머신 러닝 롱숏 모델 : 로봇이 주식을 고를 수 있을까(메리츠 금융 증권)

머신 러닝 알고리즘을 주식 투자에 적용 - 로봇이 주식을 고를 수 있다.pdf

머신 러닝 알고리즘을 주식 투자에 적용 : 로봇이 주식을 고를 수 있다! 최근 인공지능, 빅데이터 분석 등이 미래의 유망 산업 기술로 주목받고 있다. 이 중심에는 머신 러닝 (Machine Learning)이라는 방법론이 자리하고 있다. 이는 고도의 수리통계적 알고리즘을 활용하여 데이터를 분석하는 방법이다. 본 자료에서는 머신 러닝을 주식 선별에 적용한 연구 결과를 제시했다. 과거 10년에 대해 총 150개의 펀더멘탈 및 주가 관련 데이터와 수익률 간의 연관성을 분석했다. 결론적으로 증시 상황에 따라 로봇(모델)이 스스로 투자 지표 20개를 선별하여 롱숏 포트폴리오에 투자하는 방법을 제시한다. 머신 러닝 롱숏 모델 : 증시 등락과 무관하게 안정적인 수익률 달성 시뮬레이션 결과 머신 러닝 롱숏 모델이 월평균 5% 이상의 높은 수익률을 기록했다. 흥미로운 바는 KOSPI 지수와 수익률 상관계수가 -0.18로 나타나 증시 등락과 무관했다는 점이다. 이는 안정적인 수익률을 기대케 한다. 또한 모델의 ‘학습 데이터(training data)’를 유연하게 변경할 수 있어서 특정한 시기에 최적화된 모델을 설계하거나 다수의 모델을 통합, 확장하기 용이한 점도 장점이다. 본문에 최근 데이터를 반영하여 각각 19개의 종목으로 구성된 롱, 숏 추천 포트폴리오를 제시했다. 150개 투자 지표 알고 쓰기 : 증시 국면별로 개별 팩터 수익률 패턴 분석 본문에 150개의 개별 투자 지표에 대한 과거 10년간의 수익률 분석을 제시했다. 이익 전망치 변화율과 같은 익숙한 투자지표들이 실제로 상당 기간 알파(초과수익)를 창출했음이 확인됐다. 투자자들이 증시의 상승, 하락 국면별로 상이한 방식으로 종목을 선택한 점도 알 수 있었다. 예를 들어, 상승장에서는 장밋빛 미래 전망에 기초한 밸류에이션이나 이익모멘텀 지표의 투자 성과가 우수했으나, 하락장에서는 현금 흐름이나 수익성 지표, 순부채 비율과 같은 보수적인 지표의 성과가 우수했다. 본 자료가 증시의 알파 패턴을 보다 체계적으로 분석하여 투자전략을 설계하는 데 도움이 되길 기대한다.