오렌지사과의 사진과 투자

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..

한국투자증권의 미니스탁으로 시가 총액이 높은 미국 배당주 위주로 소소하게 배당주 포트폴리오를 하나 운용하고 있습니다. 종목당 몇 만원씩 100여 종목을 문어발 형태로 편입한 포트폴리오이고, 배당금이 모이면 새로운 종목을 추가 매수합니다. 현재까지의 성과는 시장 대비 상당히 낮습니다. 몇 년간 미국 증시가 그렇게나 좋았음에도 원금도 아직 회복하지 못한 수준입니다.이 포트폴리오는 매일매일 평가액이 가장 높은 종목을 소액 매도하고, 평가액이 가장 낮은 종목을 소액 매수합니다. 안정적인 배당주에는 적용하면 괜찮을 듯한 전략으로 느껴지지만, 제가 4년 정도 운영해 본 경험으로는 그렇지 않습니다. 피터 린치의 말대로, "수익이 나는 종목은 계속 키우고, 손해 보는 종목은 빨리 잘라야 한다. 꽃은 뽑고 잡초에 물을 ..

IntroductionIn the past two posts, I introduced logarithms and the log-normal distribution—key concepts in investment analysis—and explained why taking the log of a ratio isn’t literally a return but a measure of investment duration.[Intermediate 34] Logarithms and log scales in investing — why use logs [Korean][Intermediate 35] Log-normal distribution — why it matters in finance [Korean]In inve..

지난 몇 편의 글을 통해 통계적 분석은 과거에 대한 요약이지 미래에 대한 예측이 아님을 살펴보았습니다. 하지만 현실적으로 투자자는 과거 데이터를 참고하여 투자 결정을 내립니다. 무엇이 추가로 고려하기에 통계량을 투자 결정에 활용할 수 있는 것인지, 더 나아가 과거 데이터에 기반한 객관적 투자라고 이야기하는 퀀트 투자의 본질에 대해 생각해 봅니다.[중급 45] 투자 전략 비교의 신뢰성 평가는 신뢰할 수 있는 것일까?[중급 46] 통계적 검정은 어떤 원리일까? (대응 표본 t-검정; paired t-test) - 검정은 미래를 예측하는 분석이 아니다[중급 47] 통계량은 왜 예측이 아닌가? (분석 기간에 따른 검정 결과의 변화 사례)주의: 이 글은 특정 상품 또는 특정 전략에 대한 추천의 의도가 없습니다. ..

지난 글에서 통계적 검정의 원리와 신뢰 구간(confidence interval)의 의미를 살펴보았습니다. 통계적 검정은 과거 데이터에 대한 요약이지, 미래를 예측하는 도구가 아님을 설명했습니다. 하지만 투자자는 통계적 분석 결과를 기반으로 미래를 예측할 수 있다는 희망을 가질 수 있습니다. 그 근본적인 원인은 현실에서 통계적 경향이 단기간에 변하지 않을 수 있으며, 통계적 분석 결과가 과거 데이터에 대한 설명이라는 점을 충분히 인지하지 못했기 때문입니다. 지난 글: [중급 46] 검정은 어떤 원리일까? (대응 표본 t-검정; paired t-test) - 검정은 미래를 예측하는 분석이 아니다이 글에서는 대응 표본 t-검정(paired t-test)을 사례로 이러한 현상을 살펴봅니다.주의: 이 글은 특정..

지난 글에서 과거 데이터에 기반한 투자 성과 비교 결과는 과거 데이터에 국한한 설명이지, 이를 미래에 대한 예측으로 받아들이는 것은 합리적이지 않다고 이야기하였습니다. 통계적 검정 결과도 마찬가지입니다. 과거 데이터에 대해 두 전략 A와 B의 성과 차이가 통계적 유의성을 가졌는지 판별하는 것이지, 통계적 유의성이 나타났다고 해서 미래에도 동일한 경향이 지속된다고 말하는 것은 아닙니다. 미래는 예측이라는 다른 방식으로 추정해야 합니다. 지난 글: [중급 45] 투자 전략 비교의 신뢰성 평가는 신뢰할 수 있는 것일까?이 글에서는 통계적 유의성 평가의 원리를 살펴봅니다.주의: 이 글은 특정 상품 또는 특정 전략에 대한 추천의 의도가 없습니다. 이 글에서 제시하는 수치는 과거에 그랬다는 기록이지, 앞으로도 그럴..

투자 성과 분석의 핵심 주제의 하나인 투자 전략 비교와 신뢰성 평가에 대해 조금 자세히 이야기해 보겠습니다. 어떤 투자자가 지난 20년간의 데이터로 백테스트(backtest) 하여 시장 수익률 대비 연 5% 복리 수익률이 높은 자산, 포트폴리오, 또는 전략을 발견했습니다. 미래에도 그 정도 차이가 이어질 거라 얼마나 신뢰할 수 있을까요?이와 관련해서 근본적으로는 신뢰하기 어렵다는 뉘앙스의 글을 몇 편 연재했습니다.[중급 30] 두 자산의 미래 수익률이 같다는 것을 알 수 있을까? (정말 다른지 판별할 수 있을까?)[중급 31] 장기 경향이 비슷하면서 수익률 차이가 난다면 다르다고 판단할 수 있을까? (정말 동일하다고 판별할 수 있을까?)[중급 32] 놀랍다고 말할 수 있는 정도는 어떻게 계산할 수 있을까..