A Recommender System for Stock Markets

Abstract

요즘 온라인 쇼핑몰 등에서 고객의 성향에 맞는 상품을 추천해주는 기술인 추천 시스템이 많이 이용되고 있다. 특히 협력적 정화 방법이 많이 이용된다. 이 방법은 특정 고객에게 상품을 추천할 때 다른 고객들의 매매기록을 참고하여 특정 고객이 이전에 선호했던 상품과 유사한 상품을 추천하는 방법이다. 하지만 기존의 협력적 정화 방법은 일반적인 소비 상품에 대한 추천에만 적합하다는 한계가 있다. 예를 들어, 주식 추천의 경우 기존의 협력적 정화 방법을 이용하면 수익률이 낮은 주식 종목 위주로 거래하는 고객에게 이와 유사한 수익률이 낮은 종목만을 추천할 수도 있기 때문이다. 이 논문에서는 이러한 한계점을 극복하기 위해 내재적 피드백을 이용한 협력적 정화방법(Collaborative filtering for implicit feedback datasets)을 변형한 주식 추천 시스템 모형을 제시한다.

Recently, recommender systems that recommend items which match the users preferences are widely used for online shopping. In particular, collaborative filtering methods are often used to make recommendations to a particular user, because they provide a list of suggested items that are similar to those previously preferred by the user by considering other users trading records. However, the collaborative filtering methods are limited to make the recommendations for general consumer goods. For example, in the case of stock markets, these methods may recommend to the users who traded on stocks with a low rate of return only the stocks with a similar rate of return. In this paper, we propose a stock market portfolio recommender system(a recommender system for stock markets) by transforming the collaborative filtering for implicit feedback datasets to overcome the limitations.