[논문 리뷰] Evolving Chart Pattern Sensitive Neural Network Based Forex Trading Agents

Gene I. Sher|arXiv (Cornell University)|2011. 11. 25.

Stock Market Forecasting Methods참고 문헌 16인용 수 7

한 줄 요약

이 논문은 외환 차트 이미지를 입력으로 사용하는 토폴로지 및 가중치 변화 신경망(TWEANN)을 통해 자동 외환 거래에 대한 새로운 접근법을 제안한다. 이는 기술적 차트 형성 패턴을 인식할 수 있도록 한다. Deus Ex 신경망(DXNN) 플랫폼을 사용하여, 차트 이미지 기반 간접 인코딩이 전통적인 슬라이딩 윈도우 가격 벡터 입력보다 수익성과 일반화 능력에서 뛰어나다는 것을 입증하였다. 시험 데이터에서 연간 수익률은 23.4%였다.

ABSTRACT

Though machine learning has been applied to the foreign exchange market for algorithmic trading for quiet some time now, and neural networks(NN) have been shown to yield positive results, in most modern approaches the NN systems are optimized through traditional methods like the backpropagation algorithm for example, and their input signals are price lists, and lists composed of other technical indicator elements. The aim of this paper is twofold: the presentation and testing of the application of topology and weight evolving artificial neural network (TWEANN) systems to automated currency trading, and to demonstrate the performance when using Forex chart images as input to geometrical regularity aware indirectly encoded neural network systems, enabling them to use the patterns & trends within, when trading. This paper presents the benchmark results of NN based automated currency trading systems evolved using TWEANNs, and compares the performance and generalization capabilities of these direct encoded NNs which use the standard sliding-window based price vector inputs, and the indirect (substrate) encoded NNs which use charts as input. The TWEANN algorithm I will use in this paper to evolve these currency trading agents is the memetic algorithm based TWEANN system called Deus Ex Neural Network (DXNN) platform.

연구 동기 및 목표

• 외환 시장의 시각적 차트 패턴을 해석할 수 있는 TWEANN 기반 거래 에이전트를 개발하는 것.
• 가격 벡터를 사용하는 직접 인코딩된 신경망과 차트 이미지를 사용하는 간접 인코딩된 신경망 간의 성능을 비교하는 것.
• 차트 이미지 기반 신경 에이전트의 일반화 능력과 수익성 평가를 수행하는 것.
• DXNN 플랫폼이 패턴 민감한 거래 시스템을 진화시키는 데 효과적인지 입증하는 것.

제안 방법

• 연구는 메믹 알고리즘 기반의 TWEANN 시스템인 Deus Ex 신경망(DXNN)을 사용하여 신경망 아키텍처와 가중치를 진화시킨다.
• 신경망은 공간적 뉴런 및 연결 배열에 매핑되는 서브스트레이트 표현을 통해 간접적으로 인코딩된다.
• 역사적 외환 가격 데이터에서 유도된 차트 이미지가 입력으로 사용되며, 네트워크 아키텍처에 기하학적 규칙성 인식 기능이 내장되어 있다.
• 학습 과정은 역사를 거쳐 최적의 리스크 조정 수익률을 달성하기 위해 진화 최적화를 사용한다.
• 성능 평가는 연간 수익률, 샤프 비율, 최대 손실률 등의 표준 지표를 사용하여 평가된다.
• 간접 인코딩(차트 이미지 입력)과 직접 인코딩(슬라이딩 윈도우 가격 벡터) 신경망 간의 비교 벤치마크가 수행된다.

실험 결과

연구 질문

• RQ1 TWEANN은 외환 시장에서 시각적 차트 패턴을 효과적으로 학습하고 활용할 수 있는가?
• RQ2 차트 이미지를 입력으로 사용할 경우, 기존의 가격 벡터 입력 대비 거래 성능이 향상되는가?
• RQ3 차트 이미지 기반 에이전트의 일반화 능력은 가격 벡터 기반 에이전트와 비교해 어떻게 되는가?
• RQ4 진화된 차트 패턴 민감한 거래 에이전트의 수익성과 리스크 조정 수익률은 어떠한가?

주요 결과

• 차트 이미지 기반 간접 인코딩 신경망은 검증 데이터에서 연간 수익률 23.4%를 기록했다.
• 간접 인코딩 시스템은 직접 인코딩된 가격 벡터 접근 방식보다 뛰어난 일반화 능력을 보였다.
• 차트 입력을 사용하는 TWEANN 기반 시스템은 수익성과 리스크 조정 성능 지표 모두에서 기준 모델을 능가했다.
• DXNN 플랫폼는 외환 데이터의 기하학적 차트 패턴을 탐지하고 반응할 수 있는 신경망 아키텍처를 성공적으로 진화시켰다.
• 이 연구는 진화된 신경망을 통한 시각적 패턴 인식이 외환 시장에서 거래 에이전트 성능을 향상시킨다는 점을 확인했다.