KR20190061317A - 주식 정보 제공 방법 - Google Patents

주식 정보 제공 방법 Download PDF

Info

Publication number
KR20190061317A
KR20190061317A KR1020170159573A KR20170159573A KR20190061317A KR 20190061317 A KR20190061317 A KR 20190061317A KR 1020170159573 A KR1020170159573 A KR 1020170159573A KR 20170159573 A KR20170159573 A KR 20170159573A KR 20190061317 A KR20190061317 A KR 20190061317A
Authority
KR
South Korea
Prior art keywords
stock
data
information
generating
price
Prior art date
Application number
KR1020170159573A
Other languages
English (en)
Other versions
KR102012564B1 (ko
Inventor
김주영
토카안
Original Assignee
김주영
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김주영 filed Critical 김주영
Priority to KR1020170159573A priority Critical patent/KR102012564B1/ko
Publication of KR20190061317A publication Critical patent/KR20190061317A/ko
Application granted granted Critical
Publication of KR102012564B1 publication Critical patent/KR102012564B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

주식을 매도할 예정일을 기준으로 주식 정보를 제공하는 방법이 개시된다. 본 개시의 일 실시예에 따른 방법은, 클라이언트 단말로부터 주식 매도 조건 정보를 수신하는 단계; 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 이전 일자까지 복수의 주식 종목에 해당하는 주식 정보를 획득하는 단계; 복수의 주식 종목에 대해, 사전 설정된 이전 일자를 기준으로 사전 설정된 기간 단위로 주식 정보에 데이터 처리하여 복수의 주식 데이터를 생성하는 단계; 사전 설정된 크기를 갖는 윈도우를 사전 설정된 일자 단위로 이동시키면서 복수의 주식 데이터 각각에 적용하여 복수의 트레이닝 데이터를 생성하는 단계; 주식 매도 조건 정보에 기초하여 복수의 트레이닝 데이터에서 주가가 상승한 적어도 2개의 트레이닝 데이터를 추출하는 단계; 적어도 2개의 트레이닝 데이터와 복수의 주식 데이터에 기초하여 주식 매도 조건에 대응하는 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성하는 단계; 및 주식 추천 정보를 클라이언트 단말로 전송하는 단계를 포함한다.

Description

주식 정보 제공 방법{METHOD OF PROVIDING STOCK INFORMATION}
본 개시는 주식을 매도할 예정일에 기초하여 주식 정보를 제공하는 방법에 관한 것이다.
통신 기술 및 컴퓨터 분야의 급격한 발전과 더불어 인터넷 통신은 소정의 정보 습득과 교류의 장으로서 하나의 필수적인 수단이 되었으며, 그 기능 및 역할이 폭발적으로 증대하고 있는 설정이다. 인터넷 가입자들은 컴퓨터 시스템을 이용한 인터넷 통신을 통해 정보 제공자 및/또는 특정 서버들이 접속되어 있는 인터넷 망에 연결할 수 있다. 인터넷 가입자들은 컴퓨터 시스템을 통해 정보 제공자들 또는 특정 서버에 의해 개설된 소정의 웹사이트에 접속한 후 해당 웹사이트에서 제공하는 각종 정보 및/또는 서비스를 활용할 수 있다. 또한, 인터넷 통신은 특정 서비스 군에 속하는 사람들끼리의 통신에만 한정되지 않고 국가나 지역에 구분됨이 없이 소정의 정보를 취득하고, 제공되는 서비스를 활용할 수 있는 것으로 현재 가장 각광받고 있는 정보의 취득 및 통신망으로 자리잡고 있다.
이러한 인터넷의 활성화와 더불어 많은 주식 투자자들은 인터넷을 통해 증권사의 서버에 연결하여 주식 정보를 취득하고, 취득한 주식 정보에 따라 주식 가격의 등락을 판단하여 매수 및/또는 매도하고 있다. 즉, 주식의 현재 가격의 복이동 평균선 및 RSI 등의 기술적 분석과, 주식 시장의 전반적인 상태를 나타내는 기본적인 분석을 가지고 개개인 또는 단체에서 추천한 종목을 확인하면서 과거 수십년 동안의 주식 가격의 통계를 기본으로 사용하여 주식 가격의 미래를 예측하는 것으로서 종합 주가지수 및 각 주식 종목의 주가 방향을 예측하는 것이다.
그러나, 주식 투자의 전문가가 아닌 사람들이 주식의 등락을 판단하기가 매우 어렵고, 이로 인해 주식의 등락을 잘못 판단하여 손해를 보는 경우가 빈번히 발생하고 있는 실정이다.
본 개시는 주식을 매도할 예정일에 기초하여 주가가 상승할 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 제공하는 방법을 제공한다.
본 개시의 일 실시예에 있어서, 주식 정보를 제공하는 방법은, 클라이언트 단말로부터 주식 매도 조건 정보를 수신하는 단계; 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 이전 일자까지 복수의 주식 종목에 해당하는 주식 정보를 획득하는 단계; 복수의 주식 종목에 대해, 사전 설정된 이전 일자를 기준으로 사전 설정된 기간 단위로 주식 정보에 데이터 처리하여 복수의 주식 데이터를 생성하는 단계; 사전 설정된 크기를 갖는 윈도우를 사전 설정된 일자 단위로 이동시키면서 복수의 주식 데이터 각각에 적용하여 복수의 트레이닝 데이터를 생성하는 단계; 주식 매도 조건 정보에 기초하여 복수의 트레이닝 데이터에서 주가가 상승한 적어도 2개의 트레이닝 데이터를 추출하는 단계; 적어도 2개의 트레이닝 데이터와 복수의 주식 데이터에 기초하여 주식 매도 조건에 대응하는 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성하는 단계; 및 주식 추천 정보를 클라이언트 단말로 전송하는 단계를 포함한다.
일 실시예에 따르면, 주식 매도 조건 정보는 현재를 기준으로 주식을 매도할 예정일을 포함한다.
일 실시예에 따르면, 주식 정보는 시가, 종가, 고가, 저가 및 거래량을 포함하고, 복수의 주식 데이터를 생성하는 단계는, 주식 정보와 일자를 픽셀들의 좌표로 하고 주식 정보에 해당하는 값들을 픽셀들의 픽셀값들로 하는 복수의 주식 데이터를 생성하는 단계를 포함한다.
일 실시예에 따르면, 복수의 트레이닝 데이터를 생성하는 단계는, 사전 설정된 크기를 갖는 윈도우를 복수의 주식 데이터 각각에 설정하는 단계; 및 윈도우를 사전 설정된 단위로 이동시키면서 복수의 트레이닝 데이터를 생성하는 단계를 포함한다.
일 실시예에 따르면, 주식 추천 정보를 생성하는 단계는, 복수의 트레이닝 데이터를 주가가 상승한 주가 상승 데이터 및 주가가 하락한 주가 하락 데이터로 분류하는 단계; 복수의 주식 데이터 각각에 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 크기를 갖는 윈도우를 설정하여 비교 데이터를 생성하는 단계; 비교 데이터 및 복수의 트레이닝 데이터에 패턴 매칭을 수행하여 가장 높은 유사도를 갖는 사전 설정된 개수의 트레이닝 데이터를 추출하는 단계; 및 추출된 2개의 유사도가 모두 주식 상승 데이터인 적어도 하나의 비교 데이터를 추출하는 단계; 및 추출된 적어도 하나의 비교 데이터에 해당하는 주식 종목을 포함하는 주식 추천 정보를 생성하는 단계를 포함한다.
본 개시의 실시예들에 따르면, 주식을 매도할 예정일을 기준으로 주가가 상승할 주식 종목을 사용자들에게 제공할 수 있어, 주식 등락의 오판단으로 인한 손해가 감소될 수 있다.
도 1은 본 개시의 일 실시예에 따른 주식 정보 제공 시스템을 개략적으로 나타낸 블록도이다.
도 2는 본 개시의 일 실시예에 따른 주식 정보 제공 서버의 구성을 개략적으로 나타낸 블록도이다.
도 3은 본 개시의 일 실시예에 따른 주식 데이터를 나타낸 예시도이다.
도 4는 본 개시의 일 실시예에 따른 윈도우를 나타낸 예시도이다.
도 5는 본 개시의 일 실시예에 따른 트레이닝 데이터를 생성하는 예시도이다.
도 6은 본 개시의 일 실시예에 따른 비교 데이터를 생성하는 예시도이다.
도 7은 본 개시의 일 실시예에 따라 주식 추천 정보를 제공하는 방법을 나타낸 흐름도이다.
본 개시의 실시예들은 본 개시의 기술적 사상을 설명하기 위한 목적으로 예시된 것이다. 본 개시에 따른 권리범위가 이하에 제시되는 실시예들이나 이들 실시예들에 대한 구체적 설명으로 한정되는 것이다.
본 개시에 사용되는 모든 기술적 용어들 및 과학적 용어들은, 달리 정의되지 않는 한, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자에게 일반적으로 이해되는 의미를 갖는다. 본 개시에 사용되는 모든 용어들은 본 개시를 더욱 명확히 설명하기 위한 목적으로 선택된 것이며 본 개시에 따른 권리범위를 제한하기 위해 선택된 것이 아니다.
본 개시에서 사용되는 "포함하는", "구비하는", "갖는" 등과 같은 표현은, 해당 표현이 포함되는 어구 또는 문장에서 달리 언급하지 않는 한, 다른 실시예들을 포함할 가능성을 내포하는 개방형 용어(open-ended terms)로 이해되어야 한다.
본 개시에서 기술된 단수형의 표현은 달리 언급하지 않는 한 복수형의 의미를 포함할 수 있으며, 이는 청구범위에 기재된 단수형의 표현에도 마찬가지로 적용된다.
본 개시에서 사용되는 "제1", "제2" 등의 표현들은 복수의 구성요소들을 상호 구분하기 위해 사용되며, 해당 구성요소들의 순서 또는 중요도를 한정하는 것은 아니다.
본 개시에서 사용되는 "부"는 소프트웨어, FPGA(field-programmable gate array), ASIC(application specific integrated circuit)과 같은 하드웨어 구성요소를 의미한다. 그러나, "부"는 하드웨어 및 소프트웨어에 한정되는 것은 아니다. "부"는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수 있다. 따라서, 일 예로서, "부"는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세서, 함수, 속성, 프로시저, 서브루틴, 프로그램 코드의 세그먼트, 드라이버, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조, 테이블, 어레이 및 변수를 포함한다. 구성요소와 "부" 내에서 제공되는 기능은 더 작은 수의 구성요소 및 "부"로 결합되거나 추가적인 구성요소와 "부"로 더 분리될 수 있다.
본 개시에서 사용되는 "~에 기초하여"라는 표현은, 해당 표현이 포함되는 어구 또는 문장에서 기술되는, 결정, 판단의 행위 또는 동작에 영향을 주는 하나 이상의 인자를 기술하는데 사용되며, 이 표현은 결정, 판단의 행위 또는 동작에 영항을 주는 추가적인 인자를 배제하지 않는다.
본 개시에서, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 경우, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결될 수 있거나 접속될 수 있는 것으로, 또는 새로운 다른 구성요소를 매개로 하여 연결될 수 있거나 접속될 수 있는 것으로 이해되어야 한다.
이하, 첨부된 도면들을 참조하여, 본 개시의 실시예들을 설명한다. 첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응하는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 주식 정보 제공 시스템을 개략적으로 나타낸 블록도이다. 도 1을 참조하면, 주식 정보 제공 시스템(100)은 클라이언트 단말(110), 주식 정보 제공 서버(120) 및 증권사 서버(130)를 포함한다. 클라이언트 단말(110), 주식 정보 제공 서버(120) 및 증권사 서버(130)는 네트워크(140)를 통해 서로 연결될 수 있다. 예를 들면, 네트워크(140)는 인터넷, 전용선 등을 포함하는 유선 네트워크와, 무선 인터넷, 이동 통신망, 위성 통신망 등을 포함하는 무선 네트워크를 모두 포함할 수 있다.
클라이언트 단말(110)은 네트워크(140) 상에서 주식 정보 제공 서버(120) 및 증권사 서버(130)와 통신할 수 있다. 클라이언트 단말(110)은 단말의 사용자로부터 주식을 매도하는 조건에 관한 정보(이하, "주식 매도 조건 정보")를 수신하고, 수신된 주식 매도 조건 정보를 네트워크(140)를 통해 주식 정보 제공 서버(120)로 전송한다. 또한, 클라이언트 단말(110)는 증권사 서버(130)에 접속하여 주식의 매수 또는 매도를 수행할 수 있다.
일 실시예에 있어서, 주식 매도 조건 정보는 주식을 매도할 매도 예정일을 포함할 수 있다. 예를 들면, 주식 매도 조건 정보는 오늘을 기준으로 며칠 후에 주식을 매도할지를 나타내는 정보를 포함한다. 또한, 주식 매도 조건 정보는 주가의 상승 정도를 설정하는 정보(이하, "엄격도 정보"라 함)를 포함할 수 있다. 엄격도 정보에 대해서는 아래에서 구체적으로 설명하기로 한다.
일 실시예에 있어서, 클라이언트 단말(110)은 네트워크(140)에 접속할 수 있는 웹/왑 브라우저를 포함하여 통신 환경을 구축할 수 있는 고정형 단말 또는 이동형 단말 중 적어도 하나를 포함할 수 있다. 예를 들면, 고정형 단말은 데스크탑 PC를 포함하며, 이동형 단말은 스마트폰, 핸드헬드(Hand-held) PC, 태블릿 PC, 노트북, PDA, 휴대 인터넷 단말기, DMB 폰 등을 포함하며, 유선 또는 무선 네트워크 접속을 통해 주식 서비스가 가능한 한, 그 종류에 구애받지 않음에 유의해야 한다.
주식 정보 제공 서버(120)는 클라이언트 단말(110)로부터 주식 매도 조건 정보를 수신하고, 수신된 주식 매도 조건 정보에 대응하는 주식 추천 정보를 생성한다. 생성된 주식 추천 정보는 클라이언트 단말(110)에 제공될 수 있다.
일 실시예에 있어서, 주식 추천 정보는 복수의 주식 종목 중에서 주식 매도 조건 정보의 매도 예정일에 주식 가격이 상승할 적어도 2개의 주식 종목을 포함할 수 잇다.
증권사 서버(130)는 복수의 주식 종목에 해당하는 주식 정보를 제공한다. 일 실시예에 있어서, 주식 정보는 해당 주식의 시가, 종가, 고가, 저가, 거래량 등을 포함할 수 있다. 또한, 증권사 서버(130)는 클라이언트 단말(110)로부터 적어도 하나의 주식의 매매(매도 또는 매수)를 요청하는 요청 정보에 대응하여 증권거래소 전산 시스템(도시하지 않음)으로 전송한다. 이와 더불어, 증권사 서버(130)는 증권거래소 전산 시스템으로부터의 매매 결과를 수신하고, 수신된 매매 결과를 클라이언트 단말(110)에 제공한다.
도 2는 본 개시의 일 실시예에 따른 주식 정보 제공 서버(120)의 구성을 개략적으로 나타낸 블록도이다. 도 2를 참조하면, 주식 정보 제공 서버(120)는 통신부(210), 주식 정보 획득부(220), 주식 데이터 생성부(230), 데이터 처리부(240), 주식 추천 정보 생성부(250), 저장부(260) 및 제어부(270)를 포함한다.
통신부(210)는 클라이언트 단말(110) 및 증권사 서버(130)와의 데이터 송수신을 수행한다. 일 실시예에 있어서, 통신부(210)는 클라이언트 단말(110)로부터 주식 매도 조건 정보를 수신한다. 또한, 통신부(210)는 증권사 서버(130)에 복수의 주식 종목에 해당하는 주식 정보를 요청하고, 증권사 서버(130)로부터 복수의 주식 종목에 해당하는 주식 정보를 수신한다. 이에 더하여, 통신부(210)는 주식 추천 정보를 클라이언트 단말(110)에 전송한다.
주식 정보 획득부(220)는 클라이언트 단말(110)로부터 통신부(210)를 통해 수신된 주식 매도 조건 정보에 기초하여 복수의 주식 종목에 해당하는 주식 정보를 획득한다. 일 실시예에 있어서, 주식 정보 획득부(220)는 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 이전 일자까지 복수의 주식 종목을 요청하는 요청 메시지를 생성한다. 예를 들면, 주식 매도 조건 정보를 수신한 일자가 2017년 00년 00일인 경우, 사전 설정된 이전 일자는 주식 매도 조건 정보를 수신한 일자로부터 1년전(2016년 00년 00일)일 수 있다. 생성된 요청 메시지는 통신부(210)를 통해 증권사 서버(130)로 전송된다. 이에 더하여, 주식 정보 획득부(220)는 증권사 서버(130)로부터 통신부(210)를 통해 복수의 주식 종목에 해당하는 주식 정보를 수신한다. 수신된 주식 정보는 저장부(260)에 저장될 수 있다.
주식 데이터 생성부(230)는 주식 정보 획득부(220)로부터 복수의 주식 종목에 해당하는 주식 정보를 수신하고, 수신된 주식 정보에 데이터 처리를 수행하여 복수의 주식 종목 각각에 대해 복수의 주식 데이터를 생성한다.
일 실시예에 있어서, 주식 데이터 생성부(230)는 복수의 주식 종목 각각에 대해, 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 이전 일자까지 주식 정보를 나타내는 주식 데이터를 생성한다. 예를 들면, 주식 데이터 생성부(230)는 복수의 주식 종목 중 어느 하나의 주식 종목에 대해, 도 3에 도시된 바와 같이, 주식 정보(시가, 종가, 고가, 저가 및 거래량)와 일자를 픽셀들로 하고, 주식 정보의 값을 픽셀들의 픽셀값으로 하는 주식 데이터를 생성한다. 주식 데이터 생성부(230)는 복수의 주식 종목에 대해 전술한 바와 같이 주식 데이터를 생성한다. 생성된 주식 데이터는 저장부(260)에 저장될 수 있다.
데이터 처리부(240)는 주식 데이터 생성부(230)에 의해 생성된 주식 데이터에 데이터 처리를 수행한다. 일 실시예에 있어서, 데이터 처리부(240)는 사전 설정된 크기를 갖는 윈도우를 사전 설정된 단위로 이동시키면서 주식 데이터에 적용하여 복수의 트레이닝 데이터를 생성한다. 예를 들면, 데이터 처리부(240)는 사전 설정된 크기(예를 들어, 5?100)를 갖는 윈도우(400)를 생성하고, 생성된 윈도우(400)를, 도 4에 도시된 바와 같이, "A 주식"에 해당하는 주식 데이터에 설정하여 제1 트레이닝 데이터를 생성한다. 즉, 데이터 처리부(240)는 365일전의 일자를 기준으로 윈도우(400)를 주식 데이터에 설정하여 제1 트레이닝 데이터를 생성한다. 또한, 데이터 처리부(240)는 윈도우(400)를 사전 설정된 단위(예를 들어, 1일)로 이동시켜 주식 데이터에 적용하여 제2 트레이닝 데이터를 생성한다. 즉, 데이터 처리부(240)는 도 5에 도시된 바와 같이, 364일전의 일자를 기준으로 윈도우(400)를 "A 주식"에 해당하는 주식 데이터에 설정하여 제2 트레이닝 데이터를 생성한다. 데이터 처리부(240)는 복수의 주식 종목에 해당하는 복수의 주식 데이터 각각에 대해 복수의 트레이닝 데이터를 생성할 수 있다.
일 실시예에 있어서, 데이터 처리부(240)는 주식 매도 조건 정보에 기초하여, 복수의 트레이닝 데이터를 주가가 상승한 트레이닝 데이터(이하, "주가 상승 데이터"라 함)와 주가가 하락한 트레이닝 데이터(이하, "주가 하락 데이터")로 분류한다.
예를 들면, 데이터 처리부(240)는 "A 주식"에 해당하는 제1 트레이닝 데이터에서 마지막 일자(즉, 266일전)의 종가의 값을 추출한다. 또한, 데이터 처리부(240)는 "A 주식"에 해당하는 주식 데이터에서 제1 트레이닝 데이터의 마지막 일자로부터 주식 매도 조건 정보에 해당하는 일자(즉, 주식 매도 예정일(예를 들어, 4일) 후의 일자(예를 들어, 262일전)의 시가 및 종가 각각의 값을 추출하고, 시가 및 종가의 중간값을 산출한다. 데이터 처리부(240)는 추출된 종가의 값과 산출된 중간값을 비교하여, 산출된 중간값이 추출된 종가의 값을 초과하는 경우, 제1 트레이닝 데이터를 주가 상승 데이터로서 분류한다. 한편, 데이터 처리부(240)는 산출된 중간값이 추출된 종가의 값 이하인 경우, 제1 트레이닝 데이터를 주가 하락 데이터로서 분류한다. 분류된 트레이닝 데이터는 저장부(260)에 저장될 수 있다.
일 실시예에 있어서, 데이터 처리부(240)는 주식 매도 조건 정보의 엄격도 정보에 기초하여 복수의 트레이닝 데이터를 분류할 수 있다. 예를 들면, 엄격도 정보가 10%인 경우(즉, 주식의 가격 상승이 10% 이상인 경우), 데이터 처리부(240)는 추출된 종가의 값과 산출된 중간값을 비교하여, 산출된 중간값이 추출된 종가의 값 보다 10% 이상인지 판단한다. 산출된 중간값이 추출된 종가의 값 보다 10% 이상인 것으로 판단되면, 데이터 처리부(240)는 제1 트레이닝 데이터를 주가 상승 데이터로서 분류한다. 한편, 산출된 중간값이 추출된 종가의 값보다 10% 미만인 것으로 판단되면, 데이터 처리부(240)는 제1 트레이닝 데이터를 주가 하락 데이터로서 분류한다. 데이터 처리부(240)는 복수의 트레이닝 데이터를 주가 상승 데이터 또는 주가 하락 데이터로서 분류한다. 분류된 트레이닝 데이터는 저장부(260)에 저장될 수 있다.
주식 추천 정보 생성부(250)는 복수의 주가 데이터와 복수의 트레이닝 데이터에 기초하여, 주식 매도 조건 정보에 해당하는 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성한다.
일 실시예에 있어서, 주식 추천 정보 생성부(250)는 주식 데이터에서 현재를 기준으로 사전 설정된 이전 일자까지의 데이터(이하, "비교 데이터"라 함)를 추출한다. 예를 들면, 주식 추천 정보 생성부(250)는 사전 설정된 크기(예를 들어, 5?100)를 갖는 윈도우(400)를 생성한다. 주식 추천 정보 생성부(250)는 생성된 윈도우(400)를, 도 6에 도시된 바와 같이, "A 주식"에 해당하는 주식 데이터에 설정하여 비교 데이터를 생성한다. 즉, 주식 추천 정보 생성부(250)는 현재를 기준으로 윈도우(400)를 주식 데이터에 설정하여 비교 데이터를 생성한다.
일 실시예에 있어서, 주식 추천 정보 생성부(250)는 비교 데이터, 주가 상승 데이터 및 주가 하락 데이터에 패턴 매칭 처리를 수행하여 주가의 변화 특징을 추출한다. 패턴 매칭 처리는 차 영상 투영(difference line feature projection) 처리, 시그노이드 함수 및 2-D FFT를 포함할 수 있다. 예를 들면, 주식 추천 정보 생성부(250)는 비교 데이터, 주가 상승 데이터 및 주가 하락 데이터 각각에 차 영상 투영 처리를 수행하여 차 영상 투영 데이터를 생성한다. 또한, 주식 추천 정보 생성부(250)는 차 영상 투영 데이터에 시그모이드(sigmoid) 함수를 곱하고, 시그노이드 함수가 곱해진 2-D FFT를 수행함으로써, 비교 데이터, 주식 상승 데이터 및 주식 하락 데이터 각각에 대해 주가의 변화 특징을 추출할 수 있다.
일 실시예에 있어서, 주식 추천 정보 생성부(250)는 추출된 주가의 변화 특징을 비교하여 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성한다. 예를 들면, 주식 추천 정보 생성부(250)는 2-D FFT 처리된 비교 데이터, 주식 상승 데이터 및 주식 하락 데이터 각각에 노멀라이즈 처리를 수행하고, 노멀라이즈 처리된 비교 데이터와, 노멀라이즈 처리된 주식 상승 데이터 및 주식 하락 데이터 간에 유사도를 산출하고, 산출된 유사도에 기초하여 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성한다.
일부 실시예에 있어서, 주식 추천 정보 생성부(250)는 산출된 유사도 중에서 가장 유사도가 높은 2개의 유사도를 추출한다. 주식 추천 정보 생성부(250)는 추출된 2개의 유사도가 모두 주식 상승 데이터인 적어도 하나의 비교 데이터를 추출하고, 추출된 적어도 하나의 비교 데이터에 해당하는 주식 종목을 포함하는 주식 추천 정보를 생성한다.
저장부(260)는 주식 정보 획득부(220)에 의해 획득된 주식 정보를 저장한다. 또한, 저장부(260)는 주식 데이터 생성부(230)에 의해 생성된 복수의 주식 데이터를 저장한다. 또한, 저장부(260)는 데이터 처리부(240)에 의해 생성된 복수의 트레이닝 데이터, 주가 상승 데이터 및 주가 하락 데이터를 저장한다. 이와 더불어, 저장부(260)는 주식 추천 정보 생성부(250)에 의해 생성된 주식 추천 정보를 저장할 수 있다.
제어부(270)는 주식 정보 제공 서버(120)의 기능 및 동작을 제어한다. 즉, 제어부(270)는 통신부(210), 주식 정보 획득부(220), 주식 데이터 생성부(230), 데이터 처리부(240), 주식 추천 정보 생성부(250) 및 저장부(260)의 동작을 제어한다.
도 7은 본 개시의 일 실시예에 따라 주식 추천 정보를 제공하는 방법을 나타낸 흐름도이다. 도 7에 도시된 흐름도에서 프로세스 단계들, 방법 단계들, 알고리즘들 등이 순차적인 순서로 설명되었지만, 그러한 프로세스들, 방법들 및 알고리즘들은 임의의 적합한 순서로 작동하도록 구성될 수 있다. 다시 말하면, 본 개시의 다양한 실시예들에서 설명되는 프로세스들, 방법들 및 알고리즘들의 단계들이 본 개시에서 기술된 순서로 수행될 필요는 없다. 또한, 일부 단계들이 비동시적으로 수행되는 것으로서 설명되더라도, 다른 실시예에서는 이러한 일부 단계들이 동시에 수행될 수 있다. 또한, 도면에서의 묘사에 의한 프로세스의 예시는 예시된 프로세스가 그에 대한 변화들 및 수정들을 제외하는 것을 의미하지 않으며, 예시된 프로세스 또는 그의 단계들 중 임의의 것이 본 개시의 다양한 실시예들 중 하나 이상에 필수적임을 의미하지 않으며, 예시된 프로세스가 바람직하다는 것을 의미하지 않는다.
도 7을 참조하면, 단계 S702에서 클라이언트 단말로부터 주식 매도 조건 정보가 수신된다. 예를 들면, 주식 정보 제공 서버(120)는 클라이언트 단말(110)로부터 주식 매도 조건 정보를 수신한다.
단계 S704에서, 주식 매도 조건 정보에 기초하여 복수의 주식 종목에 해당하는 주식 정보가 획득된다. 예를 들면, 주식 정보 제공 서버(120)는 증권사 서버(130)에 접속하여, 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 이전 일자까지 복수의 주식 종목을 요청하는 요청 메시지를 생성한다. 주식 정보 제공 서버(120)는 생성된 요청 메시지를 증권사 서버(130)로 전송하고, 증권사 서버(130)로부터 복수의 주식 종목에 해당하는 주식 정보를 수신한다.
단계 S706에서 수신된 주식 정보에 데이터 처리가 수행되어 복수의 주식 종목 각각에 대해 복수의 주식 데이터가 생성된다. 예를 들면, 주식 정보 제공 서버(120)는 복수의 주식 종목 각각에 대해, 주식 정보와 일자를 픽셀들로 하고, 주식 정보의 값을 픽셀들의 픽셀값으로 하는 주식 데이터를 생성한다.
단계 S708에서 복수의 주식 데이터에 데이터 처리가 수행한다. 예를 들면, 주식 정보 제공 서버(120)는 복수의 주식 데이터 각각에 사전 설정된 크기를 갖는 윈도우를 설정하고, 설정된 윈도우를 사전 설정된 단위(예를 들어, 일 단위)로 이동시키면서 복수의 트레이닝 데이터를 생성한다. 주식 정보 제공 서버(120)는 주식 매도 조건 정보에 기초하여, 복수의 트레이닝 데이터를 주가 상승 데이터와 주가 하락 데이터로 분류한다.
단계 S710에서 복수의 주가 데이터와 복수의 트레이닝 데이터에 기초하여, 주식 매도 조건 정보에 해당하는 적어도 하나의 주식 종목을 추천하는 주식 추천 정보가 생성된다. 예를 들면, 주식 정보 제공 서버(120)는 복수의 주식 데이터 각각에서 현재를 기준으로 사전 설정된 이전 일자까지의 비교 데이터를 추출한다. 주식 정보 제공 서버(120)는 비교 데이터 및 트레이닝 데이터(즉, 주가 상승 데이터 및 주가 하락 데이터)에 패턴 매칭 처리를 수행하여 주가의 변화 특징을 추출한다. 주식 정보 제공 서버(120)는 추출된 주가의 변화 특징을 비교하여 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성한다.
단계 S712에서 생성된 주식 추천 정보가 클라이언트 단말로 전송된다. 예를 들면, 주식 정보 제공 서버(120)는 생성된 주식 추천 정보를 클라이언트 단말(110)로 전송한다.
상기 방법은 특정 실시예들을 통하여 설명되었지만, 상기 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 실시예들을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 개시가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상 일부 실시예들과 첨부된 도면에 도시된 예에 의해 본 개시의 기술적 사상이 설명되었지만, 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 이해할 수 있는 본 개시의 기술적 사상 및 범위를 벗어나지 않는 범위에서 다양한 치환, 변형 및 변경이 이루어질 수 있다는 점을 알아야 할 것이다. 또한, 그러한 치환, 변형 및 변경은 첨부된 청구범위 내에 속하는 것으로 생각되어야 한다.
100: 주식 정보 제공 시스템 110: 클라이언트 단말
120: 주식 정보 제공 서버 130: 증권사 서버
140: 네트워크 210: 통신부
220: 주식 정보 획득부 230: 주식 데이터 생성부
240: 데이터 처리부 250: 주식 추천 정보 생성부
260: 저장부 270: 제어부
400: 윈도우

Claims (5)

  1. 주식 정보를 제공하는 방법으로서,
    클라이언트 단말로부터 주식 매도 조건 정보를 수신하는 단계;
    상기 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 이전 일자까지 복수의 주식 종목에 해당하는 주식 정보를 획득하는 단계;
    상기 복수의 주식 종목에 대해, 상기 사전 설정된 이전 일자를 기준으로 사전 설정된 기간 단위로 상기 주식 정보에 데이터 처리하여 복수의 주식 데이터를 생성하는 단계;
    사전 설정된 크기를 갖는 윈도우를 사전 설정된 일자 단위로 이동시키면서 상기 복수의 주식 데이터 각각에 적용하여 복수의 트레이닝 데이터를 생성하는 단계;
    상기 주식 매도 조건 정보에 기초하여 상기 복수의 트레이닝 데이터에서 주가가 상승한 적어도 2개의 트레이닝 데이터를 추출하는 단계;
    상기 적어도 2개의 트레이닝 데이터와 상기 복수의 주식 데이터에 기초하여 상기 주식 매도 조건에 대응하는 적어도 하나의 주식 종목을 추천하는 주식 추천 정보를 생성하는 단계; 및
    상기 주식 추천 정보를 상기 클라이언트 단말로 전송하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서, 상기 주식 매도 조건 정보는 현재를 기준으로 주식을 매도할 예정일을 포함하는 방법.
  3. 제1항에 있어서, 상기 주식 정보는 시가, 종가, 고가, 저가 및 거래량을 포함하고,
    상기 복수의 주식 데이터를 생성하는 단계는,
    상기 주식 정보와 일자를 픽셀들의 좌표로 하고 상기 주식 정보에 해당하는 값들을 상기 픽셀들의 픽셀값들로 하는 상기 복수의 주식 데이터를 생성하는 단계
    를 포함하는 방법.
  4. 제1항에 있어서, 상기 복수의 트레이닝 데이터를 생성하는 단계는,
    사전 설정된 크기를 갖는 윈도우를 상기 복수의 주식 데이터 각각에 설정하는 단계; 및
    상기 윈도우를 사전 설정된 단위로 이동시키면서 상기 복수의 트레이닝 데이터를 생성하는 단계
    를 포함하는 방법.
  5. 제1항에 있어서, 상기 주식 추천 정보를 생성하는 단계는,
    상기 복수의 트레이닝 데이터를 주가가 상승한 주가 상승 데이터 및 주가가 하락한 주가 하락 데이터로 분류하는 단계;
    상기 복수의 주식 데이터 각각에 상기 주식 매도 조건 정보를 수신한 일자를 기준으로 사전 설정된 크기를 갖는 윈도우를 설정하여 비교 데이터를 생성하는 단계;
    상기 비교 데이터 및 상기 복수의 트레이닝 데이터에 패턴 매칭을 수행하여 가장 높은 유사도를 갖는 사전 설정된 개수의 트레이닝 데이터를 추출하는 단계; 및
    상기 추출된 2개의 유사도가 모두 주식 상승 데이터인 적어도 하나의 비교 데이터를 추출하는 단계; 및
    상기 추출된 적어도 하나의 비교 데이터에 해당하는 주식 종목을 포함하는 상기 주식 추천 정보를 생성하는 단계
    를 포함하는 방법.
KR1020170159573A 2017-11-27 2017-11-27 주식 정보 제공 방법 KR102012564B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170159573A KR102012564B1 (ko) 2017-11-27 2017-11-27 주식 정보 제공 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170159573A KR102012564B1 (ko) 2017-11-27 2017-11-27 주식 정보 제공 방법

Publications (2)

Publication Number Publication Date
KR20190061317A true KR20190061317A (ko) 2019-06-05
KR102012564B1 KR102012564B1 (ko) 2019-08-20

Family

ID=66845459

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170159573A KR102012564B1 (ko) 2017-11-27 2017-11-27 주식 정보 제공 방법

Country Status (1)

Country Link
KR (1) KR102012564B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220003991A (ko) * 2021-10-08 2022-01-11 김영태 사용자 지향형으로 설정된 조건에 매칭되는 주식 종목 선별 시스템 및 방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102620493B1 (ko) 2023-01-13 2024-01-02 강원구 투자 정보 제공 매칭을 활용한 책임 보증 방식의 투자 거래 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020008554A (ko) * 2000-07-21 2002-01-31 임동진, 황홍선 사이버 증권정보 매매 시스템 및 그 방법
JP2011123795A (ja) * 2009-12-14 2011-06-23 Nomura Research Institute Ltd 株価影響企業検知システム及びプログラム
KR20120010714A (ko) * 2010-07-27 2012-02-06 대신증권 주식회사 미래 주가 패턴 예측 시스템 및 방법
KR20130123663A (ko) * 2012-05-03 2013-11-13 (주)뉴지스탁 주식종목 순위 분석 시스템 및 이를 이용한 주식종목 선택방법
KR20140111787A (ko) * 2013-03-12 2014-09-22 동양증권 주식회사 주식 종목 추천 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020008554A (ko) * 2000-07-21 2002-01-31 임동진, 황홍선 사이버 증권정보 매매 시스템 및 그 방법
JP2011123795A (ja) * 2009-12-14 2011-06-23 Nomura Research Institute Ltd 株価影響企業検知システム及びプログラム
KR20120010714A (ko) * 2010-07-27 2012-02-06 대신증권 주식회사 미래 주가 패턴 예측 시스템 및 방법
KR20130123663A (ko) * 2012-05-03 2013-11-13 (주)뉴지스탁 주식종목 순위 분석 시스템 및 이를 이용한 주식종목 선택방법
KR20140111787A (ko) * 2013-03-12 2014-09-22 동양증권 주식회사 주식 종목 추천 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220003991A (ko) * 2021-10-08 2022-01-11 김영태 사용자 지향형으로 설정된 조건에 매칭되는 주식 종목 선별 시스템 및 방법
WO2023058901A1 (ko) * 2021-10-08 2023-04-13 김영태 사용자 지향형으로 설정된 조건에 매칭되는 주식 종목 선별 시스템 및 방법

Also Published As

Publication number Publication date
KR102012564B1 (ko) 2019-08-20

Similar Documents

Publication Publication Date Title
US20210326729A1 (en) Recommendation Model Training Method and Related Apparatus
US11334635B2 (en) Domain specific natural language understanding of customer intent in self-help
CA3083723C (en) Method and apparatus for providing personalized self-help experience
US20210056458A1 (en) Predicting a persona class based on overlap-agnostic machine learning models for distributing persona-based digital content
CN112000819A (zh) 多媒体资源推荐方法、装置、电子设备及存储介质
US20150169527A1 (en) Interacting method, apparatus and server based on image
WO2020242635A1 (en) Method and system of correcting data imbalance in a dataset used in machine-learning
US11875241B2 (en) Aspect pre-selection using machine learning
CN107808314B (zh) 用户推荐方法及装置
US10606910B2 (en) Ranking search results using machine learning based models
CN106354856B (zh) 基于人工智能的深度神经网络强化搜索方法和装置
CN112905897B (zh) 相似用户确定方法、向量转化模型、装置、介质及设备
EP3491552A1 (en) Triggering application information
US20230177270A1 (en) Computer-based systems having data structures configured for machine learning classification of entities and methods of use thereof
KR20190061317A (ko) 주식 정보 제공 방법
US20130332440A1 (en) Refinements in Document Analysis
CN112783468A (zh) 目标对象的排序方法和排序装置
Kulkarni et al. IOT data Fusion framework for e-commerce
US20160124959A1 (en) System and method to recommend a bundle of items based on item/user tagging and co-install graph
CN110262906B (zh) 接口标签推荐方法、装置、存储介质和电子设备
KR20220053398A (ko) 인공지능을 활용한 의류상품 실시간 연결 및 추천 서비스 시스템
KR20180031342A (ko) 매물 검색 방법 및 장치
US11914657B2 (en) Machine learning aided automatic taxonomy for web data
US20240184837A1 (en) Recommendation method and apparatus, training method and apparatus, device, and recommendation system
Kulkarni et al. Measurement: Sensors

Legal Events

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