로버스트한 추세 추종 시스템을 구축하는 법 (137)

 

 

 

Designing Robust Trend-Following System - QuantPedia

 

추세추종 전략의 성패는 결국 얼마나 신뢰할 수 있는 추세 시그널을 사용하느냐에 달려 있습니다. 많은 투자자들이 단순한 이동평균선이나 모멘텀 지표 등을 사용하지만, 이는 충분하지 않습니다. 왜 그럴까요?

이 논문에서 제안하는 시그널은 단순한 기술적 지표가 아닌 통계적 가설 검정에 기반한 시계열 모멘텀 시그널입니다. 이는 매우 중요한 의미를 갖습니다. 통계적 가설 검정이란 무엇일까요? 간단히 말해, 우리가 관찰한 데이터가 우연히 발생했을 가능성이 얼마나 되는지를 수학적으로 계산하는 방법입니다.

예를 들어, 주가가 10일 연속 상승했다고 가정해봅시다. 이것이 단순한 우연일까요, 아니면 실제로 상승 추세가 존재하는 것일까요? 통계적 가설 검정을 통해 우리는 이러한 현상이 우연히 발생할 확률이 매우 낮다는 것을 증명할 수 있습니다. 이렇게 통계적으로 유의미한 추세만을 포착함으로써, 우리는 더욱 신뢰할 수 있는 추세 시그널을 얻을 수 있는 것입니다.

더 나아가, 이 시그널은 스트래들 옵션의 델타와 연관성이 있다는 점이 매우 흥미롭습니다. 스트래들이란 무엇일까요? 동일한 행사가격에 콜옵션과 풋옵션을 동시에 매수하는 전략입니다. 이는 기초자산의 방향성에 대한 베팅 없이 변동성만을 노리는 전략이죠.

추세추종 전략이 스트래들과 유사한 특성을 갖는다는 것은 무엇을 의미할까요? 이는 추세추종 전략이 시장의 방향성보다는 변동성 자체에서 수익을 얻는다는 것을 의미합니다. 상승 추세에서도, 하락 추세에서도 수익을 낼 수 있다는 뜻이죠. 이는 추세추종 전략의 비대칭적 수익 구조, 즉 소위 'CTA 스마일'을 이론적으로 설명할 수 있는 근거가 됩니다.

또한 이 모델은 왜 '더 느린' 시그널이 더 나은 성과를 보이는지도 설명합니다. 여기서 '느린' 시그널이란 무엇을 의미할까요? 바로 더 긴 기간의 데이터를 사용하는 시그널을 말합니다. 예를 들어, 10일 이동평균보다는 200일 이동평균이 더 '느린' 시그널이라고 할 수 있죠.

왜 이런 현상이 나타날까요? 이는 노이즈와 실제 시그널의 문제와 관련이 있습니다. 단기 데이터에는 노이즈가 많이 포함되어 있어 실제 추세를 파악하기 어렵습니다. 반면 장기 데이터를 사용하면 노이즈가 상쇄되어 실제 추세를 더 정확하게 포착할 수 있습니다. 물론 이는 트레이드오프 관계에 있습니다. 너무 긴 기간의 데이터를 사용하면 시그널이 너무 늦게 발생하여 수익 기회를 놓칠 수 있기 때문이죠.

건전한 설계와 프로토타입 솔루션

이러한 이론적 결과를 바탕으로, 논문에서는 프로토타입 추세추종 솔루션을 제시하고 있습니다. 이 솔루션의 두 가지 핵심 요소는 자산 전반에 걸친 통일된 접근법과 시간 프레임에 걸친 다각화입니다. 각각에 대해 더 자세히 살펴보겠습니다.

먼저, 자산 전반에 걸친 통일된 접근법이란 무엇을 의미할까요? 이는 동일한 추세추종 로직을 모든 자산 클래스에 적용한다는 뜻입니다. 예를 들어, 주식, 채권, 원자재, 통화 등 모든 자산에 대해 동일한 시그널 생성 방식과 포지션 사이징 규칙을 적용하는 것입니다.

이런 접근법의 장점은 무엇일까요? 첫째, 특정 자산 클래스에 편중되지 않아 분산 효과를 극대화할 수 있습니다. 둘째, 모델의 복잡성을 줄이고 과적합(overfitting)의 위험을 감소시킬 수 있습니다. 각 자산 클래스마다 다른 규칙을 적용하면 과거 데이터에 과도하게 최적화될 위험이 있기 때문입니다.

다음으로, 시간 프레임에 걸친 다각화란 무엇을 의미할까요? 이는 여러 시간 프레임의 시그널을 동시에 사용한다는 뜻입니다. 예를 들어, 1개월, 3개월, 1년 등 다양한 기간의 추세를 동시에 고려하는 것입니다.

왜 이런 방식이 중요할까요? 추세의 지속 기간은 항상 일정하지 않습니다. 때로는 단기 추세가 강하게 나타날 수 있고, 때로는 장기 추세가 지배적일 수 있습니다. 다양한 시간 프레임을 활용함으로써 이러한 다양한 추세를 모두 포착할 수 있는 것입니다. 또한 이는 리스크 관리 측면에서도 중요합니다. 특정 시간 프레임의 시그널이 잘못되었을 때, 다른 시간 프레임의 시그널이 이를 상쇄할 수 있기 때문입니다.

논문에서는 이러한 프로토타입 솔루션의 성과를 시뮬레이션을 통해 검증하고 있습니다. 특히 주목할 만한 점은 롱온리 포트폴리오에 대한 분산 효과입니다. 추세추종 전략은 하락장에서 숏 포지션을 취할 수 있기 때문에, 전통적인 롱온리 포트폴리오의 위험을 상쇄하는 역할을 할 수 있습니다. 이는 포트폴리오 전체의 리스크 조정 수익률을 개선하는 데 큰 도움이 될 수 있습니다.

리스크 관리 기법

마지막으로, 이 논문에서는 추세추종 전략을 위한 포트폴리오 및 리스크 관리 방법에 대해 상세히 다루고 있습니다. 주요 방법들을 더 자세히 살펴보겠습니다.

첫째, 리스크 버짓팅(Risk Budgeting) 접근법입니다. 이는 포트폴리오의 전체 리스크를 각 자산에 어떻게 할당할 것인가를 결정하는 방법입니다. 전통적인 자산 배분이 자본을 기준으로 한다면, 리스크 버짓팅은 리스크를 기준으로 합니다.

추세추종 전략에서 리스크 버짓팅은 어떻게 적용될까요? 예를 들어, 각 자산의 변동성과 추세의 강도를 고려하여 리스크를 배분할 수 있습니다. 변동성이 높고 추세가 강한 자산에는 더 많은 리스크 버짓을 할당하고, 변동성이 낮고 추세가 약한 자산에는 적은 리스크 버짓을 할당하는 식입니다. 이를 통해 포트폴리오 전체의 리스크를 효과적으로 관리하면서도 높은 수익을 추구할 수 있습니다.

둘째, 계층적 리스크 패리티(Hierarchical Risk Parity, HRP) 접근법입니다. HRP는 전통적인 평균-분산 최적화의 한계를 극복하기 위해 개발된 방법입니다. 평균-분산 최적화의 주요 문제점은 무엇일까요? 바로 추정 오류에 매우 민감하다는 것입니다. 특히 상관관계 행렬의 작은 변화에도 포트폴리오 가중치가 크게 변할 수 있죠.

HRP는 이러한 문제를 어떻게 해결할까요? 이 방법은 자산 간의 상관관계 구조를 계층적으로 분석합니다. 먼저 자산들을 상관관계가 높은 그룹끼리 클러스터링합니다. 그리고 각 클러스터 내에서, 그리고 클러스터 간에 리스크 패리티 원칙을 적용하여 가중치를 결정합니다.

이 방법의 장점은 무엇일까요? 첫째, 추정 오류에 더 강건합니다. 개별 상관계수의 변화가 전체 포트폴리오에 미치는 영향이 작기 때문입니다. 둘째, 계산이 빠르고 안정적입니다. 특히 자산의 수가 많을 때 이 장점이 두드러집니다. 셋째, 직관적으로 이해하기 쉽습니다. 자산 간의 관계를 시각적으로 표현할 수 있기 때문이죠.

셋째, 거래 비용 관리 방법입니다. 추세추종 전략은 본질적으로 자주 리밸런싱을 해야 하는 경우가 많습니다. 이때 거래 비용이 과도하게 발생하면 전략의 수익성이 크게 훼손될 수 있습니다.

어떻게 거래 비용을 효과적으로 관리할 수 있을까요? 논문에서는 몇 가지 방법을 제시하고 있습니다:

1. 리밸런싱 주기 최적화: 너무 자주 리밸런싱하면 거래 비용이 증가하고, 너무 드물게 하면 시그널을 제대로 반영하지 못합니다. 최적의 리밸런싱 주기를 찾는 것이 중요합니다.
2. 임계값 기반 리밸런싱: 포트폴리오 가중치가 일정 임계값을 넘어설 때만 리밸런싱을 수행하는 방법입니다. 이는 불필요한 소규모 거래를 줄일 수 있습니다.
3. 부분 리밸런싱: 목표 가중치로 한 번에 조정하지 않고, 점진적으로 조정하는 방법입니다. 이는 시장 충격을 줄이고 거래 비용을 분산시킬 수 있습니다.
4. 스마트 주문 집행: 대량 주문을 여러 개의 작은 주문으로 나누어 실행하거나, 최적의 거래 시간을 선택하는 등의 방법으로 거래 비용을 줄일 수 있습니다.

마지막으로, 선물 계약과 외환 선도 거래에서의 캐리(Carry) 요소에 대한 논의입니다. 캐리란 포지션을 유지하는 데 드는 비용 또는 얻는 이익을 의미합니다.

추세추종 전략에서 캐리는 어떤 영향을 미칠까요? 예를 들어, 금리가 높은 통화를 매수하고 금리가 낮은 통화를 매도하는 포지션은 양의 캐리를 가집니다. 이는 추세와 관계없이 추가적인 수익을 제공할 수 있습니다. 반면, 반대 방향의 포지션은 음의 캐리를 가지게 되어 추가적인 비용이 발생합니다.

추세추종 전략에서 캐리를 어떻게 고려해야 할까요? 몇 가지 접근 방법을 살펴보겠습니다:

1. 캐리 조정 시그널: 추세 시그널을 생성할 때 캐리를 직접 고려하는 방법입니다. 예를 들어, 양의 캐리를 가진 자산에 대해서는 추세 시그널의 역치를 낮추고, 음의 캐리를 가진 자산에 대해서는 역치를 높이는 식입니다. 이렇게 하면 캐리가 유리한 포지션을 좀 더 쉽게 취할 수 있습니다.
2. 캐리 기반 필터링: 추세 시그널이 약할 때 캐리를 이용해 포지션을 결정하는 방법입니다. 예를 들어, 뚜렷한 추세가 없을 때는 양의 캐리를 가진 자산을 선호하고 음의 캐리를 가진 자산은 피하는 식입니다.
3. 캐리 포트폴리오와의 결합: 순수한 캐리 전략 포트폴리오를 구성하고, 이를 추세추종 포트폴리오와 결합하는 방법입니다. 이렇게 하면 두 전략의 장점을 모두 활용할 수 있습니다.
4. 동적 레버리지 조정: 캐리를 고려하여 전체 포트폴리오의 레버리지를 조정하는 방법입니다. 예를 들어, 전반적으로 양의 캐리를 가질 때는 레버리지를 높이고, 음의 캐리를 가질 때는 레버리지를 낮추는 식입니다.

이러한 방법들을 통해 캐리 요소를 전략에 통합함으로써, 순수한 추세추종만으로는 얻기 어려운 추가적인 수익을 얻을 수 있습니다. 또한 이는 전략의 수익률 프로파일을 개선하고 위험 조정 수익률을 높이는 데 도움이 될 수 있습니다.

실제 적용 시 고려사항

지금까지 설명한 내용들은 이론적으로는 매우 탄탄해 보입니다. 하지만 실제 시장에서 이를 적용할 때는 몇 가지 추가적인 고려사항이 있습니다. 이에 대해 좀 더 자세히 알아보겠습니다.

1. 데이터의 품질과 가용성: 클린한 추세 시그널을 생성하기 위해서는 고품질의 데이터가 필요합니다. 하지만 현실에서는 데이터에 오류가 있거나, 일부 데이터가 누락되어 있는 경우가 많습니다. 특히 새로운 자산 클래스나 신흥 시장의 경우 충분한 역사적 데이터를 구하기 어려울 수 있습니다. 이런 상황에서는 어떻게 대처해야 할까요?
   • 데이터 클리닝: 이상치(outlier)를 제거하거나 보정하는 등의 데이터 전처리 과정이 필수적입니다.
   • 대체 데이터 활용: 직접적인 가격 데이터가 없는 경우, 관련된 다른 자산의 데이터를 프록시로 사용할 수 있습니다.
   • 시뮬레이션 데이터 생성: 부족한 데이터를 통계적 방법으로 생성하여 보완할 수 있습니다. 물론 이 경우 실제 시장 상황을 정확히 반영하지 못할 수 있다는 한계가 있습니다.
2. 시장 미시구조의 영향: 이론적 모델은 종종 완벽한 유동성과 제로 스프레드를 가정합니다. 하지만 현실 시장에서는 유동성 부족, 높은 스프레드, 주문 실행 지연 등의 문제가 있을 수 있습니다. 이는 어떤 영향을 미칠까요?
   • 슬리피지 발생: 특히 대규모 포지션을 취할 때, 주문 실행 가격이 예상과 다를 수 있습니다.
   • 부분 체결: 원하는 수량만큼 매매가 이루어지지 않을 수 있습니다.
   • 유동성 위험: 극단적인 경우, 포지션을 청산하고 싶어도 할 수 없는 상황이 발생할 수 있습니다.
   이를 고려하여 유동성 필터를 적용하거나, 주문 실행 전략을 최적화하는 등의 방법이 필요합니다.
3. 규제와 법적 제약: 일부 시장에서는 숏 포지션 취득이 제한되거나 금지될 수 있습니다. 또한 레버리지 사용에 대한 제한이나 특정 자산에 대한 투자 제한 등이 있을 수 있습니다. 이러한 제약 조건들을 어떻게 전략에 반영할 수 있을까요?
   • 조건부 전략: 숏 포지션이 불가능한 경우, 롱 온리 버전의 전략을 개발할 수 있습니다.
   • 대체 수단 활용: 직접적인 숏 포지션 대신 인버스 ETF나 풋 옵션 등을 활용할 수 있습니다.
   • 리스크 관리 강화: 레버리지 사용이 제한된 경우, 더욱 엄격한 리스크 관리가 필요할 수 있습니다.
4. 세금 문제: 추세추종 전략은 종종 빈번한 거래를 수반합니다. 이는 세금 측면에서 불리할 수 있습니다. 특히 단기 자본이득에 대해 높은 세율이 적용되는 국가에서는 더욱 그렇습니다. 어떻게 대응할 수 있을까요?
   • 세금 효율적 거래: 손실이 발생한 포지션을 연말에 청산하여 세금을 상쇄하는 등의 전략을 사용할 수 있습니다.
   • 장기 보유 자산 비중 조정: 일부 자산은 장기 보유하여 세금 혜택을 받을 수 있도록 전략을 조정할 수 있습니다.
   • 세금 繰越 전략: 일부 국가에서는 투자 손실을 이후 연도로 이월할 수 있습니다. 이를 활용하여 세금을 최적화할 수 있습니다.
5. 심리적 요인: 아무리 잘 설계된 전략이라도 실제로 이를 실행하는 것은 사람입니다. 연속된 손실이나 예상보다 낮은 수익률에 직면했을 때, 전략을 그대로 유지하기란 쉽지 않습니다. 어떻게 이런 심리적 요인을 관리할 수 있을까요?
   • 명확한 규칙 설정: 언제 전략을 수정하거나 중단할지에 대한 명확한 기준을 미리 설정합니다.
   • 백테스트와 시나리오 분석: 다양한 시장 상황에서의 전략 성과를 미리 분석하여 심리적 준비를 합니다.
   • 점진적 적용: 전체 자금을 한 번에 투입하지 않고, 단계적으로 늘려가는 방식을 채택할 수 있습니다.

이러한 실제적인 고려사항들을 전략에 반영함으로써, 이론과 현실 사이의 갭을 줄이고 보다 로버스트한 추세추종 시스템을 구축할 수 있습니다.

어떻습니까? 이제 추세추종 시스템 설계의 복잡성과 그 속에 숨어있는 다양한 고려사항들이 보이시나요? 단순히 가격 차트의 방향성만을 따라가는 것이 아니라, 통계학, 금융공학, 리스크 관리, 심리학 등 다양한 분야의 지식이 총동원되어야 함을 알 수 있습니다.

이러한 복잡성 속에서도 가장 중요한 것은 무엇일까요? 바로 일관성과 규율입니다. 아무리 정교한 시스템을 만들어도, 이를 꾸준히 따르지 않으면 무용지물이 됩니다. 따라서 자신의 투자 철학과 리스크 성향에 맞는 시스템을 구축하고, 이를 꾸준히 실행하는 것이 장기적인 성공의 열쇠라고 할 수 있겠습니다.

 

너무나도 중요한 소식 블로그 (클릭)
너무나도 중요한 소식 ebook (클릭)

너무나도 중요한 소식

한 고대 문서 이야기

 

유튜브 프리미엄 월 1만원 할인받고 월 4000원에 이용하는 방법

 

 

1. 네이버 카페 '실전주식투자연구소' 로 오시면, 본 블로그의 모든 내용을 카테고리별로 정렬하여 순서대로 확인하실 수 있고, 다양한 실전 투자 정보도 얻을 수 있습니다~

 

2. 자타가 공인하는 주식 단기 시스템 트레이딩의 최고 전략가, '닥터 퀀트의 단기 트레이딩 강좌'가 뉴지스탁에서 진행중입니다. 닥터 퀀트의 강좌에서는 그동안 공개하지 않았던 무려 50개 이상의 실전 트레이딩 전략과 주기적인 업데이트 강의가 제공됩니다~

 

 

4. 여러분의 인생이 걸린 너무나도 중요한 소식 ----> 여기를 클릭하세요!