"호호조"의 두 판 사이의 차이

2019년 6월 19일 (수) 19:35 판

프로젝트 개요

기술개발 과제

국문 : 광물시장에서 강화학습을 이용한 트레이딩 봇

영문 : Trading-bot using Reinforcement Learning in a mineral market

과제 팀명

호호

지도교수

이동희 교수님

개발기간

2019년 3월 ~ 2019년 6월 (총 4개월)

구성원 소개

서울시립대학교 컴퓨터과학부 2014920044 이홍석(팀장)

서울시립대학교 컴퓨터과학부 2014920037 이정한

서론

개발 과제의 개요

개발 과제 요약

● 이전부터 사용자들이 많이 사용하던 시계열 분석 알고리즘과 다양한 지표들을 활용하여 강화학습을 이용하여 광물 가격을 예측한다. ● 광물시장에서 시가에 영향을 미치는 다양한 요인이 존재한다. ● 이미 밝혀진 다양한 요인들과 우리들이 생각한 요인들을 정리한다. ● 이러한 요인들을 강화학습을 통해서 상관관계가 있는지 확인하고 실제로 수익을 낼 수 있는 모델과 학습을 진행한다. ● 여러 가지 요인(차트 및 시장표준지수)들과 전략들을 가지고 하나의 광물을 대상으로 수익률이 높을 것으로 예상되는 매수, 매도 타이밍을 찾아낼 수 있는 것을 목표로 한다. ● 다양한 강화학습 알고리즘 중 PPO(Proximal Policy Optimization), DQN(Deep Q Network)을 사용하여 구현해보고 어떤 방식이 더 잘 맞는지 분석해본다.

개발 과제의 배경

● 광물 시장은 매 시간마다 변동함 ● 광물 시장의 변동은 어떠한 요인들에 의해 값어치가 올라가기도 하고 내려가기도 함 ● 다양한 논문 Research 및 분석을 통해 값에 변화를 주는 요인들을 선별 ● 해당 요인들을 강화학습 모델의 환경에 넣어서 학습을 시킴

개발 과제의 목표 및 내용

● 강화학습을 이용하여 트레이딩을 자동으로 하는 봇을 만든다. ● 광물 가격에 영향을 주는 요인들을 찾아보고 어느 정도 연관관계가 있는지 확인한다. ● 연관관계가 있는 요인들을 모아서 강화학습모델에 적용시켜보고 실제로 효과가 있는지 확인해본다. ● 효과가 컸던 요인들을 모아서 모의 투자 상황에서 수익률 분석을 해본다.

내용

구성원 및 추진체계

내용

설계

설계사양

제품의 요구사항

내용

설계 사양

내용

개념설계안

내용

이론적 계산 및 시뮬레이션

내용

상세설계 내용

내용

결과 및 평가

완료 작품의 소개

프로토타입 사진 혹은 작동 장면

내용

포스터

내용

완료작품의 평가

내용

향후계획

내용

특허 출원 내용

내용

@@ 24번째 줄: / 24번째 줄: @@
 ===개발 과제의 개요===
 ====개발 과제 요약====
-내용
+●  이전부터 사용자들이 많이 사용하던 시계열 분석 알고리즘과 다양한 지표들을 활용하여 강화학습을 이용하여 광물 가격을 예측한다.
+●  광물시장에서 시가에 영향을 미치는 다양한 요인이 존재한다.
+●  이미 밝혀진 다양한 요인들과 우리들이 생각한 요인들을 정리한다.
+●  이러한 요인들을 강화학습을 통해서 상관관계가 있는지 확인하고 실제로 수익을 낼 수 있는 모델과 학습을 진행한다.
+●  여러 가지 요인(차트 및 시장표준지수)들과 전략들을 가지고 하나의 광물을 대상으로 수익률이 높을 것으로 예상되는 매수, 매도 타이밍을 찾아낼 수 있는 것을 목표로 한다.
+●  다양한 강화학습 알고리즘 중 PPO(Proximal Policy Optimization), DQN(Deep Q Network)을 사용하여 구현해보고 어떤 방식이 더 잘 맞는지 분석해본다.
 ====개발 과제의 배경====
-내용
+●  광물 시장은 매 시간마다 변동함
+●  광물 시장의 변동은 어떠한 요인들에 의해 값어치가 올라가기도 하고 내려가기도 함
+●  다양한 논문 Research 및 분석을 통해 값에 변화를 주는 요인들을 선별
+●  해당 요인들을 강화학습 모델의 환경에 넣어서 학습을 시킴
 ====개발 과제의 목표 및 내용====
-내용
+●  강화학습을 이용하여 트레이딩을 자동으로 하는 봇을 만든다.
+●  광물 가격에 영향을 주는 요인들을 찾아보고 어느 정도 연관관계가 있는지 확인한다.
+●  연관관계가 있는 요인들을 모아서 강화학습모델에 적용시켜보고 실제로 효과가 있는지 확인해본다.
+●  효과가 컸던 요인들을 모아서 모의 투자 상황에서 수익률 분석을 해본다.
 ===관련 기술의 현황===
@@ 47번째 줄: / 58번째 줄: @@
 ===개발과제의 기대효과===
 ====기술적 기대효과====
-내용
+●  기존의 주식 트레이딩봇들은 우리가 직접 알고리즘을 구현하고 설계함에 따라서 작동했다. 사람의 직관을 이용해서 장기투자를 하는 것이 아니라 짧은 시간의 시장변동을 감지해서 조금씩 수익을 올리는 등의 알고리즘이 만들어져 왔다. 하지만 강화학습과 딥러닝을 사용해서 좀 더 효과적인 방향을 찾을 수 있다.
+●  딥러닝에서 사용하는 뉴럴 네트워크는 학습이 완료되었을 때 예측속도가 매우 빠르다는 특징을 갖고 있다. 해당 요인을 성공적으로 학습한 네트워크를 얻은 후에 봇을 사용할 때는 컴퓨팅의 성능을 크게 사용하지 않고 빠른 속도의 트레이딩이 가능하다.
 ====경제적, 사회적 기대 및 파급효과====
 내용