초록 close

기계 학습 등 인공 지능 기법의 발전에 힘입어 지능형 주식 거래 시스템에 관한 많은 연구가 이루어져 왔다. 그러나 현실 주식 거래에서 적절한 거래 정책의 수립이 거래의 결과에 커다란 영향을 미치는 중요 요소로 작용하고 있음에도 불구하고, 기존의 연구에서는 예측 모듈의 예측 성능 향상에 주력하였거나, 거래 정책을 다룬 경우라도 예측 모듈에 종속적인 단순한 정책만을 제시하였다. 본 논문에서는 이러한 문제를 개선하기 위한 방안의 하나로, 신경망 기반 주식 거래 시스템의 구축을 위한 통합 개발 도구인 NNShell에서 채택하고 있는 ‘통합 다중 시뮬레이션’ 기법을 제안한다. 통합 다중 시뮬레이션 기법에서는 신경망의 출력 값과 거래 정책 인자들 간의 모든 조합에 대하여 다중의 거래 시뮬레이션을 수행하고, 다양한 성능 평가 척도에 의거하여 각 정책에 대한 거래 성능을 평가하며, 이에 기반하여 주어진 예측기의 특성에 맞는 고유의 최적 거래 정책을 수립한다. 제안된 기법의 효용성을 검증하기 위해, 한국 거래소 시장 및 코스닥 시장에서 수집한 데이터를 사용하여 수행한 거래 성능 비교 실험 결과를 제시한다.


There are many researches about the intelligent stock trading systems with the help of the advance of the artificial intelligence such as machine learning techniques. Though the establishment of the reasonable trading policy plays an important role in the performance of the trading system, most researches focused on the improvement of the predictability. Also some previous works, which treated the trading policy, treated the simplified versions dependent on the predictors in less systematic ways. In this paper, we propose the 'integrated multiple simulation' as a method of optimizing trading performance of stock trading systems. The proposed method is adopted in the NNshell, a development environment for neural network based stock trading systems. Under the proposed 'integrated multiple simulation', we simulate the multiple tradings for all combinations of the neural network's outputs and the trading policy parameters, evaluate the trading performance according to the various metrics, and establish the optimal policy for a given prediction module based on the resulting performance. In the experiment, we present the trading policy comparison results using the stock value data from the KOSPI and KOSDAQ.