RLTrader의 데이터 관리 모듈 개발
2020-04-11 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, data manager, 데이터 관리 • 5 min read
데이터 관리 모듈은 차트 데이터와 학습 데이터를 생성하는 모듈로 자질 벡터를 정의하고 데이터를 전처리합니다.
RLTrader의 실행 모듈 개발
2020-04-11 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, main • 5 min read
강화학습 주식투자 실행 모듈(main.py)은 다양한 조건으로 강화학습을 수행할 수 있게 프로그램 인자를 구성하며 입력받은 인자에 따라 학습기 클래스를 이용해 강화학습을 수행하고 학습한 신경망들을 저장하는 메인 모듈입니다. 이 모듈에 대한 프로그램 인자와 강화학습 실행 로직을 살펴봅니다.
RLTrader의 학습기 모듈 개발
2020-04-02 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, learner, 학습기 • 21 min read
학습기 모듈(learners.py)은 다양한 강화학습 방식을 수행하기 위한 학습기 클래스들을 가지는 모듈입니다. 각 학습기 클래스의 속성과 함수를 살펴보고 파이썬으로 구현한 소스 코드를 상세히 확인합니다.
RLTrader의 가시화 모듈 개발
2020-04-02 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, visualization, 가시화 • 9 min read
가시화 모듈에 포함된 가시화기 클래스의 속성과 함수를 살펴보고 파이썬으로 구현한 소스 코드를 상세히 확인합니다.
RLTrader의 신경망 모듈 개발
2020-04-01 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, network, 신경망 • 10 min read
이번 절에서는 신경망 모듈에 포함된 여러 신경망 클래스의 속성과 함수를 살펴보고 파이썬으로 구현한 소스 코드를 상세히 확인합니다.
RLTrader의 에이전트 모듈 개발
2020-03-31 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, agent, 에이전트 • 10 min read
에이전트 모듈에 포함된 에이전트 클래스(Agent)의 속성과 함수를 살펴보고 파이썬으로 구현한 소스 코드를 상세히 확인합니다.
RLTrader의 환경 모듈 개발
2020-03-30 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, environment, 환경 • 2 min read
환경 모듈에 포함된 Environment 클래스의 속성과 함수를 살펴보고 파이썬으로 구현한 소스 코드를 상세히 확인합니다.
RLTrader 개발에 필요한 환경
2020-03-29 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, development, 개발, environment, 환경 • 4 min read
이번 장에서는 파이썬으로 강화학습 기반 주식투자 시스템인 RLTrader를 개발하는 과정을 소스 코드 수준에서 상세히 설명합니다.
주식투자 강화학습 과정 확인의 필요성
2020-03-28 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습, visualize, 가시화 • 3 min read
주식투자 강화학습을 진행하면 정해진 환경에서 매순간 무작위로 행동을 결정하거나 신경망으로 행동을 결정한 다음, 에이전트가 결정된 행동을 수행하고 그 결과로 에이전트의 상태가 변경됩니다. 이번 절에서는 주식투자 강화학습 과정을 확인하는 방법을 다룹니다.
주식투자 분야에서 강화학습 효과를 차별화하는 요인들
2020-03-26 • rltrader • stock, 주식투자, reinforcement learning, rl, 강화학습 • 7 min read
주식투자 강화학습에서는 강화학습 모델을 다양하게 구성할 수 있습니다. 강화학습 모델에서 고려할 학습 데이터, 보상 규칙, 행동의 종류, 신경망 종류, 강화학습 기법 등을 달리할 수 있으며, 이에 따라 강화학습의 효과가 달라질 수 있습니다. 이렇게 다양한 차별화 요인이 존재하기 때문에 어떠한 강화학습 모델이 효과적으로 주식투자를 학습할 수 있을지는 다양한 실험과 비교 분석을 해야 알 수 있습니다.