| 1 |
1
하나 이상의 종목 정보를 제공하는 외부 장치와 통신을 수행하기 위한 인터페이스부; 및현재 포트폴리오 비중 정보, 현재 포트폴리오 가치 정보 및 상기 외부 장치로부터 수신한 현재 포트폴리오에 포함된 종목 정보 중 적어도 하나를 포함하는 상태 정보를 기초로 현재 포트폴리오에 포함된 하나 이상의 종목의 비중을 조절하는 포트폴리오 조절부를 포함하고, 상기 포트폴리오 조절부는상기 상태 정보에 기초하여 상기 현재 포트폴리오에 포함된 하나 이상의 종목에 대한 다변량 확률 분포를 정의하기 위한 농도 매개변수(concentration parameter)를 산출하고, 상기 농도 매개변수에 따라 결정된 다변량 확률 분포에 기초하여 복수의 포트폴리오 샘플을 추출하며, 상기 복수의 포트폴리오 샘플 중 어느 하나를 최적 포트폴리오로 결정하도록 학습된 정책 신경망; 및상기 현재 포트폴리오에 기초하여 평가한 현재 포트폴리오의 가치와 상기 최적 포트폴리오가 적용된 미래 포트폴리오의 보상 및 상기 최적 포트폴리오가 적용된 미래 포트폴리오의 가치를 평가한 미래 포트폴리오 가치에 기초하여 계산된 정답값의 차이에 기초하여 생성된 가치 손실함수에 기초하여 학습되는 가치 신경망을 포함하며,상기 가치 신경망의 손실함수와 상기 정책 신경망의 손실함수는, 아래 수학식으로 정의되는, 포트폴리오 관리 장치
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제 1 항에 있어서, 상기 포트폴리오 조절부는상기 추출된 복수의 포트폴리오 샘플 별 거래 비용을 계산하며,상기 계산된 거래 비용이 낮은 순서로 상기 추출된 복수의 포트폴리오 샘플 중 하나 이상의 포트폴리오 후보를 선정하는, 포트폴리오 관리 장치
|
| 5 |
5
제 4 항에 있어서, 상기 포트폴리오 조절부는상기 선정된 하나 이상의 포트폴리오 후보 각각에 대한 리스크를 계산하며, 상기 계산된 리스크에 기초하여 상기 선정된 하나 이상의 포트폴리오 후보 중 어느 하나의 최적 포트폴리오를 결정하는, 포트폴리오 관리 장치
|
| 6 |
6
제 5 항에 있어서, 상기 리스크는상기 선정된 하나 이상의 포트폴리오 후보 각각에 포함된 하나 이상의 종목의 가격 변동성에 대한 공분산에 기초하여 결정되는, 포트폴리오 관리 장치
|
| 7 |
7
제 5 항에 있어서, 상기 포트폴리오 조절부는상기 현재 포트폴리오와 상기 결정된 최적 포트폴리오 각각에 포함된 하나 이상의 종목의 비중 차이를 계산하여 상기 하나 이상의 종목 각각에 대한 매수량 또는 매도량을 결정하는, 포트폴리오 관리 장치
|
| 8 |
8
삭제
|
| 9 |
9
삭제
|
| 10 |
10
제 1 항에 있어서, 상기 다변량 확률 분포는 디리클레 분포(Dirichlet distribution)인, 포트폴리오 관리 장치
|
| 11 |
11
하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,하나 이상의 종목 정보를 제공하는 외부 장치로부터 현재 포트폴리오에 포함된 종목 정보를 수신하는 송수신 단계; 및현재 포트폴리오 비중 정보, 현재 포트폴리오 가치 정보 및 상기 현재 포트폴리오에 포함된 종목 정보 중 적어도 하나를 포함하는 상태 정보를 기초로 현재 포트폴리오에 포함된 하나 이상의 종목의 비중을 조절하는 포트폴리오 조절 단계를 포함하고, 상기 포트폴리오 조절 단계는, 상기 상태 정보에 기초하여 상기 현재 포트폴리오에 포함된 하나 이상의 종목에 대한 다변량 확률 분포를 정의하기 위한 농도 매개변수(concentration parameter)를 산출하고, 상기 농도 매개변수에 따라 결정된 다변량 확률 분포에 기초하여 복수의 포트폴리오 샘플을 추출하며, 상기 복수의 포트폴리오 샘플 중 어느 하나를 최적 포트폴리오로 결정하도록 정책 신경망을 학습하는 단계; 및상기 현재 포트폴리오에 기초하여 평가한 현재 포트폴리오의 가치와 상기 최적 포트폴리오가 적용된 미래 포트폴리오의 보상 및 상기 최적 포트폴리오가 적용된 미래 포트폴리오의 가치를 평가한 미래 포트폴리오 가치에 기초하여 계산된 정답값의 차이에 기초하여 생성된 가치 손실함수에 기초하여 가치 신경망을 학습하는 단계를 포함하며,상기 가치 신경망의 손실함수와 상기 정책 신경망의 손실함수는, 아래 수학식으로 정의되는, 포트폴리오 관리 방법
|
| 12 |
12
삭제
|
| 13 |
13
삭제
|
| 14 |
14
제 11 항에 있어서, 상기 포트폴리오 조절 단계는상기 추출된 복수의 포트폴리오 샘플 별 거래 비용을 계산하며,상기 계산된 거래 비용이 낮은 순서로 상기 추출된 복수의 포트폴리오 샘플 중 하나 이상의 포트폴리오 후보를 선정하는, 포트폴리오 관리 방법
|
| 15 |
15
제 14 항에 있어서, 상기 포트폴리오 조절 단계는상기 선정된 하나 이상의 포트폴리오 후보 각각에 대한 리스크를 계산하며, 상기 계산된 리스크에 기초하여 상기 선정된 하나 이상의 포트폴리오 후보 중 어느 하나의 최적 포트폴리오를 결정하는, 포트폴리오 관리 방법
|
| 16 |
16
제 15 항에 있어서, 상기 리스크는상기 선정된 하나 이상의 포트폴리오 후보 각각에 포함된 하나 이상의 종목의 가격 변동성에 대한 공분산에 기초하여 결정되는, 포트폴리오 관리 방법
|
| 17 |
17
제 15 항에 있어서, 상기 포트폴리오 조절 단계는상기 현재 포트폴리오와 상기 결정된 최적 포트폴리오 각각에 포함된 하나 이상의 종목의 비중 차이를 계산하여 상기 하나 이상의 종목 각각에 대한 매수량 또는 매도량을 결정하는, 포트폴리오 관리 방법
|
| 18 |
18
삭제
|
| 19 |
19
삭제
|
| 20 |
20
비일시적 컴퓨터 판독 가능한 저장 매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금, 하나 이상의 종목 정보를 제공하는 외부 장치로부터 현재 포트폴리오에 포함된 종목 정보를 수신하는 송수신 단계; 및현재 포트폴리오 비중 정보, 현재 포트폴리오 가치 정보 및 상기 현재 포트폴리오에 포함된 종목 정보 중 적어도 하나를 포함하는 상태 정보를 기초로 현재 포트폴리오에 포함된 하나 이상의 종목의 비중을 조절하는 포트폴리오 조절 단계를 수행하도록 하고, 상기 포트폴리오 조절 단계는, 상기 상태 정보에 기초하여 상기 현재 포트폴리오에 포함된 하나 이상의 종목에 대한 다변량 확률 분포를 정의하기 위한 농도 매개변수(concentration parameter)를 산출하고, 상기 농도 매개변수에 따라 결정된 다변량 확률 분포에 기초하여 복수의 포트폴리오 샘플을 추출하며, 상기 복수의 포트폴리오 샘플 중 어느 하나를 최적 포트폴리오로 결정하도록 정책 신경망을 학습하는 단계; 및상기 현재 포트폴리오에 기초하여 평가한 현재 포트폴리오의 가치와 상기 최적 포트폴리오가 적용된 미래 포트폴리오의 보상 및 상기 최적 포트폴리오가 적용된 미래 포트폴리오의 가치를 평가한 미래 포트폴리오 가치에 기초하여 계산된 정답값의 차이에 기초하여 생성된 가치 손실함수에 기초하여 가치 신경망을 학습하는 단계를 포함하며,상기 가치 신경망의 손실함수와 상기 정책 신경망의 손실함수는, 아래 수학식으로 정의되는, 비일시적 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램
|
