기준으로 체결강도, 체결량(거래량), 또는 이에 따른 매매여부 판단전략이 획일화되는 것을 의미할 수 있다. 예컨대, 체결강도가 150% 이상이면 매수세가 강하다고 판단될 수 있지만, 시장상황이 변경된 경우에는 170% 이상이 되어야 매수세가 강한다고 판단되는 것이 더 바람직할 수도 있다. 거래량에 대하여도 시장상황에 따라 그 기준 값이 달라지는 것이 더 바람직할 수 있다.

이처럼 체결강도의 기준 값 및/또는 거래량의 기준 값을 시장상황에 따라 적응적으로 변동하기 위해, 상기 판단 시스템(100)은 소정의 학습모듈(130)을 포함할 수 있다.

상기 학습모듈(140)은 과거의 시장상황 즉, 과거의 체결패턴과 그 때의 다양한 기준 값에 따른 주문결과를 학습 데이터(트레이닝 데이터)로 하여 학습을 수행할 수 있다. 즉, 체결패턴 및 해당 체결패턴에서의 특정 기준 값과 이들에 상응하는 주문판단대로 주문을 수행하였을 때의 주문결과를 학습하여, 현재의 특정 체결패턴에서는 어떠한 기준 값을 이용하는 것이 더 좋은 주문결과를 가지는지를 학습할 수 있다.

학습모듈(130)이 학습하는 과거의 채결패턴과 이에 따른 기준 값, 그리고 이때 이용된 주문판단을 이용한 주문결과는 현재 주문판단을 수행할 종목의 데이터가 이용될 수도 있지만, 시장 전체 또는 상기 종목과 연관성이 있다고 미리 정의된 적어도 하나의 타 종목(예컨대, 동일 종목군이나 또는 시가총액, 업종, 주식수 등과 같이 기업특성이 유사한 종목)의 데이터가 이용될 수도 있다. 즉, 주문판단을 수행할 종목의 체결패턴, 기준 값, 주문판단, 및 그 때의 주문결과가 학습에 이용될 수도 있고, 적어도 하나의 타 종목(예컨대, 시장전체 또는 기업특성이 유사한 적어도 하나의 종목들)의 체결패턴, 기준 값, 주문판단, 및 매매결과가 학습에 이용될 수도 있다.

이러한 학습모듈(130)이 수행하는 학습모델은 다양한 실시 예가 가능할 수 있다. 예컨대, 로지스틱 회귀, 의사결정 포리스트 또는 트리, 신경망 또는 딥러닝 등과 같이 특정 변수들(체결패턴, 기준 값, 주문판단)을 이용하여 목표하는 결과(주문결과)를 높일 수 있는 특정 변수(예컨대, 기준 값)를 추천할 수 있는데 이용되는 다양한 머신러닝 알고리즘이 필요에 따라 선택될 수 있다.

그리고 이러한 학습모델을 구축하는 상기 학습모듈(130)에 의해 추천되는 기준 값들이 시장상황에 따라 적응적으로 추천될 수 있고, 상기 제어모듈(110)은 학습모듈(130)에 의해 추천(연산)된 기준 값을 이용하여 현재의 체결패턴을 판단하고 그에 따라 정해진 주문판단전략을 결정할 수 있다.

한편, 실시 예에 따라서는 상기 학습모듈(130)이 이용하는 학습 데이터에는 시장 전체의 체결패턴 또는 매매하고자 하는 종목에 미리 대응되도록 설정된 대응 종목군(예컨대, 동일 또는 유사 종목군)의 체결패턴이 더 이용될 수도 있다. 즉, 해당 종목의 체결패턴과 더불어 시장 전체의 체결패턴(또는 미리 대응되도록 설정된 종목군의 체결패턴)이 학습 데이터로 이용될 수 있다. 예컨대, 도 4에서 설명한 바와 같이 특정 종목의 상대 체결패턴(상대 체결강도 및/또는 상대 거래량 지표)과 다양한 상대 기준 값, 이때 이용되는 주문판단전략, 그리고 이때의 주문결과를 이용하여 학습을 수행할 수도 있다.

따라서 상기 학습모듈(140)은 매매하고자 하는 종목의 체결패턴뿐만 아니라 시장의 체결패턴 또는 대응 종목군의 체결패턴을 더 이용한 학습을 수행할 수 있다. 이때에는 즉, 과거의 시장의 체결패턴(또는 대응 종목군의 체결패턴), 특정 종목의 체결패턴, 기준 값, 및 대응되는 주문판단전략과, 이때의 주문결과를 모두 학습 데이터로 이용할 수도 있고, 전술한 바와 같이 과거의 시장의 체결패턴(또는 대응 종목군의 체결패턴)과 특정 종목의 체결패턴을 이용하여 정의되는 과거의 상대 체결패턴, 다양한 기준 값, 및 대응되는 주문판단전략과 이때의 주문결과가 학습 데이터로 이용될 수도 있다.

그리고 학습모듈(130)은 현재 시점의 특정 종목의 체결패턴과 시장의 체결패턴(또는 종목군의 체결패턴)이 입력되면, 주문결과를 높일 수 있는 효과적인 기준 값을 추천할 수 있다.

한편, 상술한 예에서는 주문판단전략이 미리 결정된 상태에서 기준 값을 학습결과 데이터로 출력하는 일예를 설명하였지만, 실시 예에 따라서는 기준 값이 미리 결정된 상태에서 주문판단전략이 학습결과 데이터로 출력하도록 학습이 이루어질 수도 있다.

예컨대, 과거의 체결패턴, 이때의 특정 기준 값, 그리고 이때 이용되었다고 가정하는 다양한 주문판단전략과 이에 상응하는 주문결과를 학습하여, 현재의 체결패턴과 특정 기준 값에서 이용될 주문판단전략이 학습모듈(130)에 의해 추천될 수 있다. 물론, 시장 체결패턴이 학습 데이터로 더 이용될 수 있음은 전술한 바와 같다.

한편, 상기 학습모듈(130)은 과거의 적어도 하나의 호가의 잔량변화 및 이때 이용되었을 것으로 가정되는 복수의 주문판단과 이에 상응하는 주문결과를 학습데이터로 학습하여, 현재의 적어도 하나의 호가의 잔량변화에서 어떤 주문판단을 할지를 추천할 수도 있다.

또한, 상기 학습모듈(130)은 과거의 소정기간의 적어도 하나의 호가에 대한 주문건별 잔량분포 및 이때 이용되었을 것으로 가정되는 복수의 주문판단과 이에 상응하는 주문결과를 학습데이터로 학습하여, 현재의 적어도 하나의 호가의 주문건별 잔량분포에서 어떤 주문판단을 할지를 추천할 수도 있다.

또한, 상기 학습모듈(130)은 전술한 바와 같이 과거의 체결패턴(또는 과거의 독립체결패턴), 기준값, 호가 잔량변화, 주문건별 잔량분포, 복수의 주문판단, 및 이에 상응하는 주문결과를 모두 학습 데이터로 학습할 수 있고, 이러한 경우 현재의 체결패턴(또는 현재의 상대 체결패턴), 호가 잔량변화, 및/또는 주문건별 잔량분포에서 어떤 기준 값을 이용할지 또는 어떤 주문판단을 이용할지를 추천할 수도 있다.

결국, 본 발명의 기술적 사상에 의하면 체결패턴, 상대 체결패턴, 기준값, 주문건별 잔량분포, 및/또는 호가 잔량변화가 주문판단을 수행하는데 있어서 중요한 고려요소가 될 수 있고, 이들 중 적어도 하나를 학습 데이터로 학습하여 현재의 상황에서의 주문판단(또는 기준 값)을 결정할 수 있다.

한편, 본 명세서에서 상술한 일예들은 체결패턴, 상대 체결패턴, 기준값, 주문건별 잔량분포, 및/또는 잔량변화를 이용하여 특정 종목의 주문판단을 수행하는 경우를 설명하였지만, 동일한 기술적 사상은 복수의 종목들 중에서 어떤 종목을 매매할지를 결정하는데도 이용될 수 있다.

즉, 특정 종목에 대해 현재의 체결패턴, 상대 체결패턴, 기준 값, 주문건별 잔량분포, 및/또는 잔량변화에 따라 어떤 주문판단전략을 이용할지를 미리 결정해두거나 학습을 통해서 결정하는 방식은, 주문판단전략 대신 매수를 할지(또는 매도를 할지), 중립(추후 매매)할지 등의 매매여부 판단전략으로 대체함으로써 상기 특정 종목을 매매(매수 또는 매도)할지에 이용될 수도 있다.

예컨대, 도 3 또는 도 4에서 제1주문판단전략, 제2주문판단전략, 제3주문판단전략 대신 매수, 중립, 매도, 목표하는 거래량 대비 일부 매수(매도), 목표 거래량 전부 매수(매도), 일정 시간 후 재판단 등 다양한 매매여부 판단전략이 미리 정의되는 경우, 상기 제어모듈(110)은 해당 종목을 매매할지 여부를 판단할 수 있다. 그리고 복수의 종목들에 대해 이러한 매매여부 판단전략을 결정함으로써 복수의 종목들 중 어떤 종목을 매수할지 여부가 결정될 수 있다. 즉, 매수할 종목을 추출하는 데에 본 발명의 기술적 사상이 이용될 수도 있다.

또한 본 발명의 기술적 사상은 각각의 종목에 대해 적용되어 각각의 종목이 미리 정해진 기준을 만족하는 경우에 해당 종목을 매매의 대상으로 결정하도록 이용될 수도 있지만, 시장 또는 비교대상이 되는 적어도 하나의 종목(또는 대응 종목군)과 비교하여 특정 종목이 상대적으로 미리 정해진 기준을 만족하는 경우에 상기 특정 종목을 매매의 대상으로 결정하도록 이용될 수도 있다.

또한 전술한 바와 같이 학습을 통해 현재의 시장상황에서 적합한 주문판단을 추천하는 것은 주문판단 대신 매매여부 판단을 추천하도록 학습 데이터가 대체될 수 있음은 물론이다.

예컨대, 전술한 바와 같은 주문결과 대신, 특정 종목에 대해 매매여부 판단전략대로 매매를 한 후 일정 시간 후의 승률 또는 수익률이 매매결과로 정의될 수 있다.

그러면 상기 학습모듈(130)은 과거의 시장상황 즉, 과거의 체결패턴과 그 때의 다양한 기준 값에 따른 매매결과를 학습 데이터(트레이닝 데이터)로 하여 학습을 수행할 수 있다. 즉, 체결패턴 및 해당 체결패턴에서의 특정 기준 값을 설정하였을 때의 매매결과를 학습하여, 현재의 특정 체결패턴에서는 어떠한 기준 값을 이용하는 것이 더 좋은 매매결과를 가지는지를 학습할 수 있다.

또는, 상기 학습모듈(130)이 이용하는 학습 데이터에는 시장 전체의 체결패턴 또는 매매하고자 하는 종목에 미리 대응되도록 설정된 대응 종목군(예컨대, 동일 또는 유사 종목군)의 체결패턴이 더 이용될 수도 있다. 즉, 해당 종목의 체결패턴과 더불어 시장 전체의 체결패턴 또는 미리 대응되도록 설정된 종목군의 체결패턴이 학습 데이터로 이용될 수 있다. 예컨대, 도 4에서 설명한 바와 같이 특정 종목의 상대 체결패턴(상대 체결강도 및/또는 상대 거래량 지표)과 다양한 상대 기준 값, 그리고 이때의 매매결과를 이용하여 학습을 수행할 수도 있다.

결국, 상기 학습모듈(130)은 과거의 체결패턴(또는 과거의 상대 체결패턴), 기준값, 주문건별 잔량분포, 호가잔량변화, 매매여부 판단전략, 및 이에 상응하는 매매결과를 모두 학습 데이터로 학습할 수 있고, 이러한 경우 현재의 체결패턴(또는 현재의 상대 체결패턴), 주문건별 잔량분포, 및 호가잔량변화에서 어떤 기준 값을 이용할지 또는 어떤 매매여부 판단전략을 이용할지를 추천할 수도 있다.

결국, 본 발명의 기술적 사상에 의하면 체결패턴, 상대 체결패턴, 기준값, 주문건별 잔량분포, 및 호가잔량변화가 매매여부 판단전략을 결정하는데 있어서 중요한 고려요소가 될 수 있고, 이들 중 적어도 하나를 학습 데이터로 학습하여 현재의 상황에서의 매매여부 판단전략을 결정할 수도 있다.

본 발명의 실시 예에 따른 판단 방법은 컴퓨터가 읽을 수 있는 프로그램 명령 형태로 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 저장될 수 있으며, 본 발명의 기술적 사상을 구현하기 위한 프로그램도 컴퓨터로 판독 가능한 기록 매체에 저장될 수 있다. 이러한 기록매체에 저장된 프로그램은 프로세서에 의해 실행되어 본 발명의 기술적 사상이 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.

기록 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터로 읽을 수 있는 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 상술한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.

프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (16)

1. 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈; 및
   상기 종목의 시장상황정보에 기초하여 상기 종목의 매매를 위한 주문을 주문수신 시스템으로 출력하기 위한 제어모듈을 포함하며,
   상기 제어모듈은,
   상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 주문의 출력시점 또는 상기 주문의 주문가를 결정하는 주문판단을 수행하는 것을 특징으로 하는 상황 인지형 판단 시스템.
   
2. 제1항에 있어서, 상기 제어모듈은,
   상기 시장상황정보 획득모듈에 의해 획득되는 시장의 체결패턴 또는 상기 종목에 대응되는 대응 종목군의 체결패턴에 더 기초하여 상기 주문판단을 수행하는 것을 특징으로 하는 상황 인지형 판단 시스템.
   
3. 제1항에 있어서, 상기 제어모듈은,
   상기 체결패턴을 소정의 기준 값과 비교하고 비교결과에 기초하여 상기 주문판단을 수행하는 상황 인지형 판단 시스템.
   
4. 제1항에 있어서, 상기 제어모듈은,
   상기 호가잔량정보에 포함되는 적어도 하나의 호가에 대한 주문건별 잔량분포에 기초하여 상기 주문판단을 수행하는 상황 인지형 판단 시스템.
   
5. 제2항에 있어서, 상기 제어모듈은,
   상기 시장의 체결패턴 또는 상기 대응 종목군의 체결패턴과 상기 종목의 체결패턴에 기초하여 상기 종목의 상대 체결패턴을 판단하고, 판단된 상대 체결패턴과 소정의 상대 기준 값을 비교하여 상기 주문판단을 수행하는 것을 특징으로 하는 상황 인지형 판단 시스템.
   
6. 제3항에 있어서, 상기 상황 인지형 판단 시스템은,
   상기 종목 또는 미리 설정된 적어도 하나의 타 종목의 과거 일정기간 동안의 과거 체결패턴, 상기 과거 체결패턴을 갖는 상황에서의 복수의 기준 값들 또는 복수의 주문판단과 이에 상응하는 주문결과를 학습 데이터로 학습하여, 상기 체결패턴에서의 상기 기준 값 또는 주문판단을 결정하는 학습모듈을 더 포함하는 상황 인지형 판단 시스템.
   
7. 제5항에 있어서, 상기 상황 인지형 판단 시스템은,
   상기 종목 또는 미리 설정된 적어도 하나의 타 종목의 과거 일정기간 동안의 과거 상대 체결패턴, 복수의 상대 기준 값들 또는 복수의 주문판단, 및 이에 상응하는 주문결과를 학습 데이터로 학습하여, 현재의 상대 체결패턴에서의 상기 상대 기준 값 또는 주문판단을 결정하는 학습모듈을 더 포함하는 상황 인지형 판단 시스템.
   
8. 제1항에 있어서, 상기 상황 인지형 판단 시스템은,
   과거의 적어도 하나의 호가의 잔량변화 및 복수의 주문판단과 이에 상응하는 주문결과를 학습데이터로 학습하여, 현재의 적어도 하나의 호가의 잔량변화에서의 주문판단을 결정하는 학습모듈을 더 포함하는 상황 인지형 판단 시스템.
   
9. 제1항에 있어서, 상기 상황 인지형 판단 시스템은,
   과거의 적어도 하나의 호가에 대한 주문건별 잔량분포 및 복수의 주문판단과 이에 상응하는 주문결과를 학습데이터로 학습하여, 현재의 적어도 하나의 호가에 대한 주문건별 잔량분포에서의 주문판단을 결정하는 학습모듈을 더 포함하는 상황 인지형 판단 시스템.
   
10. 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈; 및
    상기 종목의 시장상황정보에 기초하여 상기 종목의 매매여부를 결정하기 위한 제어모듈을 포함하며,
    상기 제어모듈은,
    상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 종목의 매매여부를 결정하는 상황 인지형 판단 시스템.
    
11. 종목의 시장상황정보를 획득하기 위한 시장상황정보 획득모듈; 및
    상기 종목의 시장상황정보에 기초하여 상기 종목의 매매를 위한 주문을 주문수신 시스템으로 출력하기 위한 제어모듈을 포함하며,
    상기 제어모듈은,
    상기 종목의 시장상황정보 중 상기 종목의 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임-과 시장의 체결패턴 또는 상기 종목에 대응되는 대응 종목군의 체결패턴에 기초하여 상기 종목의 상대 체결패턴을 판단하고, 판단된 상대 체결패턴에 기초하여 상기 종목의 주문판단을 수행하거나 상기 종목의 매매여부를 결정하는 상황 인지형 판단 시스템.
    
12. 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계; 및
    상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 주문수신 시스템으로 출력할 주문의 출력시점 또는 상기 주문의 주문가를 결정하는 주문판단을 수행하는 단계를 포함하는 상황 인지형 판단 방법.
    
13. 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계; 및
    상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 호가잔량정보와 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임- 중 적어도 하나에 기초하여 상기 종목의 매매여부를 결정하는 단계를 포함하는 상황 인지형 판단 방법.
    
14. 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계; 및
    상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 상기 종목의 체결패턴-체결강도를 포함하며 선택적으로 거래량을 더 포함하는 정보임-과 시장의 체결패턴 또는 상기 종목에 대응되는 대응 종목군의 체결패턴에 기초하여 상기 종목의 상대 체결패턴을 판단하고, 판단된 상대 체결패턴에 기초하여 상기 종목의 주문판단을 수행하거나 상기 종목의 매매여부를 결정하는 단계를 포함하는 상황 인지형 판단 방법.
    
15. 상황 인지형 판단 시스템이 종목의 시장상황정보를 획득하는 단계; 및
    상기 상황 인지형 판단 시스템이 상기 종목의 시장상황정보 중 호가잔량정보에 포함되는 적어도 하나의 호가에 대한 주문건별 잔량분포에 기초하여 주문수신 시스템으로 출력할 주문의 출력시점 또는 상기 주문의 주문가를 결정하거나 상기 종목의 매매여부를 판단하는 단계를 포함하는 상황 인지형 판단 방법.
    
16. 데이터 처리장치에 설치되며 제12항 내지 제15항 중 어느 한 항에 기재된 방법을 수행하기 위한 기록된 컴퓨터 프로그램.

Images