차트투자와 딥러닝

 

딥러닝 종종 쓰는 엔지니어라 보다보면 느끼는 점인데

 

시계열 예측, 그러니까 주식처럼 시간에 따라 차트가 변하는 항목들에 대해서는

 

딥러닝이 꽤 우수한 예측력을 보여주곤 함.

 

 

네이쳐에 올라갔던 논문 중에 하나 예를 들어 보면, 딥러닝 아키텍처 중 하나인 TCN(Temporal Convolutional Network)으로 예측한 자연현상 (엘니뇨).

 

빨간색과 파란색의 비교를 보면 알겠지만... 인간의 직관으로는 거의 불가능한 수준의 예측력을 보여줌.

 

이정도면 거의 점쟁이 수준의 예측에 가깝다고 할 수 있음.

 

 

딥러닝 공부하다보면 매번 예제로 나오는게 주가 예측하는 모델 만드는거고

 

간단한 LSTM 모델과 같은 초보적인 수준에서도 위의 그래프처럼 꽤 괜찮은 예측모델(파란색)과 실제(빨간색)의 동향을 볼 수 있음.

 

얼핏보기에 가격은 차이가 날 지언정, 고점과 저점의 특성은 비교적 괜찮게 찝어내는 것을 확인할 수 있음.

 

(아키텍처마다 성능도 천차만별이고, 하이퍼파라미터 튜닝에 따라서도 실제 예측력은 아주 다를수 있음) 

 

 

 

 

그러나, 언제나 차트로 보는 주가는 생각보다 완벽하지 않음.

 

주가에 영향을 미치는 요소는 너무나도 다양하고, 그러한 외부적 요인에 의해 차트의 형상 자체가 패러다임이 바뀌는 경우가 있기 때문임.

 

예를들어 코로나 이전의 차트만 가지고, 코로나로 인한 이후 증시 영향을 예측하지 못하는 것 처럼,

 

차트기반 예측은 과거를 통해 미래를 예측하는 것이기 때문에 생각보다 정답률이 좋지만은 못함.

 

 

 

특히 요즘같은 시대에는 실제로 증권사들에서도 차트분석에 보조지표로 딥러닝을 많이 쓰기 때문에

 

어느정도 큰 금액들이 이미 차트를 반영해서 그걸 참고로 움직이기 때문에 (원데이터의 오염?)

 

더욱 맞추기 어려워지는 경향도 있는 듯.

 

 

 

어디까지나 주식가격은 쉽게 예측되기 어려우므로, 어느 특정분야를 맹신하는건 그닥 좋지 않은듯.

 

물론 차트라도 제대로 보는건 무지성 투자보다는 승률이 높습니다.