오렌지사과의 사진과 투자

퀀트 전략의 개발하기 위해서는 전략 수립 → 백테스트 → 분석 → 새로운 전략 수립 과정을 반복해야 합니다. 투자자는 좋은 성과를 기대할 수 있는 전략을 먼저 수립한 뒤, 백테스트를 통해 이를 평가합니다. 평가 결과를 통해 어떤 부분이 효과적이었고, 어떤 점이 개선되어야 할지를 분석합니다. 이렇게 얻은 인사이트를 바탕으로 전략을 조정하고, 다시 백테스트를 진행하는 과정을 반복하게 됩니다.백테스트 결과에 대한 분석은 단순히 수익률이나 변동성 또는 MDD와 같은 지표가 어떻게 나왔는지 살펴보는 것을 의미하지 않습니다. 이는 가장 기초적인 지표일 뿐이며, 많은 경우 투자자가 해당 전략을 선택해야 하는 합리적인 기준으로 충분하지 않습니다.예를 들어, 어떤 전략이 높은 수익률을 기록했더라도, 특정 시장 상황에서..

퀀트 전략을 구성하는 팩터(factor)들의 조합을 분산 투자로 해석해 보는 사례를 소개합니다. 팩터 조합을 분산 투자로 해석하려는 근본적인 이유는 분석의 용이함과 계산량의 감소 때문입니다. 퀀트 전략에서 팩터 조합은 AND 연산에 가깝습니다. 팩터 1, 2, ..., n의 조건을 최대한 만족하는 종목을 선별하는 것입니다. 이에 비해 분산 투자에서의 팩터 조합은 팩터 1, 2, ..., n 중에서 하나라도 만족하는 종목에 투자하는 OR 연산에 가깝습니다. 이 때문에 각각의 팩터 조건으로 자산을 구성해 놓으면, 분산 투자 효과를 추정하는 것은 단순한 연산으로 가능합니다. 하지만 퀀트 전략처럼 백테스트하여 결과를 얻으려면, 결합에 사용한 팩터들의 가중치를 종합적으로 고려해서 편입 가능한 종목을 선별해야 하기..

퀀트 투자 전략을 포함하여 광범위한 의미의 자산은 시간의 흐름에 따라 성과가 크게 바뀔 수 있습니다. 한 때 좋은 성과를 보였던 자산이 기대 이하의 성과를 보이기도 하고, 열등해 보였던 자산이 높은 수익률을 기록하기도 합니다. 좋은 성과와 나쁜 성과가 반복해서 나타나기도 하고, 일회성으로 믿기 어려운 수준의 성과를 보이기도 합니다.과거 데이터를 살펴보아도 각 자산의 투자 가치에는 큰 변동이 관찰됩니다. 미래에 높은 성과를 기대하고 투자하는 투자자는 어떻게 해야 할까요? 각자 과거에 대한 분석을 바탕으로 미래를 합리적으로 추정하여 판단해야 합니다.다음 두 편의 글에서는 시간의 흐름을 고려하여 과거 성과를 그래프로 나타내는 방법을 소개하고 해석해 봅니다.[파이썬 부록 K14] 최근을 기준으로 성과를 살펴보자..

자산 간 분산 투자 효과를 살펴보는 용도로 가장 많이 활용되는 형태가 평균-분산(Mean-Variance) 그래프입니다. y축은 수익 지표의 하나인 수익률을, x축은 위험 지표의 하나인 표준 편차(standard deviation)를 사용하는 그래프입니다. 복리 투자 효과를 확인하고자 하는 경우에는 각 축으로 복리 수익률을 사용합니다. 제 경우에는 로그 수익률(log return)로 그래프를 그리고 이해하기 쉽도록 복리 수익률로 눈금값을 매깁니다.표준 편차가 위험 지표라고 이야기하면 고개를 갸우뚱거릴 수 있습니다. 위험이라면 손실을 말하는데 어떻게 표준 편차가 위험이 될 수 있는지 의아할 수 있습니다. 이는 위험을 보는 관점의 차이입니다.표준 편차는 평균 대비 변동성을 의미합니다. 예를 들어 투자자가 연..

투자자가 본인의 상황과 투자 목적에 비춰 투자할 가치가 있는 자산을 여럿 발견했다면, 어느 자산에 투자할 것인지 선택을 해야 합니다. 수익률이 높고 안정성도 높을 거라 예상되는 자산을 선호할 것입니다. 운이 좋아서 다른 모든 자산보다 수익률이 높고, 안정성도 높을 거라 기대하는 자산이 있다면 선택에 별 문제가 없을 것입니다. 하지만 현실의 자산은 대체적으로 수익률이 높으면 안정성이 낮아지는 특성을 가지고 있습니다.과거 데이터를 살펴보았을 때 수익률이 높았던 자산 A는 위험 역시 높을 수 있습니다. 안정성이 높았던 자산 B는 수익률이 낮을 수 있습니다. 더구나 자산 A의 수익률과 자산 B의 안정성이 미래에도 지속될지 불확실합니다.투자에서 자산을 혼합하면, 즉 분산 투자하면, 신비한 일이 발생합니다. 자산 ..

파이썬 분석 부록 K의 첫 번째 파트인 기초자산과 퀀트 전략의 분산 투자 효과를 추정하는 방법과 그 해설을 담은 연재글입니다. 기초자산으로는 원화 예금, 달러 예금, KODEX 200, SPY, GLD(현물 금 ETF) 다섯 가지를 살펴보고, 퀀트 전략으로는 퀀트킹의 추천 로직 26개를 사용하였습니다.이 연재는 티스토리 블로그에 올린 첫 편 [파이썬 부록 K1] 파이썬으로 퀀트킹 백테스트 데이터를 가져와서 정리하기에서 이어집니다. 지난 2년간 티스토리 블로그에 글을 먼저 올리고, 네이버 블로그에는 가끔씩 몇 편씩 묶어 소개 글만 남겼습니다. 네이버 블로그에 먼저 글을 올리면, 조회 수나 구독자 수에 변화가 있을까 싶어 최근 이 연재를 포함하여 [자산 배분 시즌 2]는 네이버 블로그에 메인으로 올리고 있습..

한국을 포함하여 미국, 일본 등 여러 국가의 자산에 대한 퀀트 투자를 지원하는 퀀트킹(Quant King) 툴의 백테스트를 결과를 파이썬(Python)으로 읽어 처리하는 방법을 연재합니다. 파이썬으로 변환한 퀀트킹 백테스트 데이터를 이용하여 몇 가지 기초적인 분석을 하는 방법을 구체적인 사례와 함께 소개합니다.참고: 저자는 퀀트킹과 특별한 이해관계가 있지 않습니다. 동일한 목적으로 구글 시트와 같은 스프레드시트를 사용하는 방법은 [데이터 분석 부록 B1] 투자 전략의 벤치마크 대비 누적 수익률 변화를 살펴보자 (구글 시트 편, feat. 퀀트 투자)부터 몇 편에 걸쳐 연재한 바 있으며, 책 구글 시트로 시작하는 투자 포트폴리오 분석: 부록 A 퀀트 투자 전략 분석 기초 - 오렌지사과의 불친절한 워크북>으..

지난 글에서 선형 상관성을 계산하는 피어슨 상관 계수(Pearson Correlation Coefficient; PCC)를 이용하여 특정 ETF와 과거 수익률 경향이 유사했던 ETF가 무엇이었는지 찾아보았습니다. 피어슨 상관 계수는 비슷한 성격을 가졌던 자산을 찾는데 도움이 될 수 있음을 확인하였습니다. 동일한 접근 방식으로 커버드콜 ETF(이하 커버드콜)에 대한 기초자산을 유추해 볼 수 있습니다. 커버드콜과 기초자산은 그 구조상 상관성이 높기 때문입니다.일반적인 커버드콜에 대해서는 이러한 분석을 할 필요가 없습니다. 커버드콜 지수에 기초자산이 무엇인지 명확하게 설명되어 있기 때문입니다. 예를 들어 QYLD는 나스닥 100 지수를 기초자산으로 합니다. GPIX는 S&P 500 지수를 기초자산으로 합니다...

지난 글에서 피어슨 상관 계수(Pearson Correlation Coefficient; PCC)를 기하학적으로 해석해 보았습니다. 피어슨 상관 계수는 두 확률 변수의 선형 상관성을 측정하는 방식의 하나입니다. 피어슨 상관 계수가 1이라면, 2차원 그래프에서 모든 두 변수 값의 쌍(pair)이 기울기가 양수인 직선 위에 위치함을 의미합니다. 상관 계수가 -1이라면 기울기가 음인 직선 위에 모든 쌍이 표시됩니다. 지난 글: [중급 부록 A1] 피어슨 상관 계수의 기하학적 해석 (표준화한 두 자산 간의 선형 상관성)피어슨 상관 계수로 두 자산 수익률 간의 상관성을 측정하면 1과 -1 사이의 값이 나옵니다. 두 자산의 상관 계수가 1에 충분히 가깝다면 두 자산의 수익률은 선형적으로 동일한 경향을 띠었다고 유추..

어떤 자산의 특성을 보다 쉽게 이해할 수 있는 방법의 하나는 이미 잘 알고 있는 다른 자산의 가중선형합(weighted sum)으로 분해하는 것입니다. 예를 들어 나스닥 100 지수의 일일 수익률을 3배로 추종하는 TQQQ(ProShares UltraPro QQQ)를 나스닥 100 지수를 추종하는 QQQ(Invesco QQQ Trust, Series 1) × 3으로 표시하는 것입니다. 주식과 채권에 6 : 4 비중으로 투자하는 ETF라면, 주식 × 60% + 채권 × 40%로 나타낼 수 있습니다.수익률을 기초 데이터로 자산 간의 선형 관계를 추정하는 데는 주로 선형 회귀 분석(linear regression)을 사용합니다. 살펴보고자 하는 자산의 수익률을 종속 변수 Y로, 아마도 관련이 있을 거라 생각하..