주식 자동 매매 API 환경 구축 3

주식 자동 매매 API 환경 구축 3 : Visual Studio Code 편집기 실행 중 알아야 할 사항을 정리합니다. 그리고 한국투자증권 HTS 화면 설정과 상승 예상 종목 발굴과 분석 방법을 제시합니다.

3-1. Visual Studio Code 편집기 path 설정

python 코드 실행 중 필수 파일 경로를 찾지 못해 오류가 나는 경우 윈도우10 기준으로 설명합니다.

터미널 창 PS C:\python>에서 코드 실행 시 에러가 날 경우 해당 폴더의 2개 구동 파일 확인합니다.
C:\python>cd.. ↵
C:\>cd python ↵
C:\python>에서 python ↵
PS C:\python> python
Python 3.11.2 (tags/v3.11.2:878ead1, Feb 7 2023, 16:38:35) [MSC v.1934 64 bit (AMD64)] on win32
Type “help”, “copyright”, “credits” or “license” for more information.
>>> (Ctrl+Z key)
C:\python>

python을 실행시키면 대기화면이 >>>로 바뀐다. (Ctrl+Z key)를 누르면 윈도우 command 창으로 바뀐다.

 3-2. 윈도우(Windows) 10 환경 변수 Path 설정 방법

윈도우 찾기 검색창에 (고급 시스템 설정) 입력합니다.

환경 변수 창을 엽니다.

편집을 클릭하고 > 새로 만들기 > C:\python path 경로를 추가해 줍니다.

3-3. 한국투자증권 HTS 화면 설정

https://www.truefriend.com/main/customer/systemdown/_static/TF04ea000000.jsp

한국투자증권 홈페이지에 접속해서 HTS eFriend Pro를 다운 받아 설치합니다.

화면 찾기에서 [0101] 현재가 화면, [1343] 거래량/거래대금 순위 화면, [1130] 관심 종목 화면을 위 예시 화면과 같이 저장해 두면 편리합니다.

3-4. 주식 종목 발굴과 선택 방법

종목의 발굴 방법의 하나로 [1343] 거래량/거래대금 순위에서 종목을 발굴합니다. 선택된 종목은 관심종목 화면에 저장합니다. 거래대금 순위는 200위 안에서, 거래량 순위는 50위 안에서 종목을 선택합니다. 선택된 종목은 엑셀로 정리해서 주식 챠트를 분석합니다. 상승이 예상되는 종목을 python 편집기로 KoreaStockAutoTrade.py 파일(종목List)을 수정합니다. Ctrl+S key로 저장 후 테스트 해 봅니다.

주식 자동 매매 API 환경 구축 1

The post 주식 자동 매매 API 환경 구축 3 appeared first on 준우블로그.

주식 자동 매매 API 환경 구축 2

주식 자동 매매 API 환경 구축 2 : 주식 매매에서 전략이 70% 전술이 30%입니다. 전략은 종목 선택과 자금 운용 방법이고, 전술은 종목 수익률 결정, 손절 비율과 매도 결정이라 할 수 있습니다. 주식을 하면서 제일 힘든 부분이 “매도”로 수익 또는 손실의 실현입니다. 자동 매매를 적절히 사용하면서 개인의 장점을 잘 살리는 것이 인공지능 시대에 적응하고 경제적 자유를 얻는 방법이라 생각합니다. python 코딩을 이용해서 자동 매매를 하면서 매일 종목 List와 운용 자금 규모는 사용자가 정합니다. 매수 시점은 시가를 기준으로 어느 정도(0.01~3%) 상승 시로 정하며, 매도 시점은 시가를 기준으로 (2~10%) 상승 시로 정해줍니다. 장 종료 시 까지 프로그램을 작동 시키면 그날의 정리 매매가 자동으로 이루어지게 코딩 되어 있습니다. 프로그램을 종료 시키거나, Ctrl+C를 누르면 자동 매매 python API가 종료됩니다. 여러분의 투자 방법을 인공지능 코딩의 도움으로 조금씩 개선해 나간다면 훌륭한 매매 전문가로 만들 수 있습니다.

준우블로그 메뉴> 게시판 > 자료실에  기본 파일config.yaml과 KoreaStockAutoTrade.py이 있습니다.

MS의 챗GPT 4.0, 2024년 구글의 Gemini로 “python 코딩”을 해 보았습니다.

부족한 부분은 계속 보완해 나가며, 지속적인 학습과 관심으로 더 좋은 방법을 만들어 보려 합니다.

챗GPT와 Gemini의 코딩 기술을 이용해 python 코딩을 하고 이를 이용해 주식 자동 매매를 하려 합니다.

인공지능의 코딩(python 코딩) 기술이 전문가 이상으로 좋습니다.

종목 발굴과 당일 상승 종목 유망주를 인공지능이 분석하는 python 코딩도 만들어 보려 합니다.

2-1. 편집 도구 Visual Studio Code 설정

a. 자료실에 있는 python 구동 파일 2개를 사용자 PC의 C:\루트에 압축을 풀면 C:\python>에 config.yaml 과 KoreaStockAutoTrade.py이 생성됩니다.

b. 먼저 Visual Studio Code를 실행합니다.

c. Visual Studio Code 메뉴에서 File>Open Folder 에서 C:\python>를 선택합니다.

d. C:\python>폴더의 config.yaml을 엽니다.

Ctrl+S key를 눌러 저장합니다.

f. Visual Studio Code 실행창에서 아래 붉은색 부분을 수정 후 Ctrl+S key로 저장합니다.

#홈페이지에서 API서비스 신청시 받은 Appkey, Appsecret 값 설정
APP_KEY: "TEST"
APP_SECRET: "TEST"

#계좌번호 앞 8자리
CANO: "TEST"
#계좌번호 뒤 2자리
ACNT_PRDT_CD: "01"

#실전투자
URL_BASE: "https://openapi.koreainvestment.com:9443"
#모의투자
# URL_BASE: "https://openapivts.koreainvestment.com:29443"

#디스코드 웹훅 URL
DISCORD_WEBHOOK_URL: ""

2-2. KoreaStockAutoTrade.py 설정

a. C:\python>폴더의 KoreaStockAutoTrade.py을 엽니다. 터미널 창에서 설치합니다.

b. 설치 안 된 import request는 C:\python>pip install requests로 설치합니다.

c. 설치 안 된 import yaml은 C:\python>pip install pyyaml로 설치합니다.
(맥 사용자는 C:\python>pip3 install *** 와 같이 pip3 명령어를 사용합니다.)

d. 코드 실행은 오른쪽 위 삼각형 ▷ 모양을 누르면 실행됩니다.

e. 자동 매매 종료는 터미널 창에서 Ctrl+C를 누르거나 프로그램을 종료합니다.

2-3. KoreaStockAutoTrade.py 코드 내용 살펴보기

import requests
import json
import datetime
import time
import yaml

with open('config.yaml', encoding='UTF-8') as f:
    _cfg = yaml.load(f, Loader=yaml.FullLoader)
APP_KEY = _cfg['APP_KEY']
APP_SECRET = _cfg['APP_SECRET']
ACCESS_TOKEN = ""
CANO = _cfg['CANO']
ACNT_PRDT_CD = _cfg['ACNT_PRDT_CD']
DISCORD_WEBHOOK_URL = _cfg['DISCORD_WEBHOOK_URL']
URL_BASE = _cfg['URL_BASE']

def send_message(msg):
    """디스코드 메세지 전송"""
    now = datetime.datetime.now()
    message = {"content": f"[{now.strftime('%Y-%m-%d %H:%M:%S')}] {str(msg)}"}
    requests.post(DISCORD_WEBHOOK_URL, data=message)
    print(message)

def get_access_token():
    """토큰 발급"""
    headers = {"content-type":"application/json"}
    body = {"grant_type":"client_credentials",
    "appkey":APP_KEY, 
    "appsecret":APP_SECRET}
    PATH = "oauth2/tokenP"
    URL = f"{URL_BASE}/{PATH}"
    res = requests.post(URL, headers=headers, data=json.dumps(body))
    ACCESS_TOKEN = res.json()["access_token"]
    return ACCESS_TOKEN
    
def hashkey(datas):
    """암호화"""
    PATH = "uapi/hashkey"
    URL = f"{URL_BASE}/{PATH}"
    headers = {
    'content-Type' : 'application/json',
    'appKey' : APP_KEY,
    'appSecret' : APP_SECRET,
    }
    res = requests.post(URL, headers=headers, data=json.dumps(datas))
    hashkey = res.json()["HASH"]
    return hashkey

def get_current_price(code="005930"):
    """현재가 조회"""
    PATH = "uapi/domestic-stock/v1/quotations/inquire-price"
    URL = f"{URL_BASE}/{PATH}"
    headers = {"Content-Type":"application/json", 
            "authorization": f"Bearer {ACCESS_TOKEN}",
            "appKey":APP_KEY,
            "appSecret":APP_SECRET,
            "tr_id":"FHKST01010100"}
    params = {
    "fid_cond_mrkt_div_code":"J",
    "fid_input_iscd":code,
    }
    res = requests.get(URL, headers=headers, params=params)
    return int(res.json()['output']['stck_prpr'])

def get_target_price(code="005930"):
    """변동성 돌파 전략으로 매수 목표가 조회"""
    PATH = "uapi/domestic-stock/v1/quotations/inquire-daily-price"
    URL = f"{URL_BASE}/{PATH}"
    headers = {"Content-Type":"application/json", 
        "authorization": f"Bearer {ACCESS_TOKEN}",
        "appKey":APP_KEY,
        "appSecret":APP_SECRET,
        "tr_id":"FHKST01010400"}
    params = {
    "fid_cond_mrkt_div_code":"J",
    "fid_input_iscd":code,
    "fid_org_adj_prc":"1",
    "fid_period_div_code":"D"
    }
    res = requests.get(URL, headers=headers, params=params)
    stck_oprc = int(res.json()['output'][0]['stck_oprc']) #오늘 시가
    stck_hgpr = int(res.json()['output'][1]['stck_hgpr']) #전일 고가
    stck_lwpr = int(res.json()['output'][1]['stck_lwpr']) #전일 저가
    target_price = stck_oprc + (stck_hgpr - stck_lwpr) * 0.1
    return target_price

def get_stock_balance():
    """주식 잔고조회"""
    PATH = "uapi/domestic-stock/v1/trading/inquire-balance"
    URL = f"{URL_BASE}/{PATH}"
    headers = {"Content-Type":"application/json", 
        "authorization":f"Bearer {ACCESS_TOKEN}",
        "appKey":APP_KEY,
        "appSecret":APP_SECRET,
        "tr_id":"TTTC8434R",
        "custtype":"P",
    }
    params = {
        "CANO": CANO,
        "ACNT_PRDT_CD": ACNT_PRDT_CD,
        "AFHR_FLPR_YN": "N",
        "OFL_YN": "",
        "INQR_DVSN": "02",
        "UNPR_DVSN": "01",
        "FUND_STTL_ICLD_YN": "N",
        "FNCG_AMT_AUTO_RDPT_YN": "N",
        "PRCS_DVSN": "01",
        "CTX_AREA_FK100": "",
        "CTX_AREA_NK100": ""
    }
    res = requests.get(URL, headers=headers, params=params)
    stock_list = res.json()['output1']
    evaluation = res.json()['output2']
    stock_dict = {}
    send_message(f"====주식 보유잔고====")
    for stock in stock_list:
        if int(stock['hldg_qty']) > 0:
            stock_dict[stock['pdno']] = stock['hldg_qty']
            send_message(f"{stock['prdt_name']}({stock['pdno']}): {stock['hldg_qty']}주")
            time.sleep(0.1)
    send_message(f"주식 평가 금액: {evaluation[0]['scts_evlu_amt']}원")
    time.sleep(0.1)
    send_message(f"평가 손익 합계: {evaluation[0]['evlu_pfls_smtl_amt']}원")
    time.sleep(0.1)
    send_message(f"총 평가 금액: {evaluation[0]['tot_evlu_amt']}원")
    time.sleep(0.1)
    send_message(f"=================")
    return stock_dict

def get_balance():
    """현금 잔고조회"""
    PATH = "uapi/domestic-stock/v1/trading/inquire-psbl-order"
    URL = f"{URL_BASE}/{PATH}"
    headers = {"Content-Type":"application/json", 
        "authorization":f"Bearer {ACCESS_TOKEN}",
        "appKey":APP_KEY,
        "appSecret":APP_SECRET,
        "tr_id":"TTTC8908R",
        "custtype":"P",
    }
    params = {
        "CANO": CANO,
        "ACNT_PRDT_CD": ACNT_PRDT_CD,
        "PDNO": "005930",
        "ORD_UNPR": "65500",
        "ORD_DVSN": "01",
        "CMA_EVLU_AMT_ICLD_YN": "Y",
        "OVRS_ICLD_YN": "Y"
    }
    res = requests.get(URL, headers=headers, params=params)
    cash = res.json()['output']['ord_psbl_cash']
    send_message(f"주문 가능 현금 잔고: {cash}원")
    return int(cash)

def buy(code="005930", qty="1"):
    """주식 시장가 매수"""  
    PATH = "uapi/domestic-stock/v1/trading/order-cash"
    URL = f"{URL_BASE}/{PATH}"
    data = {
        "CANO": CANO,
        "ACNT_PRDT_CD": ACNT_PRDT_CD,
        "PDNO": code,
        "ORD_DVSN": "01",
        "ORD_QTY": str(int(qty)),
        "ORD_UNPR": "0",
    }
    headers = {"Content-Type":"application/json", 
        "authorization":f"Bearer {ACCESS_TOKEN}",
        "appKey":APP_KEY,
        "appSecret":APP_SECRET,
        "tr_id":"TTTC0802U",
        "custtype":"P",
        "hashkey" : hashkey(data)
    }
    res = requests.post(URL, headers=headers, data=json.dumps(data))
    if res.json()['rt_cd'] == '0':
        send_message(f"[매수 성공]{str(res.json())}")
        return True
    else:
        send_message(f"[매수 실패]{str(res.json())}")
        return False

def sell(code="005930", qty="1"):
    """주식 시장가 매도"""
    PATH = "uapi/domestic-stock/v1/trading/order-cash"
    URL = f"{URL_BASE}/{PATH}"
    data = {
        "CANO": CANO,
        "ACNT_PRDT_CD": ACNT_PRDT_CD,
        "PDNO": code,
        "ORD_DVSN": "01",
        "ORD_QTY": qty,
        "ORD_UNPR": "0",
    }
    headers = {"Content-Type":"application/json", 
        "authorization":f"Bearer {ACCESS_TOKEN}",
        "appKey":APP_KEY,
        "appSecret":APP_SECRET,
        "tr_id":"TTTC0801U",
        "custtype":"P",
        "hashkey" : hashkey(data)
    }
    res = requests.post(URL, headers=headers, data=json.dumps(data))
    if res.json()['rt_cd'] == '0':
        send_message(f"[매도 성공]{str(res.json())}")
        return True
    else:
        send_message(f"[매도 실패]{str(res.json())}")
        return False

# 자동매매 시작
try:
    ACCESS_TOKEN = get_access_token()

    symbol_list = ["036540","001780","900250","252990","033230"] # 매수 희망 종목 리스트
    bought_list = [] # 매수 완료된 종목 리스트
    total_cash = get_balance() # 보유 현금 조회
    stock_dict = get_stock_balance() # 보유 주식 조회
    for sym in stock_dict.keys():
        bought_list.append(sym)
    target_buy_count = 3 # 매수할 종목 수
    buy_percent = 0.33 # 종목당 매수 금액 비율
    buy_amount = total_cash * buy_percent  # 종목별 주문 금액 계산
    soldout = False
    profit_percent = 0.03 # 매도 기준 수익률

    send_message("===국내 주식 자동매매 프로그램을 시작합니다===")
    while True:
        t_now = datetime.datetime.now()
        t_9 = t_now.replace(hour=9, minute=0, second=0, microsecond=0)
        t_start = t_now.replace(hour=9, minute=5, second=0, microsecond=0)
        t_sell = t_now.replace(hour=15, minute=15, second=0, microsecond=0)
        t_exit = t_now.replace(hour=15, minute=20, second=0,microsecond=0)
        today = datetime.datetime.today().weekday()
        if today == 5 or today == 6:  # 토요일이나 일요일이면 자동 종료
            send_message("주말이므로 프로그램을 종료합니다.")
            break
        if t_9 < t_now < t_start and soldout == False: # 잔여 수량 매도
            for sym, qty in stock_dict.items():
                sell(sym, qty)
            soldout == True
            bought_list = []
            stock_dict = get_stock_balance()
        if t_start < t_now < t_sell :  # AM 09:05 ~ PM 03:15 : 매수
            for sym in symbol_list:
                if len(bought_list) < target_buy_count:
                    if sym in bought_list:
                        continue
                    target_price = get_target_price(sym)
                    current_price = get_current_price(sym)
                    if target_price < current_price: buy_qty = 0 # 매수할 수량 초기화 buy_qty = int(buy_amount // current_price) if buy_qty > 0:
                            send_message(f"{sym} 목표가 달성({target_price} < {current_price}) 매수를 시도합니다.") result = buy(sym, buy_qty) if result: soldout = False bought_list.append(sym) get_stock_balance() elif current_price >= target_price * (1+profit_percent) and sym in bought_list:
                        sell_qty = int(stock_dict[sym] * 0.4)
                        sell(sym, sell_qty)
                        send_message(f"{sym} 수익률({current_price} / {target_price}) 달성 매도를 시도합니다.")            
                        get_stock_balance()
            time.sleep(1)
            if t_now.minute == 30 and t_now.second <= 5: 
                get_stock_balance()
                time.sleep(5)
        if t_sell < t_now < t_exit:  # PM 03:15 ~ PM 03:20 : 일괄 매도
            if soldout == False:
                stock_dict = get_stock_balance()
                for sym, qty in stock_dict.items():
                    sell(sym, qty)
                soldout = True
                bought_list = []
                time.sleep(1)
        if t_exit < t_now:  # PM 03:20 ~ :프로그램 종료
            send_message("프로그램을 종료합니다.")
            break
except Exception as e:
    send_message(f"[오류 발생]{e}")
    time.sleep(1)

빨간색으로 표시된 부분을 중심으로 설명합니다.

target_price = stck_oprc + (stck_hgpr - stck_lwpr) * 0.1

0.1의 값은 시가 보다 0.1% 상승 시 매수로 정한 값입니다.

profit_percent = 0.03 # 매도 기준 수익률

0.03의 값은 매수가 기준 3% 수익 돌파 시 매도로 정한 값입니다.

sell_qty = int(stock_dict[sym] * 0.4)

0.4의 값은 매수 값 0.1% + 매도 값 0.3% = 0.4% 값입니다.

위 세 가지 값은 매일 종목의 예상 변동 폭에 따라 장 시작 전 오전 8시경 정합니다.

값 변경 후 Ctrl+S로 저장한 후 실행 시켜 봅니다.

테스트 후 Ctrl+C로 프로그램을 중지합니다.

2-4. 주식 종목 정리 방법

symbol_list = ["036540","001780","900250","252990","033230"] # 매수 희망 종목 리스트

종목 리스트는 엑셀이나 메모장에 정리해서 매매 당일 오전 8시경 수정합니다.

“900250”,”027580″,”033230″,”036540″,”252990″,”001780″

크리스탈신소재 900250
상보 027580
인성정보 033230
SFA반도체 036540
샘씨엔에스 252990
알루코 001780

target_buy_count = 3 # 매수할 종목 수

당일 매매할 종목의 수를 나타내며 전략에 따라서 1~200정도로 합니다.

buy_percent = 0.33 # 종목 당 매수 금액 비율

매매 종목당 비율로 100만 원 운용 시 종목당 33만 원이 정해집니다.

주식 자동 매매 API 환경 구축 3

The post 주식 자동 매매 API 환경 구축 2 appeared first on 준우블로그.

주식 자동 매매 API 환경 구축 1

주식 자동 매매 API 환경 구축 : 주식 자동 매매 API로 주식 거래를 효율적으로 하려면 여러 가지 지식이 필요합니다. 우선 증권 계좌가 있다고 보고 모든 과정을 따라서 하시면, 자동 매매 API를 자신의 주식 거래의 보조로서 활용할 수 있습니다. 주식 매매에서 전략이 70% 전술이 30% 입니다. 전략은 종목 선택과 자금 운용 방법이고, 전술은 종목 수익률 결정, 손절 비율의 결정이라 할 수 있습니다. python 코딩을 이용해서 자동 매매를 하면서 매일 종목 선택과 자금 규모는 사용자가 정합니다. 매수 시점은 시가를 기준으로 어느 정도(0.01~3%) 상승 시로 정하며, 매도 시점은 시가를 기준으로 (2~10%) 상승 시로 정합니다. 장 종료 시 까지 프로그램을 작동 시키면 그날의 정리 매매가 자동으로 이루어지게 코딩 되어 있습니다. 프로그램을 종료 시키거나, Ctrl+C를 누르면 자동 매매 python API가 종료됩니다. 여러분의 투자 방법을 인공지능 코딩의 도움으로 조금씩 개선해 나간다면 훌륭한 매매 전문가로 만들 수 있습니다.

1-1. 한국투자증권 계좌 만들기

https://www.truefriend.com/

• 계좌 만들기는 한국투자증권 홈페이지에서 개인별로 진행하시며, HTS는 eFriend Pro로 선택해 설치하시기 바랍니다.

1-2. KIS Developers 서비스 신청하기

https://www.truefriend.com/main/customer/systemdown/RestAPIService.jsp

API 서비스를 신청하면 APP Key와 APP Secret이 발행됩니다. 메모장에 복사해 둡니다.

1-3. 파이썬 python 설치하기

https://www.python.org/ 

파이썬에 접속해서 Python 3.12를 다운로드합니다.

Windows installer (64-bit)  Windows  Recommended 를 선택합니다.

Install Python 3.12.2(64-bit), 체크- Add python.exe to PATH, Customize installation 선택합니다.

Optional Features 와 Advanced Options 체크란 모두 선택합니다.

1-4. 코드 편집 도구 Visual Studio Code 설치

코드 편집 도구인 Visual Studio Code를 설치합니다.

https://code.visualstudio.com/

주식 자동 매매 API 환경 구축 2

The post 주식 자동 매매 API 환경 구축 1 appeared first on 준우블로그.

1. 인공지능을 이용한 주식 자동 매매 코딩 연구

Artificial Intelligence

챗GPT와 Gemini의 코딩 기술을 이용해 주식 자동 매매를 하려 합니다. 인공지능의 코딩(python 코드)기술이 전문가 이상으로 좋으며, 또한 종목 발굴과 당일 상승 종목 유망주를 인공지능이 분석하는 python 코딩도 만들어 보겠습니다.

인공지능의 핵심은 GPU와 딥러닝(deep learning)이다

미국의 금융, 투자 회사 대부분의 직원 구성은 통계 분석 전문가, 물리학자, 수학자, 그리고 컴퓨터 시스템 코딩 전문가입니다. 분야별 전문가(증권 거래, 수학, 통계, 물리, 심리, 의학)가 머리를 맞대고 자산 운용과 투자 전략을 수립합니다. 그 전략에 맞게 매매 코딩을 분석하고 개선해 나갑니다. 영화 머니네버슬립 2 초반에서 2008년 한 미국 증권사 사무실을 보여줍니다. 영화를 보면서 아 하, 개인이 기관을 잘 따라가면 살아남을 수 있지 않을지 하는 것입니다. 다시 말해서 시장(항상 변한다)에 잘 적응하는 사람만이 돈을 벌 수 있습니다. 즉 변화하는 시장, 종목, 관심에 따라 매매 코딩을 잘 조절해야 한다는 것입니다. 필자가 이 글을 올리면서 주식 정보와 자동 매매 코딩을 여러분과 같이 공부하고 실전에 응용하려 합니다.

• 딥러닝 과 GPU에 대해 알아보겠습니다.

딥러닝 분야 GPU(그래픽 처리 장치)의 역할

GPU의 역할

GPU는 딥러닝 모델을 효율적으로 학습시키는 데 필수적인 하드웨어 도구입니다. 빠른 데이터 처리 능력과 효율적인 행렬 연산 능력은 복잡하고 데이터가 많은 딥러닝 작업에 매우 적합한 기능입니다. 딥러닝은 이러한 기술적 지원을 바탕으로 지속해서 발전하고 있으며, 다양한 분야에서 혁신을 이끌고 있습니다.

1. 병렬 처리 능력 : GPU는 동시에 많은 연산을 처리할 수 있는 강력한 병렬 처리 능력을 갖추고 있습니다. 이는 딥러닝에서 수많은 데이터와 매개변수를 빠르게 처리하는 데 필수적입니다.

2. 효율적인 행렬 연산 : 딥러닝 알고리즘은 대규모 행렬 연산에 의존합니다. GPU는 이러한 행렬 연산을 CPU(중앙 처리 장치)보다 훨씬 빠르게 수행할 수 있습니다.

3. 데이터 병목 현상 감소 : 대용량의 데이터를 처리할 때 GPU는 데이터 병목 현상을 줄여, 전체 학습 시간을 단축하게 합니다.

딥러닝의 기본

2023년 MS의 챗GPT 4.0, 2024년 구글의 Gemini의 등장이 있었습니다. 이들 인공 신경망(초거대 AI)의 병열 연결 개 수는 10조 개 정도로 사람의 100조 개 신경세포에 상대가 되지 않습니다. 그러나 실제로 정보의 처리 능력은 많이 다릅니다. 딥러닝은 인공지능의 한 분야로, 인간의 뇌가 작동하는 방식을 모방한 인공 신경망을 사용합니다. 주요 특징은 다음과 같습니다.

1. 인공 신경망 : 데이터를 처리하는 데 사용되는 알고리즘의 집합입니다. 이는 여러 층(layer)으로 구성되어 있으며, 각 층은 입력 데이터에서 특정 특징을 학습합니다.

2. 학습 과정 : 딥러닝 모델은 대량의 데이터를 통해 학습합니다. 이 과정에서 모델은 주어진 입력에 대해 올바른 출력을 예측하는 방법을 스스로 학습합니다.

3. 역전파와 최적화 : 모델의 성능을 향상하게 시키기 위해, 역전파 알고리즘을 사용하여 오류를 줄이고, 최적화 알고리즘을 통해 모델의 매개변수를 조정합니다.

역전파 알고리즘

역전파 알고리즘(Backpropagation algorithm)은 다층 신경망(multilayer neural network)에서 오류를 줄이기 위해 가중치를 조정하는 반복적인 과정입니다. 이 알고리즘은 신경망의 출력과 원하는 출력 사이의 오류를 계산하고, 그 오류를 통해 가중치를 조정하여 출력을 원하는 출력에 더 가깝게 만듭니다. 이 과정을 반복하여 신경망이 원하는 출력을 정확하게 예측할 수 있을 때까지 수행합니다.

역전파 알고리즘은 1986년 데이비드 루멜하트(David Rumelhart), 제프리 힌튼(Geoffrey Hinton), 론 윌리엄스(Ronald Williams)에 의해 개발되었습니다. 이 알고리즘은 신경망을 훈련하는 데 널리 사용되며, 이미지 인식, 자연어 처리, 음성 인식 등 다양한 분야에서 성공적으로 적용되고 있습니다.

역전파 알고리즘의 단계

1. 전향 전파(Forward pass) : 입력 데이터를 신경망에 입력하여 출력을 계산합니다.

2. 오류 계산 : 출력과 원하는 출력 사이의 오류를 계산합니다.

3. 역전파(Backward pass) : 오류를 역방향으로 전파하여 각 가중치에 대한 오류를 계산합니다.

4. 가중치 조정 : 가중치를 오류에 비례하여 조정합니다.

5. 전향 전파와 역전파를 반복하여 오류가 줄어들 때까지 수행합니다.

역전파 알고리즘은 다층 신경망의 오류를 줄이는 데 매우 효과적인 알고리즘입니다. 하지만 훈련에 오랜 시간이 걸릴 수 있으며, 과적합(overfitting)에 취약할 수 있습니다. 따라서 역전파 알고리즘을 개선하기 위해 다양한 변형 알고리즘이 개발되었습니다. 대표적인 변형 알고리즘으로는 모멘텀(momentum), RMS Prop(Root Mean Square Propagation), Adam(Adaptive Moment Estimation) 등이 있습니다.

다음 글의 내용은 python을 이용한 주식 자동 매매 환경 구축입니다.

추천 도서 coupang

챗GPT로 만드는 주식 & 암호화폐 자동 매매 시스템

• 이 포스팅은 쿠팡 파트너스 활동의 하나로 이에 따른 작은 광고 수익이 발생할 수 있습니다.

The post 인공지능을 이용한 주식 자동 매매 코딩 연구 appeared first on 준우블로그.