SVM을 이용한 시스템트레이딩전략의 선택모형

국문 초록 (Abstract)

KOSPI200 선물 트레이딩을 위해 업계에서는 여러 전략으로 포트폴리오를 구성해서 운용한다. 동일한 전략 모음을 갖고 있더라도 포트폴리오를 어떻게 구성하느냐에 따라 수익은 크게 차이가 난다. 시장 상황에 맞는 전략들로 포트폴리오를 구성하는 것은 오랜 경험과 탁월한 노하우가 있어야하는 어려운 작업이다. 본 논문에서는 SVM을 활용하여 쉽고 빠르게 적절한 전략 포트폴리오를 구성하는 방법을 제시하였다.
본 논문에서 제안한 시스템의 성과는 벤치마킹의 성과와 비교하여 2배 이상의 수익을 내는 것을 확인하였다. 1990.01.03∼2011.11.04 동안의 KOSPI200 데이터 중 이전 80%의 데이터로 학습을 하고 최근 20%의 데이터로 성능을 시험하였다. 각 전략별로 선택여부를 판별하는 SVM모델을 만들고 그 결과를 바탕으로 포트폴리오를 구성하였다. 벤치마킹을 위해 KOSPI200 선물을 2계약 매수한 경우의 수익, 시험 시작 직전 30일간 최고 수익을 낸 2개 전략의 수익, 실제 최고 수익을 낸 전략 2개를 보유했을 때의 수익과 비교하였다. 매매 비용을 반영하지 않을 때는 벤치마킹은 132.2∼510.37pt의 수익을 냈고, 본 시스템은 1072.36∼1140.91pt의 수익을 보여주었다. 그리고 거래비용을 감안하면 벤치마킹은 130.44∼502.41pt의 수익을 냈고, 본 시스템은 706.22pt∼768.95pt의 수익을 나타내었다.
본 논문은 기계학습을 통한 전략 포트폴리오를 구성하는 방안이 유의미하며 실전에 활용할 수 있음을 보여주었다. 이를 바탕으로 여러 전략과 다양한 시장에 적용해서 안정성을 검증하면 견고한 상용 솔루션으로 발전시킬 수 있을 것이다. 그리고 자금관리 기법을 더 반영한다면 수익을 더욱 크게 향상시킬 수 있을 것이다.

참고문헌 (Reference)

1 김광용, "인공지능시스템을 이용한 주가예측에 대한 연구" 대한경영학회 21 (21): 2421-2449, 2008

2 조희연, "유전자 알고리즘을 이용한 주식투자 수익률 향상에 관한 연구" 한국정보시스템학회 12 (12): 1-20, 2003

3 이석준, "선물시장의 시스템트레이딩에서 동적시간와핑 알고리즘을 이용한 최적매매빈도의 탐색 및 거래전략의 개발" 한국데이터정보과학회 22 (22): 255-267, 2011

4 최흥식, "방향성매매를 위한 지능형 매매시스템의 투자성과분석" 한국지능정보시스템학회 17 (17): 187-201, 2011

5 Hamm, L., "Trading futures markets based on signals from a neutral network" 7 : 137-140, 2000

6 Dunis, C., "The robustness of neural networks for modelling and trading the EUR/USD exchange rate at the ECB fixing" 15 (15): 186-205, 2009

7 김선웅, "Support Vector Machines와 유전자 알고리즘을 이용한 지능형 트레이딩 시스템 개발" 한국지능정보시스템학회 16 (16): 71-92, 2010

8 Brock, W., "Simple technical trading rules and the stochastic properties of stock returns" 47 : 1731-1764, 1992

9 Park, S. C., "SVM-based strategy portfolio management system" Kookmin University 2011

10 Fernandez-Rodrigueza, F., "On the profitability of technical trading rules based on artificial neural networks: Evidence from the Madrid stock market" 69 (69): 89-94, 2000

11 Kang, S., "Investra" Bumhan Book 2004

12 Lo, A., "Foundations of technical analysis: computational algorithms, statistical inference, and empirical implementation" 55 : 1705-1770, 2000

13 Franses, P., "Forecasting exchange rates using neural networks for technical trading rules" 2 (2): 109-114, 1998

14 Sweeney, R., "Beating the foreign exchange market" 41 : 163-182, 1986

15 Lukac, L, "A test of futures market disequilibrium using twelve different technical trading systems" 20 : 623-639, 1988

16 김선웅, "A Study on Developing a VKOSPI Forecasting Model via GARCH Class Models for Intelligent Volatility Trading Systems" 한국지능정보시스템학회 16 (16): 19-32, 2010