본문 바로가기

Quant4

Chapter 4. 알파 팩터 리서치 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p159-214. ✅ 알파 팩터란 무엇인가? ✔️ 정의 알파(alpha): 시장의 수익률을 초과하는 수익률 (Excess return) 일반적으로 자산 운용사의 액티브 펀드 매니저들이 시장을 얼마나 이겼는지 측정하는 중요 지표 ex. 코스피 지수 성과가 5%, 포트폴리오가 10%였다면, 5%의 알파를 창출한 것 알파 팩터(alpha factor): 자산 가격의 움직임을 예측하는 것을 목표로 하는 원시 데이터의 변환 자산 수익률을 높이는 리스크를 포착하는 것이 목표 시장, 기본, 대체 데이터를 변환한 것 변수의 시간에 따른 상대적/절대적 변화 데이터 시리즈 간 비율 단순/지수 이동 평균.. 2023. 6. 18.
Chapter 3. 금융을 위한 대체 데이터: 범주와 사용 사례 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p127-158. ✅ 대체 데이터 혁명 5V (Volume, Velocity, Variety, Veracity, Value) 매크로, 회사별 데이터 예시 온라인 가격 데이터: 인플레이션 측정 매장 방문 횟수, 구매 횟수: 경제 활동의 실시간 추정 인공위성 이미지: 수확량, 광산, 석유 굴착장에서의 활동 포착 머신러닝 지표 Momentum: 시장 가격 변동, 산업 심리, 경제 팩터에 대한 자산 노출 Value: 재무제표 + 경제 및 산업별 정형/비정형 데이터 분석 Quality: 고객 평가, 직원 리뷰, 앱 트래픽 등으로 시장 점유율 및 기초 수익 팩터로 이익 식별 Sentiment: .. 2023. 6. 12.
Chapter 2. 시장 데이터와 기본 데이터: 소스와 기법 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p75-126. ✅ 전통적인 전략 주식 재무제표 데이터를 기반으로 재무 모델을 구축 산업 or 매크로 데이터와 결합하기도함 기술적 분석을 이용해 주가와 거래량으로부터 계산된 지표들을 사용해 시장 데이터에서 신호를 추출 ✅ 트레이딩 방법 시장가 주문 (market order): 주문이 거래 플랫폼에 도달하는 순간, 가능한 시장가격으로 즉시 체결 보장 지정가 주문 (limit order) 매수: 시장 가격이 지정가보다 작은 경우에만 체결 매도: 시장 가격이 지정가보다 큰 경우에만 체결 스탑 주문 (stop order) 매수: 시장 가격이 지정가보다 높은 경우에 활성화 매도: 시장 가격이 .. 2023. 6. 11.
Chapter 1. 트레이딩용 머신러닝: 아이디어에서 주문 집행까지 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p47-74. ✅ 액티브 투자의 목표: 알파 생성 투자 전략 종류 패시브 전략: 동일 자산이나 파생 상품 등에 대한 차익 거래 액티브 전략: 주문 예측이나 추세 조장 행위(momentum ignition) 주문 예측: 유동성 탐지, 대형 기관 투자자의 숨겨진 유동성을 탐지하는 작은 탐색 주문을 내고, 이후 후속가격 변동으로부터 이익을 얻기 위해 대규모 주문에 앞서 거래하는 알고리즘 추세 조장 행위: 공격적으로 매수 or 매도를 하여 가격 변동으로부터 이익을 얻으려는 다른 HFT 알고리즘을 속이기 위한 일련의 주문을 실행 및 취소하는 알고리즘 알파: 평가에 사용된 벤치마크를 초과하는 포.. 2023. 6. 4.
반응형

티스토리툴바