ÄÜÅÙÃ÷»ó¼¼º¸±â

ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ µö·¯´×/°­È­ÇнÀ ÁÖ½ÄÅõÀÚ(°³Á¤2ÆÇ)
ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ µö·¯´×/°­È­ÇнÀ ÁÖ½ÄÅõÀÚ(°³Á¤2ÆÇ)
  • ÀúÀÚ<ÄöƼ·¦> Àú
  • ÃâÆÇ»çÀ§Å°ºÏ½º
  • ÃâÆÇÀÏ2022-07-06
  • µî·ÏÀÏ2024-10-21
º¸À¯ 1, ´ëÃâ 1, ¿¹¾à 0, ´©Àû´ëÃâ 4, ´©Àû¿¹¾à 4

Ã¥¼Ò°³

°­È­ÇнÀÀº ½º½º·Î ÇнÀÇϴ ¸Ó½Å·¯´× ±â¹ýÀ¸·Î¼­ ÁֽĠµ¥ÀÌÅÍ ÇнÀ¿¡ Àß Àû¿ëµÇ´Â ±â¹ýÀÌ´Ù. À̠å¿¡¼­´Â ÆÄÀ̽ãÀ» ÀÌ¿ëÇÑ °­È­ÇнÀ ±â¹ÝÀÇ ÁÖ½ÄÅõÀÚ ½Ã¹Ä·¹À̼ǠÇÁ·Î±×·¥À» °³¹ßÇϴ ¹æ¹ýÀ» »ìÆ캸°í, À̸¦ ½ÇÀü¿¡ È°¿ëÇØ º¼ ¼ö ÀÖµµ·Ï À̷аú Äڵ堼öÁØ¿¡¼­ »ó¼¼ÇÑ ¼³¸íÀ» µ¡ºÙ¿´´Ù. À̠åÀ» ÅëÇØ µö·¯´×°ú °­È­ÇнÀÀ» ÀÌÇØÇÏ°í À̸¦ ¹ÙÅÁÀ¸·Î ÁÖ½ÄÅõÀÚ¸¦ ºñ·ÔÇÑ ´Ù¾çÇÑ µµ¸ÞÀο¡ È°¿ëÇÒ ¼ö ÀÖÀ» °ÍÀÌ´Ù.

ÀúÀÚ¼Ò°³

±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼® ±×·ì. ¸Ó½Å·¯´×, µö·¯´×, °­È­ÇнÀ µîÀÇ ´Ù¾çÇÑ ±â¼úÀ» ¿¬±¸ÇÏ°í ±ÝÀ¶ µ¥ÀÌÅ͸¦ ºÐ¼®ÇÏ¿© ±ÝÀ¶ ÅõÀÚ¿¡ µµ¿òÀÌ µÉ Àǹ̠Àִ Á¤º¸¸¦ ¸¸µé¾î ³»±â À§ÇÑ ÀÏÀ» ÇÏ°í ÀÖ´Ù. ÃÖ±Ù¿¡´Â À̠å¿¡¼­ ´Ù·ç°í Àִ ¡¸ÆÄÀ̽㠱â¹ÝÀÇ °­È­ÇнÀ ÁÖ½ÄÅõÀÚ ÇÁ·ÎÁ§Æ®¡¹¿Í ´õºÒ¾î ¡¸µö·¯´× ÁֽĠÆ÷Æ®Æú¸®¿À °ü¸® ÇÁ·ÎÁ§Æ®¡¹, ¡¸ÀÚµ¿ ÁÖ½ÄÅõÀÚ ½Ã½ºÅÛ °³¹ß ÇÁ·ÎÁ§Æ®¡¹µîÀ» ÁøÇàÇÏ°í ÀÖ´Ù. °ü·Ã ÇÁ·ÎÁ§Æ® ÀϺθ¦ ÄöƼ·¦ Github¿¡¼­ °øÀ¯ÇÏ°í ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼® °á°ú¸¦ ÄöƼ·¦ À¥»çÀÌÆ®¿Í ÄöƼ·¦ ºí·Î±×¿¡¼­ Á¦°øÇÏ°í ÀÖ´Ù.

¸ñÂ÷

 01Àå: ¹è°æ À̷Р1 - ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼® 

1.1 ±ÝÀ¶ µ¥ÀÌÅͶõ? 
1.2 ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼®ÀÇ Çʿ伺 
1.3 ±ÝÀ¶ µ¥ÀÌÅÍ ºÐ¼® ¹æ¹ý 
___1.3.1 ±âº»Àû ºÐ¼® 
___1.3.2 ±â¼úÀû ºÐ¼® 
___1.3.3 Á¤¼­ ºÐ¼®
___1.3.4 Á¾ÇÕ ºÐ¼®
1.4 ÀüÅëÀûÀΠÄöÆ® ÅõÀÚ ¹æ¹ý 
___1.4.1 ÄöÆ® ÅõÀÚ ¿ª»ç
___1.4.2 Àú PER+Àú PBR+Àú PCR Àü·«
___1.4.3 Á¶¼Á ÇÇ¿ÀÆ®·Î½ºÅ° F-Score
1.5 ÄöÆ® ÅõÀÚ Æ®·»µå
1.6 Æ÷Æ®Æú¸®¿À Æò°¡
1.7 À̹ø ÀåÀÇ ¿äÁ¡

 02Àå: ¹è°æ À̷Р2 - µö·¯´×À̶õ?

2.1 µö·¯´× °³¿ä
___2.1.1 µö·¯´×ÀÇ Á¤ÀÇ¿Í ¿ª»ç
___2.1.2 µö·¯´×ÀÌ ÃÖ±Ù¿¡ ÁÖ¸ñ¹Þ´Â ÀÌÀ¯
___2.1.3 µö·¯´×À¸·Î Ç®°íÀÚ Çϴ ¹®Á¦
2.2 µö·¯´× ¹ßÀü °úÁ¤
___2.2.1 ÆÛ¼ÁÆ®·Ð
___2.2.2 Àΰø ½Å°æ¸Á
___2.2.3 ´Ù¾çÇÑ È°¼ºÈ­ ÇÔ¼ö ÃâÇö
___2.2.4 Ãâ·ÂÃþ¿¡¼­ È°¼ºÈ­ ÇÔ¼ö¸¦ »ç¿ë
___2.2.5 ½ÉÃþ ½Å°æ¸Á
2.3 µö·¯´×¿¡ ÇÊ¿äÇÑ Çٽɠ±â¼ú
___2.3.1 ¿ÀÂ÷ ¿ªÀüÆÄ ±â¹ý 
___2.3.2 ÃÖÀûÇؠŽ»ö ±â¹ý
___2.3.3 °úÀûÇÕ ÇØ°á ±â¹ý
2.4 °í±Þ Àΰø ½Å°æ¸Á ±¸Á¶
___2.4.1 ¼øȯ ½Å°æ¸Á
___2.4.2 LSTM ½Å°æ¸Á
___2.4.3 ÇÕ¼º°ö ½Å°æ¸Á
2.5 µö·¯´× Àû¿ë »ç·Ê
___2.5.1 ±â°è ¹ø¿ª 
___2.5.2 À½¼º ÀνÄ
___2.5.3 À̹ÌÁö ÀνÄ
2.6 À̹ø ÀåÀÇ ¿äÁ¡

 03Àå: ¹è°æ À̷Р3 - °­È­ÇнÀÀ̶õ?

3.1 °­È­ÇнÀÀÇ ±âÃÊ°¡ µÈ ¸¶¸£ÄÚÇÁ Àǻ砰áÁ¤ °úÁ¤
___3.1.1 ¸¶¸£ÄÚÇÁ °¡Á¤
___3.1.2 ¸¶¸£ÄÚÇÁ °úÁ¤
___3.1.3 ¸¶¸£ÄÚÇÁ Àǻ砰áÁ¤°úÁ¤
3.2 »óÅ °¡Ä¡ ÇÔ¼ö¿Í »óÅÂ-Çൿ °¡Ä¡ ÇÔ¼ö
___3.2.1 »óÅ °¡Ä¡ ÇÔ¼ö(state-value function)
___3.2.2 »óÅÂ-Çൿ °¡Ä¡ ÇÔ¼ö(action-value function)
3.3 º§¸¸ ¹æÁ¤½Ä
___3.3.1 º§¸¸ ±â´ë ¹æÁ¤½Ä(Bellman expectation equation)
___3.3.2 º§¸¸ ÃÖÀû ¹æÁ¤½Ä(Bellman optimality equation)
3.4 MDP¸¦ À§ÇÑ µ¿Àû ÇÁ·Î±×·¡¹Ö
___3.4.1 Á¤Ã¥ ¹Ýº¹(policy iteration)
___3.4.2 °¡Ä¡ ¹Ýº¹(value iteration)
___3.4.3 µ¿Àû ÇÁ·Î±×·¡¹ÖÀÇ ÇÑ°è¿Í °­È­ÇнÀÀÌ ÇÊ¿äÇÑ ÀÌÀ¯
3.5 ÁÖ¿ä °­È­ÇнÀ °³³ä
___3.5.1 °­È­ÇнÀ Ç¥±â¹ý(notation)
___3.5.2 Model-based vs. Model-free
___3.5.3 ¿¹Ãø(prediction)°ú Á¦¾î(control)
___3.5.4 ºÎÆ®½ºÆ®·¦(bootstrap)
___3.5.5 On-policy vs. Off-policy
___3.5.6 ÀÌ¿ë(exploitation)°ú Å½Çè(exploration)
3.6 ÁÖ¿ä °­È­ÇнÀ ±â¹ý
___3.6.1 ¸óÅ×Ä«¸¦·Î ÇнÀ(Monte-Carlo learning, MC)
___3.6.2 ½Ã°£Â÷ ÇнÀ(temporal-difference learning, TD)
___3.6.3 Q-·¯´×(Q-learning, QL)°ú DQN(deep Q-network)
___3.6.4 Á¤Ã¥ °æ»ç(policy gradient, PG)
___3.6.5 ¾×ÅÍ-Å©¸®Æ½ 
___3.6.6 A2C(advantage actor-critic)
___3.6.7 A3C(asynchronous advantage actor-critic) 
___3.6.8 ÁÖ¿ä °­È­ÇнÀ ±â¹ý Á¤¸®
3.7 °­È­ÇнÀ Àû¿ë »ç·Ê
___3.7.1 º®µ¹ ±ú±â
___3.7.2 ¾ËÆÄ°í(AlphaGo)
3.8 À̹ø ÀåÀÇ ¿äÁ¡

 04Àå: ¹è°æ À̷Р4 - °­È­ÇнÀÀ» ÀÌ¿ëÇÑ ÁÖ½ÄÅõÀÚ¶õ?

4.1 Á÷°üÀûÀ¸·Î °­È­ÇнÀ Àü·« ¾Ë¾Æº¸±â
___4.1.1 °­È­ÇнÀÀ» ÀÌ¿ëÇÑ ÁÖ½ÄÅõÀÚ ±¸Á¶
___4.1.2 Â÷Æ® µ¥ÀÌÅÍ ÀÌÇØÇϱâ
___4.1.3 Â÷Æ® µ¥ÀÌÅ͸¦ ¹ÙÅÁÀ¸·Î °­È­ÇнÀÀ» Çϴ ¹æ½Ä
___4.1.4 °Å·¡ ¼ö¼ö·á¿Í °Å·¡¼¼ 
___4.1.5 ¹«ÀÛÀ§ Çൿ °áÁ¤(ŽÇè)°ú ¹«ÀÛÀ§ Çൿ °áÁ¤ ºñÀ²(¿¦½Ç·Ð)
4.2 °­È­ÇнÀ È¿°ú¸¦ Â÷º°È­Çϴ ¿äÀεé
___4.2.1 Â÷º°È­ ¿äÀΠ1: ÇнÀ µ¥ÀÌÅÍ ±¸¼º
___4.2.2 Â÷º°È­ ¿äÀΠ2: ¿¡ÀÌÀüÆ® »óÅ Á¾·ù
___4.2.3 Â÷º°È­ ¿äÀΠ3: ¿¡ÀÌÀüÆ® Çൿ Á¾·ù
___4.2.4 Â÷º°È­ ¿äÀΠ4: ½Å°æ¸Á
___4.2.5 Â÷º°È­ ¿äÀΠ5: °­È­ÇнÀ ±â¹ý
4.3 Â÷Æ® µ¥ÀÌÅÍ¿Í ÇнÀ µ¥ÀÌÅÍ »ìÆ캸±â
___4.3.1 Â÷Æ® µ¥ÀÌÅÍ
___4.3.2 ÇнÀ µ¥ÀÌÅÍ
4.4 ÁÖ½ÄÅõÀÚ °­È­ÇнÀ ÀýÂ÷
___4.4.1 ÁÖ½ÄÅõÀÚ °­È­ÇнÀ ¼ø¼­µµ
___4.4.2 Çൿ °áÁ¤
___4.4.3 °áÁ¤µÈ Çൿ ¼öÇà
___4.4.4 ¹èÄ¡ ÇнÀ µ¥ÀÌÅÍ »ý¼º ¹× ½Å°æ¸Á ¾÷µ¥ÀÌÆ®
4.5 ÁÖ½ÄÅõÀÚ °­È­ÇнÀ °úÁ¤ ¹× °á°ú È®ÀΠ¹æ¹ý
___4.5.1 °­È­ÇнÀ °úÁ¤ È®ÀÎÀÇ Çʿ伺
___4.5.2 °­È­ÇнÀ °úÁ¤À» ·Î±×·Î ³²±â±â 
___4.5.3 °­È­ÇнÀ °úÁ¤À» À̹ÌÁö·Î °¡½ÃÈ­Çϱâ
4.6 À̹ø ÀåÀÇ ¿äÁ¡

 05Àå: ¸ðµâ °³¹ß - °­È­ÇнÀ ±â¹Ý ÁÖ½ÄÅõÀÚ ½Ã½ºÅÛ °³¹ß

5.1 RLTrader °³¹ß¿¡ ÇÊ¿äÇѠȯ°æ
___5.1.1 ¾Æ³ªÄÜ´Ù ¼³Ä¡ 
___5.1.2 PyTorch ¼³Ä¡
___5.1.3 ÅÙ¼­Ç÷Π¼³Ä¡
___5.1.4 plaidML ¼³Ä¡
5.2 RLTraderÀÇ ¼³°è
___5.2.1 ¸ðµâ ±¸Á¶
___5.2.2 µð·ºÅ͸® ±¸Á¶
___5.2.3 Å¬·¡½º ´ÙÀ̾î±×·¥
___5.2.4 È¯°æ ¸ðµâ °³¿ä
___5.2.5 ¿¡ÀÌÀüÆ® ¸ðµâ °³¿ä
___5.2.6 ½Å°æ¸Á ¸ðµâ°³¿ä
___5.2.7 ÇнÀ±â ¸ðµâ °³¿ä
___5.2.8 µ¥ÀÌÅÍ °ü¸® ¸ðµâ °³¿ä
___5.2.9 °¡½ÃÈ­ ¸ðµâ°³¿ä
___5.2.10 ½ÇÇà ¸ðµâ °³¿ä
5.2.11 ±âŸ ¸ðµâ 
5.3 È¯°æ ¸ðµâ °³¹ß
___5.3.1 È¯°æ ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö
___5.3.2 ÄÚµå Á¶°¢: È¯°æ Å¬·¡½º
5.4 ¿¡ÀÌÀüÆ® ¸ðµâ °³¹ß
___5.4.1 ¿¡ÀÌÀüÆ® ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö
___5.4.2 ÄÚµå Á¶°¢ 1: ¿¡ÀÌÀüÆ® Å¬·¡½ºÀÇ »ó¼ö ¼±¾ð
___5.4.3 ÄÚµå Á¶°¢ 2: ¿¡ÀÌÀüÆ® Å¬·¡½ºÀÇ »ý¼ºÀÚ
___5.4.4 ÄÚµå Á¶°¢ 3: ¿¡ÀÌÀüÆ® Å¬·¡½ºÀÇ ÇÔ¼ö
5.5 ½Å°æ¸Á ÆÐÅ°Áö °³¹ß
___5.5.1 µö·¯´× ÇÁ·¹ÀÓ¿öÅ© ¼±Á¤
___5.5.2 ½Å°æ¸Á ±¸Á¶
___5.5.3 ½Å°æ¸Á ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö 
___5.5.4 ÄÚµå Á¶°¢: µö·¯´× ÇÁ·¹ÀÓ¿öÅ©¿¡ µû¶ó ½Å°æ¸Á ¸ðµâ ±¸Çöü ¼±ÅÃ
5.6 PyTorch¸¦ ÀÌ¿ëÇÑ ½Å°æ¸Á ¸ðµâ °³¹ß 
___5.6.1 ÄÚµå Á¶°¢ 1: PyTorch µîÀÇ ÀÇÁ¸¼º ÀÓÆ÷Æ®
___5.6.2 ÄÚµå Á¶°¢ 2: PyTorch¸¦ ÀÌ¿ëÇÑ Network Å¬·¡½º
___5.6.3 ÄÚµå Á¶°¢ 3: PyTorch¸¦ ÀÌ¿ëÇÑ DNN Å¬·¡½º
___5.6.4 ÄÚµå Á¶°¢ 4: PyTorch¸¦ ÀÌ¿ëÇÑ LSTMNetwork Å¬·¡½º
___5.6.5 ÄÚµå Á¶°¢ 5: PyTorch¸¦ ÀÌ¿ëÇÑ CNN Å¬·¡½º 
5.7 Keras¸¦ ÀÌ¿ëÇÑ ½Å°æ¸Á ¸ðµâ °³¹ß
___5.7.1 ÄÚµå Á¶°¢ 1: Keras¸¦ ÀÌ¿ëÇÑ Network Å¬·¡½º 
___5.7.2 ÄÚµå Á¶°¢ 2: Keras¸¦ ÀÌ¿ëÇÑ DNN Å¬·¡½º
___5.7.3 ÄÚµå Á¶°¢ 3: Keras¸¦ ÀÌ¿ëÇÑ LSTMNetwork Å¬·¡½º
___5.7.4 ÄÚµå Á¶°¢ 4: Keras¸¦ ÀÌ¿ëÇÑ CNN Å¬·¡½º
5.8 °¡½ÃÈ­ ¸ðµâ °³¹ß
___5.8.1 °¡½ÃÈ­ ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö 
___5.8.2 °¡½ÃÈ­ ¸ðµâÀÌ ¸¸µé¾î ³»´Â Á¤º¸
___5.8.3 ÄÚµå Á¶°¢ 1: °¡½ÃÈ­±â Å¬·¡½ºÀÇ »ý¼ºÀÚ
___5.8.4 ÄÚµå Á¶°¢ 2: °¡½ÃÈ­ Áغñ ÇÔ¼ö
___5.8.5 ÄÚµå Á¶°¢ 3: °¡½ÃÈ­ ÇÔ¼ö
___5.8.6 ÄÚµå Á¶°¢ 4: °¡½ÃÈ­ Á¤º¸ ÃʱâÈ­ ¹× °á°ú ÀúÀå ÇÔ¼ö
5.9 ÇнÀ±â ¸ðµâ °³¹ß
___5.9.1 ÇнÀ±â ¸ðµâÀÇ ÁÖ¿ä ¼Ó¼º°ú ÇÔ¼ö
___5.9.2 ÄÚµå Á¶°¢ 1: ÇнÀ±â ¸ðµâÀÇ ÀÇÁ¸¼º ÀÓÆ÷Æ® 
___5.9.3 ÄÚµå Á¶°¢ 2: ÇнÀ±â Å¬·¡½ºÀÇ »ý¼ºÀÚ
___5.9.4 ÄÚµå Á¶°¢ 3: °¡Ä¡ ½Å°æ¸Á »ý¼º ÇÔ¼ö
___5.9.5 ÄÚµå Á¶°¢ 4: Á¤Ã¥ ½Å°æ¸Á »ý¼º ÇÔ¼ö
___5.9.6 ÄÚµå Á¶°¢ 5: ¿¡Æ÷Å© ÃʱâÈ­ ÇÔ¼ö
___5.9.7 ÄÚµå Á¶°¢ 6: °¡Ä¡ ½Å°æ¸Á ¹× Á¤Ã¥ ½Å°æ¸Á ÇнÀ
___5.9.8 ÄÚµå Á¶°¢ 7: ¿¡Æ÷Å© °á°ú °¡½ÃÈ­
___5.9.9 ÄÚµå Á¶°¢ 8: °­È­ÇнÀ ½ÇÇà ÇÔ¼ö
___5.9.10 ÄÚµå Á¶°¢ 9: DQN °­È­ÇнÀ Å¬·¡½º
___5.9.11 ÄÚµå Á¶°¢ 10: Á¤Ã¥ °æ»ç °­È­ÇнÀ Å¬·¡½º
___5.9.12 ÄÚµå Á¶°¢ 11: Actor-Critic °­È­ÇнÀ Å¬·¡½º
___5.9.13 ÄÚµå Á¶°¢ 12: A2C °­È­ÇнÀ Å¬·¡½º
___5.9.14 ÄÚµå Á¶°¢ 13: A3C °­È­ÇнÀ Å¬·¡½º
5.10 µ¥ÀÌÅÍ °ü¸® ¸ðµâ °³¹ß
___5.10.1 ÄÚµå Á¶°¢ 1: ÀÚÁú º¤ÅÍ Á¤ÀÇ
___5.10.2 ÄÚµå Á¶°¢ 2: µ¥ÀÌÅÍ Àü󸮠ÇÔ¼ö
___5.10.3 ÄÚµå Á¶°¢ 3: Â÷Æ® µ¥ÀÌÅÍ ¹× ÇнÀ µ¥ÀÌÅÍ ·Îµå ÇÔ¼ö 
5.11 °­È­ÇнÀ ÁÖ½ÄÅõÀÚ ½ÇÇà ¸ðµâ °³¹ß
___5.11.1 ÄÚµå Á¶°¢ 1: ÇÁ·Î±×·¥ ÀÎÀÚ ¼³Á¤
___5.11.2 ÄÚµå Á¶°¢ 2: ÆĶó¹ÌÅÍ ¼³Á¤
___5.11.3 ÄÚµå Á¶°¢ 3: °­È­ÇнÀ ¼³Á¤
___5.11.4 ÄÚµå Á¶°¢ 4: °­È­ÇнÀ ½ÇÇà
5.12 ±âŸ ¸ðµâ °³¹ß
___5.12.1 ÄÚµå Á¶°¢ 1: ¼³Á¤ ¸ðµâ
___5.12.2 ÄÚµå Á¶°¢ 2: À¯Æ¿¸®Æ¼ ¸ðµâ
5.13 °³¹ß Âü¿©
5.14 À̹ø ÀåÀÇ ¿äÁ¡ 

 06Àå: µ¥ÀÌÅÍ Áغñ - ÁֽĠµ¥ÀÌÅ͠ȹµæ

6.1 ¹æ¹ý 1. Áõ±Ç»ç HTS »ç¿ë
___6.1.1 Áõ±Ç»ç HTS ´Ù¿î·Îµå
___6.1.2 Áõ±Ç °èÁ °³¼³
___6.1.3 Á¾¸ñ Â÷Æ® µ¥ÀÌÅÍ È®ÀÎ
___6.1.4 ¿¢¼¿¿¡¼­ ÀϺ° µ¥ÀÌÅÍ CSV ÆÄÀÏ ÀúÀå
6.2 ¹æ¹ý 2. Áõ±Ç»ç API »ç¿ë
___6.2.1 Áõ±Ç»ç API ¼³Ä¡
___6.2.2 ´ë½ÅÁõ±Ç Å©·¹¿Â API »ç¿ë È¯°æ Áغñ
___6.2.3 ´ë½ÅÁõ±Ç Å©·¹¿Â HTS ½ÇÇà
___6.2.4 ´ë½ÅÁõ±Ç Å©·¹¿Â API¸¦ ÀÌ¿ëÇÑ Â÷Æ® µ¥ÀÌÅ͠ȹµæ ÇÁ·Î±×·¥ ÀÛ¼º
6.3 ¹æ¹ý 3. À¥ Å©·Ñ¸µ
___6.3.1 pandas-datareader·Î ÁֽĠµ¥ÀÌÅ͠ȹµæÇϱâ
___6.3.2 ±ÝÀ¶ Æ÷ÅРũ·Ñ¸µÀ¸·Î ÁֽĠµ¥ÀÌÅ͠ȹµæÇϱâ
6.4 ¹æ¹ý 4. ÄöƼ·¦ µ¥ÀÌÅͺ£À̽º »ç¿ë
6.5 À̹ø ÀåÀÇ ¿äÁ¡

 07Àå: °­È­ÇнÀ ½ÇÇà

7.1 RLTrader ½ÇÇà ¹æ¹ý
___7.1.1 ÇнÀ ¸ðµå ½ÇÇà ¹æ¹ý
___7.1.2 Å×½ºÆ® ¸ðµå ½ÇÇà ¹æ¹ý
___7.1.3 ¾÷µ¥ÀÌÆ® ¸ðµå ½ÇÇà ¹æ¹ý
___7.1.4 ¿¹Ãø ¸ðµå ½ÇÇà ¹æ¹ý
___7.1.5 °­È­ÇнÀ °úÁ¤ ¹× °á°ú È®ÀÎ
___7.1.6 ÇнÀÀÌ Àß µÇÁö ¾ÊÀ» ¶§ÀǠüũ¸®½ºÆ®
7.2 ÇнÀ ¸ðµå ¿¹½Ã
___7.2.1 ÇнÀ ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930)
___7.2.2 ÇнÀ ¸ðµå °á°ú 2: Çö´ëÂ÷(005380)
___7.2.3 ÇнÀ ¸ðµå °á°ú 3: Ä«Ä«¿À(035720)
___7.2.4 ÇнÀ ¸ðµå °á°ú Á¤¸® ¹× ¿ø¼þÀÌ ÅõÀÚ¿ÍÀÇ ºñ±³
7.3 Å×½ºÆ® ¸ðµå ¿¹½Ã 
___7.3.1 Å×½ºÆ® ¸ðµåÀǠƯ¡
___7.3.2 Å×½ºÆ® ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930)
___7.3.3 Å×½ºÆ® ¸ðµå °á°ú 2: Çö´ëÂ÷(005380)
___7.3.4 Å×½ºÆ® ¸ðµå °á°ú 3: Ä«Ä«¿À(035720) 
___7.3.5 Å×½ºÆ® ¸ðµå °á°ú Á¤¸® ¹× ¿ø¼þÀÌ ÅõÀÚ¿ÍÀÇ ºñ±³
7.4 ¾÷µ¥ÀÌÆ® ¸ðµå ¿¹½Ã
___7.4.1 ¾÷µ¥ÀÌÆ® ¸ðµåÀǠƯ¡
___7.4.2 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930)
___7.4.3 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú 2: Çö´ëÂ÷(005380)
___7.4.4 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú 3: Ä«Ä«¿À(035720)
___7.4.5 ¾÷µ¥ÀÌÆ® ¸ðµå °á°ú Á¤¸® ¹× ¿ø¼þÀÌ ÅõÀÚ¿ÍÀÇ ºñ±³
7.5 ¿¹Ãø ¸ðµå ¿¹½Ã
___7.5.1 ¿¹Ãø ¸ðµåÀǠƯ¡
___7.5.2 ¿¹Ãø ¸ðµå °á°ú 1: »ï¼ºÀüÀÚ(005930)
___7.5.3 ¿¹Ãø ¸ðµå °á°ú 2: Çö´ëÂ÷(005380)
___7.5.4 ¿¹Ãø ¸ðµå °á°ú 3: Ä«Ä«¿À(035720)
7.6 À̹ø ÀåÀÇ ¿äÁ¡

 08Àå: RLTrader Ä¿½ºÅ͸¶ÀÌ¡ 

8.1 ¿¡ÀÌÀüÆ® ¸ðµâ Ä¿½ºÅ͸¶ÀÌ¡
___8.1.1 ÄÚµå Á¶°¢ 1: ¸Å¸Å ¼ö¼ö·á ¹× ¼¼±Ý Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê
___8.1.2 ÄÚµå Á¶°¢ 2: Çൿ °áÁ¤ ·ÎÁ÷ Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê
8.2 ½Å°æ¸Á ¸ðµâ Ä¿½ºÅ͸¶ÀÌ¡
___8.2.1 ÄÚµå Á¶°¢ 1: ½Å°æ¸Á Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê
___8.2.2 ÄÚµå Á¶°¢ 2: ÃÖÀûÈ­ ¹æ¹ý Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê
___8.2.3 ÄÚµå Á¶°¢ 3: °øÀ¯ ½Å°æ¸Á Àû¿ë Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê
8.3 °­È­ÇнÀ ÇнÀ±â Ä¿½ºÅ͸¶ÀÌ¡
___8.3.1 ÄÚµå Á¶°¢ 1: ¹èÄ¡ ÇнÀ µ¥ÀÌÅÍ »ý¼º Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê
___8.3.2 ÄÚµå Á¶°¢ 2: °¡½ÃÈ­ ÆÄÀÏ »ý¼º ¼ö Á¶Àý
8.4 ÇнÀ µ¥ÀÌÅÍ Ä¿½ºÅ͸¶ÀÌ¡
___8.4.1 ¡®±â°ü ¼ø¸Å¼ö¡¯ ¹× ¡®¿Ü±¹ÀΠ¼ø¸Å¼ö¡¯ µ¥ÀÌÅ͠ȹµæ »ç·Ê
___8.4.2 ÄÚµå Á¶°¢ 1: ÁֽĠµ¥ÀÌÅÍ Àü󸮠Ŀ½ºÅ͸¶ÀÌ¡ »ç·Ê
___8.4.3 ÄÚµå Á¶°¢ 2: ÇнÀ µ¥ÀÌÅÍ ÀÚÁú ±¸¼º Ä¿½ºÅ͸¶ÀÌ¡ »ç·Ê

 ºÎ·ÏA: ÇÁ·Î±×·¡¹Ö, ¸Ó½Å·¯´×, ÁÖ½ÄÅõÀÚ ¿ë¾î

A.1 ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ±âº» ¿ë¾î Á¤¸®
A.2 ¸Ó½Å·¯´× ±âº» ¿ë¾î Á¤¸®
A.3 ÁֽĠ±âº» ¿ë¾î Á¤¸®

 ºÎ·ÏB: µö·¯´×¿¡¼­ TensorFlow+GPU »ç¿ëÇϱâ

B.1 GPU »ç¿ëÀ» À§ÇÑ Çϵå¿þ¾î Áغñ
___B.1.1 ±×·¡ÇÈÄ«µå ÀνĠȮÀÎ
___B.1.2 È£È¯µÇ´Â ±×·¡ÇÈÄ«µå È®ÀÎ
B.2 GPU »ç¿ëÀ» À§ÇÑ ¼ÒÇÁÆ®¿þ¾î Áغñ
___B.1.1 CUDA ÅøŶ ¼³Ä¡
___B.2.2 cuDNN ¶óÀ̺귯¸® ¼³Ä¡
___B.2.3 TensorFlowÀÇ GPU »ç¿ë ÃÖÁ¾ È®ÀÎ

 ºÎ·ÏC: µö·¯´×¿¡¼­ plaidML+GPU »ç¿ëÇϱâ

C.1 plaidML »ç¿ëÀ» À§ÇÑ Visual C++ 2015 ¼³Ä¡
C.2 plaidML ¼³Ä¡ ¹× È®ÀÎ

 ºÎ·ÏD: RLTraderÀÇ µö·¯´× ÇÁ·¹ÀÓ¿öÅ© Àû¿ë±â 

 ºÎ·ÏE: RLTrader ÇнÀ µ¥ÀÌÅÍ ¸í¼¼

E.1 RLTrader ÇнÀ µ¥ÀÌÅÍ v1 
E.2 RLTrader ÇнÀ µ¥ÀÌÅÍ v1.1
E.3 RLTrader ÇнÀ µ¥ÀÌÅÍ v2
E.4 RLTrader ÇнÀ µ¥ÀÌÅÍ v3
E.5 RLTrader ÇнÀ µ¥ÀÌÅÍ v4