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

358

4

부

강화 학습과 자연어 처리

class Agent:

def __init__(self, state_size, is_eval=False, model_name=””):

self.state_size = state_size # 전날 정규화

self.action_size = 3 # 보류, 매수, 매도

self.memory = deque(maxlen=1000)

self.inventory = []

self.model_name = model_name

self.is_eval = is_eval

self.gamma = 0.95

self.epsilon = 1.0

self.epsilon_min = 0.01

self.epsilon_decay = 0.995

self.model = load_model(“models/” + model_name) if is_eval \

else self._model()

model

함수는 상태를 동작에 매핑하는 딥러닝 모델이다. 이 함수는 환경 상태를 가져와 동

작에 대한 확률 분포를 참조하는

Q

가치 테이블 또는 정책을 반환한다. 이 함수는 케라스 파

이썬 라이브러리를 사용해 구축되었다.

11

사용된 딥러닝 모델의 구조는 다음과 같다.

●

모델은 입력으로 제공되는 상태 크기와 변수 수가 동일한 데이터 행을 예상한다.

●