[논문 요약] RCN : Predict Stock Price with Financial News Based on Recurrent Convolutional Neural Network, 2017

* 논문  Predict Stock Price with Financial News Based on Recurrent Convolutional Neural Network, 2017

 

---

 

1. 입력 데이터

- 입력 데이터 대상

대만증시(1개) : Taiwan Stock Exchange(TWSE)

기업(4개) :  TSMC, Hon Hai Precision Industry(Foxconn Technology Group), China Steel Corporation(CSC), Graffe King Bio

=> 각각 독립적인 모델링 설계

 

- 입력 데이터 종류 : 일 단위

일 단위의 거래데이터(종가)와 텍스트데이터(뉴스제목) 사용

 

- 입력 데이터 기간 

1. 종가데이터 : 2007-06-21 ~ 2017-02-13, 2,397일

2. 뉴스제목 : 2007-06-21 ~ 2017-02-13, 2,397일

 

- 입력 데이터 구체화 

1. 종가 : 2,397개

2. 뉴스제목 : 2,397일 * 일당 5개 =  총 11,985 

 

- 입력 데이터 벡터화

1. 종가 : (2,397, 1)

2. 뉴스제목 : (2,397 * 5, 14, 250) = (sample, word_length, word_dim)

=> word_dim 250차원은 사전 학습된 워드임베딩에서 lookup 된 값이다. 

=> word_length 14는 단어 숫자를 의미, 이것보다 적다면 zero-padding 실시

 

- 입력 데이터 출저

1. 종가 : https://finance.yahoo.com/lookup, http://www.twse.com.tw

2. 뉴스제목 : http://www.epochtimes.com/b5/nsc420.htm (Epoch News Website)

 

 

 

 

2. 출력 데이터

- 출력 데이터 종류

1) 종가

2) 등락

     - 0 : neutral

     - 1 : rise

     - 2 : fall

 

- 출력 데이터 기간 : Delay

1) 종가 : 5일 후

2) 등락 : 5일 후 

 

- 학습(최적화) : 손실함수 

종가예측하는 모델(RCN) : RMSE

등락예측하는 모델(RCN-C) : Categorical cross entropy

 

 

 

3. 모델링

 

1. 수집된 뉴스제목 텍스트를 Word2Vec으로 워드임베딩 한다. 

   => 의미있고, dense한 vectors인 word representation을 얻을 수 있다. 

         이것이  (2,397 * 5, 14, 250)다. 

 

2.  워드임베딩된 word representation을 Convolutional Neural Networks를 통해 high-level feature를

      추출한다.

   =>  CNN을 쓰는 이유는 가볍고 속도빠르다. (파라미터 적음) 더불어 지역적 특징들 추출 가능하다.  

 

3. Convolutional Neural Networks를 통해 추출되는 feature는 기존 3차원 텐서에서 1차원 배열로 변환된다.

     이후 fully-connected layers로 투입된다. 

 

4. CNN으로 추출된 1차원 배열 high-level-feature와 또 다른 데이터인 종가가 LSTM의 input으로 투입된다.

 

5. 역전파를 통해 학습을 하며 결국, 예측값(price)과 실제값(price)의 차이를 최소화하며 모델링의 정확도를 높인다. 

 

 

 

 

4. Trading Simulation 

- Trading 기간

training data의 1/10인 240일 동안의 수익으로 평가

 

- Trading 초기값

One million New Taiwanese Dollar(NTD)

 

- Trading 방법

KD(stochastic osillator), MA(Moving average model)기법 하에 RCN적용

 

 

 

 

5. 평가

=> 결국은 RCN이 좋다는 의미