본문 바로가기

전체 글

 (47)
11월 수익 공개, 시장 데이터 리뷰 안녕하세요. 2023년의 마지막달, 12월이 되었습니다. 지난달 시장이 마감되었으니 자산배분, 주식의 수익과 신규 매수 종목들 그리고 암호화폐 트레이딩 데이터와 수익을 공개해보려고 합니다. 자산배분 11월은 계절적으로도 주식시장이 좋은 달입니다. 올해도 시즈널리티가 들어맞았던 달이었습니다. 지난달까지 요동치던 채권금리도 안정되기도 했고 에너지 수급 불안 요소들이던 이스라엘 관련이슈들도 잠잠해지는 추세입니다. 아래는 미국 상장된 자산별, 섹터별 ETF들 입니다. 대부분 자산들이 상승하는 한 달이었습니다. 지난달까지 큰 하락을 하던 상업 부동산이 손실을 회복하며 상승폭을 키워왔고 XLK 기술주들이 AI 관련 이슈들로 인해 그 뒤를 이어 상승했습니다. 금융주와 경기소비재, 산업재들도 많이 상승해주었습니다. ..
cosine similarity를 활용한 자산배분 전략과 응용 안녕하세요. 이전 시대의 경제에는 없었던 암호화폐 최근 암호화폐 현물 ETF 관련 뉴스들이 나오면서 암호화폐들이 자산으로 인정될지, 인정된다면 기존의 자산들과는 어떤 상관관계를 가질지 시장참여자들의 결정이 필요할 것 같습니다. 한때 암호화폐가 나스닥과 커플링이 있었지만 요 근래에는 미국 10년 금리와 커플링이 있는 듯합니다. 새로운 자산도 그렇고, 기존 자산들도 그리고 주식이라는 자산 안의 여러 섹터들 간에도 상관도가 지속적으로 변화합니다. 낮은 상관관계가 주는 의미 자산간의 낮은 상관관계는 포트폴리오 관리와 투자에 중요한 의미를 가집니다. 자산에서 상관관계는 두자산간의 상승과 하락에 대한 연관성의 정도를 의미합니다. 낮은 상관관계의 자산은 두 자산의 가격 움직임이 서로 크게 연관되어있지 않음을 의미합니..
Trading AI를 위한 feature 데이터 생성 안녕하세요. 오늘은 11월이 되기도 해서 10월 투자 중인 자산배분, 메타 주식별 분석 자동화 트레이딩 중인 내역까지 공유드리고 Trading AI를 만들기 위해 필요한 데이터들을 만들어내는 방법에 대해 다뤄보려고 합니다. 10월 자산배분 수익 제가 투자중인 자산배분 자동 리밸런싱 전략의 올해 수익률입니다. 비율은 자세히 공개드리진 않지만 동적으로 변하고 있고 금, 장기채, 에너지, 달러, 주식 등으로 이루어져 있습니다. 추석 연휴 이후 10월 초부터 고금리 장기화 우려로 장기채의 큰 하락이 MDD를 신규 저점갱신하게 만들었습니다. 고점대비 -4.28% 수익이어서 손실이 좀 있었습니다. 올해 자산배분으로 쌓았던 수익률을 다 반환했었지만 그래도 MDD 저점에서 돈을 추가하기도 하고 회복이 되기도 해서 아..
딥러닝 트레이딩 - Timeseries Forecast (ICLR 2023 Timesnet) 안녕하세요. 최근 들어서는 글을 많이 쓰지 않았습니다. 공부하던 것도 좀 진행하고 추천받은 책들도 많아서 지식들을 다시 좀 쌓는 시간을 갖기도 했습니다. 오늘은 최신 딥러닝 모델을 살펴보고 해당 모델을 학습시켜서 트레이딩에 접목시켜 보았습니다. 딥러닝의 활용 이미지처리를 중심으로 딥러닝이 일상에 정말 많이 사용되고 있죠? 언어모델과 생성형 모델까지 나오고 있는 단계에서 트레이딩을 위해 사용될 수 있는 부분은 무엇인지 고민을 많이 하고 있습니다. 트레이딩을 위해선 저는 투자하는 종목의 가격데이터가 기초가 되는 데이터라고 생각합니다. 가격데이터도 시계열 데이터이기 때문에 딥러닝을 통해 시계열을 분석하는 것이 도움이 될 수 있겠다고 생각했고 시계열 예측, 분석 모델을 만들어 자산배분투자, 트레이딩에 접목시킬 ..
자산시장 추가매수 타이밍 안녕하세요. 이번에는 지루한 AI 이론이나 논문리뷰, 코드보다는 시각적인 데이터를 가져와서 자산시장의 흐름과 추가매수 타이밍을 살펴보려고 합니다. 9월 FOMC이후 자산시장이 조정을 받고 주식이던 부동산이던 흥미를 잃어가시는 분들이 많을 것 같아서 준비해 보았습니다. 보수적인 투자 저는 아주 보수적으로 투자를 하는 편입니다. 좋게 말하면 안정적인 투자이고, 나쁘게 말하면 겁이 많습니다. 거시적 관점에서 자산배분을 시작, Top-Down으로 내려와 세부적으로는 개별 종목, 암호화폐 트레이딩까지 자동화된 투자시스템을 갖추는 것을 지향합니다. 자산배분을 기반으로 거시적인 데이터부터 틱단위의 미시적 데이터까지 아우르며 데이터를 분석하다 보면 객관적으로 경제상황을 보는 시각을 가질 수 있습니다. 인간의 감정이 실..
월간 시장분석과 알고리즘 트레이딩의 핵심 도구 안녕하세요 바쁜 주간을 보내면서 9월을 맞이했는데도 월간 시장분석을 자세히 하지 못하고 어느덧 10일이 되어버렸습니다. 오늘은 8월 주식 시장분석과 제가 추가로 공부해보고 있는 알고리즘 트레이딩의 핵심 요소 한 가지를 추가로 이야기해보려고 합니다. 시장분석 8월 코스피는 -2.9%, 코스닥은 -0.8% 수익률입니다. 8월 초반 제가 매수한 메타데이터 기반 종목들의 수익률은 다음과 같습니다. -0.009%인 것을 보면 알고리즘으로 매수한 종목들의 총수익의 합이 보합을 이루었습니다. 9월 매수한 종목들입니다. 종목 공개는 하지만 지난달 수익이 좋지 않아서 여러분들에게 사라고 추천은 해드리고 싶지 않습니다. 메타데이터 투자로는 위 20개 주식을 동일 비중으로 매수했습니다. 9월이 지나면 위 주식들의 수익률도 ..
강화학습 트레이딩 4. 논문과 유전알고리즘으로 성능 개선 지금까지 강화학습으로 주식투자를 해보는 내용을 주로 작성하고 있었습니다. 그런데 저는 주식투자뿐 아니라 암호화폐도 트레이딩 하고 있어서 암호화폐트레이딩에 강화학습을 적용해보는 내용으로 번외로 콘텐츠를 만들어보려고 합니다. 암호화폐 트레이딩과 강화학습 강화학습중에서도 Deep RL은 강화학습의 에이전트가 심층 신경망을 가지는 구조를 갖고 있습니다. 저는 A2C(Actor-Critic) 알고리즘을 사용해 Actor, Critic이라는 두 에이전트가 필요합니다. 각 에이전트가 가지고 있는 신경망의 역할은 각각 정책함수와 가치함수근사입니다. 정책함수는 주어진 시장상황에서 어떤 행동을 할지, 가치함수는 상황과 행동을 취했을때의 가치를 추산합니다. 물론 복잡하고 간단한 변수몇개로는 알 수 없는 고차원 영역, 그중 ..
강화학습 트레이딩 3. 강화학습 안녕하세요. 지난 시간에 강화학습을 위한 메타데이터 수집을 완료했고 이번에는 본격적인 강화학습 내용을 담으려고 합니다. 결론을 이야기하자면 아직 완벽히 학습시키지는 못해서 투자 자동화까지 연결되도록 MLOps를 연결하진 않았습니다. 조금 더 다양한 연구 시도를 통해 학습 시행착오가 필요할 것 같습니다. 연구 목적 일단 목적부터 다시 상기해 보면 저는 Top-Down 방식으로 시장을 접근하고 있습니다. 전체 시장 자산군을 거시적인 관점에서 자산배분을 진행하고 경제 사이클별 적절한 주식 비중을 선택하고, 그 비중 안에서 추천알고리즘을 적용하고 개별 종목 안에서는 미시적인 데이터들의 흐름들을 분석해보고자 합니다. 이 과정 동안 각 분야의 투자에 맞도록 AI를 만들어 투입시키고자 합니다. 그 첫 번째 단계로 자..

티스토리툴바