카운팅스타 팀의 황부현입니다!
오늘의 컨텐츠는 르네상스 테크놀로지의 메달리온 펀드에 관한 내용을 가져왔는데요
메달리온 펀드는 1988년부터 2018년까지 30년 동안 연평균 66%의 수익률을 기록하며, 전 세계의 투자 펀드 중에서도 가장 높은 수익률 중 하나로 평가받습니다. 따라서, 메달리온 펀드는 어떻게 지속적으로 시장을 능가했는지 그 비법을 알아보기 위해 펀드에서 사용한 파생상품 전략을 찾아봤습니다.
같이 알아보러 가시죠!
1. 메달리온 펀드의 역사
수십억 달러의 헤지펀드를 운영하기 전, 창립자인 짐 사이먼스는 뉴욕 롱아일랜드에 있는 스토니 브룩 대학의 수학과 학과장이었습니다. 하지만 사이먼스의 야망은 수학을 뛰어넘어, 1978년 그는 학계를 떠나 트레이딩 회사를 설립했고, 결국 르네상스 테크놀로지스가 되었습니다. 사이먼스는 회사를 훌륭한 수학자들로 채웠습니다.
특히 이들 전직 동료 중 한 명인 제임스 액스(James Ax)는 회사가 순조롭게 궤도에 오르는 데 중요한 역할을 했고, 액스와 사이먼스는 몇 년 동안 선물 시장에서 트레이딩을 한 후, 1988년 메달리온 펀드를 출시했습니다. 펀드의 이름은 액스와 사이먼스가 수학 분야에서 수상한 권위 있는 상의 이름을 딴 것입니다.
하지만, 메달리온의 초기는 쉽지 않았는데요, 1988년 S&P 500 지수가 16% 이상 상승한 동안, 펀드는 9%(수수료 공제 후)의 수익률에 그쳤고, 2년 차에 접어들면서, S&P 500 지수가 30% 이상 상승하는 동안, 펀드가 4% 손실을 겪었습니다.
이후 사이먼스는 다시 수익성을 갖추기 위해 저명한 게임 이론가인 얼윈 벌리캄프(Elwyn Berlekamp)에게 회사의 트레이딩 시스템을 처음부터 다시 설계하도록 요청했고, 이윽고 1990년, 메달리온 펀드는 수수료 공제 후 55%의 수익률을 기록했습니다. 다음 몇 년 동안, 그는 엘리트 수학 인재를 고용해 메달리온 펀드를 새로운 수준으로 끌어올렸고, 1994년 메달리온은 70%(수수료 공제 후) 이상의 수익률을 올렸고 2000년에는 98.5%의 사상 최고 수익률을 창출했습니다.
2. 메달리온 펀드의 연평균 수익률
사진을 보시게 되면 메달리온 펀드가 수수료 공제 이후 손실을 기록한 경우는 1989년뿐이었습니다. 이를 제외하고는 평균적으로 40%의 수익률을 보여줬습니다. 그러나 더 중요한 것은 펀드 수익률이 주식시장과 마이너스(-) 상관관계가 있었다는 점입니다.(상관관계 = -0.41)
2008년 S&P 500 지수가 37% 하락했을 때, 메달리온 펀드는 수수료 공제 후 82%의 수익률을 기록했다는 것으로 시장이 불안정할 때, 펀드는 수익을 얻었음을 의미합니다. 많은 분들이 대체 어떻게 불황 속에도 수익을 냈는지 그 비법에 대해 궁금해 할 것 같은데요
다음 자료를 하나 더 보시죠.
초기 몇 년 동안 메달리온 펀드는 저조한 성과를 보였지만, 2021년 말, S&P 500보다 18배 이상 우수한 성과를 올리게 되며 메달리온 펀드에 매년 40%의 운용 수수료를 지불해도 그만큼 가치를 얻어낼 수 있게 되었습니다.
3. 포트폴리오 구성
이 펀드의 최대 보유 자산은 거대 제약회사인 노보 노르디스크로, 2%가 할당돼 있습니다. 르네상스의 투자처는 대부분 생명공학 기업이며 아직 수익성이 높지 않은 기업도 다수 포함돼 있습니다. 길리어드 사이언스(1%), 유나이티드헬스그룹(1%), 유나이티드 테라퓨틱스, 화이자, 애보트 연구소, 버텍스 파마슈티컬스 등이 있고, 그 외 주요 10대 투자처로 아마존(1%), 테슬라(1%), 에어비앤비(1%), 인터넷 인프라 기업 베리사인(1%), 허쉬(1%), 보잉(1%)이 있습니다.
르네상스 포트폴리오는 3900개 넘는 종목에 다양한 섹터와 포지션으로 분할돼 있어, 알고리즘 기반의 통계적 차익 거래 접근 방식으로 수익을 만드는 전략을 사용합니다.
4. 짐 사이먼스의 트레이딩 전략
짐 사이먼스의 거래 전략은 주로 양적 거래를 중심으로 진행되며, 수학적 모델과 알고리즘을 사용하여 패턴을 파악하고 투자 결정을 내립니다. 자신의 거래 전략의 기본을 시간이 지남에 따라 반복되는 데이터 패턴을 식별하고 이를 알고리즘으로 모델링하여 미래의 가격 변동에서 수익을 창출하는 것으로 설명했습니다.
이 펀드는 독점적 성격으로 유명하며, 주로 르네상스 테크놀로지의 직원들에게 서비스를 제공합니다. 그러나 메달리온 펀드가 외부 투자자에게 개방되지 않았다는 점, 이에 대한 규제 문서가 없다는 점, 마지막 외부 투자자의 매수 이후의 수익률 청구를 확인할 방법이 없다는 점을 고려하면, 이 펀드에서 얻을 수 있는 정보는 많지 않습니다.
4-1. 여기서 양적 거래란?
양적 거래 또는 퀀트 거래는 수학적 모델과 알고리즘을 사용하여 금융 시장을 분석하고 투자 결정을 내리는 거래 방법입니다. 이러한 데이터 중심적 접근 방식을 통해 양적 거래자는 방대한 양의 정보를 빠르고 효율적으로 처리하고 평가하여 인간 거래자가 쉽게 알아낼 수 없는 패턴과 기회를 파악할 수 있습니다. 양적 거래는 인간의 편견과 감정을 최소화하면서도 지속적인 수익을 창출하는 능력 덕분에 수년에 걸쳐 인기를 얻었습니다. 일반적으로 양적 거래에는 두 가지 형태가 있습니다.
※ 전문가 시스템(인간은 세상에 대한 이해를 바탕으로 알고리즘을 고안함):
전문가 시스템은 거래자가 세상에 대한 이해와 경험을 바탕으로 알고리즘을 설계하는 방식입니다. 금융 시장에서의 다양한 변수, 경제 지표, 시장 동향, 기업 실적 등을 고려하여 거래 규칙을 미리 정의하고, 이 규칙을 알고리즘에 적용해 자동으로 거래가 이루어지도록 설계합니다.
※ 머신 러닝(기계가 데이터를 연구하고 발견한 패턴에서 알고리즘을 도출함):
머신 러닝은 기계가 방대한 데이터를 분석하여 패턴을 발견하고, 이를 바탕으로 알고리즘을 도출하는 방식입니다. 즉, 인간의 개입 없이 데이터를 학습하고, 발견한 패턴을 바탕으로 거래 전략을 자동으로 설계하는 것입니다. 머신 러닝을 사용하는 알고리즘은 시간이 지남에 따라 점점 더 정교해지고 시장 변화에 적응할 수 있다는 장점이 있습니다.
4-2. 알고리즘 거래란?
알고리즘 거래는 컴퓨터 프로그램이나 수학적 알고리즘을 사용해 거래를 자동으로 실행하는 금융 거래 방식입니다. 이 방식에서는 사람이 직접 시장 상황을 모니터링하고 거래를 결정하는 것이 아니라, 사전에 정의된 규칙이나 조건에 따라 자동으로 매매가 이루어집니다. 이러한 알고리즘은 주식, 외환, 파생상품 등 다양한 금융 상품을 대상으로 할 수 있으며, 특정 가격, 거래량, 시간 등을 기준으로 설계됩니다.
알고리즘 거래의 핵심 목표는 인간의 개입을 최소화하고 빠른 속도로 대규모 거래를 수행하여 더 나은 거래 기회를 포착하는 것입니다. 특히 거래가 매우 빈번하게 이루어지는 고빈도 거래(HFT, High-Frequency Trading)에서 널리 사용됩니다.
알고리즘 거래의 장점은 거래 속도를 크게 높이고 감정이나 편견에 의해 좌우되지 않으며, 사람의 실수를 줄일 수 있다는 점입니다. 다만, 알고리즘이 지나치게 복잡하거나 잘못 설계될 경우 예기치 못한 결과를 초래할 수도 있어 세심한 관리가 필요합니다.
4-3. VaR (Value at Risk, 가치위험) 이란?
VaR(Value at Risk)은 금융기관이나 투자자가 직면할 수 있는 잠재적 손실을 측정하는 리스크 관리 도구입니다. 특정 기간 동안 주어진 신뢰 수준에서 발생할 수 있는 최대 손실 금액을 나타냅니다. 즉, VaR은 "99%의 확률로 이틀 동안 최대 1백만 원의 손실이 발생할 수 있다"와 같은 방식으로 위험을 정량적으로 표현하는
VaR은 보통 세 가지 요소로 정의됩니다:
기간: 자산을 보유하는 기간. 예를 들어, 하루, 일주일 또는 한 달.
신뢰 수준: 일반적으로 95% 또는 99%로 설정하며, 이 확률 내에서 발생할 수 있는 손실을 예측합니다.
최대 손실 금액: 이 기간 동안 신뢰 수준에 따라 예상되는 최대 손실.
예를 들어, VaR이 "1일 기준, 99% 신뢰 수준에서 1억 원"이라고 하면, 이 뜻은 "1일 동안 99% 확률로 최대 1억 원 이하의 손실이 발생할 것"이라는 의미입니다. 나머지 1%의 경우, 이보다 큰 손실이 발생할 가능성이 있다는 것을 의미합니다.
VaR은 포트폴리오의 리스크를 이해하는 데 매우 유용하며, 은행 및 금융기관에서 자산과 자본의 리스크를 관리하기 위해 자주 사용됩니다.
4-4. 스트레스 테스트 (Stress Test) 이란?
스트레스 테스트는 금융기관이나 투자 포트폴리오가 극단적인 경제 또는 시장 상황에서 어떻게 반응하는지를 평가하는 리스크 관리 도구입니다. 이는 VaR처럼 정상적인 시장 환경에서의 손실 가능성보다는, 비정상적이거나 예상치 못한 상황(예: 금융 위기, 갑작스러운 금리 인상, 대규모 주가 폭락 등)에서의 손실 잠재력을 테스트합니다.
스트레스 테스트는 세 가지 주요 요소에 초점을 맞춥니다:
극단적인 상황 설정: 금융 시장의 역사적 이벤트(예: 2008년 금융위기) 또는 가상의 시나리오(예: 자연재해, 정치적 혼란, 전쟁 등)를 설정해 해당 이벤트가 발생할 경우 포트폴리오에 어떤 영향을 미칠지 평가합니다.
잠재적 손실 평가: 이러한 시나리오 하에서 발생할 수 있는 잠재적 손실을 정량적으로 계산합니다.
리스크 관리 전략 검토: 테스트 결과를 바탕으로 리스크 관리 전략을 조정하거나 강화하는 방안을 모색합니다.
스트레스 테스트는 금융기관에서 리스크 노출도를 점검하는 중요한 방법으로, 자산의 안정성, 유동성 및 자본 수준을 검토할 수 있게 해줍니다. 특히 규제 기관은 금융 시스템 전체의 안정성을 위해 정기적인 스트레스 테스트를 금융기관에 요구하기도 합니다.
5. 메달리온 & 르네상스 테크놀로지 전략
사이먼스의 접근 방식의 기본 철학은 확률 과정, 머신 러닝 및 다양한 수학적 모델을 적용하여 금융 시장을 해독, 분석 및 거래하는 데 달려 있다고 믿어지며 이는 현대의 양적 금융 관행과 일치합니다.
아래에서 이 전략의 핵심 구성 요소를 자세히 살펴보겠습니다.
5-1. 확률 과정 및 머신 러닝의 기초
르네상스 테크놀로지스는 초기에 확률적 과정과 머신러닝을 재무 분석에 통합하여 차별화를 꾀했습니다 .
확률 과정은 불확실한 조건 하에서 다양한 결과의 확률을 예측하는 수학적 모델로, 금융 시장의 기반이 됩니다.
특히 금융 분야에서 초기 단계에 있던 머신 러닝은 인간 분석가나 전통적인 통계적, 기본적 방법을 통해서는 명확히 드러나지 않았던 데이터 내의 패턴과 상관 관계를 파악하는 방법을 제공합니다.
5-2. 정교한 비선형 모델 개발
비선형 및 비모수적 모델로의 발전은 분석 능력에 있어서 상당한 발전을 의미합니다.
변수 간에 정비례 관계가 있다고 가정하는 선형 모델과 달리, 비선형 모델은 외부 거시경제 요인, 시장 심리 및 기타 정량화할 수 없는 요소와 같은 더 복잡한 관계를 포착할 수 있습니다.
이러한 복잡성은 선형적 가정이 종종 부족해지는 금융 시장의 특성에 더 적합합니다.
5-3. 커널 방식 채택
커널 방법은 르네상스 테크놀로지의 전략 맥락에서 패턴 인식 및 분석 분야의 획기적인 발전입니다.
변수들 간의 복잡한 관계를 더 쉽게 모델링할 수 있도록 데이터를 고차원 공간으로 변환할 수 있는 기계 학습 기술입니다 .
이 방법은 간단한 모델에서는 감지할 수 없는 미묘한 패턴을 식별하여 시장 동향과 가격 변동을 예측하는 능력을 크게 향상시켰습니다.
5-4. 단기 거래에 집중
르네상스 테크놀로지스는 단기 거래에 집중함으로써 장기 시장 변동성에 대한 노출을 줄이고 모델의 통계적 이점을 활용할 수 있었습니다.
이러한 접근 방식은 예상치 못한 거시경제적, 지정학적 사건이 거래 수익에 부정적인 영향을 미칠 수 있는 장기간 포지션을 유지하는 데 따르는 위험을 최소화합니다.
5-5. 컨버전스 트레이드
르네상스 테크놀로지는 상대적 가치 또는 차익거래 전략을 포함하는 융합 거래를 사용하는 것으로 유명합니다 .
수렴 거래에서는 저평가된 자산에 롱 포지션을 취하고, 이와 관련된 고평가된 자산에 숏 포지션을 취하여 가격이 결국 수렴할 것이라는 데 베팅합니다.
여기에는 같은 주식에 대한 롱 포지션을 취하고 더 비싼 선물 계약을 숏 포지션으로 보유하거나, 저평가된 채권을 롱 포지션을 취하고 더 비싸지만 관련된 채권을 숏 포지션으로 보유하는 것이 포함될 수 있습니다.
르네상스 테크놀로지는 이러한 일시적인 가격 비효율성을 이용해 시간이 지남에 따라 가격 수렴을 통해 지속적인 수익을 창출하는 것을 목표로 합니다.
5-6. 다분야 인재의 유치
게임 이론 과 정보 이론 분야의 전문 지식을 보유한 엘린 버를캠프와 같은 개인을 채용한 것은 회사가 지적 다양성과 혁신에 헌신하고 있음을 보여주었습니다.
다학제적 접근 방식을 통해 르네상스는 새로운 관점과 방법론을 통해 모델을 지속적으로 개선하고 향상시킬 수 있었습니다.
출처: https://www.daytrading.com/jim-simons-trading-strategy
그리고고 제가 자료를 찾으며 궁금했던 내용을 답해 보겠습니다!
1.메달리온 펀드는 어떻게 수년간 인상적인 성과를 유지할 수 있나요?
메달리온 펀드의 꾸준한 성과는 회사 IP인 독점적인 양적 거래 전략 때문입니다.
펀드 팀은 모델과 알고리즘을 개선하여 시장 동향의 흐름을 파악합니다!
2. 메달리온 펀드에 투자할 수 있나요?
아니요. Medallion Fund는 외부 투자자에게 개방되지 않습니다. 이 펀드는 주로 Renaissance Technologies의 직원과 그들의 직계 가족을 대상으로 합니다.
3. 양적 거래 모델은 어떤 유형의 데이터를 사용하여 결정을 내리나요?
양적 거래 모델은 과거 가격 데이터, 재무제표, 경제 지표, 심지어 날씨 패턴이나 소셜 미디어 감정과 같은 대체 데이터를 포함한 광범위한 데이터 소스를 활용합니다. 이러한 다양한 데이터 집합은 정량적 모델이 시장의 숨겨진 패턴과 추세를 파악하는 데 도움이 됩니다.
4. 양적 거래와 관련된 위험이나 단점은 있나요?
양적 거래에는 많은 장점이 있지만, 몇 가지 위험과 단점도 있습니다.
발생할 수 있는 위험 중 하나는 모델 위험입니다. 모델 위험은 알고리즘이 시장 행동을 정확하게 예측하지 못해 손실이 발생할 때 발생합니다. 또 다른 위험은 과대적합입니다. 과대적합은 모델이 과거 데이터에 너무 특화되어 실제 상황에서 좋은 성능을 발휘하지 못할 때 발생합니다. 또한 양적 거래는 소프트웨어 버그나 하드웨어 오류와 같은 기술적 문제의 영향을 받기 쉽고, 이는 거래 성과에 영향을 미칠 수 있습니다.
5. Renaissance Technologies에서는 어떤 유형의 수학적 모델을 사용하나요?
패턴 인식을 위한 통계 모델 , 확률 이론, 확률적 과정, 머신 러닝 및 비선형/ 비모수 모델, 예측 분석을 위한 알고리즘
다음과 같은 모델을 활용해 방대한 데이터 세트를 분석하여 시장 비효율성과 추세를 파악하고 활용합니다!
이상으로 메달리온 펀드에 대한 설명을 마치겠습니다.
자료를 조사하며 실제 메달리온 펀드의 알고리즘 거래가 어떻게 이뤄지는지 궁금했지만 비공개로 이뤄졌기에 자료를 찾을 수 없었습니다. 따라서 국내 알고리즘 거래가 어떻게 이뤄지는지에 대해 느낌을 알아보기 위해 실제 알고리즘 주식 매매에 대해 작성한 논문을 찾아 보았습니다!
국민대학교 비즈니스IT전문대학원에서 양훈석 박사님이 작성한 논문이며
"주가 패턴과 유전자 알고리즘을 이용한 주식 매매 시스템 개발"
이 논문은 주식 가격 패턴과 유전자 알고리즘(GA)을 이용하여 주식 매매 전략을 최적화하고, 이를 통해 주식 시장에서 수익을 낼 수 있는 매매 시스템을 개발을 목표로 합니다. 특히, Merrill(1980)이 제안한 M&W 파동 패턴을 중심으로 연구가 진행되었습니다.
주요 개념으로는 아래와 같은 4가지 개념을 제시했습니다.
1. 주가 패턴 분석: 투자자들은 기업의 복잡한 내재가치 분석보다는 차트에 나타나는 주가의 모양을 보고 매매 시점을 직관적으로 찾는 경향이 있기에 패턴 분석을 활용해 매매 시스템을 개발했습니다.
2. M&W 파동 패턴: Merrill이 제안한 이 이론은 M자(하락)와 W자(상승) 모양의 파동 패턴을 기반으로 주가의 상승 및 하락을 예측합니다. 총 32개의 패턴이 있으며, 이 연구에서는 이 패턴들을 10개의 그룹으로 재분류하여 사용했습니다.
논문에서 가져온 그림 참조
3. 유전자 알고리즘 (GA): GA는 자연 선택 과정을 모방한 최적화 알고리즘으로, 다양한 패턴 조합 중에서 가장 수익성이 높은 패턴을 찾아내기 위해 사용됩니다.
유전자 알고리즘 처리 순서도 (논문 그림 참조)
GA의 처리 과정은 다음과 같습니다.
1. 모델화: 문제의 특징을 추출하여 목표 상태를 정의합니다.
2. 코딩: 유전자를 정의하고 적응도 평가 함수를 설정합니다.
3. 초기 집단 생성: 랜덤하게 유전자를 생성하여 초기 개체 집단을 형성합니다.
4. 적응도 평가: 각 개체의 적응도를 평가합니다.
5. 선택: 적응도가 높은 개체를 선택하여 낮은 개체를 대체합니다.
6. 교배: 선택된 개체 간의 유전자를 교환하여 새로운 개체를 생성합니다.
7. 돌연변이: 필요시 무작위로 새로운 유전자를 추가하여 국소 최적화(local minima)에 빠지는 것을 방지합니다.
8. 종료: 목표 상태에 도달하면 알고리즘을 종료합니다.
4. 전진 분석 (WFA): WFA는 과거의 데이터를 기반으로 전략을 최적화한다 과적화(Overfitting)가 일어나는데 이를 방지하기 위해 과거 데이터를 통해 전략을 검증하는 방법입니다. 이를 통해 주식 시장이 변하더라도 최적화된 전략이 여전히 유효한지를 확인합니다.
WFA의 작동 원리
표본 내 데이터(In-Sample Data, IS): 먼저 과거의 데이터를 사용해 전략을 최적화합니다. 이 과정에서 전략이 가장 높은 성과를 내도록 매개변수를 조정합니다.
표본 외 데이터(Out-Of-Sample Data, OOS): 최적화한 전략을 미래의 데이터를 사용해 테스트합니다. 즉, 과거 데이터를 통해 최적화한 매개변수를 미래에도 적용해 유효한지를 확인하는 것입니다.
이 과정을 통해 과거에만 잘 맞는 전략이 아닌 미래에도 적용 가능한 전략을 만들어낼 수 있습니다.
시스템 개발:
이 시스템은 주가 데이터(시가, 고가, 저가, 종가)를 입력으로 받아, M&W 패턴이 발생할 때 매매 신호를 생성합니다. 유전자 알고리즘을 통해 최적화된 패턴을 선택하고, 파이썬으로 개발된 시뮬레이터를 통해 성과를 평가합니다.
논문 참조 시뮬레이션 구상도
1. 패턴 인식: 연구는 주가 데이터를 분석하여 M&W 파동 패턴을 찾아내고, 이를 바탕으로 매수 및 매도 신호를 생성합니다. M자 패턴이 발생하면 매수, W자 패턴이 발생하면 매도하는 전략을 사용하며, 이를 더 정교하게 구분하기 위해 다양한 전환점 계산 방식을 도입합니다.
2. 유전자 알고리즘을 통한 최적화: 모든 패턴이 수익을 내는 것이 아니므로, 알고리즘(GA)을 활용해 패턴을 최적화합니다. GA는 가장 높은 수익을 내는 패턴 조합을 찾는 데 사용되며, 전환점의 가격과 위치를 계산한 후, 전환점들의 높이와 순서를 비교하여 최적의 매매 전략을 도출합니다.
3. 전환점 계산 방식: 연구는 전환점을 판별하는 여러 가지 방식을 테스트합니다. 대표적으로, 최소변동률 지그재그, 고저라인 지그재그, 스윙 파동 등의 방식을 통해 각 전환점의 고점과 저점을 인식하여 패턴을 구분합니다. 이를 통해 패턴이 진행 중인지, 혹은 완료되었는지를 판단하여 매매 진입 시점을 결정합니다.
논문 참조 전환점 계산 방식의 종류
4. 매매 전략 코드 구성: 패턴의 각 전환점을 수치화하여 매매 신호를 발생시키는 슈도코드(pseudocode)가 작성됩니다. 10개의 패턴을 바탕으로 매수 및 매도 조건을 설정하고, 주어진 매개 변수를 통해 최적화된 매매 전략을 실행합니다.
논문 참조 매매전략 기본 로직
5. 시장 상황 반영: M&W 패턴은 시장의 상황(강세장, 약세장, 횡보장)에 따라 다르게 적용됩니다. 예를 들어, 강세장에서의 M자 패턴과 약세장에서의 M자 패턴은 다른 결과를 나타냅니다. 연구는 이를 반영하여 시장의 추세에 따라 매매 전략을 달리 적용합니다.
6. 최적화 및 검증: 매매 알고리즘은 상용 툴인 YesTrader에서 검증되었습니다. 최종적으로, 매매 전략은 10개의 패턴 매개 변수에서 30개로 확장되며, 시장 상황까지 고려한 최적화된 매매 전략이 도출됩니다.
실험 결과:
20개 종목으로 구성된 6개의 포트폴리오에서 테스트한 결과, 단순한 M&W 패턴 인식만으로도 효과적인 매매 전략을 구현할 수 있음을 확인했습니다. 이는 매우 정교한 패턴 분석이 없어도 패턴 조합의 최적화를 통해 상당한 수익을 올릴 수 있음을 보여줍니다.
논문 참조 과거 테스트 수익률 비교
2015년부터 2017년까지 GA에 의한 과거 테스트 결과와 단순 보유 수익률을 비교한 결과, 대부분의 테스트가 단순 보유 전략을 초과하는 수익을 기록했습니다.
90번의 테스트 중 81개가 단순 보유 수익률을 초과했으며, 이는 GA 기반 최적화 과정의 유효성을 입증하는 결과로 보입니다.
논문 참조 시뮬레이션 결과
과거 테스트 이후 WFA 적용을 통해 6개의 포트폴리오에 대한 시뮬레이션이 진행되었습니다. 대부분의 포트폴리오는 WFA 적용 전후에 유사한 수익률을 나타냈으며, 이는 매매 전략의 견고함을 증명하는 결과로 해석됩니다.
결론:
M&W 파동 패턴과 유전자 알고리즘을 결합한 주식 매매 시스템은 실질적인 수익을 창출할 수 있음을 입증하였습니다. 이 시스템은 향후 더욱 광범위한 데이터에서 추가 테스트를 통해 개선될 수 있으며, 패턴 탐지의 정확성을 높이는 연구도 필요합니다.
이상으로 국내 알고리즘 거래에 관한 개념을 간략하게 알아보고 적용할 수 있는 실제 이론을 보며 내용을 정리 해봤습니다.
긴글 읽어주셔서 감사합니다!!!
* 이 게시물은 한국거래소의 지원을 받아 팀별 스터디를 통해 제작되었습니다. *
'한국거래소(KRX)' 카테고리의 다른 글
| [⭐카운팅스타_10월_개인활동(1)] 고려아연 사태를 콜옵션과 함께 알아보자! (6) | 2024.10.11 |
|---|---|
| [⭐카운팅스타_9월_개인활동(2)] 비트코인 ETF에 대해 알아보자! (4) | 2024.09.25 |
| [⭐카운팅스타_8월_개인활동(2)] 파생상품 ETF에 대해 알아보자! (2) | 2024.08.30 |
| [⭐카운팅스타_8월_개인활동(1)] Put-Call Parity에 대해 알아보자! (3) | 2024.08.19 |
| [⭐카운팅스타_7월_개인활동(2)] 파생상품시장 제도에 대해 알아보자! (0) | 2024.07.30 |