실시간 시장 학습 기반의 암호화폐 자동 거래 시스템

Abstract

최근 급격히 성장하고 있는 암호화폐 시장에서 발생하는 변동성과 리스크를 효과적으로 관리하고 수익 잠재력을 극대화하기 위해 자동 거래 시스템이 널리 사용되고 있다. 기존의 알고리즘 트레이딩 방식과 달리, 본 논문에서는 실시간으로 시장 상황을 학습함으로써 변동성에 대응할 수 있는 강화학습 기반의 자동 거래 시스템을 제안한다. 이를 통해서 훈련 데이터에 대한 과적합 문제를 완화하고 최신 시장 데이터에 적응적으로 신경망 모델을 갱신할 수 있다. 제안하는 방식은 일정 기간마다 거래 시점과 가능한 가장 근접한 데이터로 모델을 학습하여 모델의 가중치를 업데이트함으로써, 기존의 단일 훈련 및 거래 구간 접근 방식의 한계를 극복한다. 이를 통해 새로운 데이터 패턴에 적응하고 과적합을 최소화할 수 있다. 다양한 시뮬레이션을 통해 제안 방식의 성능을 검증한 결과, 기존 단일 데이터 활용 방식 대비 1.71%에서 9.74% 높은 수익률을 보였다.