회귀 강화학습을 이용한 포트폴리오 자산 배분의 성능 향상연구

초록

최근, 자산 매매 및 포트폴리오 운용 분야에 인공지능을 활용한 사례 및 연구들이 활발히 진행되고 있다. 본논문에서는 기존에 제시된 회귀 강화학습을 기반으로 한 포트폴리오 운용 모델의 성능 향상을 위해 포트폴리오를구성하는 자산들의 예측값과 인공적으로 생성한 데이터를 사용하는 방법을 연구한다. 기존의 회귀 강화학습과예측값을 함께 적용한 경우, 인공 생성 데이터를 함께 적용한 경우가 회귀 강화학습만을 사용하였을때의 성능과비교 분석하여 성능 향상에 도움이 됨을 보이고자 한다. 실험 결과, 회귀 강화학습에 과거 자산의 데이터만 사용한경우보다 자산들의 예측값과 인공 생성 데이터를 함께 사용하였을 때 포트폴리오의 성능이 향상되었음을 알 수있었다.

키워드