실시간 시장 학습 기반의 암호화폐 자동 거래 시스템

• Published in: 한국정보통신학회논문지, 29(1) pp. 120 - 127
• Main Authors: 김성환, 반태원
• Format: Journal Article
• Language: Korean
• Published: 한국정보통신학회 01.01.2025
• Subjects: 전자/정보통신공학
• ISSN: 2234-4772; 2288-4165

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. The cryptocurrency market is experiencing rapid growth, accompanied by significant volatility and risk. To effectively manage these risks and maximize profit potential, automated trading systems are becoming increasingly popular. Unlike traditional algorithmic trading methods, this paper proposes an automated trading system based on reinforcement learning that can adapt to market volatility by learning from real-time conditions. This approach mitigates the overfitting problem with training data and allows for the adaptive updating of the neural network model with the latest market data. The proposed method overcomes the limitations of traditional single training and trading interval approaches by updating the model weights periodically with the closest possible data to the trading instance. This adaptability minimizes overfitting and adjusts to new data patterns. Various simulations have confirmed the performance of the proposed method, showing a 1.71% to 9.74% higher profitability compared to traditional single data usage methods. KCI Citation Count: 0