트레이딩에 따른 수익률 강화를 위한 강화 학습 방법론 연구

Abstract

코로나 19 이후, 안정되지 않은 주식시장 속에 금리 인상과 인플레이션이라는 거시경제 이슈로 인해 시장의 변동성이 확대될 것으로 예상한다. 주식시장의 변동성이 확대된다는 것은 초과이익을 위한 좋은 기회로 생각할 수 있으나, 갑작스러운 변동에 대부분 개인투자자는 두려움을 가지고 손실을 겪게 된다. 하지만 개인투자자의 주관적인 판단 아래 매매를 하는 것이 아닌 알고리즘 트레이딩이 일별 주가 데이터상의 백테스팅에서 더 나은 이익을 거두었다는 연구 결과들이 등장하면서 기존 연구에서 하였던 방법들과 다른 방법론으로 더 많은 초과이익을 거둘 수 있을지 확인해 보았다. 본 연구는 강화 학습 알고리즘인 Actor-Critic을 활용하면서 트레이딩에 따른 수익률 강화를 위해 차별화된 방법들을 사용하여 초과이익 실현이 가능한지 알아보고자 연구를 진행한다. 기술적 변수만을 사용하여 강화 학습을 진행하는 방법보다 기본적 변수인 감성 분석 변수를 조절 변수로써 활용하여 강화 학습을 진행하는 것이 초과이익의 성능을 올려주는지 알아보며 매매 Action의 세분화를 통해 거래 수수료와 거래세가 초과이익에 주는 영향을 알아보고 이를 최소화하여 초과이익의 성능을 올려주는지 알아본다. 이를 통해 개인투자자들이 주식투자 매매를 할 때 의사결정을 지원하는데 이바지할 것으로 기대한다.|After COVID-19, market volatility is expected to expand due to macroeconomic issues such as interest rate hikes and inflation amid the unstable stock market. Increasing volatility in the stock market can be considered a good opportunity for excess profits, but most individual investors suffer losses with fear due to sudden fluctuations. However, research has shown that algorithm trading, not trading under the subjective judgment of individual investors, has benefited better from backtesting on daily stock price data, confirming whether more excess profits can be achieved with methods different from those used in previous studies. This study is conducted to find out whether excess profits can be realized using differentiated methods to strengthen the return on trading while utilizing Actor-Critical, a reinforcement learning algorithm. Find out if strengthening learning improves the performance of excess profits by using emotional analysis variables, which are basic variables rather than using only technical variables, and find out whether transaction fees and transaction taxes increase the performance of excess profits through subdividing sales actions. Through this, it is expected that individual investors will contribute to supporting decision-making when trading stock investments.