본문 바로가기

알고리즘 트레이딩805

인공지능 주식 투자로 수익을 내기 위한 험난한(?) 여정-2- 안녕하세요? 지난번 포스팅에서 약속을 드린 것과 같이 이번에는 11%의 지연 보상 임계치를 가지고서 한번 기계학습을 해 보도록 하고, 그 결과를 포스팅 하고자 합니다. 먼저 강화학습을 하기 위해서 지연보상 임계치를 위 스크린샷과 같이 만들어 주도록 합니다. 혹시 모르니 정책 학습기 모듈에서도 이렇게 만들어 주도록 합니다. 일단 기계학습에 들어갔는데, 생각보다는 적은 시간이 걸리기는 했습니다. 그리고 나서 기계학습을 했는 결과인데, 일단 초반부에는 무어라 할 말이 없기는 합니다. 그리고 어떻게 된 것인지 이게 에포크가 진행이 되면, 특히 1000에포크에서는 완전히 주가 데이터와 PV가 일치를 하는 좀 무어라 말할 수 없는 모습으로 나오는 것을 볼 수 있었습니다. 일단 비교를 위해서 1000에포크 일때 학습.. 2018. 11. 7.
인공지능 주식 투자로 수익을 내기 험난한(?) 여정 안녕하세요? 지난번 포스팅에서 이제야 제대로 된 모델을 만들어 보았다는 이야기를 했는데, 문제는 첫 시도에서는 수익이 나지 않았습니다. 그래서 수익을 내기 위해서 계속해서 trial & error를 통해서 상황을 개선해 나가고자 합니다. 먼저 강화학습의 시작 부분에서 위 스크린샷처럼 지연보상 임계치를 20%에서 0.02라는 2%로 교체를 하도록 합니다. 그리고 혹시나 해서 한번 정책 학습기에서도 교체를 한번 더 해주도록 합니다. 이제 강화학습에 들어가 보도록 해 봅니다. 이번에는 거의 4시간 가까이 걸리는 것을 확인할 수 있었습니다. 일단 이 경우에 있어서는 초반 에포크에서는 엄청난 독박을 쓰는 경향을 보여주고 있습니다. 일단 에포크가 진행이되면 될수록 수익은 올리는데, 무언가 이전에 개미 투자자라면 대.. 2018. 11. 6.
이제서야 시작하는 제대로 된 모델 만들기 안녕하세요? 지난번 까지는 어떻게 코드상에 있는 오류로 인해서... 이건 제 오타라면 덜 뭐하기도 하지, 뭐랄까요? 책에 있던 오타 때문에 이렇게 되었으니, 뭐라고 억욱한 기분이 들기도 합니다만, 아무튼 간에 이제서야 제대로 된 주식 인공지능 만들기에 들어간다는 기분이 듭니다. 그래서 먼저 해야 할 일이 하나 있는데, 가장 먼저 강화학습 시작하는 곳에다가 다시 1000번의 강화학습을 하도록 하고, 다음으로는 discount factor를 일단 0으로 두고, 시작시 무작위 행동의 비율을 50%로 맞추어 주는 것 입니다. 혹시나 해서 policy_learner.py에서 역시 바꾸어 줄건 바꾸어 주도록 하고, 역시 가장 중요한 것은 learning을 true로 바꾸어 주는 것 입니다. 이제 1000번의 학습에.. 2018. 11. 6.
원숭이 투자자로 학습 데이터를 투자한 결과 안녕하세요? 지난번에 엄청난 일이 일어나서 원숭이 투자자조차 제대로 나오지 않은 상당히 충격과 공포의 상황이었습니다만, 그래도 어떻게 그 에러를 잡아내고 이제는 원숭이 투자를 제대로 해봐야 하는 상황이 되었습니다. 지금 생각해 보면, 쓸데 없는 일이기도 했지만, 에포크를 10을 줘야 10회 하는 것이 아니라, 프로그램의 실행을 10회 해야 하는 것 이었습니다. 아무튼 일단 이게 2번째 시도입니다. 3차 시도에 들어갔습니다. 4차 시도에 해당이 됩니다. 이 경우에는 10만원을 넣어서 4천원은 건지는 것을 볼 수 있습니다. 5차 시도인데 이번 원숭이 투자자는 3만 7천원을 버는 것을 볼 수 있습니다. 6차 시도인데 이번에는 투자금을 까먹은 것을 볼 수 있습니다. 7차 시도인데, 이번에는 어떻게 된 것인지 1.. 2018. 11. 6.

티스토리툴바