월스트리트 퀀트투자의 법칙 #7 단기투자자를 위한 퀀트투자 전략과 팩터

「월스트리트 퀀트투자의 법칙(Quant Investment)」- 영주 닐슨

 #7 Part2. 퀀트투자를 정복하는 심화 과정 - Ch 7 단기투자자를 위한 퀀트투자 전략과 팩터  (p.296~p.324)

책 표지 출처 교보문고 월스트리트 퀀트투자의 법칙

1. Ch.7 요약 및 정리

[ 마켓 타이머를 위한 어젠다 ]

  마켓 타이밍이란 가격의 상승과 하락을 예측해 적당한 시기에 높은 수익률을 얻으려는 노력을 의미한다. 이때 사용하는 데이터는 첫째, 가격 데이터가 있다. 가격 분석방법에 대해 알아보자.

간단한 가격분석기법으로는 이동평균(Moving Average) 방법이 있다. 적당한 기간의 가격 평균을 구하고 계속 시계열을 이동하면서 가격 평균들을 구하고 이를 선으로 연결한 것을 이동평균선이라고 한다. 이러한 이동평균을 구하는 이유는 노이즈 된 가격의 평균을 구할수 있어, 큰 흐름을 파악하는데 용이하기 때문이다. 이동평균법에는 단순이동평균법과 지수이동평균법이 있다. 단순이동평균법은 주로 장기에 적합하고, 지수이동평균법은 가까운 미래에 더 많은 비중을 두기에 단기에 많이 쓰인다. 이동평균법과 같은 평활화 기법이 퀀트가 가격분석법으로 많이 쓴다. 그 외에도 칼만필터, 커넬 평활화기법, 스플라인 등이 있다.

 또한, 퀀트들이 많이 쓰이는 성질이 공적분 즉, 원래 속성으로 돌아가려는 속성이다.즉 가격 흐름의 연관성이 있을 때, 두 자산의 가격의 차이가 생긴다면 사거나 팔아서 원래대로 돌아오고, 그로 인해 수익률을 낼 수 있다.

 

[ 모멘텀과 미인 리버전 ]

 미인 리버전 다른 말로 평균회귀라고 불리는 현상은 단기에 추세가 있어도 장기에는 평균에 회귀하는 현상이다. 즉, 가격이 오르면 언젠가는 다시 떨어지고, 가격이 내리면 언제가는 올라간다. 물론 이 평균을 구하는 방법 또한 너무 많고 과거의 평균으로 미래의 평균을 반드시 알 수 있는 것도 아니다. 따라서 퀀트는 표준점수화, Z점수화하여 장기 평균에서 얼마나 떨어질 때 사고 팔건지를 정하는 방법을 사용한다. 이때 '표준점수 = 두 이동평균 차이 / 두 이동평균 차이의 표준편차'이다. 표준점수가 양수면 현재가격이 장기간 평균보다 크기에 팔아야하는 시그널을, 표준점수가 음수이면 평균보다 낮은 상태이기에 매수해야하는 시그널을 보이는 규칙인 것이다. 물론 이 표준점수를 만드는 방식은 참으로 다양하다.

 시장 참여자들의 행동에 영향을 받은 평균회귀도 시장에 보이지만, 한동안 오르거나, 유지하거나, 내리는 추세를 지속하는 모멘텀 형상도 시장에 보인다. 시가 총액이 작거나 유동성이 낮은 자산은 유동성 리스크 프리미엄이 높기에 모멘텀 시그널이 뜰 때 자산을 사거나 공매도 하는 경우 그 추세를 타고 수익을 내는 것이다. 

 여기서 주목해야할 점은 미인 리버전과 모멘텀이 상반됨과 동시에 상관관계가 낮다는 점이다. 따라서 이 두 아이디어를 함께 사용할 경우 리스크를 낮출 수 있다.

 

[ 퀀트의 전술적 자산배분 ]

 전략적 배분(Strategic Allocation)이란 편드의 목적에 따라 리스크 정도와 목표 수익률을 설정하여 자산 배분을 하는 것을 말한다. 전술적 배분(Tactical Allocation)이란 자산배분 포트폴리오에 단기 수익률, 예측 리스크를 더해 다이나믹하게 변동을 주는 자산배분법을 의미한다.

 퀀트에서 자주 쓰는 것은 전술적 배분 방법인데, 전술적 배분이 성공하기 위해서는 예상 수익률 예측 모델이 좋아야한다. 페드 모델, 거시경제지표, 펀더멘털지표, 모멘텀 시그널, 센티먼트 등 여러 정보로 만든 모델로 수익률을 예측하고, 이 예측이 다를 때마다 배분을 다이나믹하게 변동을 주는 것이다.

 

[ 퀀트 모델에도 시즌이 있다. ]

또한, 퀀트의 트렌드 모델에는 계절성도 있다. 정해진 계절에 따라 정해진 패턴이 보인다는 것이다. 이러한 계절성은 어떻게 구할까. 첫째, 가격은 계절성과 트렌드와 랜덤부분으로 되어있다. 둘째, 가장 먼저 트렌드를 구한다. 푸리에 변환 등 계절성을 포함하는 구간에서 평활화하거나 시계열 모델로 구할 수 있다. 셋째, 랜덤 부분을 찾아낸다. 이 과정에서 계절성을 포함한 데이터 예측 모델을 만든다. 

 이러한 계절성은 원자재에 자주 보이고, 주식시장의 1월 효과, 핼러윈 효과를 보이게 한다.

2. 본인의 생각이나 견해

이제 자산가격 데이터에는 예측하기 어려울 만큼 무작위로 움직이는 부분과 한 방향으로 움직이는 힘이 있는 트렌드가 있음을 알았을 것이다. 트렌드는 평활화 기법이나 시계열 모델 등을 이용해 찾아내는 데 이때 무작위로 움직이는 부분은 노이즈로 걸러낸다. 그리고 퀀트는 이들을 고려해 다양한 모델을 만든다.
(출처: 월스트리트 퀀트 투자의 법칙 p.319)

 

 이 인용부분이 퀀트에서 추세를 이용하는 방법을 축약하는 말이다. 이번에 모멘텀 포트폴리오를 만들면서 이용했던 이동평균 크로스오버(crossover) 모멘텀 전략을 예로 들면, 이동평균법으로 추세를 평활화하고, 노이즈를 줄이고 두 이동평균의 특징으로 모델을 만들어서 백테스팅 성과를 측정하는 것이다. 물론 이렇게 추세를 평활화하거나 시계열 모델을 쓰는 것, 이로 인해 노이즈를 줄이는 것은 어렵다. 이 챕터에도 나왔다 싶이 미인 리버전이나 모멘텀 특징, 계절성, 공적분 등 가격의 특성을 이해해야하기 때문이다. 앞 챕터에서 느꼈다 싶이, 퀀트 전략은 모델링 등의 공학적 측면도 중요하지만, 도메인 지식인 경제, 재무적 측면도 매우 중요하다. 조금 더 도메인 지식의 폭을 넓혀야 할 필요가 있겠다. 하나의 숙제를 다시 확인하는 오늘이다.