[논문]강화학습 기반 주식 투자 웹 서비스

박정연; 홍승식; 박민규; 이현

doi:10.17703/jcct.2021.7.4.807

강화학습 기반 주식 투자 웹 서비스
An Implementation of Stock Investment Service based on Reinforcement Learning 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.7 no.4, 2021년, pp.807 - 814

박정연 (선문대학교 컴퓨터융합전자공학과) , 홍승식 (선문대학교 컴퓨터공학부) , 박민규 (선문대학교 컴퓨터융합전자공학과) , 이현 (선문대학교 컴퓨터공학부)

초록
AI-Helper

코로나-19로 인해 경제 활동이 낮아지고 주식 시장이 침체하면서 주식 투자를 통해 또 다른 소득을 마련하기 위해 많은 사람이 주식 시장에 뛰어들고 있다. 사람들의 관심이 높아지면서 더 많은 수익을 얻기 위한 주가 분석 연구가 많이 진행되고 있다. 주가는 종목별 변동의 흐름이 다르므로 각 주가 종목별로 독립적이며 일관적으로 분석할 필요가 있다. 이러한 문제를 해결하고자 본 논문에서는 강화학습 기법 중 하나인 Asynchronous Advantage Actor-Critic(A3C)를 이용하여 주가를 분석할 수 있는 모델 및 서비스를 설계 및 구현하였다. 주식 시장 데이터로 종목별 주가 및 국채, 코스피와 같은 외부 요인들을 반영하였다. 또한 웹페이지 제작을 통해 시각화한 정보를 제공하여 투자자들이 투자 기업에 대한 재무제표를 비롯하여 국내외 경제 및 정치의 흐름을 모두 분석하지 않고도 안전한 투자를 할 수 있도록 서비스를 제공한다.

Abstract ▼ AI-Helper

As economic activities decrease, and the stock market decline due to COVID-19, many people are jumping into stock investment as an alternative source of income. As people's interest increases, many stock price analysis studies are underway to earn more profits. Due to the variance observed in the stock markets, it is necessary to analyze each stock independently and consistently. To solve this problem, we designed and implemented models and services that analyze stock prices using a reinforcement learning technique called Asynchronous Advantage Actor-Critic(A3C). Stock market data reflected external factors such as government bonds and KOSPI (Korea Composite Stock Price Index) as well as stock prices. Our proposed work provides a web service with a visual representation of predictions of stocks and stock information through which directions are given to investors to make safe investments without analyzing domestic and foreign stock market trends.

주제어

표/그림 (8)

그림 그림 1. A3C를 통한 주식 투자 강화학습 Figure 1. Reinforcement Learning to stock investment through A3C
그림 그림 2. 제안 시스템 구조 Figure 2. Proposal System Architecture
표 표 1. optimizer, learning rate에 따른 수익률 비교 Table 1. Comparison of yields for optimizer and learning rate
그림 그림 3. 학습 결과 그래프 Figure 3. Result Graph of Training
그림 그림 4. 테스트 데이터에 대한 그래프 Figure 4. Graph for test data
그림 그림 5. 주식 검색 화면 Figure 5. Stock Search Page
그림 그림 6. 주식 상세 화면 Figure 6. Stock Detail Page
그림 그림 7. 커뮤니티 화면 Figure 7. Community Page

참고문헌 (20)

Verma, P., Dumka, A., Bhardwaj, A. et al, "A Statistical Analysis of Impact of COVID19 on the Global Economy and Stock Index Returns", SN Computer Science, Vol 2, Jan 2021. DOI: https://doi.org/10.1007/s42979-020-00410-w

상세보기
Z. Xu, A. Elomri, L. Kerbache and A. El Omri, "Impacts of COVID-19 on Global Supply Chains: Facts and Perspectives,", IEEE Engineering Management Review, Vol. 48, No. 3, pp. 153-166, Sept. 2020, DOI: 10.1109/EMR.2020.3018420.

상세보기
Stock trading accounts exceeded 50 million... 10 milion more in 5 months, http://www.m-i.kr/news/articleView.html?idxno851354
Selvin, S., Vinayakumar, R., Gopalakrishnan, E. A., Menon, V. K., & Soman, K. P. "Stock price prediction using LSTM, RNN and CNN-sliding window model", 2017 international conference on advances in computing, communications and informatics (ICACCI). IEEE, pp. 1643-1647. 2017. DOI: 10.1109/ICACCI.2017.8126078
Carta, S., Ferreira, A., Podda, A. S., Recupero, D. R., & Sanna, A, "Multi-DQN: An ensemble of Deep Q-learning agents for stock market forecasting", Expert systems with applications. Vol. 164, February 2021. DOI:https://doi.org/10.1016/j.eswa.2020.113820

상세보기
Li, Jinke, Ruonan Rao, and Jun Shi. "Learning to trade with deep actor critic methods." 2018 11th International Symposium on Computational Intelligence and Design (ISCID). Vol. 2. pp. 67-71, IEEE, 2018. DOI:10.1109/ISCID.2018.10116
H.M. Cho, H.J.Shin, "Trading Strategies Using Reinforcement Learning", Journal of Korea Academia-Industrial cooperation Society, Vol. 22, No. 1, pp. 123-130, January 2021. DOI:https://doi.org/10.5762/KAIS.2021.22.1.123

원문보기 상세보기
Hochreiter, S., Schmidhuber, J. "Long short-term memory." Neural computation, Vol. 9, No. 8, November 1997. DOI:10.1162/neco.1997.9.8.1735.

상세보기
D.H. Shinm K.H. Choi. C.B. Kim, "Deep Learning Model for Prediction Rate Improvement of Stock Price Using RNN and LSTM", Journal of Koriean Institute of Information Technology. Vol. 15, No. 10, pp. 9-16, October, 2017. DOI:https://doi.org/10.14801/jkiit.2017.15.10.9

상세보기
Mnih, V., Kavukcuoglu, K., Silver, D., Graves, A., Antonoglou, I., Wierstra, D., Riedmiller, M., "Playing atari with deep reinforcement learning." arXiv preprint arXiv:1312.5602 2013.
Lee, Jinho, et al. "Global stock market prediction based on stock chart images using deep Q-network.", IEEE Access, Vol. 7, pp. 167260-167277, 2019 DOI:10.1109/ACCESS.2019.2953542.

상세보기
Konda, Vijay R., and John N. Tsitsiklis. "Actor-critic algorithms." Advances in neural information processing systems. pp. 1008-1014, 2000.
Li, Jinke, Ruonan Rao, and Jun Shi. "Learning to trade with deep actor critic methods." 2018 11th International Symposium on Computational Intelligence and Design (ISCID). Vol. 2, pp. 66-71, IEEE, 2018.
Mnih, V., Badia, A. P., Mirza, M., Graves, A., Lillicrap, T., Harley, T., Kavukcuoglu, K. "Asynchronous methods for deep reinforcement learning." International conference on machine learning. PMLR, pp. 1928-1937, June 2016.
I.T. Joo, S.H. Choi, "Stock Preidciton Model based on Bidirectional LSTM Recurrent Neural Network", Journal of Korea Institute of Information, Electronics, and Communication Technology", Vol. 11, No. 2, pp. 204-208, April, 2018. DOI: https://doi.org/10.17661/jkiiect.2018.11.2.204

원문보기 상세보기
H.H. Hwang, Y.H. Kim, Y.H. Lee, "Suggestion of Strategy for the Automation of Stocks Based on Reinforcement Learning", Journal of the Korean Istitute of Industrial Engineers, Vol. 27, No. 4, pp. 399-405, August 2021.
Li, Yuming, Pin Ni, and Victor Chang. "Application of deep reinforcement learning in stock trading strategies and stock forecasting." Computing, Vol. 102, No. 6, pp. 1305-1322, 2019, DOI: https://doi.org/10.1007/s00607-019-00773-w

상세보기
S.H. Moon, "Analysis of AI-Applied Industry and Development Direction", Journal of the Convergence on Culture Technology (JCCT), Vol. 5, No. 1, pp. 77-82, 2019, DOI: http://dx.doi.org./1-0.18005/JCCT.2019.5.1.67
Ts. Tengis, L. Uurtsaikh, A. Batminkh, "Balancing a seesaw with reinforcement learning", International Journal of Advanced Culture Technology (IJACT), Vol. 8, No. 4, pp. 51-57, 2020, DOI: https://doi.org/10.17703/IJACT.2020.8.4.51

원문보기 상세보기
H.Y.Jung, "The Effect of Capital Adequacy Requirements on the Profitability of Korean Banks", The Journal of the Convergence on Culture Technology (JCCT), Vol. 7, No. 1, pp. 511-517, February 2021, DOI: http://dx.doi.org/10.17703/JCCT.2021.7.1.511

원문보기 상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증