High risk, high return.
2020 KMBA 여름 계절학기 특강 Report
Trend in quant equity investing, big data, and machine learning (성장환 CFA, 2020.07.24)
자산을 투자한다는 것은 위험을 감내하고 수익률을 기대한다는 것이다. 모든 사람은 자신의 자산이 커지기를 기대하는데, 위험은 되도록 피하려고 한다. 때문에 투자사들은 다양한 선진기법으로 리스크를 줄이고, 수익률을 올리는 방법을 개발하고 적용해왔다. 그 방법 중 하나인 정량적 투자는 순전히 통계적 측정값을 바탕으로 판단하여 투자를 선택하는 것이다. 미래를 예측하기 위한 수단으로 통계 값을 사용하기 때문에, 데이터의 양, 그 데이터의 무결성이 의사결정의 가치에 절대적인 영향을 주게 된다. 이런 정량적 투자에 새로운 무기로 등장한 빅데이터와 이를 분석하기 위한 머신러닝은 단순 통계 값 분석을 넘어선 양적 투자의 성과를 개선할 수 있는 새로운 무기이다.
머신러닝(ML, machine learning)은 timeline에 따른 데이터의 변화, 즉 외환(FX), 유가 등에서 패턴을 찾기에 유용하다. 그러나 자산 수익 예측에 머신러닝 기법을 맹목적으로 적용하기에는 위험한 한계성이 있기 때문에 아래의 요소에 대해서는 주의가 필요하다.
첫 번째는 사건에 대한 결과를 이미 아는 상태에서 어떤 가설을 세우는 것을 피해야 한다는 것이다. 둘째는 해결해야 할 문제가 다중적이라는 것을 늘 염두에 두는 것이다. 단일 가설을 설정하고 검증할 때는 결괏값을 도출하지 못하는 경우는 드물지만, ML을 통해서 테스트하는 가설의 수가 급격히 늘어나게 되면 잘못된 값이 도출될 가능성도 높아지게 된다. 좋은 가설 모델이 나왔다고 해서 검증을 중단해서는 안된다는 것이다.
분석 및 판단의 소스가 되는 데이터 무결성을 높이기 위한 노력도 필요하다. 찾을 수 있는 모든 데이터를 사용하는 것이 아니라 특정한 기준으로 데이터의 배제 및 변환의 기준을 설정해야 한다. 이 기준에 따라 결괏값이 바뀔 수 있다.
세 번째로는 분석 모델이 구조 변화에 탄력적이며 모델 역학이 적합한지, 변하는 상황이 모델에 빠르게 반영되는지를 감안해야 한다. 그러나 모델이 현실을 반영하기 위해서 현실처럼 복잡해져서는 안 될 것이다. 복잡성을 피하고 단순화를 달성하기 위해서 제약 조건을 미리 결정해 두는 것도 좋은 방법이다.
이미 ML은 이미 정교한 quants 투자 툴킷의 일부이다. 유연하고 충분한 가치가 있는 모델을 이용하여 투자 프로세스 전반에 걸쳐 ML을 활용할 수 있다. 데이터에 대한 접근이 거의 무제한으로 허용되는 현시대에 ML은 혁명적인 진화이다. ML 때문에 시장의 환경은 점점 더 복잡하고 까다로워지고 있다.
이미 시작된 변화를 따라가지 못하는 불투명한 분석 도구는 양적 투자에서 올바른 전략을 수립하고 결정을 내리는 것을 불가능하게 할 것이다.