양방향 LSTM 순환신경망 기반 주가예측모델
https://doi.org/10.17661/jkiiect.2018.11.2.204
https://koreascience.kr/article/JAKO201819355173173.pdf
는 단방향 LSTM 순환신경망보다, 양방향 LSTM 순환신경망을 이용한 주가예측 모델이 더 작은 오차가 발생하여 주
가 예측 정확성이 향상되었다
양방향 순환신경망
RNN 은 입력 순서를 시간순서대로 처리하기 때문에 결과물은 주로 직전 패턴을
기반으로 하는 경향을 보이는 한계가 있다[7]양방향 순환신경망은 순방향과 역방향의 두 개의 분리된 순환신경망을 통해 학습을
시킨다. 이러한 방법으로, 학습시킬 시계열 데이터의 역방향에 추가로 은닉계층을 추가시킨다면 성능이 향상한다[8].
양방향 순환신경망
2.4 제안 방법과 관련한 내용
LSTM 모델:
주식의 일별 시가, 고가, 저가, 종가, 거래량을 입력 받는 입력계층은 5개로 구성
20개의 LSTM 셀로 구성된 은닉계층
주가 예측을 위한 1개 출력계층으로 이루어진다.
최적화 Adam
데이터:
구글 주가로 3428개 중 70%를 학습용, 30%를 테스트용으로 사용
오차를 확인하기 위해 평균제곱근오차 Root Mean Square Error RMSE 를 사용
$$
RMSE = \sqrt{ \frac{1}{n}( \sum_{t=1}^{n} (real - precit_t)^2 ) }
$$
3.2 성능평가
Tensorflow v.1.7에서 Learning rate
는 0.01로 설정하고 500번의 반복 학습을 수행하였
다. 실험을 통해서 제시된 딥러닝 모델에 대해 오차
감소율과 예측률을 각각 측정하였다.