http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유가증권 시장에서의 동적 포트폴리오 최적화를 위한 모듈식 강화학습
김태윤(Taeyoon Kim),고봉균(Bonggyun Ko) 한국데이터정보과학회 2021 한국데이터정보과학회지 Vol.32 No.1
주식 투자와 자산 관리에서 포트폴리오 분배와 최적화는 위험을 관리하고 수익률을 극대화하기 위해 필수적인 부분으로 금융분야에서 해결해야 할 전통적인 문제였다. 한편 최근 딥러닝이 많은 연구가 이루어지고 큰 성과를 이루었고 그와 함께 강화학습 또한 큰 발전을 이루고 있다. 이에 따라 최근 포트폴리오 관리에 강화학습 방법론을 적용하려는 시도가 이루어졌지만 연구의 대부분은 거래 규모가 큰 암호화폐에 한정되어 이루어 진 것이 대부분이다. 본 논문에서는 유가증권시장의 상위 종목 중 대표성이 높은 종목으로 선정되는 KOSPI200을 구성하는 종목 중 투자 대상 주식을 선정하는 가치 추정 모듈 (evaluation stock module, ESM)과 선정된 주식을 배분하는 자산 배분 모듈 (asset allocation module, AAM) 두가지를 통해 포트폴리오를 구성하는 신경망을 구현하었다. In stock investment and asset management, portfolio distribution and optimization are essential parts to manage risk and maximize returns, and have been traditional problems to be solved in the financial sector. Meanwhile, a lot of research have been conducted on deep learning in recent years, and reinforcement learning is also making great progress. Accordingly, attempts have been made to apply the reinforcement learning methodology to portfolio management in recent years, but most of the research is limited to cryptocurrencies with large transactions. In this paper, we implemented a neural network that composes a portfolio through two types of an Evaluation Stock module (ESM) that selects stocks for investment and an Asset Allocation module (AAM) that allocates the selected stocks. The constituent stocks of the KOSPI 200 were considered for investment.