제4항에 있어서,상기 각 주식 종목의 임베딩을 출력하는 단계는, 각 주식 종목에 대해 시간 순서로 나열된 각 패치의 최종 임베딩을 연결하여 주식 임베딩을 획득하는 단계 를 포함하는 주가 변동 예측 방법.

제3항에 있어서,상기 각 주식의 임베딩을 출력하는 단계는, 상기 각 패치의 잠재 표현에 상기 출력된 다변량 시퀀스에서 상기 각 패치의 위치에 대응하는 위치 임베딩을 더하여 상기 각 패치의 최종 임베딩을 도출하는 단계 를 포함하는 주가 변동 예측 방법.

주가 변동 예측 시스템에 의해 수행되는 주가 변동 예측 방법에 있어서,주가 예측 모델을 통해 과거 주식 데이터로부터 주식 종목 간 관계와 각 주식 종목 별 주가들 간의 관계를 포함하는 주식 관계 정보를 학습하는 단계; 및 상기 학습된 주식 관계 정보에 기초하여 다수 주식 종목의 주가 변동을 예측하는 단계를 포함하는 주가 변동 예측 방법.

제1항에 있어서,다수 주식 종목의 과거 주식 데이터를 수집하는 단계;상기 수집된 다수 주식 종목의 과거 주식 데이터로부터 각 시점에 대해 전달 대비 변화율을 계산하는 단계; 상기 계산된 전날 대비 변화율로 이루어진 각 변량에 대해 인스턴스 정규화(instance normalization)를 수행하고, 각 주식 종목에 대해 정규화를 적용한 다변량 시퀀스를 출력하는 단계; 및 상기 출력된 다변량 시퀀스를 이용하여 각 주식 종목의 임베딩을 출력하는 단계를 더 포함하는 주가 변동 예측 방법.

제2항에 있어서,상기 각 주식 종목의 임베딩을 출력하는 단계는, 상기 출력된 다변량 시퀀스를 인접한 복수 개의 날짜가 하나의 패치를 이루도록 복수 개의 패치들로 분할(patching)하고, 상기 분할된 복수 개의 패치들에 대해 각 패치가 포함하는 기간 동안 해당 주식 종목의 주가 트렌드를 반영한 잠재 표현을 학습하는 단계 를 포함하는 주가 변동 예측 방법.

제1항에 있어서,상기 학습하는 단계는, 주가 예측 모델을 통해 주식 임베딩을 이용하여 각 주식 종목에 대해 모든 주식 종목들과의 상관 관계를 가중치로 계산하고, 셀프 어텐션(self-attention) 메커니즘을 통해 상기 상관 관계에 기초하여 각 주식 표현을 업데이트하는 단계를 포함하는 주가 변동 예측 방법.

제6항에 있어서,상기 학습하는 단계는, 상기 각 주식 표현을 구성하는 잠재 변수 간의 시간적 관계를 획득하기 위해 각 주식의 표현 벡터를 입력의 패치 개수로 분할하고, 상기 패치 개수로 분할된 패치 간 상관 관계를 어텐션 기법을 이용하여 계산하는 단계를 포함하는 주가 변동 예측 방법.

주가 변동 예측 시스템에 의해 수행되는 주가 변동 예측 방법을 실행시키기 위해 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램에 있어서,상기 주가 변동 예측 방법은, 주가 예측 모델을 통해 과거 주식 데이터로부터 주식 종목 간 관계와 각 주식 종목 별 주가들 간의 관계를 포함하는 주식 관계 정보를 학습하는 단계; 및 상기 학습된 주식 관계 정보에 기초하여 다수 주식 종목의 주가 변동을 예측하는 단계를 실행하는 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.

주가 변동 예측 시스템에 있어서,주가 예측 모델을 통해 과거 주식 데이터로부터 주식 종목 간 관계와 각 주식 종목 별 주가들 간의 관계를 포함하는 주식 관계 정보를 학습하는 관계 계산부; 및 상기 학습된 주식 관계 정보에 기초하여 다수 주식 종목의 주가 변동을 예측하는 예측부를 포함하는 주가 변동 예측 시스템.

제9항에 있어서,다수 주식 종목의 과거 주식 데이터를 수집하는 금융 데이터 수집부;상기 수집된 다수 주식 종목의 과거 주식 데이터로부터 각 시점에 대해 전달 대비 변화율을 계산하고, 상기 계산된 전날 대비 변화율로 이루어진 각 변량에 대해 인스턴스 정규화(instance normalization)를 수행하고, 각 주식 종목에 대해 정규화를 적용한 다변량 시퀀스를 출력하는 데이터 변환부; 및 상기 출력된 다변량 시퀀스를 이용하여 각 주식 종목의 임베딩을 출력하는 주식 임베딩 계산부를 더 포함하는 주가 변동 예측 시스템.

제10항에 있어서,상기 주식 임베딩 계산부는, 상기 출력된 다변량 시퀀스를 인접한 복수 개의 날짜가 하나의 패치를 이루도록 복수 개의 패치들로 분할(patching)하고, 상기 분할된 복수 개의 패치들에 대해 각 패치가 포함하는 기간 동안 해당 주식 종목의 주가 트렌드를 반영한 잠재 표현을 학습하는 것을 특징으로 하는 주가 변동 예측 시스템.

제11항에 있어서,상기 주식 임베딩 계산부는, 상기 각 패치의 잠재 표현에 상기 출력된 다변량 시퀀스에서 상기 각 패치의 위치에 대응하는 위치 임베딩을 더하여 상기 각 패치의 최종 임베딩을 도출하는 것을 특징으로 하는 주가 변동 예측 시스템.

제12항에 있어서,상기 주식 임베딩 계산부는, 각 주식 종목에 대해 시간 순서로 나열된 각 패치의 최종 임베딩을 연결하여 주식 임베딩을 획득하는 것을 특징으로 하는 주가 변동 예측 시스템.

제9항에 있어서,상기 관계 계산부는, 주가 예측 모델을 통해 주식 임베딩을 이용하여 각 주식 종목에 대해 모든 주식 종목들과의 상관 관계를 가중치로 계산하고, 셀프 어텐션(self-attention) 메커니즘을 통해 상기 상관 관계에 기초하여 각 주식 표현을 업데이트하는 것을 특징으로 하는 주가 변동 예측 시스템.

제14항에 있어서,상기 관계 계산부는, 상기 각 주식 표현을 구성하는 잠재 변수 간의 시간적 관계를 획득하기 위해 각 주식의 표현 벡터를 입력의 패치 개수로 분할하고, 상기 패치 개수로 분할된 패치 간 상관 관계를 어텐션 기법을 이용하여 계산하는 것을 특징으로 하는 주가 변동 예측 시스템.