초록 ▼

본 발명은 강화학습을 이용한 주식 거래 인공신경망 장치 및 방법에 관한 것이다. 이를 위하여, 특정 종목의 상기 거래 데이터와 상기 시장 이슈 텍스트 데이터를 임베딩하여 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 생성하는 임베딩 단계; 상기 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 입력 데이터로 하고 기존의 특정 구간에 대한 추세 방향성을 의미하는 추세 방향성 벡터를 출력 데이터로 하는 추세 분류 인공신경망 모듈에 의해 추세 방향성 벡터가 출력되는 추세 분류 단계; 상기 추세 방향성 벡터를 입력 데이터로 하고 시계열 방향성

본 발명은 강화학습을 이용한 주식 거래 인공신경망 장치 및 방법에 관한 것이다. 이를 위하여, 특정 종목의 상기 거래 데이터와 상기 시장 이슈 텍스트 데이터를 임베딩하여 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 생성하는 임베딩 단계; 상기 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 입력 데이터로 하고 기존의 특정 구간에 대한 추세 방향성을 의미하는 추세 방향성 벡터를 출력 데이터로 하는 추세 분류 인공신경망 모듈에 의해 추세 방향성 벡터가 출력되는 추세 분류 단계; 상기 추세 방향성 벡터를 입력 데이터로 하고 시계열 방향성 세트 정보를 출력 데이터로 하는 복수의 순환 신경망(Recurrent Neural Network)인 복수의 제1LSTMs에서 상기 시계열 방향성 세트 정보가 출력되는 시계열 방향성 세트 정보 출력 단계; 상기 시계열 방향성 세트 정보를 입력 데이터로 하고 추세 예측 정보를 출력 데이터로 하는 순환 신경망(Recurrent Neural Network)인 제2LSTM에서 상기 추세 예측 정보가 출력되는 추세 예측 단계;를 포함할 수 있다.

대표청구항 ▼

거래 데이터 및 시장 이슈 텍스트 데이터를 기초로 추세를 분류하고 미래 추세를 예측하여 주문 데이터를 생성하도록 구성되는 주문 프로그램 코드 및 강화학습 프로그램 코드를 저장하는 메모리 모듈; 및상기 주문 프로그램 코드 및 상기 강화학습 프로그램 코드를 처리하는 처리 모듈;을 포함하고, 상기 주문 프로그램 코드는,특정 종목의 상기 거래 데이터와 상기 시장 이슈 텍스트 데이터를 임베딩하여 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 생성하는 임베딩 단계; 상기 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 입력 데이터로 하고 기존의

거래 데이터 및 시장 이슈 텍스트 데이터를 기초로 추세를 분류하고 미래 추세를 예측하여 주문 데이터를 생성하도록 구성되는 주문 프로그램 코드 및 강화학습 프로그램 코드를 저장하는 메모리 모듈; 및상기 주문 프로그램 코드 및 상기 강화학습 프로그램 코드를 처리하는 처리 모듈;을 포함하고, 상기 주문 프로그램 코드는,특정 종목의 상기 거래 데이터와 상기 시장 이슈 텍스트 데이터를 임베딩하여 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 생성하는 임베딩 단계; 상기 거래 임베딩 벡터 및 시장 이슈 임베딩 벡터를 입력 데이터로 하고 기존의 특정 구간에 대한 추세 방향성을 의미하는 추세 방향성 벡터를 출력 데이터로 하는 추세 분류 인공신경망 모듈에 의해 추세 방향성 벡터가 출력되는 추세 분류 단계; 상기 추세 방향성 벡터를 입력 데이터로 하고 시계열 방향성 세트 정보를 출력 데이터로 하는 복수의 순환 신경망(Recurrent Neural Network)인 복수의 제1LSTMs에서 상기 시계열 방향성 세트 정보가 출력되는 시계열 방향성 세트 정보 출력 단계; 상기 시계열 방향성 세트 정보를 입력 데이터로 하고 추세 예측 정보를 출력 데이터로 하는 순환 신경망(Recurrent Neural Network)인 제2LSTM에서 상기 추세 예측 정보가 출력되는 추세 예측 단계; 및 상기 추세 예측 정보를 기초로 상기 특정 종목을 특정 가격에서 매매하는 주문 데이터를 생성하는 주문 데이터를 생성하는 주문 생성 단계;를 포함하여 컴퓨터 상에서 수행되도록 구성되고,상기 강화학습 프로그램 코드는,에피소드 t에 대한 제1상태 정보(st)를 수신하는 상태 정보 수신 단계;상기 제1상태 정보를 기초로 보상 가능성 정보를 생성한 뒤, 상기 보상 가능성 정보를 기초로 상기 에피소드 t에 대한 파라미터 조건 및 컨피던스(at)를 선정하여 출력하는 파라미터 조건 출력 단계;상기 파라미터 조건 및 컨피던스에 따른 파라미터 조건이 적용된 뒤, 에피소드 t+1에 대한 제2상태 정보(st+1) 및 상기 파라미터 조건 및 컨피던스(at)에 대한 보상 정보(rt+1)를 수신하는 상태 및 보상 정보 수신 단계; 및수신된 상기 제2상태 정보(st+1) 및 상기 보상 정보(rt+1)를 기초로 상기 파라미터 조건 단계의 가중치를 업데이트하는 가중치 업데이트 단계; 를 포함하여 컴퓨터 상에서 수행되도록 구성되고,상기 제1상태 정보 및 상기 제2상태 정보는 상기 거래 임베딩 벡터 및 상기 시장 이슈 임베딩 벡터를 의미하며, 상기 보상 정보는 특정 기간 동안의 수익률 데이터의 상승 또는 하강을 의미하며, 상기 파라미터 조건 설정 모듈에 의해 설정되는 파라미터 조건을 기초로 상기 제1LSTMs 및 제2LSTM의 파라미터를 업데이트하는 것을 특징으로 하는,강화학습을 이용한 주식 거래 인공신경망 장치.