OHSE AI LAB
OHSE AI LAB sets new standards in financial investment and business software through data and AI technology.
Financial AI paper analysis and data-driven investment insights
강화학습 포트폴리오투자는 미래가 한 번뿐이라 연습할 수 없다. 이 논문은 자산 간 관계를 배워 가상 시장을 찍어내고, 그 가상 세계에서 강화학습 매니저를 훈련시켜 22개월 실전에서 연 34.13%, 샤프 2.31을 기록했다. 시뮬레이션 연습이 거래비용을 41.5% 줄인 과정과, '모형을 믿어도 되는가'를 수학적으로 따진 점을 쉽게 정리한다.
포트폴리오 최적화A옵션 시장 모형이 '무차익'이라는 말을 증명하려면 무엇을 해야 할까. GROMM은 S&P 500 옵션 219만 개 호가로 가격표면을 맞추고, 5천 개 계약 전체에서 위험중립성을 검증했습니다. 국소변동성과 시나리오 생성의 시사점을 정리합니다.
시계열 계량경제학A2020년 모기지 시장 위기에서 비은행 대출기관이 대출 매입을 미룬 이유를 190만 건 자료로 분석한 연구입니다. 유동성 제약이 투자 선택을 어떻게 왜곡하고, 예측 모델 평가(AUC)를 어떻게 바꾸는지 일반인 눈높이로 설명합니다.
포트폴리오 최적화S백테스트에서는 대박이 나는데 실전에서는 안 되는 그 이유. 2020년 발표된 이 논문은 딥러닝 투자 모델이 훈련 데이터 안에서 미래 정보를 몰래 암기하는 메커니즘을 이론적으로 증명했습니다. 데이터 규모와 모델 복잡도의 균형으로 과학습을 통제하는 조건까지 쉽게 풀어 설명합니다.
알고리즘 트레이딩S백테스트에서는 완벽했던 강화학습 주문집행 알고리즘이 실전에서 무너지는 이유를 이론과 실험으로 규명한 2023년 연구를 쉽게 풀어 설명합니다. 과적합의 구조적 원인, 컨텍스트 압축 해법, 그리고 실전 적용 시사점을 다룹니다.
알고리즘 트레이딩S수십만 주를 팔 때 '얼마나 빨리, 어떻게 쪼개서' 팔아야 시장 충격을 최소화할까? 2022년 연구는 선형 충격에서는 공식 해를, 비선형 충격에서는 딥러닝 대리모델을 제안합니다. 시장 매개변수가 틀려도 견디는 설계와 실제 성능 수치까지 쉽게 풀어 설명합니다.
Financial Investment & SW Development — two equal pillars driving OHSE AI LAB
National R&D projects and open source contributions
AI-powered investment or business SW — start with whatever fits you