레이블이 Quant인 게시물을 표시합니다. 모든 게시물 표시
레이블이 Quant인 게시물을 표시합니다. 모든 게시물 표시

2017년 3월 22일 수요일

멀티팩터모델 조합 Composite vs. Integrated

최근 페이스북이나 스넥에 일반인들의 팩터 인베스팅에 대한 글이 자주 올라온다. 너무나 쉽게 몇십퍼센트의 수익률을 올릴 수 있다고 광고해서 개인들은 현혹하는 측면이 없지 않으나(전략의 robustness에 대한 언급이 없다. 아마 글을 쓰는 저자 스스로도 관련된 지식이 없을 것이다. 실제 팩터인베스팅으로 운용을 상당 기간 해왔다면 백테스팅처럼 되지 않는다는 것을 분명 느낄 것이다. 특히 최근 몇년간은..) 개인들에게 퀀트 운용을 널리 알렸다는 것은 바람직한 것 같다.

개인적으로 팩터 연구를 지난 몇 년간 해오면서 멀티팩터 운용시 팩터들을 어떻게 조합할 것인가에는 크게 시간을 쏟지 않았다. 그보다 무언가 알파가 나올 것 같은 개별 팩터를 찾는데 대부분의 시간을 쏟았고 역시나 그런 팩터들은 특정기간에 알파를 내다 소멸되다를 반복한다. 지금은 장기간 robust하게 성과를 내는 팩터들(주로 이런 팩터는 이미 널리 알려진 것들이다)을 잘 조합하는게 정답이 아닌가 싶다. 물론 팩터들의 로테이션에도 관심을 가지고 딥러닝을 응용시키고자 하고 있으나 그 유용성에 대해 AQR의 Asness 아저씨는 최근에도 부정적인 의견을 내놓으셨다..(Factor Timing is Hard)

팩터를 조합하는 방법은 개별 팩터별로 주식을 뽑아 섞는 Composite, 혹은 Portfolio Blend 방법과 개별 팩터 스코어를 모두 더해서 한번에 주식을 뽑는 Integrated, 혹은 Signal Blend 방법으로 나뉜다. 두 방법 모두 지지자들이 있는데 전자는 간단하고 직관적인 반면 두 팩터간의 상호 작용을 고려하지 않아 비효율적이라는 비판을 받는다. 철인3종 경기의 대표를 뽑는데 수영, 육상, 싸이클을 각각 잘하는 선수를 뽑아 선발한다고 비유하면 될까.

해당 논란에 대해 작년말 골드만삭스의 액티브베타 에퀴티 스트레티지 팀(트렌디한 이름이군..)이 다음의 논문을 냈다. Constructing Long-Only Multi-Factor Strategies: Portfolio Blending versus Signal Blending

결론은 포트폴리오의 factor exposure 정도에 따라 선호도가 달라진다.


위 그림에서 3번이 Composite 에서 투자하는 부분, 2번이 Integrated 에서 투자하는 영역이다. 일반적으로 기대하는 것과는 다르게 의외로 3번의 액티브 리턴이 2번보다 우월하다. 다만 그림에서 보듯이 Factor exposure가 커질수록(팩터가 강한 소수 종목에 집중할 수록) 2번 영역이 우상향하면서 Integrated 성과가 우월해진다. 즉 얼만큼 집중투자를 하느냐에 따라서 선호도가 다르다. 이렇게 한 가지 그림으로 직관적으로 이해시키는 대가들에 감탄할 따름이다.

사실 물론 1번에만 투자하는게 최고다. 러셀에서 1번처럼 개별 팩터의 exposure를 최대화 시키는 방법론을 설명한 문서를 봤는데 개인적으로는 그게 가장 우수하지 않나 싶다. 일반일들도 퀀트 인베스팅을 많이 하는만큼 edge를 내기 위해 이런 차별화 연구를 계속 진행해야겠다.

2017년 2월 16일 목요일

Decomposing Equity Returns

매일 퀀트 리서치를 하고 관련 자료를 읽지만 그걸 블로그 등으로 남기는 것은 꽤나 성가신 일이다. 새삼 블로그로 유명한 분들이 대단해 보인다..

최근 인상깊게 본 리서치는 newfound의 anatomy of a bull market
주식시장은 상승, 하락장을 번갈아가며 장기간 우상향하지만 개별 상승, 하락장을 분석하면 그 특성이 달라진다. 그래서 주식에 투자하면 미국 기준 장기 평균 대략 9-10% 수익을 기대할 수 있지만 실제 투자자들이 얻는 수익은 거의 저 평균과 상당히 차이가 있다. 대부분 상승장에서는 10%초과, 하락장에서는 20%이상 하락. 

newfound는 상승장에서 수익이 어디서 나오는 지 분석했다. 70-80년대는 인플레이션, 2009년부터 지금까지 이어져온 상승장에서는 밸류에이션 상승이 주식 수익률에 크게 기여했다.


밸류에이션으로 오른 시장이라니 가장 취약한게 아닌가 싶지만 다행히도 밸류에이션을 과거 하락장에서 하락한 밸류의 회복과 새로운 밸류에이션 확대로 나눠서 봤을 때 이번 상승장은 밸류에이션 회복 효과가 크다. 뭐 그럼에도 어닝이 올라오는 것 대비 밸류가 빨리 상승한다는 것은 변함이 없지만..

아래는 10년기준으로 시장 수익의 원천을 나타낸 그래프. 재밌는건 윈도우 기간을 어떻게 잡느냐에 따라 원천이 달라지는데 짧을 때는(3년) 밸류에이션이 가장 큰 역할을 하지만 30년으로 길어지면 밸류에이션은 거의 의미가 없어진다. 그런데 3년도 길지 않나요...?








2017년 1월 4일 수요일

Testing Strategies' Robustness

전통적인 퀀트 방식이 됐든 알고리즘 트레이딩이 됐든 전략의 robustness를 측정하는 것은 매우 중요하다. in-sample 기간에 훌륭한 성과를 내는 전략들이 실제로는 부진한 결과를 내는 일이 빈번히 일어나는데 전략의 견고함에 대한 확신이 있어야 일정기간 부진한 성과를 내도 자신감을 가지고 전략을 끌고 나갈 수 있다. 

기본적으로 전략이 견고해지려면 오랜 기간의 데이터를 사용해야 한다. 다만 이 역시 주의해야 하는게 자산의 특성, 마켓의 regime이 바뀌면 오히려 과거 데이터가 독이 될 수 있다.
대표적으로 gold의 diversification effect를 꼽을 수 있는데 기본적인 GEM(Global Equities Momentum)전략에 gold를 섞으면 연 수익률이 18%에서 21%로 상승한다. 하지만 대부분의 효과는 1970년대 상승에 기인한다. gold를 포트폴리오 안정화를 위해 편입해야한다고 많이들 이야기 하지만 오히려 최근들어 gold와 전통적 자산간의 상관관계는 높아지고 개별 수익률도 매력적이지 않아 큰 효과가 없다. 자세한 내용은 Antonacci 아저씨의 블로그 참고
(http://www.dualmomentum.net/2017/01/are-commodities-still-good-portfolio.html)

이를 해결하려면 여러 구간을 나눠서 테스트해야 한다. Meb Faber아저씨는 “Relative Strength Strategies” paper에서 미국 주식의 모멘텀을 10년씩 나눠서 아웃퍼포먼스를 측정했다. 
이정도면 일단은 안심하고 사용할 수 있어 보인다. 추가적으로 견고함을 체크하고 싶다면 위에서 언급한 market regime별로(상승장, 하락장, 보합장 등) 검증을 해볼 수 있다.

Rule-based 전략이라면 파라미터들의 sensitivity를 살펴보는 것도 좋다. Gogi Grewal 아저씨가 모멘텀 전략의 look back period와 rebalancing 주기로 이러한 분석을 해놓았다.


출처 : www.sharpereturns.ca

look back period는 200일 이전 구간에서 지나치게 거래가 많이 일어나고 수익률의 변동성도 심해 250일-350일 구간으로 설정하는게 괜찮아 보인다. 모멘텀 전략의 수익률 측정을 1년으로 하는 게 나쁘지 않다는 결론. 밑에 리밸런싱 주기는 20일, 약 1달정도가 바람직해보인다.

머신러닝, 딥러닝의 영역에서는 필연적으로 오버피팅이 일어나므로 전략의 robustness에 대해 더욱 주의해야 하는데 추후에 관련 테크닉을 다뤄보겠다.

2017년 1월 2일 월요일

Factor Correlation

오늘자 삼성증권 김동영 의원님 1월 팩터 포트폴리오 리포트에서 팩터간의 상관관계를 언급한 부분이 좋아 남겨둔다.

1. P/B 팩터와 ROE 팩터의 상관계수 -0.7 기록. 고 ROE 종목일수록 P/B가 높은 경향이 있기 때문. 따라서 퀄리티 팩터인 ROE팩터가 실제로는 고밸류 종목을 지칭할 가능성이 높음

2. 이익모멘텀 팩터간의 상관계수 높음. 이익모멘텀 팩터와 가격모멘텀 팩터(특히 과거수익률 (3m))와의 상관관계도 높은 편

3. Growth 내에서 '순이익/영업이익 증가율 (직전분기, yoy)' 팩터와 'EPS/영업이익 증가율 (FY1)' 팩터 간의 상관계수는 생각보다 크지않음(0.3~0.4 사이). 분기실적 증가율 (직전분기, yoy) 팩터는 이익모멘텀 팩터군과의 상관계수가 약간 더 높음

4. 과거수익률 (1m) 팩터와 기관순매수 강도 (1m) 팩터의 상관계수 0.66 기록. 과거수익률 (1m) 팩터와 목표가 괴리율 (1개월 컨센) 팩터의 상관계수 -0.71 기록. 이는, 종목의 주가 상승 현상이 기관 순매수와 같이 진행되며, 이 때 목표가 괴리율은 축소되는 현상이 같이
진행된다고 볼 수 있음 (목표가 조정이 후행적인데 비해 주가 상승이 빠르면, 괴리율이 축소됨)

5. 변동성 (60일) 팩터와 시가총액 팩터의 상관계수는 -0.41 기록. 저변동성 종목-대형주, 고변동성 종목-소형주의 연관성이 일정 부분 존재함

6. 목표가 변화율 (1m) 팩터와 목표가 괴리율 (1개월컨센) 팩터의 상관계수는 -0.6 기록. 목표가 수정의 후행성 때문에 목표가 변화율은 가격모멘텀 팩터의 특징을 지니며, 목표가 괴리율은 낙폭과대 팩터의 특징을 지니게 됨

2016년 12월 20일 화요일

Factor Rotation의 유용성...무용론?

퀀트 블로그인데 퀀트 글이 없어 급히 하나라도 적어봄.

15년 기준 대형주 성과과 좋았던 팩터와


 16년 기준 좋았던 팩터를 비교하면


확연히 시장의 색깔이 달라진 것을 볼 수 있다. 올해는 가치주 만세, 모멘텀 몰락으로 정리되는 한 해인듯.

이처럼 팩터들의 성과가 달라지니 팩터를 로테이션하며 초과수익을 내겠다는 시도들이 많은데 Research Affiliates 와 AQR 이 대립된 의견을 냈다.

Research Affiliates의 Rob 아저씨는 과거에 비해 밸류가 저평가 돼있는 팩터를 사면 된다고 주장하였으나 AQR의 Cliff아저씨는 밸류에이션은 long term guidance 이므로 모멘텀 팩터 처럼 자주 변하는 팩터에는 적용할 수 없다고 주장하셨다.

Newfound가 모멘텀(12개월-1개월)전략으로 미국시장 대상 팩터로테이션을 검증한 결과는 팩터 동일가중보다 연간 1.32% 아웃퍼폼 할 수 있지만 그거 얻으려고 골치아픈 비용을 생각하면 무의미 하다는 결론..
(http://www.thinknewfound.com/wp-content/uploads/2016/04/Market-Timing-Factor-Premiums.pdf)

개인적으로는 단순 모멘텀 전략 대신 다른 방법(시계열 정보를 활용한 딥러닝?)을 쓰면 팩터 웨이트 조절로 유의한 성과를 낼 수 있지 않을까 싶지만 역시 한국 시장엔 노이즈가 많아 잘 할 수 있을지 자신은 없다...