주가 예측 모델: 과거 가격 데이터만으로 유효한 예측이 가능한가?

핵심 기술

본 콘텐츠는 과거 주가 데이터만을 활용하여 미래의 주가 수익률을 예측하는 시계열 회귀 문제로 접근합니다. 다양한 기술적 지표 없이 순수 가격 데이터의 패턴을 학습하여 예측 성능을 평가하는 방법을 제시합니다.

기술적 세부사항

• 데이터 수집 및 전처리: 공개된 주가 데이터를 활용하며, 10개의 유명 기업 데이터를 2018년 1월 1일부터 2025년 1월 1일까지 약 17,610개의 행으로 파싱 및 정제합니다.
• 특성 공학: 각 종목의 과거 60일간의 종가 데이터를 입력(X)으로 사용하며, 예측 목표(y)는 10일 후의 주가 수익률로 정의합니다. 이는 종목 간 가격 스케일 차이를 보정하기 위함입니다.
• 입력 시퀀스 표준화: 각 입력 시퀀스(60일치 과거 종가)를 해당 시퀀스의 평균과 표준편차를 사용하여 표준화합니다. 이는 종목 간 가격 차이를 완화하는 데 도움을 줍니다. ((input_seq - np.mean(input_seq)) / np.std(input_seq))
• 데이터 분할: 전체 데이터를 학습(70%), 검증(15%), 테스트(15%) 세트로 분할합니다.
• 데이터 스케일링 검증: StandardScaler를 사용하여 전체 데이터셋에 대한 스케일링의 필요성을 시각적으로 검증합니다. 박스 플롯을 통해 원본 데이터와 스케일링된 데이터의 분포를 비교합니다.

개발 임팩트

본 분석은 단순히 과거 가격 데이터만으로 주가 예측이 얼마나 실현 가능한지에 대한 현실적인 질문에 답하는 것을 목표로 합니다. 모델 평가에 대한 정량적인 지표(MAE, MSE 등)의 중요성을 강조하며, 실증적인 접근을 통해 과도한 자신감을 경계하도록 안내합니다.

커뮤니티 반응

언급된 GitHub 저장소는 코드, 데이터 및 설정 파일을 포함하고 있어 재현 가능성을 높이고 커뮤니티의 참여와 검증을 유도합니다.