본문 바로가기

무모한 도전-주식 인공지능 만들기1651

인공지능의 묻지마 매수를 막기위한 작업-2- 안녕하세요? 일단 지난번 포스팅에서 어떻게 해서 묻지마 매수를 막기는 막았습니다만, 문제는 프로그램이 명령을 내린 매수 명령도 전혀 반영이 되지 않는 문제점이 노출이 되었습니다. 그래서 새로 생긴 문제점을 해결해 보고자 하는 가지가지 시도를 이번 포스팅에서 다루고자 합니다. 먼저 위 스크린샷처럼 agent.py로 가서, action항목을 float()으로 바꾸어 주도록 합니다. 왜냐하면 지금까지 혹시 문자열로 모두 처리가 되어서 적용이 되지 않은 것이 아닌가 하는 생각이 들었기 때문입니다. 일단 agent.py를 구글 드라이브에 업로드 한 다음에, 위 스크린샷처럼 구글 코랩에서 강화학습을 시키자, 12분만에 강화학습이 마무리 된 것을 확인할 수 있었습니다. 그런데 이렇게 하고도 여전히 프로그램이 매수 명.. 2019. 3. 1.
인공지능의 묻지마 매수를 막기위한 작업-1- 안녕하세요? 지난번 포스팅에서 주식 인공지능이 첫 결정을 하기도 전에 무조건 매수부터 해서 문제가 있다는 이야기를 했습니다. 그래서 이런 작업이 문제는 상승장에서 이루어 지고 나서 정착 첫번째 판단은 하락장에서 이루어 지는 경우가 발생을 했습니다. 이래서는 문제가 있다고 생각을 해서, 한번 묻지마 매수라고 부르는 이런 모델이 결정을 내리기 이전에 매수를 하는 것을 막고자 하는 작업에 들어가 보려고 합니다. 먼저 기존의 코드에서 자동으로 폴더를 생성하는 명령어가 없는 것을 확인할 수 있었습니다. 이래서는 곤란하다고 생각해서 일단 코드를 추가해 주도록 합니다. 다음으로는 yellowoperation에 가서, agent.py를 위 스크린샷과 같이 수정을 해 주도록 합니다. 우선 제가 움직이고자 하는 조건은 먼.. 2019. 3. 1.
300에포크로 늘려본 강화학습의 결과 안녕하세요? 지난번 포스팅에서 언급한 대로, 강화학습으로 만들어진 모델이 2종류의 패턴을 만들어 내는 것을 보이자, 강화학습에 사용된 횟수가 부족한 것이 아닌가 해서 300에포크로 늘려서 강화학습을 한번 시켜보고, 그 결과를 포스팅 해 보고자 합니다. 먼저 위 스크린샷에 보이는 것처럼, 100으로 되어 있던 수치를 300으로 올려 보도록 해 보아야 합니다. 물론 위 화면은 yellowoperation에 있는 main.py를 수정한 것 입니다. 첫번째 강화학습의 경우 1시간 50분이 걸려서 끝난 것을 확인할 수 있었습니다. 일단 첫번째 모델의 강화학습이 끝났으니, 구글 코랩에서는 두번째 강화학습을 돌리도록 합니다. 다운로드한 첫번째 강화학습의 모델을 가지고 오도록 합니다. 그리고 나서 RLTrader를 작.. 2019. 2. 28.
좀 더 많은 백테스트 data를 가지고 했는 결과 안녕하세요? 일단 지난번 포스팅에서 보여준 결과를 보면, 120개 이상의 도움닫기를 하는 데이터 이후에 모델이 첫 결정을 하는데, 너무 적은 데이터를 바탕으로 결정을 하기에 이는 문제가 있는 것이 아닌가 하는 생각이 들었습니다. 그래서 이런 생각이 들어서 한번 50%의 데이터를 강화학습에 사용하고, 50%의 데이터를 백테스트에 적용해 보도록 했습니다. 먼저 위 스크린샷처럼 50%대 50%의 비율을 지정해서 작업을 하고자 하면, 423행 이하의 데이터만 사용을 하도록 하고, 그 위에 있는 이전의 데이터는 모두 폐기를 하도록 합니다. 그리고 본격적으로 50%의 데이터만 가지고서 백테스트를 하기 위해서, 먼저 위 스크린샷에 보이는 것처럼 수치를 수정해 주도록 합니다. 물론 위 스크립트는 yellowoperat.. 2019. 2. 27.

티스토리툴바