행렬 프로파일을 이용한 금융 시계열 분석

• 영문명: Matrix Profile as an Exploratory Financial Data Analysis Tool
• 발행기관: 한국자료분석학회
• 저자명: 조예나(Yena Cho) 백창룡(Changryoung Baek)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.24 No.1, 67~81쪽, 전체 15쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2022.02.28

국문 초록

행렬 프로파일은 주어진 쿼리에서 가장 가까운 이웃을 찾는 방법인 전체 유사성 검색을 거짓 음성 없이 찾는 방법으로 Yeh et al.(2016)가 제안하였다. 본 논문은 행렬 프로파일을 금융 시계열 자료에 적용해 봄으로써 전체 유사성 검색에 기반한 자료 분석이 어떻게 활용될 수 있는지 살펴보았다. 본 논문은 2019년부터 2021년까지 관찰된 KOSPI 지수 및 실현변동성을 고려하였다. 구체적으로 행렬 프로파일을 통해 얻어진 가장 대표적인 패턴인 모티프를 통해 반복되는 추이를 살펴보았고, 가장 상이한 패턴인 디스코드를 통해 이상점을 파악하였다. 이는 탐색적 자료분석 도구로써 주식 종가에서 나타나는 대표적인 상승세와 하락세와 같은 의미 있는 정보를 제공해주었다. 또한 유사도를 정량화한 측도를 통해서 시계열 자료의 부분 유사도를 파악하고 변곡점을 살펴보았다. 이를 변화점을 찾는 가장 표준적인 방법인 CUSUM을 이용한 결과와 비교해보았다. CAC를 이용한 결과 코로나 위기의 시작 및 백신의 개발로 인한 극복 과정에 대한 시기를 유의미하게 변화점으로 잘 탐지해내었다. 마지막으로, 행렬 프로파일을 이용한 시계열 자료의 군집화를 통해 세계 주가지수와 실현변동성들의 공동화를 살펴볼 수 있었다.

영문 초록

Matrix profile proposed by Yeh et al. (2016) finds the nearest neighbors at a given query without false negatives, which is also called all-pair-similarity search. In this paper, we examined matrix profile as an exploratory data analysis tool for financial time series. To be more specific, we consider KOSPI index and realized volatility from 2019 to 2021. We analyzed motif to find the most representative pattern of the financial time series, and discord to identify outlying patterns. As an exploratory data analysis tool, it provided meaningful information such as a representative rise and decline in stock closing prices. Also, we conducted semantic segmentation to detect changepoints and locate similar regimes. we compared the results with CUSUM, the most standard method of finding changepoint. As a result of using CAC, the timing of the start of the COVID-19 crisis and the overcoming process due to the development of vaccines was well detected as a significant change. Finally, hierarchical clustering using matrix profile provided meaningful comovement of KOSPI market with US markets.

목차

1. 서론

2. 행렬 프로파일 소개

3. 실증 자료 분석

4. 결론 및 논의점

References

키워드

행렬 프로파일 모티프 실현변동성 계층적 군집화 matrix profile motif realized volatility hierarchical clustering