콘텐츠 바로가기
본문 바로가기


블로그 전체검색
퀀트 전략을 위한 인공지능 트레이딩

[도서] 퀀트 전략을 위한 인공지능 트레이딩

김태헌,신준호 공저

내용 평점 5점

구성 평점 5점

<퀀트 전략을 위한 인공지능 트레이딩>, 김태헌/신준호 지음, 한빛미디어, 2021

 

주식투자는 어렵지 않다. 계좌 개설해 예치금 납부하고 주문하면 된다. 주식투자를 통해 수익을 내는 것은 쉽지 않다. 전문투자자가 아닌 직장인이 주식투자를 통해 매월 월급 만큼의 수익을 내기는 어렵다. ‘무릎에서 사고 어깨에서 팔라’고 하는데, ‘무릎에서 팔고, 어깨에서 산다’. 열에 아홉은 실패해도 한 번만 성공해 수익이라도 나면 좋지만, 어찌 된게 한 번 성공하고 아홉은 실패한다. 그러니 ‘내가 사면 떨어지고, 내가 팔면 올라간다’고 푸념한다.

 

증권사나 포털사이트에서 제공하는 정보도 많아 저평가된 주식을 찾아보고자 시도한다. 하지만 워낙 방대하고 이를 일일이 찾아야하는 수고로움에 시간이 없다는 핑계로 포기하기 일쑤다. 좋은 종목이라며 추천하는 뉴스를 들어도 상투가 아닐까 두려움이 앞선다. 역시 하수다.

 

알고리즘을 이용한 로보어드바이저 서비스도 나왔지만 인공지능, 알고리즘에 대한 이해가 부족해 믿을 만한 로보어드바이저인지 판단이 안 선다. 로보어드바이저는 플랫폼으로 수수료를 수취하니, 상승장이든 하락장이든 이용자가 있다면 수익이 날 것이고, 나는 수익이 나든 손실이 나든 수수료 등 부대비용을 부담해야 하니 잘해야 본전 아닌가 싶어 이도 망설인다.

 

그럼 직접 만들어봐? 라고 무모하게 도전해 <퀀트 전략을 위한 인공지능 트레이딩>을 펼쳤다. 제시된 예제 파일을 따라하고 기본적인 것일지라도 이해한다면 초보 수준의 알고리즘을 만들 수 있지 않을까 싶었다. 결론은 퀀트 전략에 대한 이해도를 높일 수 있었고, 파이썬을 통해 머신러닝과 딥러닝으로 연결하는 방법에 대해 알 수 있었다.

 

딥러닝을 이용한 투자 전략을 제시한 논문의 예제를 구현해 다양한 퀀트 투자 전략을 코딩할 수 있도록 돕는다. 주가 데이터를 캔들차트 이미지로 변환해 합성곱 신경망(CNN)으로 학습하여 주가 방향을 예측하는 방법과 시계열 데이터를 기술지표로 가공해 LSTM 모델로 주가 데이터를 학습해 다음날 주가를 예측하는 방법, 오토인코더를 활용해 주가 수익률 데이터와 패턴이 비슷한 데이터를 만드는 방법에 대해 학습할 수 있다.

 

퀀트 투자를 달리 표현하면 데이터 기반 전략이라고 할 수 있다. 머신러닝이나 딥러닝을 활용하는 투자 방법도 데이터 기반의 투자 전략이기 때문에 모두 퀀트 투자 전략으로 분류할 수 있기 때문이다() 퀀트는 정략적 방법론을 기반으로 투자 의사를 결정하는 것이며, 여기서 정략적 방법론이란 모든 것을 수치화하는 것을 의미한다.(115쪽)

 

듀얼 모멘텀은 투자 자산 가운데 상대적으로 상승 추세가 강한 종목에 투자하는 상대 모멘텀 전략과 과거 시점 대비 현재 시점의 절대적 상승세를 평가한 절대 모멘텀 전략을 결합해 위험을 관리하는 투자 전략이다.(134쪽)

 

이미지넷 경진대회에서 이미지 인식 머신러닝 알고리즘(은)() 해가 바뀔 때마다 성능이 개선된 것을 확인할 수 있다.()
하지만 금융 특히 투자 영역에서는 이런 빠른 발전을 기대하기가 어렵다. 산업계에서 예측력이 좋은 알고리즘을 만든다면 공개하지 않을 것이고, 학계에서는 실제 트레이딩 실적보다는 모델의 성능(예측 정확도)에 초점을 맞추려 하기 때문이다.(202~203쪽)

 

다만 아직 파이썬을 다루는 스킬이 부족해 제시된 예제를 원활히 다루지 못한 아쉬움이 남았다. 기본적으로 파이썬을 다룰 수 있고, 투자 전략 등 금융지식이 있어야 제시된 방법들을 이해하고 실행할 수 있다. 입문자라면 다른 책을 통해 파이썬과 금융지식을 학습한 후 도전하면 좋을 듯 하다.

 

* 해당 도서는 출판사로부터 무상으로 제공받았으며, 제 주관에 따라 솔직하게 작성했습니다.

 
취소

댓글쓰기

저장
덧글 작성
0/1,000

댓글 수 0

댓글쓰기
첫 댓글을 작성해주세요.

PRIDE2