[Paper Tasting] 딥러닝을 주식 투자에 어떤 식으로 활용할 수 있나

• 논문 제목: [2022] Deep learning in the stock market-a systematic survey of practice, backtesting, and application
• Acess Link: https://link.springer.com/article/10.1007/s10462-022-10226-0

• 이 논문이 대답하고 있는 핵심 질문
  • 딥러닝을 주식 투자에 어떤 식으로 활용할 수 있나
• 주요 내용 및 평가
  • 제목 그대로 주식 시장에 딥러닝을 적용하는 주요 논문들을 조사하여 소개하고, 어떤 문제들이 있고, 어떤식으로 문제를 해결하려고 했는지를 소개하고 있다. 특히 이 분야의 연구들이 현실에 적용되기 위해서 해결해야 할 이슈에 대해 설명을 하고 있다.
  • 이미 데이터를 확보하고 문제를 풀고 있는 사람에게는 크게 도움이 안될 수도 있으나 주가 예측, 매매, 포트폴리오 관리 등의 문제에 대해 관심을 가지고 연구를 시작하려는 이들에게는 참고가 될만한 다양한 이슈들을 다루고 있다.
  • 특히, 처음 연구를 시작하는 이들에게는 막막할 수 있는 데이터 확보 소스에 대해 소개해 주고 있어 유용하다.
  • 단, 이 논문에서 조사한 논문은 2020년 논문까지이므로, 최신 논문은 별도로 찾아 봐야 한다.
• 기타 참고 사항
  • 주식 데이터는 non-stationary time series이다. 즉 시간의 흐름에 따라 통계적 특성이 변화하는 데이터이다. 이러한 데이터를 다루는 일반적인 방법은 이전과의 차이를 계산하는 differencing이다.
  • 신뢰성 있는 backtesting을 위한 방법은 학습 기간을 늘려가며 그 이후 일정 기간을 Testing기간으로 설정하여 학습하고 검증하는 Expanding window 방식과, 고정된 학습 기간과 테스트 기간을 shifting하는 Sliding window방식이 있다.
  • Backtesting이 Silver bullet은 아니다. Financial time series data는 IID가 아니기 때문에 다른 시기에는 다른 통계 분포를 가질 수 있고, 알고리즘의 성능도 달라질 수 있다. 이 점이 금융 데이터에 대해 Machine Learning을 적용할 때 가지는 가장 큰 해결 과제가 아닐까 싶다.
  • 이 논문에서 조사한 바에 따르면 CNN, LSTM이 가장 많이 사용되는 Network architecture였다.