ScholarWorks@경상국립대학교

초록

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.

키워드