프로젝트 Worker의 실행파일 목록

본 문서는 차트 데이터의 분석 처리 파일을 담아놓은 문서로, 머신러닝, 파라미터 튜닝등을 활용한 분석 결과 값을 내보내는 내용을 담고 있다.

Technical Indicator (기술적 지표)

기술적 지표란, 어떤 차트의 값의 변화를 추론하여 매도와 매수를 판단하는 분석도구로, 우리가 제공하는 솔루션에는 이러한 기술적 지표의 상세값을 조정하거나 매도 수준을 조정하는데에 있다. 이는 간단하게 주기, 매도/매수 수치가 이에 포함된다.

Fractal

프렉탈이란, 주식의 패턴을 분석하여 다음 패턴을 예측하는 방식의 투자기법으로, 우린 가상 트레이더가 여러 매개변수를 읽어들여 회귀분석을 하여 가장 최적화된 트레이딩 차트를 그려내게 할 것이다.

Fractal With Neural Prophet (!Python Script가 기본이지만 여유가 될시 c++로 작성 예정)

(!Python Script가 기본이지만 여유가 될시 c++로 작성 예정)

neural prophet은 주기성을 가진 데이터에 대해 강력한 추론 능력을 가진다. 우린 이 주기성 데이터를 상대할 수 있다는 점에 주목하여 Neural Prophet을 활용한 머신러닝 주가 예측을 제공한다. 배열의 형태로 제공되지만 근시안적인 주가의 흐름을 예측한다는 면에서 강력한 장점을 가지고 있다.

MachineLearning Analysis

SVM, KNN, LightGBM, XGBoost등으로 대표되는 머신러닝 알고리즘은 주식데이터에 대한 머신러닝적인 분석을 제공한다. 이는 일반적인 Indicator보다 Multi Parameter를 가지기에 보다 깊은 차원의 데이터 분석을 제공하며 매수와 매도 타이밍을 신뢰도값으로 추론해낸다. 이는 N%만큼의 투자 비율 조정이 가능하며, 불신뢰도 대비 신뢰도, 신뢰도, 추천값으로 표현된다. 또한, 불신뢰도와 신뢰도에 의한 투자비율 밸런싱이 가능하다는 큰 이점을 지니고 있다.

OrderBookAnalysis (알고리즘 연구 필요)

호가창 데이터를 읽고 원하는 머신러닝 분석 결과를 내보내는 호가창 분석은 근시안적인 투자에 큰 이점을 가지고 있다. 이는 호가창이 반응하는 현재에 시세에 예민한 분석을 내보내기에 데이트레이딩(단타)에 매우 큰 이점을 가지고 있다.

Reinforcement Learning (서버 성능이 나아지면 고려)

강화학습으로 대표되는 AI 트레이더가 직접 사고파는 형식의 트레이딩 방식이다. 지금은 서버 성능 때문에 구현에 차질이 생길 것으로 보인다.

Ensemble (복합적인 고려)

각각의 머신러닝/ 기술적인 알고리즘은 해당 차트의 특이 데이터에 강력한 장점들을 가지고 거래를 한다. 이들을 연합하여 투자에 활용하면 훨씬 더 높은 성능의 투자분석을 가질 수 있다.

MultiFactor Analysis 다변수 분석

사용자는 임의로 자신이 학습/ 분석에 쓸 데이터를 추가할 수 있다. 이는 KOSPI 종합지수, 물가상승 지수등 다양한 지표가 그 근거가 될 것이며, 현물시장과 연계한 추론으로 더한 머신러닝 분석에 자세한 분석 근거를 제공한다.