선택과 거래: 계층적 강화학습을 활용한 통합된 페어 트레이딩 연구

페어 트레이딩은 선택된 자산 쌍을 헷지하여 중립적인 수익을 추구하는 가장 효과적인 통계적 중개 전략 중 하나입니다. 기존 방법들은 일반적으로 이 작업을 페어 선택과 트레이딩으로 두 단계로 분리합니다. 그러나 두 개의 밀접하게 관련된 하위 작업을 분리하는 것은 정보 전달을 차단하고 전체 성능이 제한될 수 있습니다. 페어 선택에서는 트레이딩 성능을 무시하면 관련성 없는 가격 움직임을 가진 잘못된 자산이 선택될 수 있으며, 트레이딩에 대해 훈련된 에이전트는 다른 자산의 역사적 정보 없이 선택된 자산에 과적합될 수 있습니다. 이를 해결하기 위해, 본 논문에서는 두 단계 파이프라인 대신 통합된 작업으로서 자동 페어 트레이딩의 패러다임을 제안합니다. 우리는 두 개의 하위 작업을 공동으로 학습하고 최적화하기 위한 계층적 강화학습 프레임워크를 설계했습니다. 고수준 정책은 모든 가능한 조합에서 두 개의 자산을 선택하고, 저수준 정책은 일련의 트레이딩 행동을 수행합니다. 실제 주식 데이터를 이용한 실험 결과는 기존의 페어 선택 및 트레이딩 방법과 비교하여 우리 방법론의 페어 트레이딩 효과성을 입증하였습니다.