- hosted by 박지수(Merrill Lynch Investment Strategy)
1. 연구 배경
본 연구 내용은 Journal of Finance에 게재된 “(Re-)Imag(in)ing Price Trends”(Jiang, Kelly & Xiu, 2023) 논문과 장희수 교수를 중심으로 CDFi 세미나 내부에서 논의된 내용에서 시작되었습니다.
이들 아이디어를 기반으로, 합성곱 신경망(CNN, Convolutional Neural Network) 모델을 활용해 암호화폐 가격 차트를 이미지로 분석하고, 이를 예측 신호로 전환하는 인공지능 트레이딩 봇 개발을 진행하고 있습니다.
2. 시각 데이터를 이용한 CNN 학습
본 연구는 전통적인 가격/거래량 차트를 CNN에 학습 가능한 시각 데이터로 변환하는 접근을 바탕으로 설계되었습니다.
이를 위해서, 바이낸스(Binance)의 시간 단위 OHLCV(시가, 고가, 저가, 종가, 거래량) 데이터의 차트 이미지를 생성하고, CNN이 이 이미지 내의 패턴(캔들스틱 모양, 이동평균선, 거래량의 강도)을 시각적으로 인식합니다.
각 이미지는 CNN에 입력되어 다음 기간 동안 가격 상승 확률을 출력하게 됩니다.
3. 자산의 포트폴리오 구축 및 평가
모델을 기반으로 모든 자산을 상승 확률에 따라 순위를 매기고 상위 10%를 매수(long), 하위 10%를 매도(short) 하는 롱숏 포트폴리오를 구성했습니다.
그 결과 일부 조합에서는 샤프 비율(Sharpe ratio) 7 이상, 연복리수익률(CAGR) 1,000% 이상이라는 놀라운 성과가 나타났습니다.
모델의 정확도는 단기 구간(4~8시간)에서 가장 높았으며, 24시간을 초과하면 예측력이 급격히 약화되었습니다.
이는 암호화폐 시장의 초단기 모멘텀이 매우 강하다는 점을 보여주며, 전통 자산시장보다 암호화폐 시장이 더 짧은 주기로 움직이며, 시장 참여자들의 군집적 추종심리(herding behavior)가 강화된다는 기존 학계의 연구 결과와도 일치합니다.
4. 인공지능과 암호화폐의 시너지
암호화폐 시장은 높은 변동성과 강한 모멘텀 구조를 가지며, 기초(펀더멘털) 데이터가 제한적합니다.
이 때문에 가격과 거래량이 주요 입력값이 되며, CNN은 이러한 시계열적·시각적 패턴을 인식해 단기적인 가격 예측 신호를 포착합니다.
이는 전통적인 기술적 지표(MACD, RSI 등)가 잡아내지 못하는 비선형적·고차원 패턴을 모델이 학습할 수 있다는 점에서 의미가 있습니다.
5. 이외의 다양한 포트폴리오 실험
다양한 포트폴리오 구성 방법을 아래와 같이 실험하였습니다.
- 순위 가중(rank-weighted) 포트폴리오 → 강한 신호에 더 큰 비중을 두어 성과 개선
- 중간 구간 롱(mid-basket long) 전략 → 상위 50% 매수 시 변동성과 회전율 감소, 수익은 유지
- 거래비용(5 bps) 고려 후에도 다수의 시나리오에서 순이익 유지
이는 실제 트레이딩 시스템에서도 CNN 신호가 거래비용을 감안해도 유의미한 초과수익(Alpha)을 창출할 수 있음을 보여줍니다.
6. 시간 프레임 전이 학습(Transfer Learning)
암호화페 시장의 한정된 일간거래 데이터 문제를 극복하고 모델의 일반화 능력을 확인하기 위해서, 시간 단위(1시간)로 학습된 CNN을 일간 차트에 적용한 전이학습(transfer learning)을 수행했습니다.
그 결과, 모델은 여전히 일정 수준의 예측력을 유지했으며, 이는 암호화폐 가격 구조가 시간 스케일에 관계없이 일정한 패턴을 유지한다는 것을 의미합니다.
7. 정리
CNN이 아무리 강력한 신호를 만들어도, 포트폴리오 구성 방식(weighting, 분산, 회전율 관리)에 따라 실현 수익률은 크게 달라졌습니다.
즉, AI 모델링보다 운용 설계(Portfolio Design)가 실제 성과를 결정짓는 핵심 요소로 보입니다.
8. 향후 연구 방향
- 시장 요인(시장 베타, 모멘텀, 리버설 등)과의 비교 분석
- 계층적 리스크 패리티(Hierarchical Risk Parity, HRP)를 통한 포트폴리오 보정
- 자금조달금리(Funding Rate), 선물-현물 베이시스(Spot-Futures Basis) 등 추가 입력변수 도입
- 알트코인 가격발견(Altcoin Price Discovery) 모델링 확장
Cryto Trading Bot project에 대한 내용이 더 궁금하시다면 아래의 링크를 확인해주세요.
해당 자료는 CDFi 세미나에서 진행한 세션 내용을 바탕으로 제작되었습니다. 해당 자료의 저작권은 CDFi 및 발표자에게 귀속되며, 어떤 형태로든 동의 없이 복제, 변형, 재배포 될 수 없습니다.
뉴스레터: https://maily.so/cdfi
유튜브: Youtube_월스트리트디파이
텔레그램(뱅크리스 코리아): https://t.me/BanklessKorea
트위터(뱅크리스 코리아): https://twitter.com/BanklessKorea
의견을 남겨주세요