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.