Attempts have been made to incorporate machine learning, including reinforcement learning, into the financial market. Financial market data, however, is time-series and as a time frequency domain flows, the underlying relationships become more sophisticated. Without considering these attributes of financial market data, the machine learning model will not work well. Therefore, in this paper, the agent proceeds trading based on the decision-making learned by the reinforcement learning model, and we check whether the non-linear relationship exists in the market data according to the result. We also use a momentum model based on the same market data to compare and analyze the existence of linear relationships. The study has identified that the market data for a given period has a nonlinear relationship in a short domain of one day, through DDRL, the reinforcement learning model in this paper. The momentum model has identified that a linear relationship exists as the time frequency domain increases.
강화학습을 포함한 머신러닝을 금융 시장에 접목하려는 시도가 활발하게 일어나고 있다. 그러나 금융 시장의 데이터는 시계열 특성을 가지며, 시간 도메인이 흐름에 따라 내재된 관계는 더욱 복잡해지게 된다. 금융 데이터가 가지는 이러한 속성을 고려하지 않은 채 접목을 시도한다면 해당 모델의 정상적인 작동은 기대하기 어렵다. 따라서 본 논문에서는 에이전트가 강화학습 모델을 통해 학습한 의사결정을 바탕으로 트레이딩을 진행하고, 해당 결과에 따라 시장 데이터에 비선형 관계가 존재하는지 확인한다. 또한, 선형 관계가 존재하는지를 비교 분석하기 위해 같은 시장 데이터를 바탕으로 모멘텀 모델을 활용한다. 연구 결과, 주어진 기간 동안의 시장 데이터는 하루 단위의 짧은 도메인에서 비선형 관계를 갖는다는 것과 그보다 큰 시간 도메인에서는 선형 관계가 존재한다는 것을 확인하였다.
