Actor-Critic 모델을 이용한 포트폴리오 자산 배분에 관한 연구

초록

기존의 균등배분, 마코위츠, Recurrent Reinforcement Learning 방법들은 수익률을 최대화하거나 위험을 최소화하고, Risk Budgeting 방법은 각 자산에 목표 리스크를 배분하여 최적의 포트폴리오를 찾는다. 그러나 이 방법들은 미래의 최적화된 포트폴리오를 잘 찾아주지 못하는 문제점들이 있다. 본 논문은 자산 배분을 위한 deterministic policy gradient 기반의 actor-critic 모델을 개발하였고, 기존의 방법들보다 성능이 우수함을 검증한다.