SVM Classifier - 기본전략

이번 포스팅에서는 서포트벡터머신 분류기를 이용해서 일일주가트렌드 분석을 분석해본다.

데이터는 2000년도부터의 삼성전자 일일 주가데이터를 사용한다.

dataframe = fdr.DataReader('005930', '2000')
dataframe.dropna(inplace=True) # 결측치제거
dataframe

Date	Open	High	Low	Close	Volume	Change
2000-01-04	6000	6110	5660	6110	1483967	0.148496
2000-01-05	5800	6060	5520	5580	1493604	-0.086743
2000-01-06	5750	5780	5580	5620	1087810	0.007168
2000-01-07	5560	5670	5360	5540	806195	-0.014235
2000-01-10	5600	5770	5580	5770	937615	0.041516
…	…	…	…	…	…	…
2021-11-29	71700	73000	71400	72300	16682559	0.000000
2021-11-30	73200	73900	70500	71300	30364841	-0.013831
2021-12-01	72000	74800	71600	74400	21954856	0.043478
2021-12-02	73900	75800	73800	75800	23652940	0.018817
2021-12-03	75600	76000	74100	75600	17616621	-0.002639

따로 전처리과정없이 데이터에 있는 모든 특성을 변수로 이용한다.

def trend_separater(x):
	if x > 0.0016639: # 상승과 하락 트렌드의 절대적인 개수를 비슷하게 맞춰주기 위한 기준점을 선정한다.
    	return 1
	elif x < -0.001:
    	return -1

def updown(dataframe):
	dataframe['UD_Trend'] = dataframe['Change'].map(lambda x : trend_separater(x)) 
	dataframe['UD_Trend'] = dataframe['UD_Trend'].shift(-1)  # 다음날 트렌드를 예측해야하므로 다음날 트렌드를 앞으로 한 행 당긴다
	dataframe.dropna(inplace=True)  # 결측치 제거
	return dataframe

다음날 변화율을 상승하락 트렌드로 변환하여 전날의 레코드에 추가한다. UD_Trend 특성이 다음날 주가의 변화 트렌드이다.

labeled_df = dataframe.copy()
labeled_df = updown(labeled_df)
total_count = labeled_df.UD_Trend.count()
labeled_df['UD_Trend'].value_counts()
target_df = labeled_df.copy()
target_df.reset_index(inplace=True)
target_df

	Date	Open	High	Low	Close	Volume	Change	UD_Trend
0	2000-01-04	6000	6110	5660	6110	1483967	0.148496	-1.0
1	2000-01-05	5800	6060	5520	5580	1493604	-0.086743	1.0
2	2000-01-06	5750	5780	5580	5620	1087810	0.007168	-1.0
3	2000-01-07	5560	5670	5360	5540	806195	-0.014235	1.0
4	2000-01-10	5600	5770	5580	5770	937615	0.041516	-1.0
…	…	…	…	…	…	…	…	…
5407	2021-11-26	73500	74100	72000	72300	13002242	-0.018996	-1.0
5408	2021-11-29	71700	73000	71400	72300	16682559	0.000000	-1.0
5409	2021-11-30	73200	73900	70500	71300	30364841	-0.013831	1.0
5410	2021-12-01	72000	74800	71600	74400	21954856	0.043478	1.0
5411	2021-12-02	73900	75800	73800	75800	23652940	0.018817	-1.0

레코드 개수가 5411개이다. 임의대로 앞에 4000개를 훈련세트로 사용하고 그 뒤의 데이터를 검증세트로 사용하겠다.

# 전체 세트
X_all = np.array(target_df.loc[:, target_df.drop(['UD_Trend', 'Date'], axis=1).columns])
y_all = np.array(target_df.loc[:, ['UD_Trend']])
# 훈련 세트
X_train = X_all[:4000]
y_train = y_all[:4000]
# 검증 세트
X_test = X_all[4000:]
y_test = y_all[4000:]

StandardScaler로 스케일링한 데이터를 사용하는 SVC 모델을 파이프라인으로 생성한다.

svm_cla = Pipeline([
				("scaler", StandardScaler()),
                ("svc", SVC()),
        ])

훈련세트로 훈련을 진행하고 훈련세트와 검증세트에서의 점수를 측정한다.

svm_cla.fit(X_train, y_train) # 훈련 세트로 훈련진행
print("train_set score: ", svm_cla.score(X_train, y_train)) # 훈련세트 점수
print("test_set score : ", svm_cla.score(X_test, y_test)) # 검증세트 점수

sample = target_df.loc[4000:,].copy()
sample['predicted'] = svm_cla.predict(X_all[4000:])
sample

검증세트에서 예측한 array를 원래 검증세트부분의 데이터프레임에 column 으로 추가시키자

	Date	Open	High	Low	Close	Volume	Change	UD_Trend	predicted
4000	2017-04-26	42700	42800	42520	42800	295896	0.002342	1.0	1.0
4001	2017-04-27	42700	44520	41960	43840	460645	0.024299	1.0	1.0
4002	2017-04-28	45780	45800	44520	44620	453714	0.017792	1.0	1.0
4003	2017-05-02	45500	45500	44760	44900	281366	0.006275	1.0	1.0
4004	2017-05-04	45700	45700	44860	45520	273802	0.013808	1.0	1.0
…	…	…	…	…	…	…	…	…	…
5024	2021-11-25	75100	75100	73600	73700	12559258	-0.014706	-1.0	1.0
5025	2021-11-29	71700	73000	71400	72300	16682559	0.000000	-1.0	1.0
5026	2021-11-30	73200	73900	70500	71300	30364841	-0.013831	1.0	1.0
5027	2021-12-01	72000	74800	71600	74400	21954856	0.043478	1.0	1.0
5028	2021-12-02	73900	75800	73800	75800	23652940	0.018817	-1.0	1.0

이상한 점이 발견되었는데 예측한 값이 모두 1이다. 훈련세트에 과적합되어서 올바른 예측을 하지 못한것이다. 다음 포스팅에서는 하이퍼파라미터 조정을 통해 이 현상을 조절한다.

SeungHyuck, Jung