쵸코쿠키의 연습장

Teamfight Tactics(전략적 팀 전투)에서 랭킹 플레이가 있습니까? Riot은 랭킹 플레이가 Teamfight Tactics(전략적 팀 전투)의 일부가 될 것이라고 확인했습니다. 패치 9.14로 게임에 도입될 예정이므로, 새로운 게임 모드의 초기 출시 후 조금 더 시간이 지나야 합니다. 리그 오브 레전드(Legends)와 마찬가지로 팀파이트 택틱스(Teamfight Tactics)도 유저들이 잘 알고 있는 랭킹을 갖게 될 것이라고 생각합니다. 아이언, 실버, 골드 등이 있습니다. 팀파이트 전술(전략적 팀 전투)에 대해 진지하게 싫어하시는 분들을 위해, Riot이 일반적인 맨 위 목록에 별도의 순위 큐를 도입할 것이라고 생각합니다. Teamfight Tactics(전략적 팀 전투)의 사용자 지정..

팀파이트 택틱스(전략적 팀 전투)에서 골드가 왜 그렇게 중요한가요? Gold는 Teamfight Tactics(전략적 팀 전투)의 주요 리소스이며 게임 내에서 다양한 작업을 수행하는 데 사용됩니다. 다음은 해당 용도의 간략한 개요입니다. Buy Champions - 각 라운드의 시작 부분에 나타나는 상점에서 금을 사용하여 챔피언을 구입합니다. 이 선택 항목은 랜덤화되므로 동일한 풀이 두 번 발생하지 않습니다. 이 점을 염두에 두고, 놓칠 수 있는 기회를 발견하는 것이 좋습니다. 상점 새로 고침 - 금 두 개를 보내면 상점 선택을 새로 고칠 수 있습니다. 금 보유고를 유지하고 경제를 활성화시키는 것이 매우 중요하기 때문에 경기 초반에 추천하지는 않습니다. EXP - 4개의 금을 사용하여 EXP 덩어리를 구..

Teamfight Tactics(전략적 팀 전투)에서는 아이템을 어떻게 사용하나요? 아이템들은 크립 웨이브에서 떨어지거나, 카루셀에서 획득한 챔피언들에 미리 장착되어 있습니다. 획득한 모든 아이템은 화면 왼쪽 하단에 광택이 나는 큐빅으로 표시됩니다. 그 위에 마우스를 올려 놓으면 어떤 효과가 있는지 볼 수 있습니다. 그리고 챔피언에 끌어다 놓아서 그것들을 사용할 수 있습니다. 아이템은 모두 효과를 가지고 있습니다. 어떤 것은 공격 피해를 증가시키는 반면, 다른 것은 마법 저항을 증가시킬 수 있습니다. 강력한 아이템은 챔피언에게 더 많은 심각한 손상, 추가적인 자동 공격 등을 줄 수 있습니다. 아이템이 이미 갖춰진 챔피언 위에 아이템을 올려 놓으면 두 아이템의 조합이 어떤 결과를 만들어낼지 팝업 형태로 확..

챔피언들은 전략적 팀 전투에서 어떻게 동작할까요? 각 라운드의 시작 시, 금으로 구매할 수 있는 임의의 챔피언 선택권이 제공됩니다. 가격은 다양하고, 능력과 오리지널도 다양하며, 다양한 계층에 속합니다. 그리고 챔피언을 잡을 수 있는 회전목마가 있습니다. Teamfight Tactics(팀 전략적 전투)에서 챔피언을 더 잘 다루려면 아래를 살펴보세요. - 챔피언은 몇 명입니까? - Teamfight Tactics(팀 전략적 전투)에는 총 50명의 챔피언이 있습니다. 리그 오브 레전드(Legends)에는 100명이 넘는 챔피언이 상주하고 있기 때문에, 새로운 챔피언들이 관뚜껑에 묻혀있는 반면, 어떤 챔피언들은 관뚜껑에서 나오는 모습을 볼 수 있을 것 같습니다. Riot은 아직 구체적인 정보를 제공하지 않았..

Teamfight Tactics(전략적 팀 전투)는 어떻게 플레이합니까? 오토 체스(Auto Chess) 또는 오토 배틀러(Auto-Battler) 장르에 익숙하지 않은 경우, 게임 모드에 대한 Riot에 기대할 수 있는 것은 다음과 같습니다. 한 경기에 참가한 8명의 유저들은 각각 자신의 게임 보드를 가지고 있으며, 유닛 배치를 위한 타일을 가지고 있습니다. 게임 플레이는 이 게임 보드들 사이의 일련의 전투 라운드에서 일어납니다. 골드 통화를 사용하여 각 라운드가 시작될 때 새 챔피언을 팀에 모집합니다. 그런 다음 이 유닛들을 재치 있게 배치합니다. 전투가 시작되면 상대 보드를 방문하거나 상대 보드가 방문하여 양 팀의 부대가 자동으로 싸우게 됩니다. 전투가 끝나면 더 많은 부대에 쓸 수 있는 금을 얻을..

머신러닝 모델 구현 파이썬과 Scikit-learn 라이브러리를 이용해 주가방향을 예측할 수 있는 간단한 주가 방향 예측변수를 구현합니다. 핵심 아이디어는 전날의 종가 또는 거래량 데이터를 이용해 다음날의 주가 방향을 예측하는 것입니다. 사용자는 입력 변수로 종가나 거래량 중 하나를 사용할 수 있습니다. 또는 2개를 모두 사용할 수 있습니다. 또한, 하루 전의 데이터를 기준으로 예측할지, 며칠 전의 데이터를 기준으로 예측할지 선택할 수 있습니다. 데이터셋하나의 데이터 셋을 만들고, 만들어진 데이터 셋을 일정 비율로 나누어 학습과 테스트에 사용합니다. 학습용 데이터셋은 주가방향 예측변수를 학습시키기 위해 사용하는 것으로, 이 데이터를 이용해 각 주가방향 예측변수 모델을 완성합니다. 테스트용 데이터셋은 학습..

알고리즘 트레이딩을 개발하기 위해서 다양한 분야의 지식이 필요합니다. 머신 러닝을 이용한 알고리즘 트레이딩 시스템 개발 이라는 책을 활용해 핵심 개념과 코드를 공부해보았습니다. 머신러닝이라는 하나의 주제만으로도 많은 분량이 나올 수 있다는 것을 알았습니다. 또한, 알고리즘 트레이딩 역시 마찬가지입니다. 머신 러닝이 잘할 수 있는 일과 그 한계가 있다고 생각하였습니다. 하지만 생각보다 훨씬 더 다양한 문제에 머신러닝을 적용할 수 있다는 것을 알게 되었습니다. 또한, 기술 수준이 많이 발전했다는 것을 알게 되었습니다. 소프트웨어가 기능 중심으로 꾸준히 발전해왔습니다. 하지만 이제 소프트웨어는 지능 중심으로 눈부신 발전을 할 것입니다. 이제는 지능이라는 큰 목표가 확고히 세워졌습니다. 다시 과거로 회귀하기는 ..

블랙 스완은 나심 니콜라스 탈레브가 제시한 이론입니다. 있을 수 없는 일이라고 생각한 일이 실제로 발생했습니다. 예측하기 힘든 큰 충격이 발생한다는 내용입니다. 블랙 스완 이론은 서브프라임 사태와 같은 금융 위기를 설명할 수 있습니다. 알고리즘 트레이딩에서도 블랙 스완 이론은 해당됩니다. 바로 변동성과 확률성이 있습니다. 상승과 하락 같은 주가의 방향이든 주가 자체이든 간에 무엇인가를 예측하고, 그결과에 따라 매수 매도를 합니다. 알고리즘 트레이딩에서 특히 머신러닝 모델을 이용한 예측이라는 것은 어떤 일이 미래에 일어날 확률을 의미합니다. 알고리즘 트레이딩 시스템에서 거래라는 것은 미래에 대한 예측을 바탕으로 100% 확실한 것은 아닙니다. 즉, 거래에 대한 위험과 보상이 공존하는 상황에서 결정해야 합니..

파라미터 최적화는 알파 모델에서 필요한 파라미터들을 가장 좋은 성능을 낼 수 있도록 최적화하는 것입니다. 파라미터 최적화는 알고리즘 트레이딩 시스템의 성능에 결정적인 영향을 미칩니다. 아무리 좋은 모델을 개발했더라도, 적절한 파라미터가 설정되지 않으면 결코 좋은 결과를 기대할 수 없습니다. 동일한 모델이라도 파라미터에 따라 매우 다른 수익의 양상을 보여줍니다. 알고리즘 트레이딩 시스템의 성능 역시 이 파라미터를 어떻게 최적의 값으로 채워 넣느냐에 따라 알고리즘 트레이딩 시스템의 설계 및 수준에서 차이가 나게 됩니다. 최근 알고리즘 트레이딩 시스템은 그때 그때 시장 상황에 맞는 빠른 대처가 중요해지고 있습니다. 빨리 시장 변화에 대처하려면 복잡한 모델은 적합하지 않으므로 단순하고 이해하기 쉬운 모델의 사용..

하이퍼파라미터 최적화 머신러닝 모델 파라미터의 최적화를 보통 하이퍼 파라미터 최적화라고 합니다. 모델 파라미터 최적화와 하이퍼 파라미터 최적화로 크게 2가지 종류가 있습니다. 하이퍼 파라미터에서 설정한 값에 따라 모델 파라미터를 최적화합니다. 따라서 하이퍼파라미터 최적화는 머신러닝 모델의 성능에 큰 영향을 미치게 됩니다. 모델 파라미터 최적화는 하이퍼 파라미터로 설정된 범위 내에서만 최적화를 시도하기 때문에 올바르게 설정되지 않은 하이퍼 파라미터에서는 좋은 성능을 보여주기 힘듭니다. 따라서, 모델 파라미터 최적화보다 중요한 것은 하이퍼파라미터 최적화라고 할 수 있습니다. 하이퍼 파라미터 최적화에는 크게 2가지 종류가 있습니다. 바로 격자 탐색과 랜덤 탐색의 개념입니다. 격자 탐색주어진 범위 내의 모든 값..

라이브 트레이닝 모니터링실시간으로 알고리즘 트레이딩 시스템의 매수 매도를 모니터링 하는 것입니다. 시스템 운영에서 빠질 수없는 중요한 기능입니다. 시스템의 성능과 특성을 철저하게 파악해 선별한 시스템이 있습니다. 하지만 이 시스템이 수익을 안겨 줄지, 손실을 줄지는 아무도 모릅니다. 이제는 누구나 전 세계 금융 정보를 수집할 수 있습니다. 인터넷으로 접속해 해외 주식을 사고 팔 수 있는 시대가 된 것입니다. 기술의 발달로 전 세계 금융 시장에 대한 접근이 가능해졌습니다. 하지만, 그만큼 변동성은 심화되었습니다. 우리나라가 아닌 다른 나라에서 발생한 사건 하나가 국내 주식시장의 폭락을 가져올 수 있습니다. 반대로 급상승을 가져올 수 있습니다. 국내 회사의 성장성을 예측하는 부분에 있어, 해외 경제 상황을 ..

전략적 팀 전투(Teamfight Tactics) 가이드전략적 팀 전투(Teamfight Tactics) 가이드에는 팁과 트릭, 아이템 및 골드 관리에 대한 조언, 챔피언 정보 등 모드에 대해 알아야 할 모든 정보를 포함할 예정입니다. Riot Games는 Auto Chess 장르인 전략적 팀 전투(Teamfight Tactics)에 대한 견해를 발표했습니다. 리그 오브 레전드의 많은 챔피언과 아이템이 포함되어 있지만, MOBA 게임 플레이를 오토 체스의 시그니처, 그리고 놀라울 정도로 더 세련된 라운드 오토 배틀링으로 바꿔줍니다. 전략적 팀 전투(Teamfight Tactics)도 경쟁사의 완전한 복사본은 아닙니다. 가장 주목할 만한 것은, 고군분투하는 유저들에게 재기의 기회를 주는 독특한 정비사가 있..

Riot Games가 6월 말 테스트 서버에 Auto Chess의 전략 모드인 Teamfight Tactics(전략적 팀 전투)라는 새로운 리그의 공식 스핀 오프를 공개했습니다. Teamfight Tactics(전략적 팀 전투)는 Dota의 Auto Chess 모드를 해 본 사람들에게 매우 친숙하게 느껴질 것입니다. 가장 강력한 팀을 만들기 위한 경쟁에서, 유저들이 7명의 상대를 물리치는 등 핵심 게임 플레이에 관한 것들은 거의 일치합니다. 골드는 매 라운드마다 상점에서 사용되어 리그 챔피언을 팀에 모집합니다. 보드 위에 올려놓고, 라운드가 시작되면 자동으로 싸우게 됩니다. 간단해 보일지 모르지만, 많은 전략이 관련되어 있습니다. 종족과 특성 보너스를 고려해야 합니다. 업그레이드해야 할 유닛도 있고, 팀..

머신 러닝 모델 성능 측정머신 러닝 모델의 성능을 측정하는 방법은 문제의 성격에 따라 달라집니다. 머신러닝 모델은 주가의 방향을 예측하는 분류자입니다. 상승과 하락 중 어느 쪽을 잘 맞추는 지 정확도와 재현율은 얼마나 되는지 알 수 있습니다. 그렇다면, 모델이나 전략을 수정해 더 높은 수익률을 기대할 수 있기 때문입니다. 또한, 앞서 포스팅한 모델들은 각 머신러닝 알고리즘에 별도의 파라미터를 지정하지 않고 기본값을 사용했습니다. 그러나 더 좋은 성능을 올리기 휘해서는 적절한 파라미터를 설정해줘야 합니다. 혼동 행렬혼동 행렬은 항목별 분류 결과를 테이블 형태로 표혀한 것입니다. 분할표라고도 합니다. 혼동 행렬은 예측 정확도만으로 알 수 없는 머신러닝 모델의 예측 특성과 데이터 편향 등의 추가적인 정보를 알..

백테스팅특정 기간의 과거 데이터로 알고리즘 트레이딩 시스템의 성능을 평가하는 것을 백테스팅이라 합니다. 백테스팅은 알고리즘 시스템을 파악하기 위해 시행하는 것으로 매우 중요한 부분입니다. 백테스팅은 다양한 종류와 방법이 있습니다. 대표적인 방법에 대해 알아보겠습니다. Profit/Loss개발한 시스템에 특정 기간의 데이터를 입력해 트레이딩을 실시합니다. 그 때, 발생하는 이익과 손실을 평가합니다. Hit RatioHit Ratio는 모델을 이용해, 예측한 결과의 정확도를 의미합니다. 모델에 따라 의미가 다를 수 있습니다. Hit Ratio는 과거 데이터를 이용합니다. 그러므로, 특히 머신러닝 모델의 경우 학습에 사용했던 데이터와 테스트에 사용한 데이터가 중복되지 않도록 합니다. def getHitRati..

알고리즘 트레이딩 시스템의 성능 측정뛰어난 모델도 적절한 성능 측정없이는 결코 알고리즘 트레이딩에 사용할 수 없습니다. 과연 어떻게 성능을 측정하는 것이 알고리즘 트레이딩 시스템의 성능을 적절히 측정하는 것인지는 아무도 명확하게 이야기 할 수 없습니다. 과거 데이터 만을 사용해 평가한 결과가 좋다면 테스트한 알고리즘 트레이딩 시스템은 미래에 높은 수익을 가져온다고 할 수 없습니다. 반대로 평가 결과가 좋지 않다 하더라도, 미래에 손실을 초래할 것이라고 할 수도 없습니다. 과연 성능 평가는 어떠한 식으로 해야할까요? 구현 시스템의 수익성 평가가장 기본적인 것입니다. 어느 정도 수익률을 기록할 수 있을 지 알아보아야 합니다. 구현 모델별 비교시스템에 적용된 모델별 수익성 비교와 특성을 파악하기 위함입니다. ..

시간 가치 감소 효과 최근 알고리즘 트레이딩의 추세는 복잡한 고도의 수학적 모델보다는 비교적 단순한 모델을 많이 사용하고 있습니다. 왜 그럴까요? 바로 시간가치 감소 효과 때문입니다. 전 세계 누구도 하나의 알파 모델로 오랫동안 지속해서 수익을 낼 수 없습니다. 알파 모델을 만들어 일정 시간 동안 수익을 내기 시작합니다. 하지만, 수익성은 서서히 떨어집니다. 이처럼 시간이 지날 수록 처음에 가졌던 우위가 떨어져가는 것을 시간가치 감소효과라고 합니다. 시간 가치 감소효과는 왜 발생하게 되는 것일까요?그 이유는 알고리즘 트레이딩의 범람이라고 할 수 있습니다. 많은 사람들이 알고리즘 트레이딩을 통해 거래를 하고 있습니다. 이들이 사용하는 알고리즘 트레이딩은 그렇게 다양하지 않습니다. 수학적 이론과 모델들을 사..

분류 모델분류는 회귀와 마찬가지로 입력 변수간의 상관 관계를 분석해 예측합니다. 결과값이 연속이 아닌 이산 값을 가진다는 것이 차이점입니다. 이에 따라 회귀와는 다른 방식으로 예측합니다. 분류에 사용되는 대표적인 알고리즘에 대해 알아보겠습니다. 로지스틱 회귀로지스틱 회귀는 이산변수 간의 상관관계를 나타내는 모델입니다. 0 또는 1의 이분형 결과를 가집니다. 로지스틱 회귀는 조건부 확률로부터 출발합니다. 입력 변수 값에 따른 출력 변수의 조건부 분포를 만듭니다. 그리고, 아웃풋은 정확도에 대한 확률로 생각할 수 있습니다. 그래프에서 알 수 있듯이, 아웃풋은 0부터 1사이입니다. 따라서 로지스틱 회귀에 필요한 함수는 확률 함수입니다. 그러므로 로지스틱 함수를 아웃풋 함수로 사용하면 값이 0부터 1사이에 위치..

머신러닝 모델머신 러닝 모델은 평균회귀 모델과 다르게 데이터로부터 시작합니다. 머신러닝은 데이터를 통해 무엇인가를 찾아야 합니다. 어느 경우에는 목표가 무엇인지 모르는 상태에서 진행해야 합니다. 그렇다면 어떻게 시작해야 할지 모호한 경우도 많습니다. 머신 러닝에 대한 잘못된 이해는 데이터만 넣어주면 알아서 산출물을 만들어줄 것이라는 믿음입니다. 어떤 데이터를 머신러닝에 제공하느냐에 따라 머신러닝의 결과는 매우 달라집니다. 머신 러닝에 사용할 데이터를 준비하는 것은 사용자가 직접 개입하는 분야입니다. 입력변수를 선택하고 이상치를 배제하고 빠진 데이터를 채워넣고 가공할 수 있기 떄문입니다. 머신러닝 모델을 만들 때 원시 데이터를 수집 한 후, 입력 데이터들을 살펴보아야 합니다. 적절한 입력 변수를 선택하면 ..

평균회귀 모델 구현 ADF 테스트, 허스트 지수, Half-life를 모두 통과한 종목을 찾으셨나요? 그렇다면 이제 평균 회귀 모델을 구현할 기본 조건은 충족한 것입니다. 평균회귀 모델의 핵심 개념은 무엇일까요? 바로 주가가 평균보다 낮으면 주식을 매입하고, 반대로 평균보다 높으면 주식을 매도해 수익을 만드는 것입니다. 평균 회귀 모델을 구현을 위해 필요한 3가지 사항 평균 정의 : 주가 매도, 매수의 비교치로 사용될 편균을 어떻게 구할 것인지 정의해야 합니다. 과거 특정 기간의 주가로 구할 수 있습니다. 또 이동 평균을 이용해 계산할 수 있습니다. 또 이동평균의 기간을 몇 일 단위로 할지도 결정해야 합니다. 이러한 평균은 매도, 매수를 알려주는 일종의 신호 역할을 하게 됩니다. 매도, 매수 기준 : 평..