brunch

You can make anything
by writing

C.S.Lewis

by 강한별 Nov 03. 2020

퀀트

추천 대상 : 계량 투자에 관심 있는 사람, 데이터 드리븐 투자에 관심 있는 사람, 전문가의 식견을 통해 인사이트를 얻고 싶은 사람

메모 : 반려인이 산 책인데 집에 굴러다니길래 읽었다. 읽어보니 너무 재밌었다! 투자에도 관심이 있지만 "데이터 드리븐" 투자이기 때문에 데이터 분석과 관련된 이야기도 나오고 머신러닝, 딥러닝을 통한 투자 방법이나 전문가들의 의견도 나오는데 흥미진진하다. 개인적으로는 이 책을 읽으면서 도메인 지식의 중요성에 대해서 좀 더 구체적으로 깨닫게 되었다. 예전엔 도메인 지식의 중요성에 아주 큰 의미를 두지는 않는 편이었다. 왜냐면 배우면 된다고 생각했기 때문이다. 반대로 배우지 않으면 도메인에서 무엇이 중요한지는 모른다. 데이터 분석은 이미 만들어진 문제를 푸는 게 아니라 현실을 가장 잘 나타내는 문제로 변환하여 푸는 것이라고 생각한다. 이 때 도메인 지식이 필요한 것이다. 문제 정의가 잘못되면 아무리 문제에 대한 답이 옳더라도 현실과는 동떨어지게 된다. 이걸 이 책에서 배웠다.

이 책에서 인문학적 소양에 대한 언급도 나오는데, 내가 생각하는 주의할 점은 인문학적 소양 == 인문학 전공이 아니라는 것이다. 개인적으로 학사 수준에서 인문학 전공은 깊은 수준이 아니라고 생각할 뿐더러(나도 재밌게 배우긴했지만 전혀 내가 전문가라는 생각은 안 듬) 인문학 전공이 아니더라도 기를 수 있는 소양이라고 생각한다(다른 학문도 그렇겠지만). 그래서 인문학 학사졸 == 인문학적 소양으로 생각하는 것은 위험하다고 (나는) 생각한다. 애초에 문이과를 정할 때 정교한 검사를 통해서 결정하는 것도 아니고 호그와트 마법의 모자가 분류하는 것도 아닌데 이상하게 MBTI같은.. 마치 유사과학 같은 구분이라는 생각도 든다.

그리고 퀀트와 데이터 분석가의 유사점이 있긴 하지만 차이도 있다고 느낀 건 퀀트는 본인이 만든 모델로 직접 투자를 한다. 즉 분석==액션이 이어지고 수익률이라는 확인할 수 있는 지표가 존재한다. 그러나 데이터 분석가는 분석이 액션으로 바로 연결 되는 게 아니라 간접적인 역할을이라서 이런 점에서는 차이가 있을 듯(걍 내 생각)


발췌


흔히 잘못 생각하는 부분이 있어요. 퀀트를 사용할 때 철저하게 감정을 배제한다고 생각하는데 사실 말이 안 되죠. 어떤 전략을 사용할지 고민하는 순간부터 주관이 개입되죠. 매니저가 좋아하는 좋아하는 전략을 사용하는 순간 정성적인 판단이 개입돼요. 수많은 재무제표 항목 중에서 특정 요소가 좋을 것이라고 생각하는 과정도 주관적이고요. 의사결정 과정이 정량적이지 이외의 부분에는 정성적인 판단이 들어갈 수밖에 없어요. 이런 맥락에서 금융에 관한 도메인 지식이 더욱 중요합니다. 정량적인 부분만 처리하면 기술자가 되고 정성적인 분석을 아우르면 리더가 돼요.


투자의 성공과 실패는 어떻게 나눌 수 있을까요? 많은 분이 수익률이라고 생각하겠지만, 저는 자신에게 맞는 투자 방식을 찾아 투자했다면 성공이라고 봐요. 적어도 일주일 동안 투자 수익률을 궁금해하지 않을 정도로 본인이 이해하고 편안함을 느끼는 전약이 자신에게 맞는 투자 방식이에요.


예를 들어 퀀트에서 사용되는 코딩 능력은 본인이 노력하면 시간이 오래 걸릴지언정 따라잡을 수 있어요. 결국 코딩도 언어잖아요. 훌륭한 퀀트 투자가가 되기 위해서는 코딩만 필요한 것이 아니라 회계, 경제, 인문학에 대한 지식과 소양이 있어야 해요. 경제에 대한 지식을 가지고 있는데 코딩을 할 수 있다면 'why not?' 이죠. 결국 이과와 문과가 만나는 지점이 있습니다.










매거진의 이전글 그림은 금방 능숙해지지 않는다

작품 선택

키워드 선택 0 / 3 0

댓글여부

afliean
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari