주가의 기술적 지표를 이용한 단방향·양방향 LSTM 모델의 주가 예측 분석

• Published in: Inteonet jeongbo hakoe nonmunji = Journal of Korean Society for Internet Information Vol. 26; no. 3; pp. 111 - 119
• Main Authors: 류종우, Jong-woo Ryu, 백건희, Geon-hee Baek, 남춘성, Choon-sung Nam
• Format: Journal Article
• Language: Korean
• Published: 한국인터넷정보학회 30.06.2025
• Subjects: Bidirectional; Features; LSTM; RMSE; Stock price prediction; Unidirectional; 단방향; 양방향; 주가 예측; 컴퓨터학; 평균 제곱근 오차; 피처
• ISSN: 1598-0170; 2287-1136
• DOI: 10.7472/jksii.2025.26.3.111

본 논문은 LSTM(Long Short-Term Memory) 모델을 활용한 주가 예측에서 추가적인 입력 변수인 기술적 지표 활용 여부가 모델 성능에 미치는 영향을 분석하고, 단방향 및 양방향 모델 간의 성능 차이를 비교하였다. 입력값으로는 시가, 종가, 저가, 고가, 거래량을 사용하였으며, 상대강도지수와 변동성을 추가적인 입력 변수로 선택하였다. 기술적 지표를 포함하지 않은 모델과 포함한 모델을 각각 단방향 및 양방향 LSTM 모델의 성능을 비교 분석하였으며, 성능 평가는 평균 제곱근 오차를 기준으로 평가하였다. 실험 결과 기술적 지표를 추가한 모델이 예측 성능에서 더 낮은 평균 제곱근 오차를 보이며 정확도가 높은 것을 확인하였다. 또한, 양방향 LSTM 모델이 단방향 LSTM 모델에 비해 전반적으로 더 우수한 성능을 보였다. This paper analyzes the effect of whether or not to utilize additional features on th model performance in stock price prediction using the LSTM(Long Short-Term Memory) model and compares the performance difference between the unidirectional and bidirectional models. Opening price, closing price, low price, high price, and trading volume were used as input values, and the RSI(Relative Strength Index) and volatility were selected as additional features. The performance of the unidirectional and bidirectional LSTM models that did not include features and the unidirectional and bidirectional LSTM models were compared and analyzed, respectively, and the performance evaluation was evaluated based on the RMSE(Root Mean Square Error). As a result of the experiment, it was confirmed that the model to which the RSI and volatility were added showed a lower RMSE in the prediction performance and improved accuracy. In addition, the bidirectional LSTM model showed better overall performance than the unidirectional LSTM model.