다양한 강화학습 기법을 이용한 업종별 주가예측 비교

Q: 이 논문에서 정의한 강화학습이란 무엇인가?

환경 내에서 특정 행동을 수행했을 때 주어지는 보상을 최대화하기 위해 시행착오를 거치며 학습하는 방법이다. 이는 상태, 행동, 보상 함수, 상태 변환 확률, 감가율로 구성된 마르코프 결정 과정(MDP)을 통해 수학적으로 표현되어 학습이 이루어진다.

Q: 주가 예측 강화학습 모델에서 DNN과 LSTM 중 어떤 신경망이 더 효과적인가?

연구 결과, DQN, AC, A2C 등 적용된 모든 강화학습 알고리즘에서 LSTM 신경망 모듈이 DNN 모듈보다 더 나은 성능을 보였다. 따라서 시계열 데이터 처리에 특화된 LSTM을 사용하는 것이 주가 예측 수익률을 높이는 데 더 효과적이다.

전병조; 노동건

학술대회자료

저자정보: 전병조 (숭실대학교) 노동건 (숭실대학교)

저널정보: 한국통신학회 한국통신학회 학술대회논문집 2021년도 한국통신학회 동계종합학술발표회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

본 논문에서는 다양한 강화학습 알고리즘을 이용하여 업종별 대표주에 대한 주가 예측을 수행하고, 이들의 성능을 비교하였다. 한국의 대표기업인 현대차, 삼성전자, NAVER, LG화학, 셀트리온을 업종별 대표주로 선정하여 알고리즘의 성능을 평가했다. 강화학습 기법중 DQN(Deep Q-network), AC(Actor-Critic), A2C(Advantage Ac ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료