주식 투자 추천 시스템을 위한 효율적인 저장 구조 169 주식 투자 추천 시스템을 위한 효율적인 저장 구조 하 유 민 † ‧ 김 상 욱 †† ‧ 박 상 현 ††† ‧ 임 승 환 †††† 요 약 규칙 탐사는 주어진 데이터베이스로부터 빈번하게 발생하는 패턴들을 발견하는 연산이다. 규칙 탐사 연산을 이용하여 주식 데이터베이스로 부터 유용한 규칙들을 발견하고 이를 토대로 주식 투자자들에게 주식의 매매를 적절한 시점에 추천할 수 있다. 본 논문에서는 이러한 주식 투 자 시스템에서 질의를 효율적으로 처리하기 위한 저장 구조에 관하여 논의한다. 먼저, 주식 투자 추천을 지원하기 위한 다섯 가지 저장 구조들 을 제안하고, 각 구조들의 특징과 장단점을 비교한다. 또한, 실제 주가 데이터를 이용한 실험을 통하여 제안된 저장 구조들의 성능을 검증한다. 실험 결과에 의하면, 히스토그램을 이용한 저장 구조의 경우, 기존의 기법에 비하여 질의 처리 성능이 약 170배 개선되는 것으로 나타났다. 키워드 : 시계열 데이터, 규칙 탐사, 주식 투자 추천 Efficient Storage Structures for a Stock Investment Recommendation System You-Min Ha † ‧ Sang-Wook Kim †† ‧ Sanghyun Park ††† ‧ Seung-Hwan Lim †††† ABSTRACT Rule discovery is an operation that discovers patterns frequently occurring in a given database. Rule discovery makes it possible to find useful rules from a stock database, thereby recommending buying or selling times to stock investors. In this paper, we discuss storage structures for efficient processing of queries in a system that recommends stock investments. First, we propose five storage structures for efficient recommending of stock investments. Next, we discuss their characteristics, advantages, and disadvantages. Then, we verify their performances by extensive experiments with real-life stock data. The results show that the histogram-based structure improves the query performance of the previous one up to about 170 times. Keywords : Time-Series Data, Rule Discovery, Recommending Stock Investments 1. 서 론 1) 시계열 데이터(time-series data)는 시간의 흐름에 따라 객체의 변화를 관측하여 얻어진 값들의 리스트이다[1, 2, 3, 4, 9]. 시계열 데이터의 대표적인 예로서 주가의 변화를 기 록한 주가 데이터(stock data)를 들 수 있다. 이러한 시계열 데이터의 임의의 시점의 값은 이전까지의 값들이 보인 변화 의 경향에 의해 영향을 받는다[5, 10]. 따라서 시계열 데이터 로부터 규칙을 발견하고, 이를 이용하여 미래에 출현할 값 을 예측할 수 있다. 이를 주식 투자에 적용하여 주가 데이 터의 분석을 통해서 지수의 흐름, 주가의 변화 시점, 거래 시세 등을 예측하여 주식의 매매를 적절한 시점에 추천한다 †준 회 원 : 연세대학교 컴퓨터과학전공 석사 ††종신회원 : 한양대학교 정보통신학부 교수 †††종신회원 : 연세대학교 컴퓨터과학과 부교수(교신저자) ††††준 회 원 : 한양대학교 전자통신컴퓨터공학과 박사과정 논문접수 : 2008년 9월 9일 수 정 일 : 1차 2008년 12월 23일 심사완료 : 2009년 1월 11일 면, 주식 투자자들의 성공적인 주식 투자를 기대할 수 있을 것이다. 주식 투자자들에게 자동적으로 주식 투자를 추천하기 위 해서는 주식 투자자들이 원하는 다양한 투자 조건들을 고려 해야 한다. 주식 투자자들은 손실 위험이 크더라도 많은 수 익을 얻을 수 있는 공격적인 투자를 원하거나, 적은 수익을 얻더라도 손실을 최소화하는 안정적인 투자를 원할 수 있 다. 따라서 주식 투자 추천 시스템에서는 각 투자자들이 설 정한 투자 조건을 만족하는 경우에 해당 종목을 투자자에게 자동적으로 추천해 줄 수 있어야 한다. 기존의 DBMS들을 이용하여 주식 투자 추천 시스템을 구성하는 것도 가능하지만, 이러한 방식은 질의에 대한 빠 른 응답을 보장할 수 없다는 단점을 갖고 있다. 따라서 참 고 문헌[6]에서는 규칙 탐사를 기반으로 하여 전술한 요건들 을 만족하는 주식 투자에 특화된 시스템을 제안하였다. 이 시스템은 주가 데이터에서 빈번하게 발생하는 패턴들을 발 견하고, 각 패턴을 지지하는 과거의 주가 데이터를 참조하 DOI: 10.3745/KIPSTD.2009.16-D.2.169