AI전략으로 주식투자하는 방법

AI전략을 활용하면 주식과 같은 투자자산에 대한 매매 수익율을 높일수 있을 것이라 예상하게 됩니다. 실제로 어떤 전략이 시장인덱스(KOSPI, S&P500)보다 높은 수익율을 올릴수 있을지에 대해서 많은 연구가 이루어집니다.

하지만, 현실에서는 시장인덱스를 이기는 AI기반 투자나 개인 펀드매니저도 많지 않습니다. 그이유는 몇가지가 있지만, 대부분 시장에 노출되는 정보를 전부이용할수록 시장과 같아지거나, 시장에서 노출되지 않은 정보를 활용할 경우는 정보 취득이 어렵다는점, 마지막으로 시장이 인지못하는 정보를 활용한 전략은 그 효과가 나타나기까지 너무 많은 시간이 소요되기 때문이죠.

그래서, AI전략은 현실적으로 그 목표를 무엇으로 하기에 따라서 투자전략이 전혀 달라져야 합니다. 우리는 그 중심에 포트폴리오를 운영하여 시장의 위험을 상쇄하면서 장기간 투자할 수 있는 모델을 고민하기 시작했습니다.

그 중심에는 알고리즘 투자와 표준화 모형에 대한 고민이 있고, 실제로 기본 전략을 아래 논문으로 정리했습니다. 상세한 투자 방향과 전략은 더 상세하기지만, 그것이 곧 수익을 위한 핵심노하우니.. 공개는 불가능하겠죠?

AI전략으로 투자를 하려면 AI전략보다 투자를 어떤 방법으로 할지를 더 많이 고민해야한다는점을 투자모델을 만들면서 더 생각하게 되었습니다.

 

유전자알고리즘과 펀드 표준화 모형을 활용한 주식 포트폴리오 전략 Portfolio Performance Analysis using Genetic Algorithms and Fund standardization [KCI/기업과 혁신연구, 2021]

 

본 연구는 주식 포트폴리오 전략으로 유전자알고리즘을 사용한 펀드 표준화 모형을 적용하고 슬라이딩 윈도우 기법을 통해서 투자 최적화 방법을 찾기 위해서 기간별 투자성과를 분석했다. 실증분석 주요 결과는 다음과 같다. 우선, 유전자알고리즘에 샤프 비율을 도입하여 투자 최적화를 도입한 경우는 코스피200보다 높은 샤프 비율을 보여주었다. 학습 기간이 길수록 샤프 비율이 높은 최적의 조합을 찾았다. 두 번째는 슬라이딩 윈도우를 활용한 최적 펀드 투자모델 분석에서는 장기 데이터를 기반으로 보았을 때는 코스피200보다는 모든 투자모델이 매우 웃도는 투자실적을 나타내고 있다. 특히 매매 기간이 2주 단위의 경우가 월 단위 매매보다 좋은 성과를 보였다. 반면에 주가 변동성이 큰 구간을 제외한 단기 데이터를 바탕에서는 모델 간 차이가 존재했다. 따라서 학습-매매 기간의 변화를 충분히 반영해야 한다. 마지막으로 손절매 전략은 유용한 것으로 나타났다. -5%까지는 투자수익률을 방어하지만, 그 이하는 투자수익률이 낮아지는 것을 확인했다.

 

This study aims to analyze investment performance by dividing the investment optimization method by period through a sliding window method and fund standardization using genetic algorithm as a portfolio optimization method, The research results of the empirical analysis are as follows. First, the investment optimization using the genetic algorithm showed a higher Sharpe ratio than the KOSPI 200. The longer the learning period, the higher the Sharpe ratio was found. Second, the optimal fund investment model using a sliding window, based on long-term period, all investment models show much higher investment performance than the KOSPI 200. In particular, two-week periods of trading performed better than monthly trading. On the other hand, there were differences between models based on short-term data excluding the period with high return volatility. Therefore, it is necessary to sufficiently reflect the change in the learning-testing period. Finally, the loss-cut strategy was found to be useful. It was confirmed that the ROI was defended up to -5%, but the lower ROI was rather worse than that.

 

논문은 아래 Site에서.. 

유전자알고리즘과 펀드 표준화 모형을 활용한 주식 포트폴리오 전략