Practical Deep Reinforcement Learning Approach for Stock Trading

Abstact 

 

증권 거래 전략은 투자 회사들에게 중요한 역할을 한다.

하지만 복잡하고 역동적인 주식 시장에서 최적의 전략을 얻는 것은 어렵다.

이 논문에서는 주식거래를 최적화하기 위한 심층 강화 학습의 잠재력을 탐구한다. 

30개의 종목을 기반으로 실험되었으며 일일 가격은 훈련과 거래 시장 환경으로 사용된다 .

심층 강화 학습 agent를 훈련시키고 적응적인 거래전략을 얻는다. 

이 agent는 Dow Jones Industrial Average 와 traditional min-variance portfolio allocation strategy에 비교되어 평가된다.

제안된 심층 강화 학습 접근 방식은 급격한(분명한) 비율과 누적 수익 모두에서 두 가지 기준을 능가하는 것으로 나타났다.