📈 강화학습 기반 주식 포트폴리오 프로젝트

이 프로젝트는 기술적 지표 기반 종목 선정과 강화학습(PPO + LSTM)을 활용한 포트폴리오 비중 결정 과정을 포함합니다.
전통적인 전략을 넘어, 강화학습을 활용해 시장 벤치마크(KODEX200 ETF) 대비 초과 수익률을 달성하는 것이 목표입니다.

---

📂 파일 구성 : final

파일명	설명
01_Selecting_Stocks.ipynb	리스크 조정형 모멘텀 전략을 기반으로 종목을 선정하는 과정
02_RL_PPO_LSTM.ipynb	LSTM 임베딩과 PPO 에이전트를 활용한 강화학습 기반 포트폴리오 구성 및 평가

---

⚙️ 활용 기술

• Python (Pandas, NumPy, Tensorflow)
• PyKRX (주가 및 ETF 데이터 수집)
• 강화학습 PPO (Proximal Policy Optimization)
• LSTM 기반 시계열 임베딩
• 포트폴리오 리밸런싱 및 샤프 비율 기반 보상 함수

---

🎯 프로젝트 목표

• 기술적 지표 기반 종목 선정
• LSTM을 통한 시계열 특성 파악
• PPO 에이전트를 통한 포트폴리오 비중 학습
• 벤치마크(KODEX200 ETF) 대비 초과수익률 도출

---

📊 성능 평가

• 누적 수익률 (Cumulative Return)
• 벤치마크 대비 초과 수익률 (KODEX 200 ETF)

---