KOSPI 200과 S&P 500 주가지수 선물의 상대적 가치를 이용한 거래시스템 개발
Developing a Trading System using the Relative Value between KOSPI 200 and S&P 500 Stock Index Futures
2
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
주식시장에서 트레이딩 시스템(trading system)은 투자 위험을 줄이면서 수익을 극대화하기 위해 일정한 규칙을 컴퓨터에 적용하여 기계적으로 거래를 실행하는 자동매매시스템이다. 그러나 단일 자산을 거래 대상으로 하는 트레이딩 시스템 개발은 그 자산의 움직임에 의해 수익 구조가 결정되는 문제점을 가지고 있기 때문에 위험을 초래할 우려가 존재한다. 따라서 두 자산 간 상대적 가치를 활용하여 한 자산의 위험 발생 시 다른 자산의 거래를 통해 안정적인 수익을 창출할 수 있는 트레이딩 시스템 개발에 대해 주목할 필요가 있다. 본 연구에서는 두 개의 주가지수 선물 간의 상대적 가치를 이용한 규칙기반 트레이딩 시스템을 개발하는 것이 목적이다. 이를 위해 차익거래 전략 시 활용되는 두 자산의 가격비율을 기반으로 기술적 지표(technical indicator)들을 생성하고, 데이터 마이닝 기법인 러프 집합 분석을 이용하여 거래규칙을 생성하였다. 생성된 거래규칙의 유용성을 확인하기 위해 슬라이딩 윈도우(sliding window) 방법을 사용하여 거래 시뮬레이션을 적용하였으며, KOSPI 200 지수선물과 S&P 500 지수선물을 분석 대상으로 선정하여 성과를 측정하였다. 실험 결과, 제안한 시스템이 시장의 흐름과 상관없이 절대적인 수익을 발생하는 것을 확인 할 수 있었다.
Abstract
A trading system is a computer trading program that automatically submits trades to an exchange. Mechanical a trading system to execute trade is spreading in the stock market. However, a trading system to trade a single asset might occur instability of the profit because payoff of this system is determined a asset movement. Therefore, it is necessary to develop a trading system that is trade two assets such as a pair trading that is to sell overvalued assets and buy the undervalued ones. The aim of this study is to propose a relative value based trading system designed to yield stable and profitable profits regardless of market conditions. In fact, we propose a procedure for building a trading system that is based on the rough set analysis of indicators derived from a price ratio between two assets. KOSPI 200 index futures and S&P 500 index futures are used as a data for evaluation of the proposed trading system. We intend to examine the usefulness of this model through an empirical study.
참고문헌 (28)
- 김선웅, "Support Vector Machines와 유전자 알고리즘을 이용한 지능형 트레이딩 시스템 개발", 지능정보연구, 16(1), pp.71~92 (2010), 한국지능정보시스템학회
- 안현철, "투자 의사결정 지원을 위한 유전자 알고리즘 기반의 다중 인공지능 기법 결합 모형 : KOSPI에의 응용", e-비즈니스연구, 10(1), pp.215~236 (2009), 국제e-비즈니스학회
- 허진영, "러프집합분석을 이용한 매매시점 결정", 지능정보연구, 16(3), pp.77~97 (2010), 한국지능정보시스템학회
- Bao, D., "Intelligent stock trading system by turning point confirming and probabilistic reasoning", Expert systems with Applicaions, 34(1), pp.620~627 (2008)
- Caporale, G. M., "Conintegration and predictability of asset prices", Journal of International Money and Finance, 17(3), pp.441~453 (1998)
- Chang, J. F., "ANFIS-based adaptive expect-ation model for forecasting stock index, International Journal of Innovative Computing", Information and Control, 5(7), pp.1949~1958 (2009)
- Chang., P, "A TSK type fuzzy rule based system for stock price prediction", Expert Systems with Applications, 34(1), pp.135~144 (2008)
- Chavarnakul, T., "A hybrid stock trading system for intelligent technical analysis-based equivolume charting", Neurocomputing, 72, pp.3517~3528 (2009)
- David, E., "The use of data mining and neural networks for forecasting stock market return", Expert Systems with Applications, 29(4), pp.927~940 (2005)
- Dimitras, A. I., "Business failure prediction using rough sets", European Journal of Operational Research, 114(2), pp.263~280 (1999)
- Dymova, L., "A stock trading expert system based on the rule-base evidential reasoning using Level 2 Quotes", Expert Systems with Applications, 39(18), pp.7150~7157 (2012)
- Granger C., "Some Properties of Time Series Data and Their Use in Econometric Model Specification", Journal of Econometrics, 16(1), pp.121~130 (1981)
- Grzymala-Busse, J. W., "LERS-s system for learning from examples based on rough sets", pp.3~18 (1992), Kluwer Academic Publisher
- Johansen, S., "Statistical analysis of cointegration vectors", Journal of Economic Dynamics and Control, 12(2), pp.231~254 (1988)
- Lee, S. J., "Using rough set to support investment strategies of real-time trading in futures market", Applied Intelligence, 32(3), pp.364~374 (2010)
- Lo, A., "The adaptive markets hypothesis : market efficiency from an evolutionary perspective", Journal of Portfolio Management, 30, pp.15~29 (2004)
- Luo, L., "Integrating piecewise linear representation and weighted support vector machine for stock trading signal prediction", Applied Soft Computing, 13, pp.806~816 (2013)
- McMillan, D. G., "Non-linear fore-casting of stock returns : Does volume help?", International Journal of Forecasting, 23(1), pp.115~126 (2007)
- Núñez-Letamendia, L., "Fitting the control parameters of a genetic algorithm : An application to technical trading systems design", European Journal of Operational Research, 179(3), pp.847~868 (2007)
- Øhrn, A., "Discernibility and rough sets in medicine: Tools and applications", PhD, pp.1999
- Pawlak, Z., "Rough set", International Journal of Computer and Information Science, 11(5), pp.341~356 (1982)
- Pawlak, Z., "Rough set: heoretical Aspects of Reasoning About Data" (1991), A Kluwer Academy Publisher
- Savin, G., "The predictive power of head-and-shoulders price patterns in the U. S. stock market", Journal of Financial Econometrics, 5, pp.243~265 (2007)
- Sharpe, W. F., "The Sharpe ratio", Journal of Portfolio Management, 21, pp.49~58 (1994)
- Skowron, A., "Boolean reasoning for decision rules generation", pp.295~305 (1993), Lecture Notes in Artificial Intelligence
- Slowinski, R., "Prediction of company acquisition in Greeceby means of the rough set approach", European Journal of Operational Research, 100(1), pp.1~15 (1997)
- Tang, L. B., "Forecasting volatility based on wavelet support vector machine", Expert Systems with Applications, 36, pp.2901~2909 (2009)
- Zarandi, M. H. F., "A type-2 fuzzy rule-based expert system model for stock price analysis", Expert Systems with Applications, 36(1), pp.139~154 (2009)