데이터베이스 연구회지(SIGDB)
Current Result Document : 20 / 20
| 한글제목(Korean Title) |
심층강화학습 기반의 실용적인 페어 트레이딩 방법 |
| 영문제목(English Title) |
A Practical Pairs-Trading Method Using Deep Reinforcement Learning |
| 저자(Author) |
김상호
박덕영
이기훈
Sang-Ho Kim
Deog-Yeong Park
Ki-Hoon Lee
|
| 원문수록처(Citation) |
VOL 37 NO. 02 PP. 0065 ~ 0080 (2021. 08) |
한글내용
(Korean Abstract) |
페어 트레이딩(pairs trading)은 유사하게 움직이는 두 주식 종목의 단기적 가격 차이(스프레드)와 평균 회귀성을 이용하는 투자전략이다. 최근 심층강화학습을 이용한 페어 트레이딩 연구가 이루어지고 있으나, 공매도가 가능한 시장을 가정하고 있고 잡음 감소 및 특징 추출 과정이 단순하여 일반화가 어렵다. 본 논문에서는 기존 방법의 문제점을 해결한 심층강화학습 기반의 실용적인 페어 트레이딩 방법인 P-Trader를 제안한다. 제안한 방법은 스프레드에 대한 기술적 지표를 계산하고 스프레드 캔들스틱(candlestick)을 군집화하는 데이터 전처리 작업을 수행한다. 전처리된 특징에 가중치를 부여하고 Gated Recurrent Unit (GRU)과 주의집중 방법(attention mechanism)을 적용하여 시간적 특성을 반영한 상태 벡터를 생성한다. 상태 벡터를 기반으로 Double Deep Q-Network (DDQN) 기반의 강화학습을 적용한다. 강화학습 과정에서 다음 시점의 스프레드 값을 예측하는 모델을 함께 학습시켜 강화학습 모델에 정확한 상태 정보를 제공한다. KOSPI 종목에서 7개의 페어를 선정하여 실험한 결과, 제안한 방법이 모든 페어에 대해 기존 최신 방법들보다 더 높은 수익률을 보였다. |
영문내용
(English Abstract) |
Pairs trading is an investment strategy that uses the short-term price difference (spread) between two co-moving stocks and mean reversion. Recently, there have been studies on pairs trading using deep reinforcement learning. However, the studies assume a market allowing short-selling, and their process of noise reduction and feature extraction is not sophisticated, resulting in low generalization ability. In this paper, we propose a practical pairs-trading method called P-Trader based on deep reinforcement learning that overcomes the limitation of existing studies. We preprocess data by computing technical indicators for the spread and clustering the candlesticks of the spread. We give weights on the preprocessed features and apply Gated Recurrent Unit (GRU) and an attention mechanism to generate state vectors with temporal characteristics. Based on the state vectors, we apply reinforcement learning based on Double Deep Q-Network (DDQN). During reinforcement learning process, we co-train a model that predicts the next spread value to provide accurate state information to the reinforcement learning model. The experimental results using 7 stock pairs in KOSPI show that the proposed method accomplishes better profit for all the pairs compared with the state-of-the-art methods. |
| 키워드(Keyword) |
알고리즘 트레이딩
페어 트레이딩
심층강화학습
Double Deep Q-Network
Algorithmic Trading
Pairs Trading
Deep Reinforcement Learning
Double Deep Q-Network
|
| 파일첨부 |
PDF 다운로드
|
