인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
최근 Initial Public Offering (IPO)을 통해 주식 시장에 새롭게 상장된 기업들의 주식이 높은 관심을 받고 있다. 주가 예측을 위한 대표적인 강화학습 프레임워크인 FinRL은 일반 주식을 대상으로 설계되어 있어, 데이터 히스토리가 짧고 변동성이 큰 IPO 주식에는 적용이 어렵다. 이에 따라 본 연구에서는 다음 두 가지 전략을 도입하였다. 먼저 퍼센티지 기반의 효율적인 행동 공간을 새롭게 설계하였다. 다음으로, Deep Q-Network (DQN)의 Q-네트워크의 정규화 및 초기화 방법을 변경하였다. 제안한 프레임워크인 DQN-P는 IPO 주식에 최초로 강화학습을 적용한 사례이다. 본 연구는 한국 IPO 시장 전체에 대한 일반화를 목적으로 하기보다, 동일한 날 상장된 네 개의 한국 IPO 종목을 대상으로 제안 방법의 적용 가능성을 살펴보는 사례 연구이다. 실험 결과, 제안 방법인 DQN-P가 기존 FinRL에 비해 더 높은 일반적인 성능 구간(Q1–Q3)을 보였으며, 평균 수익 또한 5% 가량 더 우수했다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
