http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
회귀 강화학습을 이용한 포트폴리오 자산 배분의 성능 향상 연구
강문주(Moon-Ju Kang),안준규(Jungyu Ahn),이주홍(Ju-Hong Lee) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.5
최근, 자산 매매 및 포트폴리오 운용 분야에 인공지능을 활용한 사례 및 연구들이 활발히 진행되고 있다. 본 논문에서는 기존에 제시된 회귀 강화학습을 기반으로 한 포트폴리오 운용 모델의 성능 향상을 위해 포트폴리오를 구성하는 자산들의 예측값과 인공적으로 생성한 데이터를 사용하는 방법을 연구한다. 기존의 회귀 강화학습과 예측값을 함께 적용한 경우, 인공 생성 데이터를 함께 적용한 경우가 회귀 강화학습만을 사용하였을때의 성능과 비교 분석하여 성능 향상에 도움이 됨을 보이고자 한다. 실험 결과, 회귀 강화학습에 과거 자산의 데이터만 사용한 경우보다 자산들의 예측값과 인공 생성 데이터를 함께 사용하였을 때 포트폴리오의 성능이 향상되었음을 알 수 있었다. Recently, researches using artificial intelligence in asset trading and portfolio have been actively conducted. In this paper, we study how to use the predicted values of the assets and artificially generated data to improve the performance of the portfolio management model based on the existing recurrent reinforcement learning(RRL). In the case of applying the RRL and the predicted value, it is shown that the artificial generation data is comparatively analyzed to improve the performance. Experimental results show that the performance of the portfolio is improved when the predicted value of assets and the artificial generation data are used together rather than the case of using the data of past assets only for RRL.
시장 예측값을 사용하여 포트폴리오를 위한 재귀 강화학습 알고리즘의 성능 향상을 위한 연구
강문주 ( Moon-ju Kang ),이주홍 ( Ju-hong Lee ),안준규 ( Jungyu Ahn ) 한국정보처리학회 2018 한국정보처리학회 학술대회논문집 Vol.25 No.1
최근, 자산 매매 및 포트폴리오에 인공지능을 활용한 연구들이 활발히 진행되고 있다. 본 논문은 기존 재귀 강화학습(Recurrent Reinforcement Learning)을 기반으로 한 운용 모델의 성능을 향상시키고자 자산들의 예측값을 사용한다. 예측값 사용 유무에 따른 재귀 강화학습의 성능을 비교분석을 통하여 예측값의 활용이 포트폴리오 운용 성능에 미치는 효과에 대해 분석하였다.