|
¡Ø ¾Ë·Áµå¸³´Ï´Ù.¹ßÇàÀÏ : 2022-03-30
Ã¥¼Ò°³ÀÌ Ã¥ÀÌ ¼ÓÇÑ ºÐ¾ß
°ÈÇнÀÀº ½º½º·Î ÇнÀÇÏ´Â ¸Ó½Å·¯´× ±â¹ýÀ¸·Î¼ ÁÖ½Ä µ¥ÀÌÅÍ ÇнÀ¿¡ Àß Àû¿ëµÇ´Â ±â¹ýÀÔ´Ï´Ù. ÀÌ Ã¥¿¡¼´Â ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ °ÈÇнÀ ±â¹ÝÀÇ ÁÖ½ÄÅõÀÚ ½Ã¹Ä·¹ÀÌ¼Ç ÇÁ·Î±×·¥À» °³¹ßÇÏ´Â ¹æ¹ýÀ» »ìÆ캸°í, À̸¦ ½ÇÀü¿¡ È°¿ëÇØ º¼ ¼ö ÀÖµµ·Ï À̷аú ÄÚµå ¼öÁØ¿¡¼ »ó¼¼ÇÑ ¼³¸íÀ» µ¡ºÙ¿´½À´Ï´Ù. ÀÌ Ã¥À» ÅëÇØ µö·¯´×°ú °ÈÇнÀÀ» ÀÌÇØÇÏ°í À̸¦ ¹ÙÅÁÀ¸·Î ÁÖ½ÄÅõÀÚ¸¦ ºñ·ÔÇÑ ´Ù¾çÇÑ µµ¸ÞÀο¡ È°¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÔ´Ï´Ù. ¡Ú ÀÌ Ã¥¿¡¼ ´Ù·ç´Â ³»¿ë ¡Ú ¡Ý µö·¯´×°ú °ÈÇнÀ ÀÌ·Ð ¡Ý ÁÖ½ÄÅõÀÚ¿¡ °ÈÇнÀÀ» Àû¿ëÇÏ´Â ¹ý ¡Ý °ÈÇнÀ ±â¹ÝÀÇ ÁÖ½ÄÅõÀÚ ½Ã½ºÅÛ °³¹ß ¡Ý °ÈÇнÀÀ» À§ÇÑ ½ÇÁ¦ ÁÖ½Ä µ¥ÀÌÅÍ È¹µæ ¹× ó¸® ¡Ý °ÈÇнÀÀ¸·Î ÁÖ½Ä µ¥ÀÌÅ͸¦ ÇнÀÇÏ´Â ¹ý ¡Ý ÇнÀÇÑ °ÈÇнÀ ¸ðµ¨À» È°¿ëÇÏ´Â ¹ý ¡Ý °ÈÇнÀ ±â¹ÝÀÇ ÁÖ½ÄÅõÀÚ ½Ã½ºÅÛÀ» Ä¿½ºÅ͸¶ÀÌ¡ÇÏ´Â ¹ý - ȨÆäÀÌÁö: https://wikibook.co.kr/dltradingrev2/ - ¿¹Á¦ÄÚµå: https://github.com/quantylab/rltrader/tree/v3.0 »ó¼¼À̹ÌÁö¸ñÂ÷¢Ã 01Àå: ¹è°æ ÀÌ·Ð 1 - ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼® 1.1 ±ÝÀ¶ µ¥ÀÌÅͶõ? 1.2 ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼®ÀÇ Çʿ伺 1.3 ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼® ¹æ¹ý ___1.3.1 ±âº»Àû ºÐ¼® ___1.3.2 ±â¼úÀû ºÐ¼® ___1.3.3 Á¤¼ ºÐ¼® ___1.3.4 Á¾ÇÕ ºÐ¼® 1.4 ÀüÅëÀûÀÎ ÄöÆ® ÅõÀÚ ¹æ¹ý ___1.4.1 ÄöÆ® ÅõÀÚ ¿ª»ç ___1.4.2 Àú PER+Àú PBR+Àú PCR Àü·« ___1.4.3 Á¶¼Á ÇÇ¿ÀÆ®·Î½ºÅ° F-Score 1.5 ÄöÆ® ÅõÀÚ Æ®·»µå 1.6 Æ÷Æ®Æú¸®¿À Æò°¡ 1.7 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 02Àå: ¹è°æ ÀÌ·Ð 2 - µö·¯´×À̶õ? 2.1 µö·¯´× °³¿ä ___2.1.1 µö·¯´×ÀÇ Á¤ÀÇ¿Í ¿ª»ç ___2.1.2 µö·¯´×ÀÌ ÃÖ±Ù¿¡ ÁÖ¸ñ¹Þ´Â ÀÌÀ¯ ___2.1.3 µö·¯´×À¸·Î Ç®°íÀÚ ÇÏ´Â ¹®Á¦ 2.2 µö·¯´× ¹ßÀü °úÁ¤ ___2.2.1 ÆÛ¼ÁÆ®·Ð ___2.2.2 Àΰø ½Å°æ¸Á ___2.2.3 ´Ù¾çÇÑ È°¼ºÈ ÇÔ¼ö ÃâÇö ___2.2.4 Ãâ·ÂÃþ¿¡¼ È°¼ºÈ ÇÔ¼ö¸¦ »ç¿ë ___2.2.5 ½ÉÃþ ½Å°æ¸Á 2.3 µö·¯´×¿¡ ÇÊ¿äÇÑ ÇÙ½É ±â¼ú ___2.3.1 ¿ÀÂ÷ ¿ªÀüÆÄ ±â¹ý ___2.3.2 ÃÖÀûÇØ Å½»ö ±â¹ý ___2.3.3 °úÀûÇÕ ÇØ°á ±â¹ý 2.4 °í±Þ Àΰø ½Å°æ¸Á ±¸Á¶ ___2.4.1 ¼øȯ ½Å°æ¸Á ___2.4.2 LSTM ½Å°æ¸Á ___2.4.3 ÇÕ¼º°ö ½Å°æ¸Á 2.5 µö·¯´× Àû¿ë »ç·Ê ___2.5.1 ±â°è ¹ø¿ª ___2.5.2 À½¼º ÀÎ½Ä ___2.5.3 À̹ÌÁö ÀÎ½Ä 2.6 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 03Àå: ¹è°æ ÀÌ·Ð 3 - °ÈÇнÀÀ̶õ? 3.1 °ÈÇнÀÀÇ ±âÃÊ°¡ µÈ ¸¶¸£ÄÚÇÁ ÀÇ»ç °áÁ¤ °úÁ¤ ___3.1.1 ¸¶¸£ÄÚÇÁ °¡Á¤ ___3.1.2 ¸¶¸£ÄÚÇÁ °úÁ¤ ___3.1.3 ¸¶¸£ÄÚÇÁ ÀÇ»ç °áÁ¤°úÁ¤ 3.2 »óÅ °¡Ä¡ ÇÔ¼ö¿Í »óÅÂ-Çൿ °¡Ä¡ ÇÔ¼ö ___3.2.1 »óÅ °¡Ä¡ ÇÔ¼ö(state-value function) ___3.2.2 »óÅÂ-Çൿ °¡Ä¡ ÇÔ¼ö(action-value function) 3.3 º§¸¸ ¹æÁ¤½Ä ___3.3.1 º§¸¸ ±â´ë ¹æÁ¤½Ä(Bellman expectation equation) ___3.3.2 º§¸¸ ÃÖÀû ¹æÁ¤½Ä(Bellman optimality equation) 3.4 MDP¸¦ À§ÇÑ µ¿Àû ÇÁ·Î±×·¡¹Ö ___3.4.1 Á¤Ã¥ ¹Ýº¹(policy iteration) ___3.4.2 °¡Ä¡ ¹Ýº¹(value iteration) ___3.4.3 µ¿Àû ÇÁ·Î±×·¡¹ÖÀÇ ÇÑ°è¿Í °ÈÇнÀÀÌ ÇÊ¿äÇÑ ÀÌÀ¯ 3.5 ÁÖ¿ä °ÈÇнÀ °³³ä ___3.5.1 °ÈÇнÀ Ç¥±â¹ý(notation) ___3.5.2 Model-based vs. Model-free ___3.5.3 ¿¹Ãø(prediction)°ú Á¦¾î(control) ___3.5.4 ºÎÆ®½ºÆ®·¦(bootstrap) ___3.5.5 On-policy vs. Off-policy ___3.5.6 ÀÌ¿ë(exploitation)°ú ŽÇè(exploration) 3.6 ÁÖ¿ä °ÈÇнÀ ±â¹ý ___3.6.1 ¸óÅ×Ä«¸¦·Î ÇнÀ(Monte-Carlo learning, MC) ___3.6.2 ½Ã°£Â÷ ÇнÀ(temporal-difference learning, TD) ___3.6.3 Q-·¯´×(Q-learning, QL)°ú DQN(deep Q-network) ___3.6.4 Á¤Ã¥ °æ»ç(policy gradient, PG) ___3.6.5 ¾×ÅÍ-Å©¸®Æ½ ___3.6.6 A2C(advantage actor-critic) ___3.6.7 A3C(asynchronous advantage actor-critic) ___3.6.8 ÁÖ¿ä °ÈÇнÀ ±â¹ý Á¤¸® 3.7 °ÈÇнÀ Àû¿ë »ç·Ê ___3.7.1 º®µ¹ ±ú±â ___3.7.2 ¾ËÆÄ°í(AlphaGo) 3.8 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 04Àå: ¹è°æ ÀÌ·Ð 4 - °ÈÇнÀÀ» ÀÌ¿ëÇÑ ÁÖ½ÄÅõÀÚ¶õ? 4.1 Á÷°üÀûÀ¸·Î °ÈÇнÀ Àü·« ¾Ë¾Æº¸±â ___4.1.1 °ÈÇнÀÀ» ÀÌ¿ëÇÑ ÁÖ½ÄÅõÀÚ ±¸Á¶ ___4.1.2 Â÷Æ® µ¥ÀÌÅÍ ÀÌÇØÇϱâ ___4.1.3 Â÷Æ® µ¥ÀÌÅ͸¦ ¹ÙÅÁÀ¸·Î °ÈÇнÀÀ» ÇÏ´Â ¹æ½Ä ___4.1.4 °Å·¡ ¼ö¼ö·á¿Í °Å·¡¼¼ ___4.1.5 ¹«ÀÛÀ§ Çൿ °áÁ¤(ŽÇè)°ú ¹«ÀÛÀ§ Çൿ °áÁ¤ ºñÀ²(¿¦½Ç·Ð) 4.2 °ÈÇнÀ È¿°ú¸¦ Â÷º°ÈÇÏ´Â ¿äÀεé ___4.2.1 Â÷º°È ¿äÀÎ 1: ÇнÀ µ¥ÀÌÅÍ ±¸¼º ___4.2.2 Â÷º°È ¿äÀÎ 2: ¿¡ÀÌÀüÆ® »óÅ Á¾·ù ___4.2.3 Â÷º°È ¿äÀÎ 3: ¿¡ÀÌÀüÆ® Çൿ Á¾·ù ___4.2.4 Â÷º°È ¿äÀÎ 4: ½Å°æ¸Á ___4.2.5 Â÷º°È ¿äÀÎ 5: °ÈÇнÀ ±â¹ý 4.3 Â÷Æ® µ¥ÀÌÅÍ¿Í ÇнÀ µ¥ÀÌÅÍ »ìÆ캸±â ___4.3.1 Â÷Æ® µ¥ÀÌÅÍ ___4.3.2 ÇнÀ µ¥ÀÌÅÍ 4.4 ÁÖ½ÄÅõÀÚ °ÈÇнÀ ÀýÂ÷ ___4.4.1 ÁÖ½ÄÅõÀÚ °ÈÇнÀ ¼ø¼µµ ___4.4.2 Çൿ °áÁ¤ ___4.4.3 °áÁ¤µÈ Çൿ ¼öÇà ___4.4.4 ¹èÄ¡ ÇнÀ µ¥ÀÌÅÍ »ý¼º ¹× ½Å°æ¸Á ¾÷µ¥ÀÌÆ® 4.5 ÁÖ½ÄÅõÀÚ °ÈÇнÀ °úÁ¤ ¹× °á°ú È®ÀÎ ¹æ¹ý ___4.5.1 °ÈÇнÀ °úÁ¤ È®ÀÎÀÇ Çʿ伺 ___4.5.2 °ÈÇнÀ °úÁ¤À» ·Î±×·Î ³²±â±â ___4.5.3 °ÈÇнÀ °úÁ¤À» À̹ÌÁö·Î °¡½ÃÈÇϱâ 4.6 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 05Àå: ¸ðµâ °³¹ß - °ÈÇнÀ ±â¹Ý ÁÖ½ÄÅõÀÚ ½Ã½ºÅÛ °³¹ß 5.1 RLTrader °³¹ß¿¡ ÇÊ¿äÇÑ È¯°æ ___5.1.1 ¾Æ³ªÄÜ´Ù ¼³Ä¡ ___5.1.2 PyTorch ¼³Ä¡ ___5.1.3 ÅÙ¼Ç÷Π¼³Ä¡ ___5.1.4 plaidML ¼³Ä¡ 5.2 RLTraderÀÇ ¼³°è ___5.2.1 ¸ðµâ ±¸Á¶ ___5.2.2 µð·ºÅ͸® ±¸Á¶ ___5.2.3 Ŭ·¡½º ´ÙÀ̾î±×·¥ ___5.2.4 ȯ°æ ¸ðµâ °³¿ä ___5.2.5 ¿¡ÀÌÀüÆ® ¸ðµâ °³¿ä ___5.2.6 ½Å°æ¸Á ¸ðµâ°³¿ä ___5.2.7 ÇнÀ±â ¸ðµâ °³¿ä ___5.2.8 µ¥ÀÌÅÍ °ü¸® ¸ðµâ °³¿ä ___5.2.9 °¡½ÃÈ ¸ðµâ°³¿ä ___5.2.10 ½ÇÇà ¸ðµâ °³¿ä 5.2.11 ±âŸ ¸ðµâ 5.3 ȯ°æ ¸ðµâ °³¹ß ___5.3.1 ȯ°æ ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö ___5.3.2 ÄÚµå Á¶°¢: ȯ°æ Ŭ·¡½º 5.4 ¿¡ÀÌÀüÆ® ¸ðµâ °³¹ß ___5.4.1 ¿¡ÀÌÀüÆ® ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö ___5.4.2 ÄÚµå Á¶°¢ 1: ¿¡ÀÌÀüÆ® Ŭ·¡½ºÀÇ »ó¼ö ¼±¾ð ___5.4.3 ÄÚµå Á¶°¢ 2: ¿¡ÀÌÀüÆ® Ŭ·¡½ºÀÇ »ý¼ºÀÚ ___5.4.4 ÄÚµå Á¶°¢ 3: ¿¡ÀÌÀüÆ® Ŭ·¡½ºÀÇ ÇÔ¼ö 5.5 ½Å°æ¸Á ÆÐÅ°Áö °³¹ß ___5.5.1 µö·¯´× ÇÁ·¹ÀÓ¿öÅ© ¼±Á¤ ___5.5.2 ½Å°æ¸Á ±¸Á¶ ___5.5.3 ½Å°æ¸Á ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö ___5.5.4 ÄÚµå Á¶°¢: µö·¯´× ÇÁ·¹ÀÓ¿öÅ©¿¡ µû¶ó ½Å°æ¸Á ¸ðµâ ±¸Çöü ¼±Åà 5.6 PyTorch¸¦ ÀÌ¿ëÇÑ ½Å°æ¸Á ¸ðµâ °³¹ß ___5.6.1 ÄÚµå Á¶°¢ 1: PyTorch µîÀÇ ÀÇÁ¸¼º ÀÓÆ÷Æ® ___5.6.2 ÄÚµå Á¶°¢ 2: PyTorch¸¦ ÀÌ¿ëÇÑ Network Ŭ·¡½º ___5.6.3 ÄÚµå Á¶°¢ 3: PyTorch¸¦ ÀÌ¿ëÇÑ DNN Ŭ·¡½º ___5.6.4 ÄÚµå Á¶°¢ 4: PyTorch¸¦ ÀÌ¿ëÇÑ LSTMNetwork Ŭ·¡½º ___5.6.5 ÄÚµå Á¶°¢ 5: PyTorch¸¦ ÀÌ¿ëÇÑ CNN Ŭ·¡½º 5.7 Keras¸¦ ÀÌ¿ëÇÑ ½Å°æ¸Á ¸ðµâ °³¹ß ___5.7.1 ÄÚµå Á¶°¢ 1: Keras¸¦ ÀÌ¿ëÇÑ Network Ŭ·¡½º ___5.7.2 ÄÚµå Á¶°¢ 2: Keras¸¦ ÀÌ¿ëÇÑ DNN Ŭ·¡½º ___5.7.3 ÄÚµå Á¶°¢ 3: Keras¸¦ ÀÌ¿ëÇÑ LSTMNetwork Ŭ·¡½º ___5.7.4 ÄÚµå Á¶°¢ 4: Keras¸¦ ÀÌ¿ëÇÑ CNN Ŭ·¡½º 5.8 °¡½ÃÈ ¸ðµâ °³¹ß ___5.8.1 °¡½ÃÈ ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö ___5.8.2 °¡½ÃÈ ¸ðµâÀÌ ¸¸µé¾î ³»´Â Á¤º¸ ___5.8.3 ÄÚµå Á¶°¢ 1: °¡½Ãȱâ Ŭ·¡½ºÀÇ »ý¼ºÀÚ ___5.8.4 ÄÚµå Á¶°¢ 2: °¡½ÃÈ Áغñ ÇÔ¼ö ___5.8.5 ÄÚµå Á¶°¢ 3: °¡½ÃÈ ÇÔ¼ö ___5.8.6 ÄÚµå Á¶°¢ 4: °¡½ÃÈ Á¤º¸ ÃʱâÈ ¹× °á°ú ÀúÀå ÇÔ¼ö 5.9 ÇнÀ±â ¸ðµâ °³¹ß ___5.9.1 ÇнÀ±â ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö ___5.9.2 ÄÚµå Á¶°¢ 1: ÇнÀ±â ¸ðµâÀÇ ÀÇÁ¸¼º ÀÓÆ÷Æ® ___5.9.3 ÄÚµå Á¶°¢ 2: ÇнÀ±â Ŭ·¡½ºÀÇ »ý¼ºÀÚ ___5.9.4 ÄÚµå Á¶°¢ 3: °¡Ä¡ ½Å°æ¸Á »ý¼º ÇÔ¼ö ___5.9.5 ÄÚµå Á¶°¢ 4: Á¤Ã¥ ½Å°æ¸Á »ý¼º ÇÔ¼ö ___5.9.6 ÄÚµå Á¶°¢ 5: ¿¡Æ÷Å© ÃʱâÈ ÇÔ¼ö ___5.9.7 ÄÚµå Á¶°¢ 6: °¡Ä¡ ½Å°æ¸Á ¹× Á¤Ã¥ ½Å°æ¸Á ÇнÀ ___5.9.8 ÄÚµå Á¶°¢ 7: ¿¡Æ÷Å© °á°ú °¡½ÃÈ ___5.9.9 ÄÚµå Á¶°¢ 8: °ÈÇнÀ ½ÇÇà ÇÔ¼ö ___5.9.10 ÄÚµå Á¶°¢ 9: DQN °ÈÇнÀ Ŭ·¡½º ___5.9.11 ÄÚµå Á¶°¢ 10: Á¤Ã¥ °æ»ç °ÈÇнÀ Ŭ·¡½º ___5.9.12 ÄÚµå Á¶°¢ 11: Actor-Critic °ÈÇнÀ Ŭ·¡½º ___5.9.13 ÄÚµå Á¶°¢ 12: A2C °ÈÇнÀ Ŭ·¡½º ___5.9.14 ÄÚµå Á¶°¢ 13: A3C °ÈÇнÀ Ŭ·¡½º 5.10 µ¥ÀÌÅÍ °ü¸® ¸ðµâ °³¹ß ___5.10.1 ÄÚµå Á¶°¢ 1: ÀÚÁú º¤ÅÍ Á¤ÀÇ ___5.10.2 ÄÚµå Á¶°¢ 2: µ¥ÀÌÅÍ Àüó¸® ÇÔ¼ö ___5.10.3 ÄÚµå Á¶°¢ 3: Â÷Æ® µ¥ÀÌÅÍ ¹× ÇнÀ µ¥ÀÌÅÍ ·Îµå ÇÔ¼ö 5.11 °ÈÇнÀ ÁÖ½ÄÅõÀÚ ½ÇÇà ¸ðµâ °³¹ß ___5.11.1 ÄÚµå Á¶°¢ 1: ÇÁ·Î±×·¥ ÀÎÀÚ ¼³Á¤ ___5.11.2 ÄÚµå Á¶°¢ 2: ÆĶó¹ÌÅÍ ¼³Á¤ ___5.11.3 ÄÚµå Á¶°¢ 3: °ÈÇнÀ ¼³Á¤ ___5.11.4 ÄÚµå Á¶°¢ 4: °ÈÇнÀ ½ÇÇà 5.12 ±âŸ ¸ðµâ °³¹ß ___5.12.1 ÄÚµå Á¶°¢ 1: ¼³Á¤ ¸ðµâ ___5.12.2 ÄÚµå Á¶°¢ 2: À¯Æ¿¸®Æ¼ ¸ðµâ 5.13 °³¹ß Âü¿© 5.14 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 06Àå: µ¥ÀÌÅÍ Áغñ - ÁÖ½Ä µ¥ÀÌÅÍ È¹µæ 6.1 ¹æ¹ý 1. Áõ±Ç»ç HTS »ç¿ë ___6.1.1 Áõ±Ç»ç HTS ´Ù¿î·Îµå ___6.1.2 Áõ±Ç °èÁ °³¼³ ___6.1.3 Á¾¸ñ Â÷Æ® µ¥ÀÌÅÍ È®ÀÎ ___6.1.4 ¿¢¼¿¿¡¼ ÀϺ° µ¥ÀÌÅÍ CSV ÆÄÀÏ ÀúÀå 6.2 ¹æ¹ý 2. Áõ±Ç»ç API »ç¿ë ___6.2.1 Áõ±Ç»ç API ¼³Ä¡ ___6.2.2 ´ë½ÅÁõ±Ç Å©·¹¿Â API »ç¿ë ȯ°æ Áغñ ___6.2.3 ´ë½ÅÁõ±Ç Å©·¹¿Â HTS ½ÇÇà ___6.2.4 ´ë½ÅÁõ±Ç Å©·¹¿Â API¸¦ ÀÌ¿ëÇÑ Â÷Æ® µ¥ÀÌÅÍ È¹µæ ÇÁ·Î±×·¥ ÀÛ¼º 6.3 ¹æ¹ý 3. À¥ Å©·Ñ¸µ ___6.3.1 pandas-datareader·Î ÁÖ½Ä µ¥ÀÌÅÍ È¹µæÇϱâ ___6.3.2 ±ÝÀ¶ Æ÷ÅÐ Å©·Ñ¸µÀ¸·Î ÁÖ½Ä µ¥ÀÌÅÍ È¹µæÇϱâ 6.4 ¹æ¹ý 4. ÄöƼ·¦ µ¥ÀÌÅͺ£À̽º »ç¿ë 6.5 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 07Àå: °ÈÇнÀ ½ÇÇà 7.1 RLTrader ½ÇÇà ¹æ¹ý ___7.1.1 ÇнÀ ¸ðµå ½ÇÇà ¹æ¹ý ___7.1.2 Å×½ºÆ® ¸ðµå ½ÇÇà ¹æ¹ý ___7.1.3 ¾÷µ¥ÀÌÆ® ¸ðµå ½ÇÇà ¹æ¹ý ___7.1.4 ¿¹Ãø ¸ðµå ½ÇÇà ¹æ¹ý ___7.1.5 °ÈÇнÀ °úÁ¤ ¹× °á°ú È®ÀÎ ___7.1.6 ÇнÀÀÌ Àß µÇÁö ¾ÊÀ» ¶§ÀÇ Ã¼Å©¸®½ºÆ® 7.2 ÇнÀ ¸ðµå ¿¹½Ã ___7.2.1 ÇнÀ ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930) ___7.2.2 ÇнÀ ¸ðµå °á°ú 2: Çö´ëÂ÷(005380) ___7.2.3 ÇнÀ ¸ðµå °á°ú 3: Ä«Ä«¿À(035720) ___7.2.4 ÇнÀ ¸ðµå °á°ú Á¤¸® ¹× ¿ø¼þÀÌ ÅõÀÚ¿ÍÀÇ ºñ±³ 7.3 Å×½ºÆ® ¸ðµå ¿¹½Ã ___7.3.1 Å×½ºÆ® ¸ðµåÀÇ Æ¯Â¡ ___7.3.2 Å×½ºÆ® ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930) ___7.3.3 Å×½ºÆ® ¸ðµå °á°ú 2: Çö´ëÂ÷(005380) ___7.3.4 Å×½ºÆ® ¸ðµå °á°ú 3: Ä«Ä«¿À(035720) ___7.3.5 Å×½ºÆ® ¸ðµå °á°ú Á¤¸® ¹× ¿ø¼þÀÌ ÅõÀÚ¿ÍÀÇ ºñ±³ 7.4 ¾÷µ¥ÀÌÆ® ¸ðµå ¿¹½Ã ___7.4.1 ¾÷µ¥ÀÌÆ® ¸ðµåÀÇ Æ¯Â¡ ___7.4.2 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930) ___7.4.3 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú 2: Çö´ëÂ÷(005380) ___7.4.4 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú 3: Ä«Ä«¿À(035720) ___7.4.5 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú Á¤¸® ¹× ¿ø¼þÀÌ ÅõÀÚ¿ÍÀÇ ºñ±³ 7.5 ¿¹Ãø ¸ðµå ¿¹½Ã ___7.5.1 ¿¹Ãø ¸ðµåÀÇ Æ¯Â¡ ___7.5.2 ¿¹Ãø ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930) ___7.5.3 ¿¹Ãø ¸ðµå °á°ú 2: Çö´ëÂ÷(005380) ___7.5.4 ¿¹Ãø ¸ðµå °á°ú 3: Ä«Ä«¿À(035720) 7.6 À̹ø ÀåÀÇ ¿äÁ¡ ¢Ã 08Àå: RLTrader Ä¿½ºÅ͸¶ÀÌ¡ 8.1 ¿¡ÀÌÀüÆ® ¸ðµâ Ä¿½ºÅ͸¶ÀÌ¡ ___8.1.1 ÄÚµå Á¶°¢ 1: ¸Å¸Å ¼ö¼ö·á ¹× ¼¼±Ý Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê ___8.1.2 ÄÚµå Á¶°¢ 2: Çൿ °áÁ¤ ·ÎÁ÷ Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê 8.2 ½Å°æ¸Á ¸ðµâ Ä¿½ºÅ͸¶ÀÌ¡ ___8.2.1 ÄÚµå Á¶°¢ 1: ½Å°æ¸Á Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê ___8.2.2 ÄÚµå Á¶°¢ 2: ÃÖÀûÈ ¹æ¹ý Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê ___8.2.3 ÄÚµå Á¶°¢ 3: °øÀ¯ ½Å°æ¸Á Àû¿ë Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê 8.3 °ÈÇнÀ ÇнÀ±â Ä¿½ºÅ͸¶ÀÌ¡ ___8.3.1 ÄÚµå Á¶°¢ 1: ¹èÄ¡ ÇнÀ µ¥ÀÌÅÍ »ý¼º Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê ___8.3.2 ÄÚµå Á¶°¢ 2: °¡½ÃÈ ÆÄÀÏ »ý¼º ¼ö Á¶Àý 8.4 ÇнÀ µ¥ÀÌÅÍ Ä¿½ºÅ͸¶ÀÌ¡ ___8.4.1 ‘±â°ü ¼ø¸Å¼ö’ ¹× ‘¿Ü±¹ÀÎ ¼ø¸Å¼ö’ µ¥ÀÌÅÍ È¹µæ »ç·Ê ___8.4.2 ÄÚµå Á¶°¢ 1: ÁÖ½Ä µ¥ÀÌÅÍ Àüó¸® Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê ___8.4.3 ÄÚµå Á¶°¢ 2: ÇнÀ µ¥ÀÌÅÍ ÀÚÁú ±¸¼º Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê ¢Ã ºÎ·ÏA: ÇÁ·Î±×·¡¹Ö, ¸Ó½Å·¯´×, ÁÖ½ÄÅõÀÚ ¿ë¾î A.1 ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ±âº» ¿ë¾î Á¤¸® A.2 ¸Ó½Å·¯´× ±âº» ¿ë¾î Á¤¸® A.3 ÁÖ½Ä ±âº» ¿ë¾î Á¤¸® ¢Ã ºÎ·ÏB: µö·¯´×¿¡¼ TensorFlow+GPU »ç¿ëÇϱâ B.1 GPU »ç¿ëÀ» À§ÇÑ Çϵå¿þ¾î Áغñ ___B.1.1 ±×·¡ÇÈÄ«µå ÀÎ½Ä È®ÀÎ ___B.1.2 ȣȯµÇ´Â ±×·¡ÇÈÄ«µå È®ÀÎ B.2 GPU »ç¿ëÀ» À§ÇÑ ¼ÒÇÁÆ®¿þ¾î Áغñ ___B.1.1 CUDA ÅøŶ ¼³Ä¡ ___B.2.2 cuDNN ¶óÀ̺귯¸® ¼³Ä¡ ___B.2.3 TensorFlowÀÇ GPU »ç¿ë ÃÖÁ¾ È®ÀÎ ¢Ã ºÎ·ÏC: µö·¯´×¿¡¼ plaidML+GPU »ç¿ëÇϱâ C.1 plaidML »ç¿ëÀ» À§ÇÑ Visual C++ 2015 ¼³Ä¡ C.2 plaidML ¼³Ä¡ ¹× È®ÀÎ ¢Ã ºÎ·ÏD: RLTraderÀÇ µö·¯´× ÇÁ·¹ÀÓ¿öÅ© Àû¿ë±â ¢Ã ºÎ·ÏE: RLTrader ÇнÀ µ¥ÀÌÅÍ ¸í¼¼ E.1 RLTrader ÇнÀ µ¥ÀÌÅÍ v1 E.2 RLTrader ÇнÀ µ¥ÀÌÅÍ v1.1 E.3 RLTrader ÇнÀ µ¥ÀÌÅÍ v2 E.4 RLTrader ÇнÀ µ¥ÀÌÅÍ v3 E.5 RLTrader ÇнÀ µ¥ÀÌÅÍ v4
(°³)
1. ¹è¼Û
¹è¼ÛÀº ´çÀÏ ¿ÀÈÄ 4½ÃÀÌÀü(Åä¿äÀÏÀº ¿ÀÈÄ12½Ã)¿¡ ÁÖ¹®¹× °áÀ縦 ÇÏ½Ã¸é ´çÀϹè¼ÛµË´Ï´Ù. ¹è¼ÛÀº ÁÖ¹® ÈÄ °áÀç¿Ï·áÀÏÀ» ±âÁØÀ¸·Î 1~2ÀÏ ¾È¿¡ ¹è¼Û¿Ï·á¸¦ ¿øÄ¢À¸·Î ÇÏ°í ÀÖ½À´Ï´Ù. ´Ù¸¸ ºÎµæÀÌÇÑ °æ¿ì(ÇØ´ç»óÇ°ÀÇ Ç°Àý ¹× ÀýÆÇ) °í°´´Ô²² Àüȸ¦ µå·Á¼ 󸮸¦ ÇÕ´Ï´Ù. 2. ¹è¼Û·á ¹è¼Û·á´Â 25,000¿ø ÀÌ»óÀÌ °æ¿ì À̱×ÀëÇ÷¯½º¿¡¼ ºÎ´ãÇÏ°í, ¹Ì¸¸ÀÏ °æ¿ì °í°´ÀÌ 2,500¿øÀ» ºÎ´ãÇÕ´Ï´Ù. ´Ù¸¸ ±¸¸Å±Ý¾×ÀÌ 25,000¿ø ÀÌ»óÀε¥ Àû¸³±Ý µîÀ» »ç¿ëÇÏ¿© ½ÇÁ¦ °áÀç±Ý¾×ÀÌ 25,000¿ø ¹Ì¸¸ÀÌ µÇ´õ¶óµµ À̱×ÀëÇ÷¯½º¿¡¼ ¹è¼Û·á¸¦ ºÎ´ãÇÏ°í, Á¦ÁÖ¸¦ Á¦¿ÜÇÑ µµ¼Áö¿ªÀÇ °æ¿ì´Â 5,000¿øÀÌ Ãß°¡µË´Ï´Ù. Çؿܹè¼ÛÀº Àü¾× °í°´ºÎ´ãÀÌ µË´Ï´Ù. 5. ¹ÝÇ°/±³È¯
¹ÞÀ¸½Å ³¯ ºÎÅÍ ÀÏÁÖÀÏ À̳» ¹ÝÇ°/±³È¯ÀÌ °¡´ÉÇϽʴϴÙ. ½Ã°£ÀÌ Áö³ª¸é 󸮰¡ ºÒ°¡ÇÔÀ» ¾Ë·Á µå¸³´Ï´Ù. ´Ù¸¸ ÁÖ¹®ÇϽŠ»óÇ°°ú ´Ù¸¥ »óÇ°ÀÌ ¹è¼ÛµÇ°Å³ª Æĺ», ³«ÀåÀÌ ÀÖ´Â µµ¼ÀÇ °æ¿ì ÀÌ¿ë¾à°ü¿¡ ÁØÇÏ¿© À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î ±³È¯, ¹ÝÇ° ¹× ȯºÒ µîÀ» Çص帳´Ï´Ù. 4. ȯºÒ ¹ÞÀ¸½Å ³¯ºÎÅÍ 2ÀÏ À̳»·Î Àüȳª 1:1 °Ô½Ã±Û·Î Àû¾îÁÖ¼Å¾ß °¡´ÉÇϽʴϴÙ. 5. ÁÖÀÇ °í°´´Ô º¯½ÉÀ¸·Î ÀÎÇÑ ±³È¯/¹ÝÇ°/ȯºÒ °í°´´Ô²²¼ Åùèºñ(¿Õº¹Åùèºñ)¸¦ ºÎ´ãÀÌ µÇ´Ï ÀÌÁ¡ À¯ÀÇÇØ ÁֽʽÿÀ. ¶ÇÇÑ °ÀÇÅ×ÀÙ/¾ãÀº¹®Á¦Áý/ºñ´ÒÆ÷ÀåµÈÁ¦Ç°µîÀº Çѹø ±¸¸ÅÇÏ½Ã¸é ±³È¯/¹ÝÇ°/ȯºÒÀÌ ÀüÇô ¾ÈµË´Ï´Ù. ½ÅÁßÈ÷ »ý°¢Çϼż ±¸¸Å ºÎŹµå¸³´Ï´Ù. ´Ù¸¸ ºÒ·®Å×ÀÙÀÇ °æ¿ì ±× ºÒ·®ÀÌ µÈ °³º°Å×ÀÙÀ» À̱×ÀëÇ÷¯½ºÀÇ ºñ¿ëÀ¸·Î A/S¸¦ Çص帳´Ï´Ù. 6. ÁÖ¹®Ãë¼Ò, ±³È¯, ¹ÝÇ° ¹× ȯºÒÀº ´çÀÏ 3½Ã ÀÌÀü¿¡ ÇØÁÖ¼Å¾ß °¡´ÉÇÕ´Ï´Ù. ±× ÀÌÈÄ´Â ¹è¼Û µî¿¡ µû¸¥ Á¦ºñ¿ëÀ» ºÎ´ãÇÏ¼Å¾ß ÇÕ´Ï´Ù.
|
|
||||||||
|
||||||||
|
||||||||
* »óÇ°»çÀÌÁî Ä¡¼ö´Â Àç´Â ¹æ¹ý°ú À§Ä¡¿¡ µû¶ó 1~3cm ¿ÀÂ÷°¡ ÀÖÀ» ¼ö ÀÖ½À´Ï´Ù.