"Dynamic Time Warping Application for Financial Pattern Recognition"
이 논문은 시장 운영 및 거래에서 널리 사용되는 기술적 지표 중 하나인 주가 패턴을 인식하기 위해, Feature-based Dynamic Time Warping (DTW) 및 Pattern Rule을 사용하여 개발한 패턴 인식 알고리즘을 제시한다. 개발된 알고리즘은 인간의 감각으로 허용 가능한 일부 변형을 통합하면서 목표 금융 패턴과 유사한 식별된 시퀀스를 보여준다.
주요 내용:
1. 기존 방법론의 한계: 기존의 패턴 인식 알고리즘은 원시 시퀀스에서 근사 패턴을 추출하는 데 어려움이 있으며, 재무 패턴에는 모멘텀 신호, 반전 신호, 진동 신호 등 역할을 수행하기 위한 강력한 제약 조건이 필요
2. 제안 방법:
* DTW (Dynamic Time Warping): 시계열 간 거리를 측정하는 데 사용
* Feature-based DTW: 시퀀스의 글로벌 특징과 로컬 특징을 모두 고려하여 거리 측정
* Pattern Rule: 금융 패턴에 대한 요구 사항을 충족하기 위해 사전 설정된 패턴 규칙 적용
3. 알고리즘 평가: 암호화폐 쌍 BTC/USDT에 대한 실험을 수행하여 알고리즘 평가
4. 주요 결과:
이 논문에서 제시된 패턴 규칙은 금융 시장에서 의미 있는 특정 차트 패턴을 식별하기 위해 DTW 알고리즘과 함께 사용된다. 다음은 더 구체적인 패턴 규칙 예시이다.
1. 상승 채널 (Up Channel)
* 차트 패턴 모양: 주가가 두 개의 평행한 상승 추세선 사이에서 움직이는 패턴.
* 규칙:
* 지지선(Support Line): 가격이 지지되는 하단 추세선은 상승 추세를 가져야 합니다.
* 저항선(Resistance Line): 가격이 저항을 받는 상단 추세선은 지지선과 평행해야 합니다.
* 최소 터치 횟수: 가격은 각 추세선을 최소 3번 이상 터치해야 합니다.
* Feature-based DTW 연계:
* 추세선 기울기: 지지선과 저항선의 기울기를 계산하여 상승 추세 및 평행 여부 확인
* 고점/저점 위치: 가격이 추세선 내에서 고점과 저점을 반복하는지 확인
2. 하락 채널 (Down Channel)
* 차트 패턴 모양: 주가가 두 개의 평행한 하락 추세선 사이에서 움직이는 패턴.
* 규칙:
* 저항선: 가격이 저항을 받는 상단 추세선은 하락 추세를 가져야 합니다.
* 지지선: 가격이 지지되는 하단 추세선은 저항선과 평행해야 합니다.
* 최소 터치 횟수: 가격은 각 추세선을 최소 3번 이상 터치해야 합니다.
* Feature-based DTW 연계:
* 추세선 기울기: 지지선과 저항선의 기울기를 계산하여 하락 추세 및 평행 여부 확인
* 고점/저점 위치: 가격이 추세선 내에서 고점과 저점을 반복하는지 확인
3. 컵 & 핸들 (Cup and Handle)
* 차트 패턴 모양: 컵 모양의 패턴 이후 짧은 기간 동안 횡보하는 핸들 모양이 나타나는 패턴.
* 규칙:
* 컵 모양: 가격이 완만한 하락세를 보이다가 둥근 형태로 바닥을 다진 후 다시 상승하는 모양을 보여야 합니다.
* 핸들 모양: 컵 모양 이후 가격이 횡보하거나 약간 하락하는 짧은 기간이 있어야 합니다.
* 핸들 깊이: 핸들은 컵 깊이의 38.2% ~ 50% 이내여야 합니다.
* Feature-based DTW 연계:
* 곡률 변화: 컵 모양의 곡률을 측정하여 완만한 곡선 형태인지 확인
* 변동성 감소: 핸들 형성 기간 동안 변동성이 감소하는지 확인
4. 역 헤드 앤 숄더 (Inverse Head and Shoulders)
* 차트 패턴 모양: 헤드 앤 숄더 패턴의 역 모양으로, 세 개의 골짜기 (계곡)를 가지며 가운데 골짜이가 가장 깊은 패턴.
* 규칙:
* 세 개의 골짜이: 가운데 골짜이는 양쪽 어깨보다 낮아야 합니다.
* 어깨 높이: 양쪽 어깨 높이는 대략적으로 같아야 합니다.
* 목선: 어깨에서 이어지는 저항선이 뚜렷해야 합니다.
* Feature-based DTW 연계:
* 변곡점 감지: 골짜이와 어깨의 위치를 정확하게 감지
* 상승 추세 확인: 패턴 이후 상승 추세가 발생하는지 확인
5. 쐐기형 (Wedge):
* 차트 패턴 모양: 수렴하는 두 추세선 안에서 가격이 움직이는 패턴
* 규칙:
* 상승형 쐐기 (Rising Wedge): 상승 추세에서 나타나며, 하락 반전을 예고
* 하락형 쐐기 (Falling Wedge): 하락 추세에서 나타나며, 상승 반전을 예고
* 수렴: 두 추세선이 점차 수렴해야 합니다.
* Feature-based DTW 연계:
* 추세선 기울기: 지지선과 저항선의 기울기를 계산하여 수렴 여부 확인
* 변동성 감소: 쐐기형 패턴 형성 기간 동안 변동성이 감소하는지 확인
이러한 규칙들은 Feature-based DTW와 결합되어 알고리즘의 패턴 인식 능력을 향상시킨다.
결론:
Feature-based DTW 및 Pattern Rule을 결합한 방법은 금융 패턴 인식에 효과적이며, 특히 가변 길이와 복잡한 모양을 가진 패턴에 유용하다. 제안된 알고리즘은 닫힌 가격 패턴의 일반적인 모양과 특징적인 지점을 인식할 뿐만 아니라 실제 사례에 존재하는 금융 패턴의 약간의 변형도 포함할 수 있다.
