바이브 컴퍼니와 진행한 프로젝트입니다.
기존 주가 예측은 매출액, 영업 이익, 종가, 시가, 거래량 등 시계열 수치 데이터를 기반으로 주가를 예측했습니다. 이는 정확성은 뛰어나나 비직관적이고 깊은 지식이 필요합니다.
따라서 각종 수치 데이터가 아닌, 주가 차트 이미지만으로 단기적으로 주가가 상승/하락 할지 예측하는 딥러닝 기반 예측 시스템을 구현했습니다.
단기예측이라 할지라도 일자별 주가추이를 예측하는 모델은 현실적으로 정확도가 낮을 수 밖에 없으므로, 단기간 안에(5일 이내, 20일 이내 등) 일정수준 이상(5%, 10%) 상승 혹은 하락할지 측하는 일종의 분류 문제로 접근했습니다.
- 캔들 스틱 주가 차트 이미지 생성 및 라벨링 프로그램 코드.
- Yolo 모델의 훈련 및 예측 프로그램 코드.
- Yolo 모델을 통해 검출된 매수/매도 시점을 기반으로 수익률 계산하는 프로그램 코드.
- 캔들 차트 이미지 기반 CNN 분류 모델 VGG16과 efficientNet를 활용한 주가 예측 및 수익률 평가 프로그램 코드.
- 캔들 차트 이미지 기반 CNN 모델을 활용하여 주가 예측을 진행한 논문 reference 코드.
- VGG16, efficientNet, yolo 모델 기반 상승 종목 추천 기능, 보유 종목 기반 모의 투자 및 수익률 확인, 백테스팅 기능, yolo 모델을 통한 매수/매도 시점 검출 추천 기능을 위한 backend 코드
- VGG16, efficientNet, yolo 모델 기반 상승 종목 추천 기능, 보유 종목 기반 모의 투자 및 수익률 확인, 백테스팅 기능, yolo 모델을 통한 매수/매도 시점 검출 추천 기능을 위한 frontend 코드
- 딥러닝 및 CNN 모델 구현 및 개념 학습
- 주가 이미지 생성 파이썬 라이브러리 학습
- MNIST 손글씨 인식 모델 학습
- CNN 모델 개념 학습
- hyperparameter tuning 개념 학습
- 아이디어 회의 및 기반 기술 논문 읽기
- 주가 캔들 차트 이미지 생성 및 라벨링 tool 개발
- 거래 기간, 차트 이미지 feature(OHLC, Volume, Moving Average(MA), 이미지 크기) 조정 기능 지원
- 예측 간격, 주가 차트 라벨링 방식, data split, sampling 방식 선택 기능 지원
- 캔들 차트 이미지 기반 CNN 모델 VGG16과 efficientNet 개발 및 최적화
- VGG16과 efficientNet 학습 및 활용
- hyperparameter tuning으로 정확도 및 수익률 개선
- 다양한 종류와 기간의 kosdaq, kospi 주가 차트 이미지 dataset를 학습시켜 정확도 및 수익률 개선
- Yolo 객체 인식 모델로 매매 타이밍 검출하는 Yolo 모델 개발
- Yolo 모델 학습 및 활용
- Yolo v5 전환 및 논문의 터키 주가 차트 이미지 데이터를 학습하여 코스닥 수익률 평가
- Yolo 매매 타이밍 검출 프로토타입 데모 website 구현
- 캔들 차트 이미지 기반 CNN 모델 VGG16과 efficientNet 추가 개발 및 성능 최적화
- 다양한 set의 kospi, kosdaq dataset을 활용하여 학습, 성능 및 수익률 평가
- Yolo 객체 인식 모델 기반 매매 타이밍 검출 모델 추가 개발 및 성능 최적화
- kospi, kosdaq dataset에 신규 라벨링 방식 적용
- 신규 라벨링 방식 기반 yolo 매매 타이밍 검출 모델 성능 및 수익률 평가
- 주가 예측 시뮬레이션 demo web app 개발
- 주가 차트 이미지만으로도 단기 주가 예측이 가능한 CNN 모델 구현, 최적화 및 수익률 평가.
- Yolo 객체 인식 모델을 활용, 매수/매도 시점을 검출하여 주가 예측의 직관성 개선.