메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
윤성식 (광운대) 이석준 (광운대학교)
저널정보
대한경영정보학회 경영과 정보연구 경영과 정보연구 제40권 제4호
발행연도
2021.12
수록면
185 - 203 (19page)
DOI
10.29214/damis.2021.40.4.010

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
포트폴리오를 구성하고 관리하는 것은 투자와 자산 관리에 있어 위험을 줄이고 수익률을 극대화하기 위해 필수 적이며 금융시장 관련 연구의 주요 관심사이다. 최근 컴퓨터 하드웨어 기술이 발달함에 따라 다양한 분야에서 뛰어 난 성능을 보인 강화학습 알고리즘을 금융 분야에 적용한 연구가 활발히 진행되고 있다. 하지만 환경과 정책, 에이 전트 등 강화학습 (reinforcement learning)을 구성하는 개체의 파라미터 설정 및 조합의 다양성으로 인해 최적화에 어려움이 있어 보다 다양한 연구가 수행될 필요가 있다. 본 연구는 강화학습을 활용하여 동적으로 주식 포트폴리오 를 구성하고 거래하는 시스템을 제안하고자 하였다. 시스템 제안을 위해 국내 유가증권시장에 상장된 종목들을 대상으로 기본적 데이터와 주가 데이터를 수집한 후 전처리 과정을 통해 지표화하고, A3C 알고리즘을 이용해 설계한 모형에 대한 학습을 수행하였다. 학습한 결과를 바 탕으로 기대수익률이 높은 종목들을 선택하여 주식 포트폴리오를 구성하고 이를 대상으로 테스트 기간에 대해 트레 이딩 시뮬레이션을 실시하여 제안 모형의 성과를 실증 분석하였다. 분석 결과, 본 연구에서 제안한 연구모형이 평균 연 환산수익률 36.64%로 타 비교 대상 알고리즘 (26.72%)과 시 장 평균 수익률 (32.10%) 및 코스피 200 지수 펀드 수익률 (34.08%)보다 우수한 것으로 나타났다. 이러한 결과를 토 대로 개별 종목에 대한 학습보다 시장 전체 종목에 대한 학습이 더 좋은 성과를 얻을 수 있다는 것을 파악했으며 강화학습을 활용한 주식 포트폴리오 구성이 효과적일 수 있음을 확인한 데 본 연구의 의의가 있다.

목차

등록된 정보가 없습니다.

참고문헌 (51)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0