듀얼 LSTM 기반 주가지수선물 예측: 데이 트레이딩을 위한 통합 트레이딩 시스템 개발

초록

주식 시장에서 인공지능을 활용한 연구는 주로 단일 모델을 통해 주가를 예측하거나 상승, 하락 및 패턴을 인식하는 데 집중되어 왔다. 반면, 여러 모델을 조합하여 성능을 개선하려는 시도는 아직 활발히 이루어지지 않고 있다. 본 연구는 듀얼 long short-term memory를 활용하여 주가 예측 및 상승, 하락을 분류하는 통합 트레이딩 시스템을 제안한다. 구체적으로 회귀 모델을 활용하여 주가 예측 구간을 생성하고, 골든 크로스 이론을 기반으로 전략을 개발하며, 분류 모델을 통해 주가의 상승과 하락을 분류한다. 이후, 모델들의 결과를 통합 하여 하나의 통합 트레이딩 시스템으로 구축한다. 이러한 제안 방법은 기존의 단일 모델 기반 전략의 한계를 극복하고, 거래 신호의 신뢰성을 높이는 데 기여 한다. 제안한 연구의 성능을 평가하기 위해 다양한 윈도우 크기 조합별로 거래 성능 평가를 수행하였으며, 그 결과를 바탕으로 트레이딩 시스템의 수익성과 리스크 관리 능력을 종합적으로 분석하였다. 실험 결과, 통합 모델이 기존의 단일 모델보다 개선된 수익성 (Profit factor: 1.28)과 낮은 위험도 (Max drawdown: 4.89%)을 보이며 개선된 접근법을 제시하였다.

키워드