KR20150092870A - 군중 예측을 통한 시장 예측 방법 및 그 시스템 - Google Patents

Abstract

군중 예측을 통한 시장 예측 방법 및 그 시스템이 개시된다. 군중 예측 데이터 서버가, 서비스에 참여하는 다수의 사용자로부터 투자 대상의 시세 방향에 대한 예측 데이터를 수집하는 단계; 및 상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중 적어도 하나의 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 단계를 포함하는 군중 기반의 시장 시세 예측 방법을 제공한다.

Description

군중 예측을 통한 시장 예측 방법 및 그 시스템{METHOD AND SYSTEM FOR MARKET ESTIMATION USING CROWD FORECAST}

본 발명의 실시예들은 주식, 외환, 금 등 투자 대상에 대한 시장 흐름을 예측하는 기술에 관한 것이다.

본 발명의 배경이 되는 기술은 다음의 논문에 개시되어 있다.

(1) 관련문헌 1: L. Li, C. Longbing, J. Wang, Z. Chengqi, "The Applications of Genetic Algorithms in Stock Market Data Mining Optimization," The 5th International Conference on Data Mining, NSW 2007, Australia, pp. 273-280, 2004.

(2) 관련문헌 2: A. L. Almanza, E. P. K. Tsang, "Forecasting stock prices Genetic Programming and Chance Discovery," In 12th International Conference On Computing In Economics And Finance, pp. 489, 2006. 1.

(3) 관련문헌 3: K. Lertwachara. "Selecting Stocks Using a Genetic Algorithm : A Case if Real Estate Investment Trusts," International Journal of The Computer, the Internet and Management Vol. 15, pp. 20-31, 2007. 5.

(4) 관련문헌 4: M. Irwin, W. Tony, S. Thiagas, L. Lisa, "Volatility Forecast by Discrete Stochastic Optimization and Genetic Algorithms,", IEEE International Conference on systems, pp. 5824-5829, 2004.

이전 연구들에 따르면, 다양한 방법을 사용하여 주식 시세를 예측하기 위한 시도가 많았다.

혼마 무네히사(1717)에 의한 시세 예측 방법, 랄프 넬슨 엘리어트(1871)에 의한 엘리어트 파동 이론, 제시 리버모어(1877)에 의한 추세 추종 매매 기법 등의 기술적 분석, 웨렌 버핏의 가치 투자와 같이 기업 분석, 재무제표 분석, 현금 흐름 분석 등의 기본적 분석, 가격은 이미 모든 정보를 반영하고 있으며 미래를 예측하는 것은 불가능하다는 주장의 효율적 시장 가설 등을 바탕으로 다양한 시세 예측법이 개발되고 있다.

기술적 분석 방법은 과거로부터 미래를 예측하는 것이기 때문에 모든 기술적 지표가 후행적이라 할 수 있다. 따라서, 수많은 연구를 통해 기술적 분석 기술에 따른 지표의 무가치성이 증명되고 있고 활용 가치 또한 금방 소멸되게 된다.

기본적 분석 방법은 정보의 비대치성과 복잡한 분석 이론 때문에 일반인의 분석이 불가능한 부분이 많다. 또한, 장기 투자에는 적합한 반면, 투기적이고 탐욕적인 개인 투자자에게 부적합한 문제가 있다.

효율적 시장 가설에 대해서는 혼마, 리버모어, 워렌 버핏, 조지 소로스, 피터 린치 등 현실에서 수많은 반례가 존재한다.

군중 심리학에 따르면, 군중의 각 개인으로서는 지독히 이기적이고 탐욕적이며 독립적이지만 판단을 내릴 때는 타인에게 의존하는 경향이 있다. 즉, 개인 투자자는 기술적 분석이나 기본적 분석에 따른 지표에 의지하지만, 결국 심리적 불안감에 시달리고 있다.

군중 심리를 파악하여 이를 통해 주식, 외환, 금 등의 시장 시세를 예측하는 시장 예측 방법 및 시스템을 제공한다.

군중 예측 데이터 서버가, 서비스에 참여하는 다수의 사용자로부터 투자 대상의 시세 방향에 대한 예측 데이터를 수집하는 단계; 및 상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중 적어도 하나의 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 단계를 포함하는 군중 기반의 시장 시세 예측 방법을 제공한다.

일 측면에 따르면, 상기 투자 대상의 시장 시세를 예측하는 단계는, 사용자가 예측한 시세 방향을 나타내는 가중치 및 사용자의 과거 예측 이력에 대한 평가치를 나타내는 가중치를 이용하여 상기 투자 대상의 시장 시세를 산출할 수 있다.

다른 측면에 따르면, 상기 투자 대상의 시장 시세를 예측하는 단계는, 사용자가 시세 방향을 예측한 시간에 대해 최신의 예측 데이터에 더 높은 가중치를 부여하여 상기 투자 대상의 시장 시세를 산출할 수 있다.

또 다른 측면에 따르면, 상기 과거 예측 이력에 대한 평가치는 과거 예측의 정확도를 나타내는 가중치와 예측 회수 및 정확도에 따라 산정되는 종합 예측력에 따른 등급을 나타내는 가중치 중 적어도 하나를 포함할 수 있다.

또 다른 측면에 따르면, 상기 과거 예측의 정확도를 나타내는 가중치는, 정지표로 계산되는 정확도와 역지표로 계산되는 정확도를 동일한 기여도로 나타낼 수 있다.

또 다른 측면에 따르면, 상기 투자 대상의 시장 시세를 예측하는 단계는, 상기 수집된 예측 데이터의 특이 분포를 통해 상기 투자 대상의 시장 시세를 예측할 수 있다.

또 다른 측면에 따르면, 상기 투자 대상의 시장 시세를 예측하는 단계는, 과거 예측 정확도에 대한 특이 분포를 가진 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측할 수 있다.

또 다른 측면에 따르면, 군중 기반의 시장 시세 예측 방법은, 상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중에서 누적된 예측력이 일정 레벨 이상인 사용자 또는 누적된 예측력을 기준으로 상위 일부 사용자를 오라클(oracle) 회원으로 선정하는 단계를 더 포함하고, 상기 투자 대상의 시장 시세를 예측하는 단계는, 상기 오라클 회원으로 선정된 사용자의 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측할 수 있다.

또 다른 측면에 따르면, 군중 기반의 시장 시세 예측 방법은, 상기 군중 예측 데이터 서버가, 시세 방향 예측에 대한 사용자 간 상관계수에 따라 상기 다수의 사용자 중에서 적어도 일부 사용자를 선정하여 그룹을 구성하는 단계를 더 포함하고, 상기 투자 대상의 시장 시세를 예측하는 단계는, 상기 그룹에 포함된 사용자의 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측할 수 있다.

또 다른 측면에 따르면, 군중 기반의 시장 시세 예측 방법은, 상기 군중 예측 데이터 서버가, 상기 예측된 시장 시세에 대한 정보를 상기 다수의 사용자에게 발송하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 군중 기반의 시장 시세 예측 방법은, 상기 군중 예측 데이터 서버가, 상기 예측된 시장 시세와 함께 상기 투자 대상에 대한 시간과 가격 및 목표 가격을 포함한 매매 신호를 상기 다수의 사용자에게 발송하는 단계를 더 포함할 수 있다.

또 다른 측면에 따르면, 군중 기반의 시장 시세 예측 방법은, 상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중에서 누적된 예측력이 일정 레벨 이상인 사용자 또는 누적된 예측력을 기준으로 상위 일부 사용자를 대상으로 상기 예측 데이터에 대한 정보 제공에 따른 보상 제공하는 단계를 더 포함할 수 있다.

서비스에 참여하는 다수의 사용자로부터 투자 대상의 시세 방향에 대한 예측 데이터를 수집하는 수집부; 및 상기 다수의 사용자 중 적어도 하나의 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 예측부를 포함하고, 상기 예측부는, 상기 다수의 사용자 중에서 오라클(oracle) 회원으로 선정된 사용자의 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하고, 상기 오라클 회원은 누적된 예측력이 일정 레벨 이상인 사용자 또는 누적된 예측력을 기준으로 상위 일부 사용자로 구성되는 것을 특징으로 하는 군중 기반의 시장 시세 예측 시스템을 제공한다.

델파이 기법(Delpi method)을 기반으로 군중 속에 숨어있는 예측력을 지닌 오라클(oracle)을 발굴하여 이를 인간 지표 또는 역인간 지표로 활용할 수 있는 시장 예측 방법 및 시스템을 제공한다.

시장 시세 예측과 관련된 감성(sentiment)이나 합의(consensus)에 대한 빅 데이터를 확보할 수 있는 시장 예측 방법 및 시스템을 제공한다.

군중 심리를 활용함으로써 투자 판단의 집단화를 통한 심리적 안정을 확보할 수 있는 시장 예측 방법 및 시스템을 제공한다.

도 1과 도 2는 본 발명의 일 실시예에 있어서, 군중 예측을 기반으로 한 시장 시세 예측 방법을 설명하기 위한 도면이다.
도 3 내지 도 5는 본 발명의 일 실시예에 있어서, 시장 시세 예측 서비스 레이아웃의 일 예를 도시한 것이다.
도 6은 본 발명의 일 실시예에 있어서, 군중 예측을 기반으로 한 시장 시세 예측 시스템의 내부 구성을 도시한 블록도이다.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.

본 실시예에서는 군중의 심리를 바탕으로 투자 대상에 대한 시장 흐름을 예측할 수 있는 시장 예측 방법을 제안한다. 본 명세서에서, '투자 대상'은 주식, 외환, 금, 파생 상품 등으로 가치 변동에 따라 가격이 결정되는 모든 대상을 포괄하여 의미할 수 있다.

도 1은 본 발명의 일 실시예에 있어서, 군중 예측을 기반으로 한 시장 시세 예측 방법을 도시한 순서도이다. 일 실시예에 따른 시장 시세 예측 방법은 이하에서 설명하게 될 시장 시세 예측 시스템에 의해 각각의 단계가 수행될 수 있다.

단계(S11)에서 시장 시세 예측 시스템은 각 사용자로부터 투자 대상의 시장 시세나 시장 방향에 대한 예측 의견을 수집함으로써 투자 대상의 시세에 대한 군중 예측을 수집할 수 있다. 본 서비스를 이용하는 모든 사용자는 군중의 일원으로서 시장 시세에 대한 자신의 예측 의견을 제시할 수 있다. 다시 말해, 시장 시세 예측 시스템은 각 사용자 별로 보팅(voting)하는 방식으로 군중 예측 데이터를 수집할 수 있다. 일 예로, 시장 시세 예측 시스템은 단순성과 명확성을 위해 이분법적 예측(예컨대, 상승 또는 하락으로 입력), 또는 더욱 세분화 된 예측(예컨대, 수치로 입력) 형태로 군중 예측 데이터를 수집할 수 있다. 예를 들어, 시장 시세 예측 시스템은 현재 시간을 기준으로 사용자 각각이 예측하는 1분, 5분, 30분 후의 시장 예측 방향을 수집 데이터로서 수집할 수 있다. 일 예로서 1분, 5분, 30분 후의 시장 예측을 설명하고 있으나 시장 예측 주기는 이에 한정되는 것은 아니며 투자 대상의 특성이나 이벤트 발생 등 필요에 따라 얼마든지 변경 내지 확대 가능하다.

단계(S12)에서 시장 시세 예측 시스템은 투자 대상의 시장 예측 방향에 대한 군중 예측 데이터를 이용하여 해당 투자 대상에 대한 시장 예측 시세를 산출하여 사용자들에게 제공할 수 있다. 시장 시세 예측 시스템은 수집된 예측들을 기반으로 군중 예측 분포를 통해 투자 대상의 시장 시세를 예측할 수 있다. 즉, 시장 시세 예측 시스템은 사용자들의 예측을 기반으로 투자 대상의 시장 예측 시세를 산출할 수 있다.

단계(S13)에서 시장 시세 예측 시스템은 사용자 별 시세 예측 결과를 누적하여 누적 데이터를 바탕으로 사용자의 예측력에 대한 정확도와 등급을 갱신하고 예측력이 높은 사용자로 선정된 오라클 대상들을 갱신할 수 있다. 이후 시장 예측에 사용자들의 예측이 반영될 때 정확도나 등급, 그리고 오라클 선정 여부 등에 따라 사용자가 시장 예측에 얼마나 기여하는지 등이 결정될 수 있다.

아이디	예측 방향	정확도	등급	예측 시간	예측 시점 시세	예측 시점 1분 후의 실제 시세
왕초보	하락	52%	1	9시 5분 10초	260.0	260.10
초보탈출	하락	55%	2	9시 5분 5초	260.05	260.0
청개구리	하락	38%	3	9시 5분 4초	260.05	260.0
골두만석수	하락	58%	4	9시 5분 3초	260.0	260.05
뭐래에셋	하락	56%	5	9시 5분 2초	260.10	260.05
조지소보로	상승	68%	6	9시 5분 4초	260.0	260.0
워랭버피	상승	62%	7	9시 5분 6초	260.05	260.05

표 1은 9시 5분 10초 시점에서 1분이 경과한 9시 6분 10초의 시세 방향을 예측하기 위해 7명의 회원들로부터 예상 정보를 수집한 결과이다.

(1) '왕초보' 회원의 예상에 대한 반영 비율 계산식은

-1(예측 방향 가중치) × 0.02 (정확도 가중치) × 0.5(등급 가중치) × 1 (예상 시간 가중치) = -0.010

과 같다.

왕초보 회원의 예상은 우선 하락이므로 -1에 대해 가중치가 곱해진다. 정확도가 52% 이므로 0.52-0.5, 즉 0.02가 정확도에 대한 가중치가 된다. 등급은 이후에 설명할 종합 예측력에 기반하여 산정될 수 있다. 많은 예측을 과거에 해왔고, 높은 정확도를 가질수록 높은 종합 예측력을 부여 받게 되는 것이다. 이로 인해 등급이 높아지면, 더 신뢰할 만한 회원이므로 더 높은 가중치를 부여 받게 된다. 만약, 9시 5분 10초 시점에 충분히 많은 예상 데이터가 입력되었다면, 그 예상들만을 기반하여 시세 흐름 예상에 반영 가능하나, 그렇지 못할 경우 위의 예와 같이 최근의 의견들을 반영하여 계산할 수 있다. 하지만, 시간이 흐른 예상은 최신 예상에 비해 정확성이 떨어지므로 예상 시간 가중치를 고려할 수 있다. 다시 말해, 보다 정확한 시세 예측을 위해 예측 시간에 대해 최신의 예측 데이터일수록 더 높은 가중치를 부여할 수 있다.

(2) '초보탈출' 회원의 예상에 대한 반영 비율 계산식은

-1(예측 방향 가중치) × 0.05 (정확도 가중치) × 0.55(등급 가중치) × 0.92 (예상 시간 가중치) = -0.025

과 같고,

(3) '청개구리' 회원의 예상에 대한 반영 비율 계산식은

-1(예측 방향 가중치) × -0.12 (정확도 가중치) × 0.6(등급 가중치) × 0.9 (예상 시간 가중치) = 0.065

와 같다.

본 발명에 따른 시장 시세 예측 시스템은 50% 정확도를 기준으로 그 이하일 경우는 역으로 정보를 해석할 수 있다. 예를 들면, '청개구리' 회원의 정확도 가중치는 0.5-0.38로 0.12가 되어 '워랭버피' 회원과 동일하다. '청개구리' 회원의 경우 정확도가 50% 미만이므로 역지표로 계산되어 회원은 하락을 예상했지만 이를 역으로 상승의 예측에 반영될 수 있다.

(4) '골두만석수' 회원의 예상에 대한 반영 비율 계산식은

-1(예측 방향 가중치) × 0.08 (정확도 가중치) × 0.65(등급 가중치) × 0.88 (예상 시간 가중치) = -0.046

와 같고,

(5) '뭐래에셋' 회원의 예상에 대한 반영 비율 계산식은

-1(예측 방향 가중치) × 0.06 (정확도 가중치) × 0.70(등급 가중치) × 0.87 (예상 시간 가중치) = -0.037

와 같고,

(6) '조지소보로' 회원의 예상에 대한 반영 비율 계산식은

1(예측 방향 가중치) × 0.18 (정확도 가중치) × 0.75(등급 가중치) × 0.9 (예상 시간 가중치) = 0.12

와 같으며,

(7) '워랭버피' 회원의 예상에 대한 반영 비율 계산식

1(예측 방향 가중치) × 0.12 (정확도 가중치) × 0.8(등급 가중치) × 0.93 (예상 시간 가중치) = 0.089

와 같다.

이와 같이 7명의 회원으로부터 수집된 예측 의견들을 이용하여 최종적인 시장 예측 가중치 합(-0.010-0.025+0.065-0.046-0.037+0.12+0.089=0.156)이 시장 예측 시세로서 계산될 수 있다. 즉, '상승'을 예측하게 되는 것이다.

등급을 결정하기 위한 종합 예측력은 예측 횟수와 예측 정확도에 따라 다음과 같이 계산될 수 있다. 이하의 실시예 내지 도면 등에서 종합 예측력의 일 예로서 '내공'이라는 표현을 사용할 수 있다.

예를 들어, '왕초보' 회원은 9시 5분 10초 시점에서 9시 6분 10초의 시세 방향을 '하락'으로 예상했으나 실제로 시세는 260.0에서 260.10으로 상승하였다. 이때, '왕초보' 회원의 종합 예측력은 자신의 정확도에 대한 가중치 0.02, 등급에 대한 가중치 0.5, 그리고 1분 예측에 관한 예상 시간 가중치 1만큼 하락하게 된다. 즉, -1×0.02×0.5×1=-0.01이 '왕초보' 회원의 종합 예측력으로 누적될 수 있다.

상기한 예와 달리, 5분 후, 30분 후, 1일 후 등 더 장기간의 예측에 대해서는 보다 높은 가중치가 적용될 수 있다. 일반적으로, 단기 예측보다는 중기나 장기 예측이 더 큰 가격 변화를 예측하는 것이므로 중요한 의미를 가지기 때문이다.

종합 예측력에 따라 등급을 산정하는 과정의 일 예를 설명하기로 한다.

아이디	종합 예측력	등급	등급 구간
왕초보	5.5	1	10 이하
초보탈출	12	2	10 초과 30 이하
청개구리	35	3	30 초과 100 이하
골두만석수	123.2	4	100 초과 200 이하
뭐래에셋	355.5	5	200 초과 500 이하
조지소보로	894.4	6	500 초과 1000 이하
워랭버피	1342.4	7	1000 이상

본 발명에 따른 시장 시세 예측 시스템에서는 누적된 종합 예측력에 따라 구간 별로 등급을 부여할 수 있다. 등급 구간과 등급 개수는 얼마든지 조정 가능하다. 아주 오래 전 과거에 누적된 종합 예측력 값은 현재의 예측력을 평가하는 데에 적합하지 않을 수 있다. 그러므로, 최근 특정 기간 내의 값만 누적하거나, 수학식 1과 같은 방법으로 최근 데이터에 가중치를 부여하여 일정 기간마다 종합 예측력을 갱신할 수 있다.

수학식 1:

(N+1)일의 종합 예측력 = N일의 종합 예측력 획득치 + ((N-1)일의 종합 예측력×α) (단, α< 1)

본 발명에 따른 시장 시세 예측 시스템에서는 종합 예측력이나 등급에 따라 고 레벨자를 오라클 멤버로 발탁할 수 있다. 그리고, 시장 시세 예측 시스템에서는 군중 예측 데이터 또는 오라클 회원의 예측력을 기반으로 여러 가지 예측 형태를 제공할 수 있다. 일 예로, 시장 시세 예측 시스템은 특정 오라클 회원을 그룹으로 설정하고 그룹 별로 그룹 예측률, 상관 계수, 특징 등을 제공할 수 있다.

상관계수	왕대박	뚱신	싸이멍	조지소보로	워랭버피
왕대박	1	0.8	0.6	0.7	0.9
뚱신	0.8	1	0.55	0.48	0.62
싸이멍	0.6	0.55	1	0.35	0.62
조지소보로	0.7	0.48	0.35	1	0.68
워랭버피	0.9	0.62	0.62	0.68	1

표 1과 같이 수 많은 회원의 예측을 바탕으로 시세 방향을 예측할 수 있지만, 많은 회원 중 엄선된 소수의 우수 회원 그룹을 구성하여 그 그룹에서 제공하는 예측을 바탕으로 시세 예측이 가능하다. 이 경우 각 회원 별 상관 계수도 중요하게 고려될 수 있다.

예를 들어, 표 3과 같이 '왕대박' 회원이나 '워랭버피'는 서로 매우 높은 상관계수를 가지고 있을 뿐만 아니라 다른 모든 멤버들과도 비교적 높은 상관 계수를 가지고 있다. 즉, 두 사람의 예상은 서로 매우 유사하고, 다른 멤버들의 예상과의 독립성도 떨어진다. 그러므로, 두 사람 모두를 그룹에 넣는 것은 매우 비효율적인 그룹 설정일 수 있다. 두 사람 중 정확도가 더 낮은 '왕대박' 회원을 그룹에서 제외하고 다른 회원을 오라클 그룹에 추가하는 것을 고려할 수 있다.

본 발명에 따른 시장 시세 예측 시스템에서는 멤버들 간의 예측의 상관성을 제공함으로써 보다 효율적인 그룹을 조직할 수 있도록 정확도가 높고, 상관성이 적은 예측 그룹의 예를 제공해 줄 수 있다.

표 4는 상관계수 면에서 보다 나은 멤버인 '피터리치'가 그룹 선정에 추천되어 추가된 경우이다.

상관계수	피터리치	뚱신	싸이멍	조지소보로	워랭버피
피터리치	1	0.6	0.54	0.64	0.68
뚱신	0.6	1	0.55	0.48	0.62
싸이멍	0.54	0.55	1	0.35	0.62
조지소보로	0.64	0.48	0.35	1	0.68
워랭버피	0.68	0.62	0.62	0.68	1

본 발명에 따른 시장 시세 예측 시스템에서는 시장 시세 예측을 위한 그룹을 사용자가 직접 선택하여 구성할 수 있는 기능을 제공한다.

그리고, 본 발명에 따른 시장 시세 예측 시스템은 여러 예측 모델에 따른 시세 변동 예측에 대한 정보를 사용자들에게 발송하는 서비스를 제공할 수 있다. 일 예로, 시장 시세 예측 시스템은 투자 대상에 대한 시간, 가격, 목표 가격 등을 포함한 예측 기반의 매매 신호를 랜덤 또는 일정 주기로 발생하여 SMS, 모바일 앱 등을 통해 제공할 수 있다. 또한, 시장 시세 예측 시스템은 이벤트(예컨대, 북핵 실험) 발생 시 시세 흐름이나 수혜 종목 등을 예측하여 그 예측 결과에 대한 피드백을 SMS, 모바일 앱 등을 통해 발송할 수 있다. 그리고, 시장 시세 예측 시스템은 투자 항목과 관련된 운영 시스템(예컨대, 펀드 운영 시스템)과 연동하여 멤버 또는 오라클에 의한 시세 예측 방향, 멤버 또는 오라클 간 상관계수 등을 제공할 수 있다.

더욱이, 본 발명에 따른 시장 시세 예측 시스템에서는 정보 제공 및 활용에 대한 수익 중 일부를 유저와 특히 오라클 멤버에게 보상할 수 있다. 시장 시세 예측 환경에서 이루어지는 유저의 모든 결제는 시세 예상 정보를 구매하는 대가이고, 유저들이 받는 보상은 정보 제공에 대한 대가이다. 이는, 바이너리 옵션 같은 파생 상품처럼 Betting and rewarding이 아니라, 정보 구매&정보 제공 즉, 정보의 거래에 따른 것이다. 순수하게 정보만을 제공받으려는 유저의 경우 정보 제공(시장 예측)에 참여하지 않을 수 있으며, 이에 따라 보상을 받을 기회는 없게 된다. 정보에서 파생되는 수익은 유저에게 환원되므로 Zero Sum이나 Negative Sum이 아닌, Positive Sum 이 가능하다. 다시 말해, 옵션이나 선물 같은 상품은 한 사람이 잃으면 다른 한 사람은 따게 되는 구조인 반면에, 본 발명에 따른 시장 시세 예측 시스템은 군중 예측 데이터로 예측한 시세 예상으로 모든 유저가 이익을 얻을 수 있는 구조로 구현될 수 있다. 본 발명에 따른 시장 시세 예측 시스템에서는 단순히 예상이 맞는 것에 대한 보상이 아닌, 예상이 맞는 유저는 물론 계속해서 예상이 틀리는 유저 또한 역지표로서 가치를 부여함으로써 결과적으로 정보 형성의 기여를 판단하여 보상을 제공할 수 있다.

요컨대, 도 2에 도시한 바와 같이 본 발명에 따른 시장 시세 예측 시스템에서는 군중의 일원인 각 사용자로부터 투자 대상의 시장 시세나 시장 방향에 대한 예측 의견을 수집할 수 있으며, 이를 바탕으로 해당 투자 대상에 대한 시장 예측 시세를 산출하여 사용자들에게 제공할 수 있다. 이때, 시장 시세 예측 시스템에서는 사용자 별로 누적된 종합 예측력에 따라 오라클을 선정할 수 있으며, 시세 예측에 기여한 사용자나 오라클에게 정보 제공에 대한 보상을 제공할 수 있다.

본 발명에 따른 시장 시세 예측 시스템의 기본은 예측 확률, 시간, 등급 등의 가중치를 부여해서 시세를 예측하는 것이나, 상기한 군중 예측을 기반으로 추가적인 알고리즘이 포함될 수 있다. 일 예로, 주식 시장에서 다수가 상승을 외치면 꼭지가 임박하고, 다수가 하락의 공포에 빠지면 바닥이 임박하는 것처럼 군중의 분포가 상승 또는 하락을 예측하더라도 특이한 분포를 가질 경우 예외의 상황이 발생할 수 있다는 데이터들이 모이면 이러한 데이터들을 기반으로 단순 가중치 합과는 다른 예상을 제공할 수 있다. 또 다른 예로, 몇몇 동물들이 지진 등 자연 재해 직전에 조짐을 알아채는 것처럼, 평소에는 평범한 예측력을 보여주다가 다른 사람들이 대다수가 상승 또는 하락을 예상할 때 급락이나 급등을 예측해내는 뛰어난 예측력의 특이 사용자가 있을 수 있으며, 이러한 특이 사용자들의 데이터를 기반으로 한 예상을 제공할 수 있다.

다시 말해, 본 발명에 따른 시장 시세 예측 시스템에서는 시세 예측에 사람들의 보팅 결과의 단순 합 또는 가중치 합을 활용하는 것은 물론이고, 군중 예측을 통해 분포의 상관도, 분산, 분포 함수, 각 개인의 예측 정확도의 특이성 등 군중에 숨어있는 군중 예측 분포와 각 개인의 특성을 찾아내어 이를 시세 예측에 활용할 수 있으므로 시세를 예측하는 알고리즘이 지속적으로 업그레이드 될 수 있다.

도 3은 시장 시세 예측 서비스 레이아웃의 일 예를 도시한 것이다.

도 3을 참조하면, 시장 시세 예측 서비스 화면에는 사용자가 예측하는 시세 방향을 입력하기 위한 예측 참여하기 창(31)이 포함될 수 있다. 예컨대, 예측 참여하기 창(31)은 현재 시간을 기준으로 1분 후의 시세 방향, 5분 후의 시세 방향, 30분 후의 시세 방향을 예측할 수 있는 메뉴 항목으로 구성될 수 있다. 또한, 시장 시세 예측 서비스 화면에는 사용자가 자신의 참여 이력을 확인할 수 있는 이력 창으로서 예측 이력 요약 화면(32)과 예측 이력 상세 화면(33)이 포함될 수 있다. 이때, 예측 이력 요약 화면(32)에는 사용자의 이름, 신뢰도, 정확도, 등급, 참여 횟수 등이 표시될 수 있다. 또한, 예측 이력 상세 화면(33)에는 예측 건수 별로 예측 방향, 예측 결과 유무(성공 유무), 현재 보팅 중인 시세, 보팅 타임, 종료 타임 등이 표시될 수 있다. 예측 이력 상세 화면(33)에서는 화면 상에 현재 진행 중인 보팅에 대해 직관적인 표현으로 시각적 효과(예컨대, 강조 표시 등)를 표시할 수 있다.

더 나아가, 도 4에 도시한 바와 같이 예측 이력 상세 화면을 별도의 페이지로 구성하여 더욱 구체적인 이력 내용, 즉 사용자의 예측율이나 등급에 대한 순위 정보나 변화 그래프 등을 제공할 수 있으며, 이때 변화 그래프는 주간, 월간, 기간 지정 등으로 표현될 수 있다. 또한, 시장 시세 예측 서비스 화면에는 예측율에 따른 순위, 등급에 따른 순위, 전체 순위 등을 제공할 수 있다. 일 예로, 도 5에 도시한 바와 같이 시장 시세 예측 서비스 화면에서 전용 페이지를 마련하여 다양한 기준의 랭킹(예컨대, 종합 순위, 내공 순위, 예측률 순위 등)을 제공할 수 있다.

상기한 서비스 화면의 구성은 예시적인 것으로 이에 한정되는 것은 아니며 서비스 환경이나 내용 등에 따라 얼마든지 변경 가능하다.

도 6은 본 발명의 일 실시예에 있어서, 군중 예측을 기반으로 한 시장 시세 예측 시스템의 내부 구성을 도시한 블록도이다.

도 6에 도시한 바와 같이, 일 실시예에 따른 시장 시세 예측 시스템은 수집부(610)와 예측부(620) 및 갱신부(630)로 이루어진 프로세서(600), 메모리(601), 데이터베이스(602)를 포함하여 구성될 수 있다.

일 실시예에 따른 시장 시세 예측 시스템은 투자 대상의 시장 흐름에 대한 군중 예측 데이터를 수집하고 이를 바탕으로 미래의 시장 시세를 예측하는 빅 데이터 서비스 기반의 서버 플랫폼을 제공할 수 있다.

메모리(601)는 군중의 심리가 나타난 군중 예측 데이터를 이용하여 시장 시세를 예측하는 명령어를 포함하는 프로그램이 저장될 수 있다. 도 1 내지 도 3을 통해 설명한 시장 시세 예측 방법의 과정들은 메모리(601)에 저장된 프로그램에 의해 실행될 수 있다. 예를 들어, 메모리(601)는 하드디스크, SSD, SD 카드 및 기타 저장매체일 수 있다.

데이터베이스(602)는 시장 시세를 예측하는데 필요한 모든 정보들을 저장 및 예측할 수 있는 저장소로서, 시장 시세에 대한 사용자 별 예측 의견을 포함한 군중 예측 데이터, 오라클 대상에 해당되는 사용자 목록, 사용자 별 평가 정보(오라클 여부, 정확도, 등급 등), 군중 예측에 대한 특이 분포 정보, 과거 예측 정확도에 대한 특이 분포 사용자 정보 등이 저장될 수 있다.

프로세서(600)는 메모리(601)에 저장된 프로그램의 명령어에 따라 처리하는 장치로서, CPU 등의 마이크로프로세서가 포함될 수 있다. 프로세서(600)의 내부 구성은 다음과 같다.

수집부(610)는 각 사용자로부터 투자 대상의 시장 시세나 시장 방향에 대한 예측 의견을 수집함으로써 투자 대상에 대한 군중 예측 데이터를 수집할 수 있다. 일 예로, 수집부(610)는 단순성과 명확성을 위해 이분법적 예측(예컨대, 상승 또는 하락으로 입력), 또는 더욱 세분화 된 예측(예컨대, 수치로 입력) 형태로 군중 예측 데이터를 수집할 수 있다. 예를 들어, 수집부(610)는 현재 시간을 기준으로 사용자 각각이 예측하는 1분, 5분, 30분 후의 시장 예측 방향을 수집 데이터로서 수집할 수 있다.

예측부(620)는 투자 대상의 시장 예측 방향에 대한 군중 예측 데이터와 데이터베이스(602)에 저장된 정보들을 바탕으로 해당 투자 대상에 대한 시장 예측 시세를 산출하여 사용자들에게 제공할 수 있다. 예측부(620)는 수집된 예측들을 기반으로 군중 예측 분포를 통해 투자 대상의 시장 시세를 예측할 수 있다. 즉, 예측부(620)는 사용자들의 예측을 기반으로 투자 대상의 시장 예측 시세를 산출할 수 있다. 예를 들어, 예측부(620)는 표 1의 7명의 회원으로부터 수집된 예상 정보를 바탕으로 사용자 별 예측 반영 비율을 계산한 후 이들 예측 반영 비율을 모두 가산하여 이를 시장 예측 시세로서 산출할 수 있다.

갱신부(630)는 사용자 별 시세 예측 결과를 누적하여 누적 데이터를 바탕으로 사용자 별 평가 정보(정확도와 등급 등)를 갱신하고 사용자 별 평가 정보를 통해 예측력이 높은 오라클 대상들을 다시 선정하여 갱신할 수 있다. 일 예로, 갱신부(630)는 사용자의 예측 참여 시마다 계산된 예측 반영 비율을 누적하여 해당 사용자의 종합 예측력을 계산하고 이에 대응되는 등급을 부여할 수 있다. 이때, 갱신부(630)는 최근 특정 기간 내의 값만 누적하거나, 최근 데이터에 가중치를 부여하여 일정 기간마다 종합 예측력을 갱신할 수 있다. 그리고, 갱신부(630)는 사용자 별 평가 정보에 따라 상위 일부 사용자를 오라클 대상으로 선정할 수 있고, 오라클 선정을 일정 주기 마다 갱신할 수 있다.

이와 같이, 본 발명의 실시예에 따르면, 델파이 기법을 기반으로 군중 속에 숨어있는 예측력을 지닌 오라클을 발굴하여 이를 인간 지표 또는 역인간 지표로 활용할 수 있다. 또한, 본 발명의 실시예에 따르면, 시장 시세 예측과 관련된 감성이나 합의에 대한 빅 데이터를 확보할 수 있으며, 이러한 군중 심리를 활용함으로써 투자 판단의 집단화를 통한 심리적 안정을 확보할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

410: 수집부
420: 예측부
430: 갱신부

Claims (14)

1. 군중 예측 데이터 서버가, 서비스에 참여하는 다수의 사용자로부터 투자 대상의 시세 방향에 대한 예측 데이터를 수집하는 단계; 및
   상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중 적어도 하나의 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 단계
   를 포함하는 군중 기반의 시장 시세 예측 방법.
2. 제1항에 있어서,
   상기 투자 대상의 시장 시세를 예측하는 단계는,
   사용자가 예측한 시세 방향을 나타내는 가중치 및 사용자의 과거 예측 이력에 대한 평가치를 나타내는 가중치를 이용하여 상기 투자 대상의 시장 시세를 산출하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
3. 제2항에 있어서,
   상기 투자 대상의 시장 시세를 예측하는 단계는,
   사용자가 시세 방향을 예측한 시간에 대해 최신의 예측 데이터에 더 높은 가중치를 부여하여 상기 투자 대상의 시장 시세를 산출하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
4. 제2항에 있어서,
   상기 과거 예측 이력에 대한 평가치는 과거 예측의 정확도를 나타내는 가중치와 예측 횟수 및 예측 정확도에 따라 산정되는 종합 예측력에 따른 등급을 나타내는 가중치 중 적어도 하나를 포함하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
5. 제4항에 있어서,
   상기 과거 예측의 정확도를 나타내는 가중치는,
   정지표로 계산되는 정확도와 역지표로 계산되는 정확도를 동일한 기여도로 나타내는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
6. 제1항에 있어서,
   상기 투자 대상의 시장 시세를 예측하는 단계는,
   상기 수집된 예측 데이터의 특이 분포를 통해 상기 투자 대상의 시장 시세를 예측하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
7. 제1항에 있어서,
   상기 투자 대상의 시장 시세를 예측하는 단계는,
   과거 예측 정확도에 대한 특이 분포를 가진 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
8. 제1항에 있어서,
   상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중에서 누적된 예측력이 일정 레벨 이상인 사용자 또는 누적된 예측력을 기준으로 상위 일부 사용자를 오라클(oracle) 회원으로 선정하는 단계
   를 더 포함하고,
   상기 투자 대상의 시장 시세를 예측하는 단계는,
   상기 오라클 회원으로 선정된 사용자의 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
9. 제1항에 있어서,
   상기 군중 예측 데이터 서버가, 시세 방향 예측에 대한 사용자 간 상관계수에 따라 상기 다수의 사용자 중에서 적어도 일부 사용자를 선정하여 그룹을 구성하는 단계
   를 더 포함하고,
   상기 투자 대상의 시장 시세를 예측하는 단계는,
   상기 그룹에 포함된 사용자의 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 것
   을 특징으로 하는 군중 기반의 시장 시세 예측 방법.
10. 제1항에 있어서,
    상기 군중 예측 데이터 서버가, 상기 예측된 시장 시세에 대한 정보를 상기 다수의 사용자에게 발송하는 단계
    를 더 포함하는 군중 기반의 시장 시세 예측 방법.
11. 제1항에 있어서,
    상기 군중 예측 데이터 서버가, 상기 예측된 시장 시세와 함께 상기 투자 대상에 대한 매매 신호를 상기 다수의 사용자에게 발송하는 단계
    를 더 포함하는 군중 기반의 시장 시세 예측 방법.
12. 제1항에 있어서,
    상기 군중 예측 데이터 서버가, 상기 다수의 사용자 중에서 누적된 예측력이 일정 레벨 이상인 사용자 또는 누적된 예측력을 기준으로 상위 일부 사용자를 대상으로 상기 예측 데이터에 대한 정보 제공에 따른 보상을 제공하는 단계
    를 더 포함하는 군중 기반의 시장 시세 예측 방법.
13. 컴퓨터 시스템이 투자 대상의 시장 시세를 예측하도록 제어하는 명령을 포함하는 컴퓨터 판독가능 저장 매체로서,
    상기 명령은,
    서비스에 참여하는 다수의 사용자로부터 투자 대상의 시세 방향에 대한 예측 데이터를 수집하는 단계; 및
    상기 다수의 사용자 중 적어도 하나의 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 단계
    를 포함하는 방법에 의하여 상기 컴퓨터 시스템을 제어하는, 컴퓨터 판독가능 저장 매체.
14. 서비스에 참여하는 다수의 사용자로부터 투자 대상의 시세 방향에 대한 예측 데이터를 수집하는 수집부; 및
    상기 다수의 사용자 중 적어도 하나의 사용자로부터 수집된 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하는 예측부
    를 포함하고,
    상기 예측부는,
    상기 다수의 사용자 중에서 오라클(oracle) 회원으로 선정된 사용자의 예측 데이터를 이용하여 상기 투자 대상의 시장 시세를 예측하고,
    상기 오라클 회원은 누적된 예측력이 일정 레벨 이상인 사용자 또는 누적된 예측력을 기준으로 상위 일부 사용자로 구성되는 것
    을 특징으로 하는 군중 기반의 시장 시세 예측 시스템.

Images