본 연구는 다수 트레이딩 전략으로 구성된 포트폴리오에서의 손익 예측모델을 통한 전략 선정 알고리즘에 관한 연구이다. 최근 주식시장의 방향성 및 변동성을 예측하기 위해 기계학습을 통한 모델 수립 및 활용에 관한 연구가 활발히 진행이 되고 있다. 그러나 개별 전략의 손익 데이터를 통해 각 전략만의 특성을 활용하여 포트폴리오에 일별 편입 여부를 결정하는 연구는 미흡하였다. 이에 본 연구에서는 기계학습을 통해 전략 포트폴리오 내에서 개별 전략의 일별 편입을 결정하는 모델을 개발하고자 한다. 기계학습 예측 모델 중 ...
본 연구는 다수 트레이딩 전략으로 구성된 포트폴리오에서의 손익 예측모델을 통한 전략 선정 알고리즘에 관한 연구이다. 최근 주식시장의 방향성 및 변동성을 예측하기 위해 기계학습을 통한 모델 수립 및 활용에 관한 연구가 활발히 진행이 되고 있다. 그러나 개별 전략의 손익 데이터를 통해 각 전략만의 특성을 활용하여 포트폴리오에 일별 편입 여부를 결정하는 연구는 미흡하였다. 이에 본 연구에서는 기계학습을 통해 전략 포트폴리오 내에서 개별 전략의 일별 편입을 결정하는 모델을 개발하고자 한다. 기계학습 예측 모델 중 지도 학습 모델로서 의사결정 트리의 과대적합의 문제가 개선된 랜덤 포레스트(Random Forest) 모델과 분류 예측 방법론에서 일반화 능력이 우수하다고 평가 받는 서포트 벡터 머신(SVM)기법을 활용하여 전략 포트폴리오 구성에 있어서, 각 모델의 장점을 활용할 수 있도록 하는 연구를 수행하였다. 트레이딩 전략은 정해진 규칙의 특성에 따라 투자시장의 변동에 영향을 받아 손익이 결정되므로 전략에는 시장의 정보가 내재되어 있다고 가정한다. 전략의 과거 손익 데이터를 분석함으로서 다음날의 손익을 예측하고, 나아가 전략의 일별 사용 여부를 결정하도록 한다. 최종적으로 선정된 전략으로만 이루어진 포트폴리오로 수익을 향상시키고, 리스크 노출 감소 및 여분 투자금의 분산 투자를 더욱 용이하게 할 수 있는 트레이딩 시스템 개발이 목적이다. 본 연구는 이러한 의사결정을 돕기 위해 KOSPI200 선물 데이트레이딩 전략의 2000년부터 2015년까지의 손익 데이터를 수집하였으며, 통계분석 툴인 R을 활용하여 연구를 수행하였다. 랜덤 포레스트(Random Forest)및 서포트 벡터 머신(SVM)모델을 활용한 결과는 개별 전략의 일별 편입 여부를 결정한 동적인 전략 포트폴리오가 기존 정적인 전략 포트폴리오 방식에 비해 거래일수와 표준편차, 최대 손실폭은 감소하였고, 손익과 승률, Sharp Ratio는 증가 하였다.
본 연구는 다수 트레이딩 전략으로 구성된 포트폴리오에서의 손익 예측모델을 통한 전략 선정 알고리즘에 관한 연구이다. 최근 주식시장의 방향성 및 변동성을 예측하기 위해 기계학습을 통한 모델 수립 및 활용에 관한 연구가 활발히 진행이 되고 있다. 그러나 개별 전략의 손익 데이터를 통해 각 전략만의 특성을 활용하여 포트폴리오에 일별 편입 여부를 결정하는 연구는 미흡하였다. 이에 본 연구에서는 기계학습을 통해 전략 포트폴리오 내에서 개별 전략의 일별 편입을 결정하는 모델을 개발하고자 한다. 기계학습 예측 모델 중 지도 학습 모델로서 의사결정 트리의 과대적합의 문제가 개선된 랜덤 포레스트(Random Forest) 모델과 분류 예측 방법론에서 일반화 능력이 우수하다고 평가 받는 서포트 벡터 머신(SVM)기법을 활용하여 전략 포트폴리오 구성에 있어서, 각 모델의 장점을 활용할 수 있도록 하는 연구를 수행하였다. 트레이딩 전략은 정해진 규칙의 특성에 따라 투자시장의 변동에 영향을 받아 손익이 결정되므로 전략에는 시장의 정보가 내재되어 있다고 가정한다. 전략의 과거 손익 데이터를 분석함으로서 다음날의 손익을 예측하고, 나아가 전략의 일별 사용 여부를 결정하도록 한다. 최종적으로 선정된 전략으로만 이루어진 포트폴리오로 수익을 향상시키고, 리스크 노출 감소 및 여분 투자금의 분산 투자를 더욱 용이하게 할 수 있는 트레이딩 시스템 개발이 목적이다. 본 연구는 이러한 의사결정을 돕기 위해 KOSPI200 선물 데이트레이딩 전략의 2000년부터 2015년까지의 손익 데이터를 수집하였으며, 통계분석 툴인 R을 활용하여 연구를 수행하였다. 랜덤 포레스트(Random Forest)및 서포트 벡터 머신(SVM)모델을 활용한 결과는 개별 전략의 일별 편입 여부를 결정한 동적인 전략 포트폴리오가 기존 정적인 전략 포트폴리오 방식에 비해 거래일수와 표준편차, 최대 손실폭은 감소하였고, 손익과 승률, Sharp Ratio는 증가 하였다.
This research studies a strategy selection algorithm through profit or loss prediction model in a trade portfolio with multiple strategies. Recently, studies on designing and utilizing machine learning models to predict the direction and the volatility of the stock market have been actively performe...
This research studies a strategy selection algorithm through profit or loss prediction model in a trade portfolio with multiple strategies. Recently, studies on designing and utilizing machine learning models to predict the direction and the volatility of the stock market have been actively performed. However, researches to decide whether to include a strategy to their strategy portfolios everyday using profit and loss data of individual strategies, the characteristics of each strategy, were not sufficient. Therefore, the aim of this study is designing the optimal model to daily determine adding individual strategies to the strategies portfolio through machine learning. Among the machine learning prediction models, Random forest model improved an excessive adaptation problems in the decision tree induction and Support Vector Machine techniques to be evaluated for a better generalization performance in the classification of forecasting techniques, were selected for this research in order to take advantage of the benefits of each model in formulating portfolio strategies. It is assumed that market information was imbedded in the trading strategy because determination of profit and loss is influenced by the market variation. Analyzation on the historical profit and loss data in the strategy predicts the gain or loss on the following day, and determines everyday whether to use strategies or not. Finally, it is the aim of this research to enhance trading system that can reduce risk exposure and facilitate greater portfolio diversification. Profit and loss data of KOSPI200 Futures Day Trading Strategy from 2000 to 2015 were collected and R, a statistical analysis tool, is used for analyzing. This paper using Random Forest and the SVM model shows that trading frequency, standard deviation, and maximum drawdown reduced; income, Percent Profitable and Sharp Ratio in the dynamic strategy portfolio increased compared to traditional static strategy portfolio approach.
This research studies a strategy selection algorithm through profit or loss prediction model in a trade portfolio with multiple strategies. Recently, studies on designing and utilizing machine learning models to predict the direction and the volatility of the stock market have been actively performed. However, researches to decide whether to include a strategy to their strategy portfolios everyday using profit and loss data of individual strategies, the characteristics of each strategy, were not sufficient. Therefore, the aim of this study is designing the optimal model to daily determine adding individual strategies to the strategies portfolio through machine learning. Among the machine learning prediction models, Random forest model improved an excessive adaptation problems in the decision tree induction and Support Vector Machine techniques to be evaluated for a better generalization performance in the classification of forecasting techniques, were selected for this research in order to take advantage of the benefits of each model in formulating portfolio strategies. It is assumed that market information was imbedded in the trading strategy because determination of profit and loss is influenced by the market variation. Analyzation on the historical profit and loss data in the strategy predicts the gain or loss on the following day, and determines everyday whether to use strategies or not. Finally, it is the aim of this research to enhance trading system that can reduce risk exposure and facilitate greater portfolio diversification. Profit and loss data of KOSPI200 Futures Day Trading Strategy from 2000 to 2015 were collected and R, a statistical analysis tool, is used for analyzing. This paper using Random Forest and the SVM model shows that trading frequency, standard deviation, and maximum drawdown reduced; income, Percent Profitable and Sharp Ratio in the dynamic strategy portfolio increased compared to traditional static strategy portfolio approach.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.