주식, 비트코인 예측 프로그램 : 필요 기능, 구현 계획, 개발 방향

구현 시스템 개요

평균 회귀 모델로 구현을 하는 경우 

평균 회귀 모델은 여러 종목 중 정상과정의 특성이 있는 종목을 찾아야 합니다. 그리고 이 종목들에 평균회귀 모델을 적용하는 것이 중요합니다. 따라서 정상과정의 특성이 있는 주식 종목을 찾는 기술이 핵심입니다.

머신 러닝 모델로 구현을 하는 경우

머신러닝 학습 후에 학습의 품질 정도를 나나태는 점수를 이용해야 합니다. 일정한 기준점을 가지고 판별하는 방식을 사용해야 합니다.

추가 기능

기본적으로 주가 관련 데이터가 있어야 구현 가능합니다. 따라서 추가적으로 필요한 주가 데이터를 다운로드하고 데이터베이스에 저장하는 기능이 필요합니다.

기존 데이터로 알고리즘 트레이딩에 사용할 주식을 선정해야 합니다. 그리고 과거 데이터에 적용해 어느 정도의 성능을 보여주는 판별해야합니다.

평균회귀 모델은 대표적으로 ADF, 허스트 지수, Half-life를 이용합니다. 알고리즘 트레이딩에 적합한 종목을 선택합니다. 그리고 머신러닝 모델을 사용해 우수한 성능을 보여주는 모델을 선별합니다.

하지만, 알고리즘 트레이딩에 적용하려는 모델의 성능이 어느 정도인지 측정하는 데에는 어려움이 있습니다.

그 이유는 이미 지나간 과거에 대한 데이터로 판단하기 때문입니다.

모델을 완성하는 데에 있어 과거 데이터를 활용한다면 높은 성능을 보여주곤 합니다. 하지만 미래 데이터에 적용하면 실망스러운 경우가 많습니다. 

따라서, 적절한 모델의 선정과 평가 또한 모델 개발만큼 중요한 부분입니다.

구현할 시스템에 필요한 기능 블록

데이터 크롤러 : 데이터를 받아와 데이터 베이스에 저장합니다.

데이터베이스 : 주가 데이터와 종목 코드 데이터를 저장합니다.

평균회귀 모델 : 정상 과정을 찾기 위한 방법을 적용합니다.

머신러닝 모델 : 주가의 상승, 하락 방향을 예측합니다.

알파 모델 : 평균 회귀 모델, 머신 러닝 모델 등 추상 알파 모델입니다.

포트폴리오 빌더 : 적합한 주식 종목 선정, 종목 관리 역할을 수행합니다.

트레이더 : 매도, 매수 거래를 수행합니다.

백테스터 : 과거 데이터를 적용해 성능을 계산합니다.