안녕하세요

각 부분이 명확한 목적과 필요에 의해서 만들어진 ML들로 구조화된 AI investment process를 설계하고

위 프로세스를 통해 찾아낸 확률적 우위에 투자하는 퀀트트레이더가 되고자 합니다

Linkedin : https://www.linkedin.com/in/jaehoon-kim-a3b1a5208/

 

 

---

금융에 AI를 적용하는 방법에 정답은 없으나, 적어도 피해야 할 일들은 잘 알려져 있다고 생각한다.(물론 그럼에도 시지프스 형벌과도 같은 실수가 반복되는 것을 자주 보고 겪지만..)
이러한 실수를 범하지 않고 이론적으로 타당하면서도 실제 성과까지 좋기 위해 오랜 시간 고민하여 만든 나의 AI investment process에서, AI는 다음 세 가지 부분에서 사용된다 : Find, Diversify and Craft Alpha

Find α
시장에 묻어있는 흔적에서 알파를 찾는 단계이다. 시장은 수많은 시장 참여자들의 결정체로 대부분 노이즈처럼 보이지만, 참여자들의 패턴이 드러나는 순간들이 분명 존재한다. 그리고 ML은 인간의 인지 능력으로 찾기 힘든 패턴을 찾는데 특화되어있고 이러한 패턴은 알파의 원천이 된다.
- Market Micro Structure, Entropy, Structural Breaks, Fractional Difference, Feature Importance, SHAP

Diversify α
발견한 알파를 여러개의 전략으로 확장시키는 단계이다. 진짜 ‘알파’라고 부를 수 있는 것들은 무작정 서치한다고 나오지 않았고, 매우 세심히 정의해준 피처+ 명확한 목적을 갖고 설계된 모델을 통해서나 힌트를 얻을 수 있었다. 그런데 만약 어렵게 얻은 알파로부터 소수의 전략만 만들어 진다면 운용 캐파를 크게 늘릴 수 없게 된다. 자동화와 컴퓨팅 파워 그리고 ML알고리즘을 활용해 다소 약해지더라도 하나의 알파 소스를 다각화하는 과정이 필요하다
- Denoising& Detoning, Distance metrics, ONC, Monte Carlo

Craft α
다각화된 전략들을 가다듬어 강화시키는 단계이다. 알파를 다각화하는 과정에서 다소 약해진 전략들의 False Positive를 골라내는 동시에 ML 모델의 확률값을 배팅사이즈에 연동함으로써 전략의 승률뿐만 아니라 손익비 또한 좋아지도록 만들 수 있다.
- Triple-Barrier, Meta labeling, Sequential Bootstrap, Combinatorial Purged CV, Bet Sizing

마치 원석을 찾아 여러 덩어리로 쪼개 보석으로 세공하는 정밀한 과정처럼, 알파를 수익으로 바꾸는 프로세스 또한 엄밀히 설계되어야 한다.
AI에 대한 Hype으로 금융에 맞지 않는 방법론을 마구잡이로 적용한다면 값비싼 보석을 건져낼 수 있는 원석에서 기껏해야 부스러기만 얻게 되지 않을까?

위 3단계를 거쳐 중첩되는 확률적 우위, 이렇게 얻은 확률을 실제 승률로 수렴시키는 여러 스킬들 그리고 ETF를 다루며 쌓아둔 포트폴리오 엔진까지, 각각이 명확한 목적과 필요에 의해서 만들어진 잘 설계된 AI investment process로 시장을 풀어내는데 다가가고 있다고 믿는다