대감집

Contents 가설 #1: 강화학습은 시장 수익을 항상 이긴다 한국 시장 검증: KOSPI & KOSDAQ 미국 시장 검증: DOW & S&P500 가설 #2: 애초에 시장을 이기는 종목은 없다 한국 시장 검증: KOSPI vs KOSDAQ 미국 시장 검증: DOW vs S&P500 가설 #3: 어떤 포트폴리오 전략이든 강화학습은 항상 적용되어야 한다 가치주: 평균 수익률 vs 강화학습 성장주: 평균 수익률 vs 강화학습 수익성주: 평균 수익률 vs 강화학습 실적호전주: 평균 수익률 vs 강화학습 대형 저평가주: 평균 수익률 vs 강화학습 중소형 저평가주: 평균 수익률 vs 강화학습 가설 #4: 패턴이 잘 보일수록 강화학습 전략은 효과적이다 시가총액: 대형주 vs 소형주(패턴 우위) 거래량: 고거래 v..

Contents 가설 #1: 강화학습은 시장 수익을 항상 이긴다 한국 시장 검증: KOSPI & KOSDAQ 미국 시장 검증: DOW & S&P500 가설 #2: 애초에 시장을 이기는 종목은 없다 한국 시장 검증: KOSPI vs KOSDAQ 미국 시장 검증: DOW vs S&P500 가설 #3: 어떤 포트폴리오 전략이든 강화학습은 항상 적용되어야 한다 가치주: 평균 수익률 vs 강화학습 성장주: 평균 수익률 vs 강화학습 수익성주: 평균 수익률 vs 강화학습 실적호전주: 평균 수익률 vs 강화학습 대형 저평가주: 평균 수익률 vs 강화학습 중소형 저평가주: 평균 수익률 vs 강화학습 가설 #4: 패턴이 잘 보일수록 강화학습 전략은 효과적이다 시가총액: 대형주 vs 소형주(패턴 우위) 거래량: 고거래 v..

Contents 가설 #1: 강화학습은 시장 수익을 항상 이긴다 한국 시장 검증: KOSPI & KOSDAQ 미국 시장 검증: DOW & S&P500 가설 #2: 애초에 시장을 이기는 종목은 없다 한국 시장 검증: KOSPI vs KOSDAQ 미국 시장 검증: DOW vs S&P500 가설 #3: 어떤 포트폴리오 전략이든 강화학습은 항상 적용되어야 한다 가치주: 평균 수익률 vs 강화학습 성장주: 평균 수익률 vs 강화학습 수익성주: 평균 수익률 vs 강화학습 실적호전주: 평균 수익률 vs 강화학습 대형 저평가주: 평균 수익률 vs 강화학습 중소형 저평가주: 평균 수익률 vs 강화학습 가설 #4: 패턴이 잘 보일수록 강화학습 전략은 효과적이다 시가총액: 대형주 vs 소형주(패턴 우위) 거래량: 고거래 v..

Contents Installation Framework Overview Main Component Dataset Train Backtest Examples CH4. Examples - FinRL_PortfolioAllocation_NeurIPS_2020 Introduction FinRL_PortfolioAllocation_NeurlPS_2020을 정리하고 실습할 예정 PortfolioAllocation은 StockTrading에서 아래 두가지 데이터를 추가해서 실험한 결과임 return_lookback: 단일 종목에서 1년간 종가 변화율(시간에 따른 관계성 추가) covs: 다른 주식간 종가 공분산(공간에 따른 관계성 추가) 코드에서 발생하는 Module Error 및 데이터 최신화를 위해 코드를 다소..

Contents Installation Framework Overview Main Component Dataset Train Backtest Examples CH4. Examples - FinRL_StockTrading_NeurIPS_2018 Introduction FinRL_StockTrading_NeurlPS_2018을 정리하고 실습할 예정 StockTrading은 기본 OHLCV와 보조지표를 기반하여 학습 진행 OHLCV: Open, High, Low, Close, Volume 보조지표: 볼린저 밴드, 이평선... 코드에서 발생하는 Module Error 및 데이터 최신화를 위해 코드를 다소 수정 하였음 수정 1: pandas module error로 pandas version == 1.5.3으로 ..

ContentsInstallationFramework OverviewMain ComponentDataTrainBacktestExamplesCH4. ExamplesIntroduction앞선 CH1-3 까지는 FinRL의 기초(FinRL_StockTrading_NeurlPS_2018)를 정리하고 실습한 내용임이번 CH4에서는 FinRL에서 제공하는 다양한 기능에 대해서 알아보고자 함아래 그림과 같이 총 4개의 단계로 이루어져 있으며 어떤 내용인지를 간략하게 소개할 예정Introduction: 데이터셋(시장가격, 종목, 재무제표) 추가에 따른 RL 성능 코드 제공Advance: RL 학습 기법(Multi-GPU, Multi-Model)과 학습 평가에 대한 코드 제공Practical: 실제 시장(미국, 암호화폐..

Contents Installation Framework Overview Main Component Data Train Backtest Examples CH3. Main Component - (3)Backtest Introduction CH3-(2)에서 학습된 에이전트를 로드하고 테스트 진행 API 로드(Part1): 각종 코드에서 사용될 API를 설치하고 Import 에이전트 추론(Part2): 강화학습으로 학습된 5가지 에이전트를 통해 각각 가격 추론 진행 비교군 MVO 제작(Part3): 비교를 위해 수학적 퀀트 방법인 Mean-Valiance Optimization(MVO) 적용 비교군 DJIA index 제작(Part4): 비교를 위해 시장 지수인 Donw Jones Index 적용 에이전트와 ..

Contents Installation Framework Overview Main Component Data Train Backtest Examples CH3. Main Component - (2)Train Introduction CH3-(1)에서 가공된 데이터를 로드하고 강화학습 진행 API 로드(Part1): 각종 코드에서 사용될 API를 설치하고 Import 데이터 로드(Part2): CH3-(1)에서 가공된 데이터를 로드하고 강화학습 환경 세팅 에이전트 학습(Part3): 환경에 따라서 각종 에이전트를 학습 진행 GitHub - AI4Finance-Foundation/FinRL-Tutorials: Tutorials. Please star. Tutorials. Please star. . Contri..

Contents Installation Framework Overview Main Component Data Train Backtest Examples CH3. Main Component - (1)Data Introduction 강화 학습을 위해 yahoo finance API를 통해 주가 데이터를 다운로드 후 데이터 가공을 진행 API 로드(Part1): 각종 코드에서 사용될 API를 설치하고 Import 데이터 다운로드(Part2): yahoo finance API를 통해 OHLCV* 데이터를 다운로드 데이터 가공(Part3): OHLCV* 데이터에 MACD, RSI, Turbulence Index를 추가 및 가공 데이터 저장(Part4): 가공된 데이터를 CSV 파일로 저장 *OHLCV: Open,..

Contents Installation Framework Overview Main Component Dataset Train Backtest Examples CH2. Framework Overview Introduction FinRL은 AI 기반 퀀트 투자 연구 목적으로 Columbia Univ에서 제작한 툴로 두가지 특장점이 있음 Framework UX: 다양한 Layer로 퀀트 투자에 필요한 모든 기능이 포함된 all-in-one 플랫폼임 Framework UI: Configuration 정의와 python 실행 명령어로 코딩없이 누구든 쉽게 사용하게 만들었음 GitHub - AI4Finance-Foundation/FinRL: FinRL: Financial Reinforcement Learning. ..