earticle

영어

This study proposes a strategy that applies deep learning methodology to portfolio selection problem in finance. While traditional portfolio selection is based on Markowitz theory, it faces a number of practical issues. However, portfolio selection strategy using deep learning is not only a model-free approach without regard to specific model but also has a strength with robust problem solving ability. Therefore, this study presents a deep portfolio algorithm consisting of 4-phases: autoencoding, validation, test and verification, and analyzes its efficacy with an ETF listed in KRX(Korea Exchange). The ETF that we target is in the category of Bio/lif science. From the perspective of portfolio diversification, putting together the most communal stocks and the most non-communal stocks in the same portfolio is turned out to make superior outcome.

한국어

본 연구에서는 딥 러닝 기법을 금융 분야의 포트폴리오 구성문제에 적용하는 방안을 제안한다. 기존의 전통적인 포트폴리오 구성은 마코위츠 모형을 근간으로 하고 있으나 여러 현실적인 문제들을 내포하고 있다. 반면 딥 러닝 기법을 이용한 포트폴리오 전략은 모형에 구애받지 않는 비모형(model free) 접근 방법으로 강건한 문제해결 능력을 갖는 장점을 지닌다. 따라서 본 연구는 오토인코딩, 확 인, 테스트, 검증의 4단계로 구성되는 딥 포트폴리오 선택 전략을 제안하고 이를 바이오/생명과학 업 종으로 상장되어있는 ETF 상품을 대상으로 그 타당성을 분석한다. 오토인코더 모형을 통해 시장을 가장 잘 대표하는 종목들과 그렇지 않은 종목들을 추출하고, 포트폴리오 다각화를 위해 이들 종목들 을 포트폴리오에 다양하게 포함시키는 것이 포트폴리오 성과 측면에서 우수한 결과를 보이는 것으로 나타났다.