정리 - Self-Organizing Maps ...

논문 Self-Organizing Maps as a Foundation for Charting or Geometric Pattern Recognition in Financial Time Series를 정리한 것이다.

요약
이 논문은 2003년에 제출되었고, Self-Organizing Maps(이하 SOM)이라는 인공지능 분류 방법을 이용하여 주식의 기술적 분석(Technical Analysis)을 분류한 것이다. 주식의 기술적 분석이란 Charting이라고도 하는데, Chart의 패턴을 인지(recognition)하고 분류하여 미래의 주가 그래프를 예측하는 것이다.

동기
주식의 기술적 분석은 기본적 분석(fundamental analysis)에 비해 주목을 받지 못했다. 기술적 분석이 오랜 역사를 가지고 있지만 과학자들에게는 점성술이나 연금술 정도의 취급을 받곤 했다. 이 논문에서는 SOM을 이용하여 chart의 패턴을 분류하고 각각이 abnormal return을 만들어 내는지를 분석한다.

실험과정

1. 실험기간을 정하고, Sliding Window방식으로 자료를 재 구분한다. 즉, 1 ~ T 시점의 데이터를 각 시점에서 w라는 sliding window 만큼의 시점까지의 데이터를 하나의 sample로 간주한다. 그러면 총 T - w + 1개의 sample이 생성된다.
2. 1에서 만들어진 sample을 SOM을 이용하여 pattern을 분류한다. 이 논문에서는 36개의 pattern으로 나누었다.
3. Fama & French의 model인 Monte Carlo Simulation을 통하여 실제 데이터가 아닌 가공의 데이터를 만들고 이를 위와 같은 방법으로 SOM을 이용하여 pattern을 분류한다. 이를 통해 현재 Financial time series model에 charting 기법이 포함되어 있는지를 확인해 본다.
4. 각 pattern이 발견되었다는 조건에 의한 return과 단순히 buy and hold 전략에 의한 return의 차이가 통계적으로 유의한지 검사한다.
   

추가할 내용들

1. Normalized Equity Curves에 대해 깊은 이해를 하지 못했다.
2. monotone increasing이나 monotone decreasing을 고려하여 return을 재 계산한 모형을 잘 이해하지 못했다.