퀀트 전략을 위한 인공지능

퀀트 전략을 위한 인공지능

avatar
은둔기계
2024.12.28조회수 5회
  • 거시경제 데이터, 재무제표 데이터, 시장 데이터를 입력변수로 사용해, 분류 문제로 투자 의사결정

  • 가치 시그널, 기술적 시그널, 미시구조 시그널

  • 비지도 학습을 통한 자산 간의 관계 파악

  • 지도 학습인 hidden markov model을 통해 시장 트렌드나 레짐을 결정

  • 회귀를 사용해 단기 자산 가격의 방향을 예측

  • 기존에 알려진 팩터 분석


  • 주가 데이터 자체에 노이즈가 매우 많기 때문에 과적합이 일어날 공산이 크다.

  • 기술적 분석은 모든 정보가 이미 주가에 반영되었다는 가정을 기반으로 한다.

  • 시장을 바라보는 자신만의 시각이 없다면 그 어떤 전략을 세워도 의미가 없다.


  • 볼린저 밴드를 통한 평균 회귀 전략

  • 볼린저 밴드의 상하단 밴드 = 중간 밴드 +(-) * (20일 이동 표준 편차)


  • 모멘텀: 주가가 한 방향성을 유지하려는 힘으로 통칭

  • 듀얼 모멘텀 전략 = 절대 모멘텀 전략 + 상대 모멘텀 전략

    • 절대 모멘텀: 최근 N개월간 수익률이 양수이면 매수

    • 상대모멘텀: 투자 종목군이 10개라고 했을 때, 10개 종목의 최근 N개월 모멘텀을 계산해 상대적으로 모멘텀이 높은 종목 매수


  • SVM

    • 한 시대를 풍미한 알고리즘, 과거 컴퓨팅 파워가 빈약했던 시절 딥러닝보다 효과적으로 작동

    • 장점: 데이터의 특성이 많지 않더라도 좋은 성능을 낼 수 있다.

    • 단점: 데이터 전처리와 매개변수 설정에 신경을 많이 써야 하고, 해석 가능성이 약하다.

  • 랜덤 포레스트

    • 각 트리가 좋은 예측력을 가졌음에도 과적합 성향이 있는 단점을 보완한다.

      • 트리가 깊어질수록 bias는 작아지지만 variance는 커진다.

      • 하지만 분산이 큰 각 트리의 결과값의 평균을 취하면 bias를 유지하면서 variance를 줄이는 효과를 얻는다.

    • 주기성이나 경향성이 있는 데이터에서 성능이 떨어지는 경향이 있다.

    • 차원이 높고 희소한 데이터에는 잘 작동하지 않는다고 알려져있다.

  • 부스팅

    • 약한 분류기를 결합해 강한 분류기를 만드는 과정을 일컫는다.

    • 정확도가 40%인 분류기 A, B, C가 있을 때, A 분류기 정보에 기반해 B 분류기를 만들고, 다시 해당 정보를 활용해 C분류기를 만들어 모두 결합하는 방식이다.

    • 약한 분류기를 결합할 때, ...

회원가입만 해도
이 글을 무료로 읽을 수 있어요.

이미 계정이 있으신가요?로그인하기
댓글 0
avatar
은둔기계
구독자 108명구독중 62명
은둔지