LAB소개
주식이나 암호화폐 등을 대상으로 한 알고리즘 트레이딩을 연구하는 모임으로 최신 인공지능 기술을 적용한 투자 알고리즘 개발에 집중합니다. 기존의 DAT Lab에 연구원으로 참여했던 멤버들이 주축이 되어 기계학습(Machine Learning)과 강화학습(Reinforcement Learning)을 trading에 적용한 최신 논문을 함께 리뷰하고 재현하면서 각자의 필요에 맞는 투자 전략을 개발하는데 특히 강화학습을 응용하여 최적화된 투자 전략을 개발하는 것이 주요 관심사입니다.
활동계획
1부는 매주 토요일 10시반에서 12시반까지 2시간 동안 진행되며 고빈도 매매 기초 연구로서 market microstructure에 대한 스터디를 진행할 예정입니다.
주교재를 선정해서 돌아가면서 발표하고 관련 논문을 발제하고 토론하는 방식입니다.
2부는 매주 토요일 1시반에서 2시반까지 1시간 동안 진행되며 강화학습을 트레이딩에 적용한 논문 몇 편을 선정해서 직접 코딩으로 재현하면서 노하우를 공유하고 실제 거래에 사용할 수 있는 전략 개발을 합니다. 1부 내용에서 필요한 코딩 실습도 함께 진행할 예정입니다.
연구성과는 실거래를 통한 수익 창출 뿐 아니라 논문작성, 도서집필 등을 위해서도 적극 활용할 예정입니다.
<주차별 연구 내용>
1주차: Electronic Market and Limit Order Book / RL Algorithmic Trading Agent 1
2주차: A Primer on the Microstructure of Financial Markets / RL Algorithmic Trading Agent 2
3주차: Prices and Returns / RL Algorithmic Trading Agent 3
4주차: Activity and Market Quality / RL Portfolio Optimizing Agent 1
5주차: Stochastic Optimal Control and Stopping / RL Portfolio Optimizing Agent 2
6주차: Optimal Execution with Continuous Trading 1 / RL Portfolio Optimizing Agent 3
7주차: Optimal Execution with Continuous Trading 2 / RL Optimal Execution Agent 1
8주차: Optimal Execution with Limit and Market Orders / RL Optimal Execution Agent 2
9주차: Targeting Volume / RL Optimal Execution Agent 3
10주차: Market Making / RL Market Making Agent 1
11주차: Pairs Trading and Statistical Arbitrage Strategies / RL Market Making Agent 2
12주차: Order Imbalance / RL Market Making Agent 3
주교재를 선정해서 돌아가면서 발표하고 관련 논문을 발제하고 토론하는 방식입니다.
2부는 매주 토요일 1시반에서 2시반까지 1시간 동안 진행되며 강화학습을 트레이딩에 적용한 논문 몇 편을 선정해서 직접 코딩으로 재현하면서 노하우를 공유하고 실제 거래에 사용할 수 있는 전략 개발을 합니다. 1부 내용에서 필요한 코딩 실습도 함께 진행할 예정입니다.
연구성과는 실거래를 통한 수익 창출 뿐 아니라 논문작성, 도서집필 등을 위해서도 적극 활용할 예정입니다.
<주차별 연구 내용>
1주차: Electronic Market and Limit Order Book / RL Algorithmic Trading Agent 1
2주차: A Primer on the Microstructure of Financial Markets / RL Algorithmic Trading Agent 2
3주차: Prices and Returns / RL Algorithmic Trading Agent 3
4주차: Activity and Market Quality / RL Portfolio Optimizing Agent 1
5주차: Stochastic Optimal Control and Stopping / RL Portfolio Optimizing Agent 2
6주차: Optimal Execution with Continuous Trading 1 / RL Portfolio Optimizing Agent 3
7주차: Optimal Execution with Continuous Trading 2 / RL Optimal Execution Agent 1
8주차: Optimal Execution with Limit and Market Orders / RL Optimal Execution Agent 2
9주차: Targeting Volume / RL Optimal Execution Agent 3
10주차: Market Making / RL Market Making Agent 1
11주차: Pairs Trading and Statistical Arbitrage Strategies / RL Market Making Agent 2
12주차: Order Imbalance / RL Market Making Agent 3
연구목표
#논문_작성 #이북_/_깃북_/_위키독스_/_도서_집필
참여조건
다음과 같은 조건이 필요합니다.
1) 알고리즘 투자 경험이 있을 것
2) 중급 이상의 코딩 능력 보유
3) 기계학습과 강화학습에 대한 기본 지식이 있을 것
4) 오프라인 모임에 결석 없이 지속적으로 참가할 수 있을 것
위 조건을 모두 만족해야 연구원으로 참여할 수 있습니다.
1) 알고리즘 투자 경험이 있을 것
2) 중급 이상의 코딩 능력 보유
3) 기계학습과 강화학습에 대한 기본 지식이 있을 것
4) 오프라인 모임에 결석 없이 지속적으로 참가할 수 있을 것
위 조건을 모두 만족해야 연구원으로 참여할 수 있습니다.
랩짱소개
이용환
자기 소개
Computational Physics 전공(서울대 학사,석사, 캐나다 워터루대 박사) 캐나다 워터루 대학 응용물리 연구소에서 첨단 Monte Carlo Algorithm 연구개발 인공지능 스타트업 (주) 루미에움에서 대표이사 근무하면서 로보어드바이저, 선박자율 주행 개발에 참여함. 2023년부터 본격적으로 AI Trading Agent에 대해 집중 연구하고 있음.
소속
모두의 연구소
benyhlee7@gmail.com
PISTAR LAB
- 모임시작
- 2024년 03월 09일
- 모임일시
- 매주 토요일 10:30 ~ 12:30
- 모임장소
- 강남
- 모집기간
- 2024년 01월 17일 ~ 03월 08일
- 모집인원
- 15명
- 모집방법
- 선발
- 모임비용
- 무료
LAB 소개
주식이나 암호화폐 등을 대상으로 한 알고리즘 트레이딩을 연구하는 모임으로 최신 인공지능 기술을 적용한 투자 알고리즘 개발에 집중합니다. 기존의 DAT Lab에 연구원으로 참여했던 멤버들이 주축이 되어 기계학습(Machine Learning)과 강화학습(Reinforcement Learning)을 trading에 적용한 최신 논문을 함께 리뷰하고 재현하면서 각자의 필요에 맞는 투자 전략을 개발하는데 특히 강화학습을 응용하여 최적화된 투자 전략을 개발하는 것이 주요 관심사입니다.
활동계획
1부는 매주 토요일 10시반에서 12시반까지 2시간 동안 진행되며 고빈도 매매 기초 연구로서 market microstructure에 대한 스터디를 진행할 예정입니다.
주교재를 선정해서 돌아가면서 발표하고 관련 논문을 발제하고 토론하는 방식입니다.
2부는 매주 토요일 1시반에서 2시반까지 1시간 동안 진행되며 강화학습을 트레이딩에 적용한 논문 몇 편을 선정해서 직접 코딩으로 재현하면서 노하우를 공유하고 실제 거래에 사용할 수 있는 전략 개발을 합니다. 1부 내용에서 필요한 코딩 실습도 함께 진행할 예정입니다.
연구성과는 실거래를 통한 수익 창출 뿐 아니라 논문작성, 도서집필 등을 위해서도 적극 활용할 예정입니다.
<주차별 연구 내용>
1주차: Electronic Market and Limit Order Book / RL Algorithmic Trading Agent 1
2주차: A Primer on the Microstructure of Financial Markets / RL Algorithmic Trading Agent 2
3주차: Prices and Returns / RL Algorithmic Trading Agent 3
4주차: Activity and Market Quality / RL Portfolio Optimizing Agent 1
5주차: Stochastic Optimal Control and Stopping / RL Portfolio Optimizing Agent 2
6주차: Optimal Execution with Continuous Trading 1 / RL Portfolio Optimizing Agent 3
7주차: Optimal Execution with Continuous Trading 2 / RL Optimal Execution Agent 1
8주차: Optimal Execution with Limit and Market Orders / RL Optimal Execution Agent 2
9주차: Targeting Volume / RL Optimal Execution Agent 3
10주차: Market Making / RL Market Making Agent 1
11주차: Pairs Trading and Statistical Arbitrage Strategies / RL Market Making Agent 2
12주차: Order Imbalance / RL Market Making Agent 3
주교재를 선정해서 돌아가면서 발표하고 관련 논문을 발제하고 토론하는 방식입니다.
2부는 매주 토요일 1시반에서 2시반까지 1시간 동안 진행되며 강화학습을 트레이딩에 적용한 논문 몇 편을 선정해서 직접 코딩으로 재현하면서 노하우를 공유하고 실제 거래에 사용할 수 있는 전략 개발을 합니다. 1부 내용에서 필요한 코딩 실습도 함께 진행할 예정입니다.
연구성과는 실거래를 통한 수익 창출 뿐 아니라 논문작성, 도서집필 등을 위해서도 적극 활용할 예정입니다.
<주차별 연구 내용>
1주차: Electronic Market and Limit Order Book / RL Algorithmic Trading Agent 1
2주차: A Primer on the Microstructure of Financial Markets / RL Algorithmic Trading Agent 2
3주차: Prices and Returns / RL Algorithmic Trading Agent 3
4주차: Activity and Market Quality / RL Portfolio Optimizing Agent 1
5주차: Stochastic Optimal Control and Stopping / RL Portfolio Optimizing Agent 2
6주차: Optimal Execution with Continuous Trading 1 / RL Portfolio Optimizing Agent 3
7주차: Optimal Execution with Continuous Trading 2 / RL Optimal Execution Agent 1
8주차: Optimal Execution with Limit and Market Orders / RL Optimal Execution Agent 2
9주차: Targeting Volume / RL Optimal Execution Agent 3
10주차: Market Making / RL Market Making Agent 1
11주차: Pairs Trading and Statistical Arbitrage Strategies / RL Market Making Agent 2
12주차: Order Imbalance / RL Market Making Agent 3
연구목표
#논문_작성 #이북_/_깃북_/_위키독스_/_도서_집필
참여조건
다음과 같은 조건이 필요합니다.
1) 알고리즘 투자 경험이 있을 것
2) 중급 이상의 코딩 능력 보유
3) 기계학습과 강화학습에 대한 기본 지식이 있을 것
4) 오프라인 모임에 결석 없이 지속적으로 참가할 수 있을 것
위 조건을 모두 만족해야 연구원으로 참여할 수 있습니다.
1) 알고리즘 투자 경험이 있을 것
2) 중급 이상의 코딩 능력 보유
3) 기계학습과 강화학습에 대한 기본 지식이 있을 것
4) 오프라인 모임에 결석 없이 지속적으로 참가할 수 있을 것
위 조건을 모두 만족해야 연구원으로 참여할 수 있습니다.
랩짱소개
이용환
자기 소개
Computational Physics 전공(서울대 학사,석사, 캐나다 워터루대 박사) 캐나다 워터루 대학 응용물리 연구소에서 첨단 Monte Carlo Algorithm 연구개발 인공지능 스타트업 (주) 루미에움에서 대표이사 근무하면서 로보어드바이저, 선박자율 주행 개발에 참여함. 2023년부터 본격적으로 AI Trading Agent에 대해 집중 연구하고 있음.
소속
모두의 연구소
benyhlee7@gmail.com