유전자알고리즘과 펀드 표준화 모형을 활용한 주식 포트폴리오 전략
Portfolio Performance Analysis using Genetic Algorithms and Fund standardization
1
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
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.
Abstract
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.
참고문헌 (19)
- 김길주, "Geneti cAlgorithm을 이용한 최적 인덱스 펀드 구축방안의 모색", 융복합지식학회논문지, 7(2), pp.25~32 (2019), 융복합지식학회
- 김소라, "주식시장 이상현상과 포트폴리오 투자전략", 金融工學硏究, 14(2), pp.67~93 (2015), 한국금융공학회[DOI]
- 김선웅, "애널리스트의 주가 예측이 결합된 로보어드바이저의 수익성 분석", 한국융합학회논문지, 10(9), pp.199~207 (2019), 한국융합학회[DOI]
- 옥기율, "국내 주식시장에서 기술적 거래전략의 횡단면 분석", Journal of The Korean Data Analysis Society, 19(5), pp.2601~2610 (2017), 한국자료분석학회[DOI]
- 이관영, "주식시장에서 가치투자전략의 성과와 위험요인에 관한 연구:국내 주식시장을 중심으로", 재무관리연구, 36(2), pp.107~150 (2019), 한국재무관리학회[DOI]
- 이석준, "유전알고리즘 활용한 실시간 패턴 트레이딩 시스템 프레임워크", 한국산업경영시스템학회지, 36(4), pp.123~129 (2013), 한국산업경영시스템학회
- 이윤정, "주식 포트폴리오 추천을 위한 주식 시장 네트워크 분석", 한국콘텐츠학회 논문지, 13(11), pp.48~58 (2013), 한국콘텐츠학회[DOI]
- 차승민, "재무분석가 제공정보의 상호관련성 및 미래주가 예측력에 관한 연구", 경영학연구, 39(1), pp.29~54 (2010), 한국경영학회
- 허화, "주식간 연결구조와 효율적 포트폴리오", 金融工學硏究, 5(2), pp.65~84 (2006), 한국금융공학회
- Best, M., "On the sensitivity of mean-variance-efficient portfolios to changes in asset means:Some analytical and computational results", The Review of Financial Studies, 4(2), pp.315~342 (1991)
- Chou, Y. -H., "Portfolio optimization based on funds standardization and genetic algorithm", IEEE Access, 5, pp.21885~21900 (2017)
- Jegadeesh, N., "Returns to buying winners and selling losers: Implications for stock market efficiency", The Journal of finance, 48(1), pp.65~91 (1993)
- 고한준, "Segmentation Strategy for Asset Groups in the Korean Exchange-Traded Funds Market Using Genetic Algorithm", Quantitative Bio-Science, 38(2), pp.87~92 (2019), 자연과학연구소[DOI]
- Kolm, P. N., "60 Years of portfolio optimization: practical challenges and current trends", European Journal of Operational Research, 234(2), pp.356~371 (2014)
- 김류미, "Smart beta Strategy and Long-Short Factor Investing in Style Rotation", 한국증권학회지, 47(5), pp.849~891 (2018), 한국증권학회[DOI]
- Lin, C. -C., "Genetic algorithms for portfolio selection problems with minimum transaction lots", European Journal of Operational Research, 185(1), pp.393~404 (2008)
- Mantegna, R. N., "Hierarchical structure in financial markets", The European Physical Journal B-Condensed Matter and Complex Systems, 11(1), pp.193~197 (1999)
- Markowitz. H., "Portfolio selection", The Journal of Finance, 7(1), pp.77~91 (1952)
- Paiva, F. D., "Decision-making for financial trading:a fusion approach of machine learning and portfolio selection", Expert Systems with Applications, 115, pp.635~655 (2019)