제1회 KRX 금융 빅데이터 활용 아이디어 경진대회

시장에서 유망한 종목을 찾거나 종목별 비교를 위한 Outformer Finder 모델을 개발하였습니다.
단순히 주가를 예측하는 방법은 많이 개발되어 왔지만 금융시장에서 특정 자산의 가격을 예측하는 것은 굉장히 어려운 task 입니다.
다른 관점으로 시장 대비 outperform 하는 종목을 찾아보는 방법을 기획해 보았습니다.
개인투자자들이 금융시장을 좀 더 쉽게 접근할 수 있도록 도와주는 종목분석 metric을 제공하고자 하는 생각으로 대회를 임하였습니다.

금융시장 내 관련한 데이터들을 가지고 1분기 동안 outperform 하는 일 수 비율을 예측하도록 학습하였습니다. (Benchmark : KRX300)
총 4개 단계로 나누어 ipynb 파일을 작성하였고 각 단계 파일의 내용은 다음과 같습니다.
1. Raw data loading, Preprocessing, Feature engineering
2. Training - Neural Network (4 time period split, 5 folds on stock 로 학습을 하였으며 하나의 아키텍쳐는 20개의 개별모델로 구성됩니다.)
3. Meta Learning (validation loss 기준 5개의 아키텍쳐에 대한 예측치에 대한 meta learning 합니다. ElasticNet과 RandomForest를 사용하였습니다.) 
4. Inference

모든 파일을 올릴 수 없기에 Inference ipynb 파일만 업로드를 하며,
보여지는 Inference 결과는 KRX300 종목의 2022년 06월 30일 까지 계산된 200 영업일의(timestep) 데이터를 가지고 다음 1분기의 outperform 하는 일 수 비율을 예측한 것입니다.