인공지능의 사회적 수용도에 따른 키워드 검색량 기반 주가예측모형 비교연구

조유정; 손권상; 권오병

추천

검색

질문

자료유형: 학술저널

저자정보: 조유정 (경희대학교) 손권상 (인하대학교) 권오병 (경희대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제27권 제1호

발행연도: 2021.3

수록면: 103 - 128 (26page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2021

인공지능의 사회적 수용도에 따른 키워드 검색량 기반 주가예측모형 비교연구

조유정 , 손권상 , 권오병 지능정보연구 2021.03 학술저널

2020

기술 키워드 검색량 기반 주가변동성 예측 모형 비교 연구

조유정 , 손권상 , 권오병 한국지능정보시스템학회 학술대회논문집 2020.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 주식의 수익률과 거래량을 설명하는 주요 요인으로서 투자자의 관심도와 주식 관련 정보 전파의 영향력이 부각되고 있다. 또한 인공지능과 같은 혁신 신기술을 개발보급하거나 활용하려는 기업의 경우 거시환경 및 시장 불확실성 때문에 기업의 미래 주식 수익률과 주식 변동성을 예측하기 어렵다는 문제를 가지고 있다. 이는 인공지능 활성화의 장애요인으로 인식되고 있다. 따라서 본 연구의 목적은 인공지능 관련 기술 키워드의 인터넷 검색량을 투자자의 관심 척도로 사용하여, 기업의 주가 변동성을 예측하는 기계학습 모형을 제안하는 것이다. 이를 위해 심층신경망 LSTM(Long Short-Term Memory)과 벡터자기회귀(Vector Autoregression)를 통해 주식시장을 예측하고, 기술의 사회적 수용 단계에 따라 키워드 검색량을 활용한 주가예측 성능 비교를 통해 기업의 투자수익 예측이나 투자자들의 투자전략 의사결정을 지원하는 주가예측 모형을 구축하였다. 또한 인공지능 기술의 세부 하위 기술에 대한 분석도 실시하여 기술 수용 단계에 따른 세부 기술 키워드 검색량의 변화를 살펴보고 세부기술에 대한 관심도가 주식시장 예측에 미치는 영향을 살펴보았다. 이를 위해 본 연구에서는 인공지능, 딥러닝, 머신러닝 키워드를 선정하여, 2015년 1월 1일부터 2019년 12월 31일까지 5년간의 인터넷 주별 검색량 데이터와 코스닥 상장 기업의 주가 및 거래량 데이터를 수집하여 분석에 활용하였다. 분석 결과 인공지능기술에 대한 키워드 검색량은 사회적 수용 단계가 진행될수록 증가하는 것으로 나타났고, 기술 키워드를 기반으로 주가예측을 하였을 경우 인식(Awareness)단계에서 가장 높은 정확도를 보였으며, 키워드별로 가장 좋은 예측 성능을 보이는 수용 단계가 다르게 나타남을 확인하였다. 따라서 기술 키워드를 활용한 주가 예측 모델 구축을 위해서는 해당 기술의 하위기술 분류를 고려할 필요가 있다. 본 연구의 결과는 혁신기술을 기반으로 기업의 투자수익률을 예측하기 위해서는 기술에 대한 대중의 관심이 급증하는 인식 단계를 포착하는 것이 중요하다는 점을 시사한다. 또한 최근 금융권에서 선보이고 있는 빅데이터 기반 로보어드바이저(Robo-advisor) 등 투자 의사 결정 지원 시스템 개발 시 기술의 사회적 수용도를 세분화하여 키워드 검색량 변화를 통해 예측 모델의 정확도를 개선할 수 있다는 점을 시사하고 있다.

Recently, investors" interest and the influence of stock-related information dissemination are being considered as significant factors that explain stock returns and volume. Besides, companies that develop, distribute, or utilize innovative new technologies such as artificial intelligence have a problem that it is difficult to accurately predict a company"s future stock returns and volatility due to macro-environment and market uncertainty. Market uncertainty is recognized as an obstacle to the activation and spread of artificial intelligence technology, so research is needed to mitigate this. Hence, the purpose of this study is to propose a machine learning model that predicts the volatility of a company"s stock price by using the internet search volume of artificial intelligence-related technology keywords as a measure of the interest of investors. To this end, for predicting the stock market, we using the VAR(Vector Auto Regression) and deep neural network LSTM (Long Short-Term Memory). And the stock price prediction performance using keyword search volume is compared according to the technology"s social acceptance stage. In addition, we also conduct the analysis of sub-technology of artificial intelligence technology to examine the change in the search volume of detailed technology keywords according to the technology acceptance stage and the effect of interest in specific technology on the stock market forecast. To this end, in this study, the words artificial intelligence, deep learning, machine learning were selected as keywords. Next, we investigated how many keywords each week appeared in online documents for five years from January 1, 2015, to December 31, 2019. The stock price and transaction volume data of KOSDAQ listed companies were also collected and used for analysis. As a result, we found that the keyword search volume for artificial intelligence technology increased as the social acceptance of artificial intelligence technology increased. In particular, starting from AlphaGo Shock, the keyword search volume for artificial intelligence itself and detailed technologies such as machine learning and deep learning appeared to increase. Also, the keyword search volume for artificial intelligence technology increases as the social acceptance stage progresses. It showed high accuracy, and it was confirmed that the acceptance stages showing the best prediction performance were different for each keyword. As a result of stock price prediction based on keyword search volume for each social acceptance stage of artificial intelligence technologies classified in this study, the awareness stage"s prediction accuracy was found to be the highest. The prediction accuracy was different according to the keywords used in the stock price prediction model for each social acceptance stage. Therefore, when constructing a stock price prediction model using technology keywords, it is necessary to consider social acceptance of the technology and sub-technology classification. The results of this study provide the following implications. First, to predict the return on investment for companies based on innovative technology, it is most important to capture the recognition stage in which public interest rapidly increases in social acceptance of the technology. Second, the change in keyword search volume and the accuracy of the prediction model varies according to the social acceptance of technology should be considered in developing a Decision Support System for investment such as the big data-based Robo-advisor recently introduced by the financial sector.

#인공지능 #사회적 수용도 #주가예측 #다변량 시계열 #키워드 검색량 #LSTM #VAR #Artificial Intelligence #Social Acceptance #Stock Price Prediction #Multivariate Time Series #Keyword Search Volume

참고문헌 (67)

참고문헌 신청

Agag, G. M., M. A. Khashan, and M. H. ElGayaar, “Understanding online gamers' intentions to play games online and effects on their loyalty: An integration of IDT, TAM and TPB”, Journal of Customer Behaviour, Vol.18, No.2(2019), 101-130.

Alsmadi, I., M. Al-Ayyoub, M. Alsmirat, and Y. Jararweh, “Using popular search terms in stock price prediction”, In 2019 Sixth International Conference on Social Networks Analysis, Management and Security (SNAMS), 279-285).

Bank, M., M. Larch, and G. Peter, “Google search volume and its influence on liquidity and returns of German stocks”, Financial Markets and Portfolio Management, Vol.25, No.3(2011), 239-264.

Bong, K. T., and H. S. Lee, “Analysis and estimation for market share of biologics based on Google trends big data”, Journal of the Society of Korea Industrial and Systems Engineering, Vol.43, No.2(2020), 14-24.

Bordino, I., S. Battiston, G. Caldarelli, M. Cristelli, A. Ukkonen, and I. Weber, “Web search queries can predict stock market volumes”, PloS One, Vol.7, No.7(2012), 1-17.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

조유정

소속기관 경희대학교

주요연구분야 공학 > 산업공학 공학 > 컴퓨터학

논문수 9 이용수 1,097

손권상

소속기관 인하대학교

주요연구분야 공학 > 산업공학 TOP 5% 공학 > 컴퓨터학

논문수 17 이용수 4,388

Ohbyung Kwon

소속기관 Kyung Hee University

주요연구분야 공학 > 컴퓨터학 TOP 5% 사회과학 > 경영학 TOP 5%

논문수 150 이용수 23,627

이 논문과 함께 이용한 논문

20~30대 투자 유형별 금융 서비스 개선 방향성 제안 - 로보어드바이저(Robo-Advisor) 서비스를 중심으로 -

고현진 , 이윤이 , 권미정 외 2명 Journal of Integrated Design Research 2023 .09

로보어드바이저의 페르소나와 대화 설계 전략이 사용자 경험에 미치는 영향: 투자 손실 상황에서 정중함과 책임 귀인을 중심으로

박진아 , 오창훈 , 최준호 디지털콘텐츠학회논문지 2023 .08

로보어드바이저 펀드 상품의 설득 메시지 유형이 소비자 반응에 미치는 영향

엄윤성 , 유혜지 , 강영선 한국산학기술학회 논문지 2023 .05

로보어드바이저 사용의도에 영향을 미치는 요인에 관한 연구: 혁신성의 조절효과를 중심으로

김재철 경영교육연구 2021 .12

로보어드바이저(Robo-adviser) 신뢰와 이용의향의 영향요인에 관한 탐색적 연구 : 로보어드바이저 신뢰의 매개효과를 중심으로

손민희 e-비즈니스연구 2021 .10

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-003-001649711

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (67)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)