금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

385

9

장

강화 학습

5

.

2

.

2

화폐성 변화

이제 행사가 대 현물가의 비율로 정의되는 화폐성이 변경될 때 전략을 비교해 보자. 화폐성

을 변경하기 위해 행사가를

10

만큼 낮춘다. 코드는 이전 문제의 코드와 유사하며 출력은 아

래와 같다.

BS price at t0: 10.07339936955367

Mean Hedging PnL: 0.0007508571761945107

CVaR Hedging PnL: 0.6977526775080665

RL based BS price at t0: 10.073

RL based Mean Hedging PnL: -0.038571546628968216

RL based CVaR Hedging PnL: 3.4732447615593975

화폐성 변화로 인해 강화 학습 전략의 손익이 블랙-숄즈 전략의 손익보다 훨씬 더 나빠진

것을 알 수 있다. 모든 날에 걸쳐 둘 사이의 델타가 상당한 편차를 보인다. 강화 학습 기반

전략의

CVaR

과 변동성은 훨씬 더 높다. 결과는 모델을 다양한 수준의 화폐성으로 일반화

하는 동안 주의해야 하며 프로덕션 환경에서 구현하기 전에 다양한 행사가를 사용해 모델을

학습해야 함을 보여 준다.

386

4

부

강화 학습과 자연어 처리

5

.

2

.

3

드리프트 변화

이제 드리프트가 변경될 때 전략을 비교해 보자. 드리프트를 변경하기 위해 주가의 ...