금융 지표와 파라미터 최적화를 통한 로보어드바이저 전략 도출

Abstract

최근 인공지능에 대한 연구가 활발해지면서, 다양한 분야에서 기계 학습을 적용하려는 시도가 이루어지고 있다. 금융분야에서는 사람 대신 로봇이 시장을 분석하고, 투자결정 및 자산배분을 하는 로보어드바이저 상품이 급속하게 확대되고 있다. 현재까지 진행된 기계 학습을 활요한 주가 예측은 주로 시장지수의 예측을 중심으로 재무재표를 활용한 기본적 지표 또는 가격 파생 지표인 기술적 지표를 활용하였다. 그러나, 대부분의 연구가 학습데이터의 예측력에 대한 뚜렷한 검증 없이 진행된 측면이 있따. 이에 본 연구에서는 주가 예측에 사용되는 기본적 지표, 기술적 지표, 그리고 시스템 리스크 지표가 어느 정도의 시장 예측력을 지니는지에 대한 실험을 수행하였다. 먼저 각 금융지표에 대한 핵심 파라미터를 설정하고 수익률과 변동성을 반영한 목적 함수를 정의하였다. 그리고, 마르코프 연쇄 몬테카를로 방법으로 각 파라미터의 분포에서 표본을 추출하여 목적함수를 최대화하도록 하는 최적값을 구하는 실험을 실시하였다. 로보어드바이저는 실제로 주식과 채권 등이 금융상품을 매매하는 상품이기 때문에, 시장지수에 대한 예측만으로는 성립할 수 없다. 본 실험에 대한 표본은 국내에 상장된 종목 중 상장 후 5년 이상 경과한 1,500개 종목의 17년 동안의 데이터를 대상으로 하였다. 실험 결과 각 지표들을 통해 시장 수익률을 초과하는 유의미한 매매전력을 수립할 수 있었다. 본 연구는 단일 지수에 대한 실험이 아닌, 국내 상장된 주식의 상당 비율을 포함하였으며 각종 금융 지표의 시장 예측력을 검증하였다는 점에서 로보어드바이저 상품 개발을 위한 기반으로서 활용할 수 있을 것이다.