Blog

이번 블로그는 제가 지금 만들고 있는 퀀트 시스템인 runon의 방향성 입니다.
직접 개발하고 시스템을 돌려보면서 느낀 내용들도 포함되어 있어서 다른 사람들과 다른 의견일 수 있습니다.

데이터의 중요성

퀀트 시장은 과거에 시스템 트레이딩이라고 불리던 알고리즘 중심의 시장에서 데이터 중심의 시장으로 중요도가 변하고 있습니다.

알고리즘 중심의시장

시계열 가격정보화 거래량을 활용한 기존의 기술적분석

데이터 중심의 시장

아직 시장에 효율화 되지않은 대체(대안) 데이터, 매크로, 기존의 시계열 가격정보를 같이 활용하는 분석

데이터 중심 시장의 예

2024년 최고의 성적을 올린 시타델은 멀티너티브(대체) 데이터를 활용하였습니다. 예를 들어 소매업체 POS(판매 시점 정보 관리) 데이터와 위성 이미지를 사용한 위치 정보, 소셜미디어에 올라온 글 등을 데이터화해 투자대상 기업 실적과 원자재 시세를 전망하는데 활용하는 방법

트레이딩 시장의 특성

효율화

과거에 너무 잘 맞는 과적합 된 전략은 이미 시장에 효율화 되어서 미래에는 통하지 않을 전략일 가능성이 높습니다. 이러한 이유로 벡테스팅에서 주요 봐야할건 손익비, MDD(최대손실율), 리스크 관리 위주의 기능이어야 하고, 너무 높은 수익률이 벡테스팅상에서 보인다면 그건 과적합 되어 미래에 통하지 않을 확률이 높습니다

머신러닝

머신러닝을 활용하면 과적합될 확률이 높고, 과거의 전략은 효율화 되어서 통하지 않을 확률이 높다는것을 생각하고 활용할 수 있는 부분만 활용해야 할 것으로 보입니다. 활용할 수 있는 예상범위는 리벨런싱, 리스크 관리등으로 생각됩니다.

고빈도 매매

매매 횟수가 많을 수록 수수료, 세금, 슬리피지로 인해 손익비가 좋지 않은 경우가 ㅁ낳습니다. 고빈도 매매로 갈수록 전략의 수명이 짧아져서, 전략 수정을 위한 개입이 더 자주일어나기 때문에 고빈도 매매를 먼저 연구하는건 개발비용상 좋지 않습니다.
제품의 완성도가 충분히 높아져서 고빈도 매매에서 소모되는 인력의 시간이 최소한이 되었을때 연구하는게 좋습니다.

전략의 수명과 전략저장

전략의 많은 사람이 알게 될 수록, 사용방법이 쉬울수록, 자산의 규모가 클수록 시장에 효율화 되는속도가 빨라져서 수명이 짧아지는 특징이 있습니다.
이때문에 노력으로 만들어진 전략이 제품 제공사에의 서버에 저장된다면 그러한 제품은 피해야 합니다.

리스크관리

리스크관리는 시스템을 활용하는 최고의 장점중 하나입니다. 전문 트레이더보다 대응 속도는 느릴 수 있지만 감정적이지 않기때문에 리스크관리는 더 잘 합니다.
대응 속도는 전략수정이 필요한 경우가 있을 경우 시스템보다 트레이더가 아직은 유리합니다. 이미 정해진 대응방향으로만 하고 예상치 못한 경우에는 더 적잘한 대응을 못하는 경우는 존재할 수 있습니다.
리벨런싱, 햇징, 분할매수 분할매도 등의 리스크 관리가 잘 구현되어야 합니다.

이상적인 시스템, 개발목표

개인적으로는 데이터 기반의 인프라가 잘 갖추어진 플랫폼이 미래에도 살아남을 것으로 예상합니다. 앞단의 데이터 구조 설계와 분석기반이 잘 갖추어져 있어야 하고, 다양한 데이터를 확보 및 분석에서 활용 가능해야 합니다.
어떠한 데이터가 데이터 구조내에 추가되어도 연관분석이 가능해야 하며, 이러한 방식의 데이터는 빅데이터이기 때문에 관련 구조 설계가 되어야 빠른 분석이 가능할 것으로 생각됩니다.

전략을 짜는데 들어가는 시간과 노력이 점차 줄어드는것, 더 나아가서는 데이터가 계속 추가되어도 활용해서 분석하고, 알아서 전략을 만드는것을 목표로 합니다.