안녕하세요, 구독자님. 천대표의 투자레터입니다.
오늘은 두물머리에서 자체적으로 만들어 활용하고 있는 KOSPI200 주식 시장에 대한 AI 시그널을 설명드리겠습니다. AI가 시장에 대한 뷰를 만들어준다면 대충 어떤 모습일지를 살펴보는 의의가 있고, 더욱이 15개월 동안 시장에 매우 비관적이던 신호가 최근 며칠간 적극적인 매수 신호를 보이고 있는 점을 함께 곱씹어 보면 좋겠습니다.
EWS는 무엇인가?
EWS 는 Early Warning Signal, 즉 조기 경보 신호를 의미합니다. 각양 각색의 경제지표들을 상시 모니터링 하고 있다가, 시장이 하락하기 전에 미묘한 위험 신호를 포착해내는 목적을 가지고 있습니다.
혼동하면 안되는 점은, EWS가 시장의 하락과 상승을 정확하게 예측하는 목적이 아니라, 설령 틀린 신호를 많이 낼지라도 시시각각 위험의 조기 지표들을 똑똑하게 모니터링 하는 목적이라는 것입니다. 안 틀리는게 중요한게 아니라, 한번이라도 위험을 잡아내는데 특화 되었다고 보는 것이 맞지 싶습니다.
비유를 들자면, 집이나 중요한 시설 근처에 수상한 행동을 하는 잠재적 침입자를 조기 경보 해주는 AI 시스템이 있다고 가정해보겠습니다. 이 시스템을 통해 잠재적 침입자 한명을 정확하게 짚어내기 보다는, 경비원들이 조금더 이목을 집중할 수 있도록 보조하는 장치가 유용할 것입니다. 즉 경비원의 대체재가 아닌 보완재에 가깝습니다. 그런 기능을 충실히 해준다면, 경비원들은 더 적은 에너지를 들여서 더 많은 이상 신호를 더 정확하게 모니터링 할 수 있게 되겠죠?
사람이 잠재적 침입자를 걸러내는데 더 특화된 부분도 있을 것이고, 반대로 데이터를 통해 기계적으로 잠재 침입자들을 선분류를 해두는게 유리한 점도 있을 것입니다. 이런 류의 시스템은 완전하길 기대하기 보단, 어떻게 하면 사람에게 도움이 될까를 고민하는 편이 더 좋습니다. 아직 완벽하지 않기 때문이죠.
자, 그렇다면 두물머리 내부에서 만들어지고 있는 EWS를 예시로 들어 실제 어떤 활용이 가능한지를 살펴보겠습니다. 참고로 이 EWS는 두물머리의 CDO (Chief Data Officer)인 한태경 이사가 이미 수년째 실제 사용하고 있는 machine learning 신호입니다.
두물머리의 EWS를 해석하는 방법.
두물머리의 EWS는 향후 기대되는 주식시장의 움직임을 수치로 환산한 것입니다. 수치가 0에 가까울수록 향후 주식시장에 투자 했을 때 매력도가 떨어지는 것이고, 1.00에 가까울수록 투자했을때 성과를 달성할 확률이 높다고 해석합니다. 확률이 높다는 것은 달리 말하면 항상 정확한 것이 아니라 과거에 개연성이 있어 왔다는 뜻입니다. 그러니 미래에도 조심해볼 ‘가치’가 있다는 것이겠죠.
어떻게 계산되는가?
두물머리의 EWS는 주식 시장의 움직임과 다양한 행동들을 측정하는 여러 개의 지표를 종합한 것입니다. 시장 내 같은 기간 동안 여러 주식들의 수익률 상관관계, 주식들의 수익률 분포도, 장단기 금리차, 주식시장의 거래량추이, 위험회피 지수, 경기침체확률 등이 포함 됩니다. EWS는 이런 개별 지표를 종합하여 주식시장의 수익률과의 관계를 파악한 다음 그것이 평균(0.50) 에서 어느 정도로 벗어나 있는지 추적할 수 있습니다. 각 개별 지표들은 머신러닝 기법의 일종인 지지벡터머신(Support Vector Machine)을 에 입력되어 향후 주식시장의 상승강도를 계산하는데요, 0은 주식시장의 상승매력도가 없다는 뜻이고 1.00은 최대치라는 의미입니다. 0에는 하락이 아닌 횡보까지 포함되어 있으므로, 시장이 하락할것 같아도 수치가 낮고 횡보해서 상승하지 않을 것 같아도 수치가 낮습니다.
얼마나 자주 계산되는가?
모든 구성요소와 인덱스는 새 데이터가 나오는 즉시 계산되는데 대부분의 지표는 일간이므로 매일 계산된다고 보면 됩니다. (월간, 분기 데이터도 존재하나 일간 데이터가 대부분)
어떻게 사용하는가?
EWS는 시장의 분위기를 가늠하는 데 사용합니다. 수치가 낮을 때는 투자를 피하고 높을 때는 투자하는 것이 좋으나 어느정도 수준이 투자하기에 적절한지는 사용자의 위험 회피도와 투자전략에 달려있습니다. 현재 시스템에 반영된 전략은 시그널의 크기만큼 주식시장에 투자하고 나머지는 현금을 보유하는 간단한 전략입니다. 예를 들어 20%라는 수치가 나왔으면 KOSPI ETF에 20%를 투자하고 80%를 현금을 보유하는 것입니다. 위험 회피도가 매우 높은 투자자라면 시그널 값이 80% 이상일때만 투자하고 나머지 시기에는 전액 현금을 보유할 수 있고, 위험 선호도가 높은 투자자는 반대로 20% 이하값이 아니면 주식시장에 계속 투자하고 20% 이하가 되면 현금 비중을 늘려나가는 식으로 활용할 수도 있겠죠. 사용자에 따라 복잡한 활용도가 있으나, 가장 간단한 형태를 보여드리기 위해 수치와 정확히 같은 주식비중을 사용했습니다.
입력지표선정
머신러닝에는 다음과 같은 변수들이 입력 변수 후보군으로 사용되며 계속 추가될 수 있습니다.
(각 지표의 정의는 부록으로 뺌.)
각 지표는 공식적으로 발표되는 것도 있고 내부에서 자체 개발한 지표들도 존재합니다.
지표들은 아래와 같은 절차를 통해 신호로 만들어지게 됩니다.
하나씩 살펴볼게요.
후보지표목록(Factor Factory)
1 University of Michigan: Consumer Sentiment
2 1 Month return Skew in korea stock market universe
3 CPI YoY
4 M2 YoY
5 KOSPI - WORLD SPREAD
6 CRUDE OIL, WTI
7 REC UP RATIO US
8 US TERM SPREAD
9 Korea Stock market Trading volume Ratio
10 RISK APPETITE INDEX
11 REC UP RATIO KR
12 US High Yield Spread
13 EPS YOY ACT GROWTH
14 KOSPI200 EPR
15 KOSPI200 BPR
16 Recession Prob
17 VIX
18 US DOLLAR INDEX
19 Macroeconomic News and Outlook: Business Investment And Sentiment
20 Equity Market Volatility Tracker: Financial Crises
25 DISPERSION BY CORRELATION IN KOSPI200
26 AUD/CHF
27 Daily Advanced / Decline Ratio
28 McClellan Oscillator
29 KOSPI : (NumCmpEstUp-NumCmpEstDown)/NumCmpEst
30 KOSPI : Mean1MoChg
31 KOSPI : Analyst Estimates StdDev
32 KOREA Stock Market : Cash / Total Assets
33 Stock Price Momentum: The S&P 500 (SPX) versus its 125-day moving average
34 Stock Price Strength: The number of stocks hitting 52-week highs and lows on the KRX
35 Stock Price Strength: The number of stocks hitting 52-week highs and lows on the NYSE
36 Stock Price Breath: measures advancing and declining volume on KOSPI
37 Natural Gas
38 GOLD
39 Chicago Wheat
40 Soybeans / No. 1 Yellow
41 HEATING OIL NYMEX
42 IRON ORE FUTURES - CME
43 LUMBER/SPRUCE-PINE F CME
44 EURUSD
45 GBPUSD
46 AUDUSD
47 CNYUSD
48 CHFUSD
49 USDKRW
50 KRGovt10Y
51 USGovt10Y
52 JPGovt10Y
53 AUGovt10Y
54 CNGovt10Y
55 INGovt10Y
56 US Nonfarm Payroll
57 US INITIAL JOBLESS CLAIMS
58 US THE CONFERENCE BOARD LEADING ECONOMIC INDICATORS
59 CHINA MACROECONOMIC CLIMATE INDEX
60 KOREA LEADING COMPOSITE INDEX
61 ratio of stock price below 200ma nasdaq100
62 ratio of stock price below 200ma kospi
63 ratio of stock price below 200ma S&P500
64 kr stock eps down/up estimates ratio
65 us stock eps down/up estimates ratio
66 kr stocks eps estimates stdev
67 us stocks eps estimates stdev
68 Equity Market-related Economic Uncertainty Index
69 Economic Policy Uncertainty Index for United States
각 개별 지표들은 다양한 형식으로 변환되어 테스트 됩니다.
여러 종류의 이동평균선과 변화율로 계산되어 각각 서로 다른 입력변수인 것처럼 취급 됩니다.
예) Dollar Index
지표 1 : Dollar Index
지표 2 : Dollar Index 3개월 평균값의 6개월 변화율
지표 3 : Dollar Index 2개월 평균값의 9개월 변화율
지표 4 : Dollar Index 2개월 평균값의 12개월 변화율
지표 5 : Dollar Index HpFilter 적용값의 3개월 변화율
.
.
지표 N : Dollar Index 12개월 평균값의 12개월 변화율
그래서 개별 지표는 70개 남짓이나 실제 테스트 되는 지표는 1만개 이상이 됩니다.
통계분석(Statistical Analysis)
EDA(Exploratory Data Analysis - 탐색적 데이터 분석)를 위한 시각화를 수행
각 지표와 주가지수 미래 수익률과의 선형관계를 통계적으로 검증하여 분석 대상이 될 지표 후보군을 1차로 선정합니다.
Machine Learning 분석
모델에 단일 변수로 입력하여 비 선형관계가 존재하는지를 검증
1차 선정과정에서 선형관계가 발견되지 않았더라도 EDA (Exploratory Data Analysis - 탐색적 데이터 분석) 과정에서 명확하게 관계가 보이는 듯한 지표들도 후보군으로 포함됩니다. 지표 선정은 단일 지표를 입력받은 머신러닝 모델의 예측력을 기반으로 합니다. 개별 지표들은 Rolling Window 방식으로 학습 최초 24개월치 데이터가 존재하는 시점부터 시작하여 예측 후 다시 과거 전체 데이터를 사용하여 학습하는 형식입니다.
개별 지표들의 예측 성과 평가
예측률, 자산배분 시그널로 변환시 수익률등을 종합하여 체크 하고 저장합니다.
일련의 과정은 모두 자동으로 수행되고요.
다음의 화면은 19.3.6.0이라는 지표를 입력변수로 머신러닝을 학습하고 예측하는 경우 해당기간동안 417.24%의 수익률을 (mp 5.172479… 부분은 5.17 배 성장, 즉 417% 상승했음을 의미) 달성했음을 보여줍니다. (KOSPI200은 259%)
최적 지표 조합 찾기
최종 후보군으로 통과된 단일 지표들을 조합하여 최적의 모델을 찾는 과정을 수행
앞서 단일 지표를 입력으로 사용했던 방식을 이번에는 지표후보군들을 조합하여 수행합니다.
모든 경우의 수를 감안하여 자동으로 수행됩니다만, 입력 후보군 선정에 사람이 관여할 수도 있습니다. 주로 제거 보다는 추가하는 방식으로 관여하게 됩니다. 사람은 후보군에만 관여할 수 있고, 조합 모델은 프로그램이 실시간으로 자동으로 진행해 나갑니다.
다음은 선정된 지표 조합들에 대한 내용을 DB에 저장한 것입니다.
지표 조합들 중에서 성과가 가장 우수한 후보군들을 선정하고 나면 사람이 개입하여 모델의 의미에 대하여 고찰해보고 경제학적 함의를 찾는 노력을 해봅니다. 여기서 통과하지 못하면 성과가 우수해도 탈락시켜 다음 후보군 검토로 넘어가게 되죠.
최종적으로 테스트 할만한 가치가 있는 지표조합을 통한 머신러닝 모델이라는 판단이 들면 이제 등록하여 매일 모니터링 하게 됩니다. 모니터링은 두물머리 엔진의 EWS 화면을 통해 매일 시그널이 생성되고 성과가 평가되도록 설계되어 있습니다.
현재 총 3개의 모델이 운용중이며 성과도 매우 우수한 편인데요, 이중 1번 모델은 2012년 부터 지표의 변화없이 현재까지 계속 운용중인 모델이고, 2번과 3번은 최근 개발 되었습니다.
프로그램을 통해 확인해 본 바 완벽하게 예측하진 않지만 시그널이 극단적으로 낮거나 (0~10%) 극단적으로 높은 경우 (90~100%)이 적중률이 높은 편입니다.
입력지표들의 각각의 움직임도 트랙킹이 가능합니다. 이것으로 현재의 머신러닝 시그널 값이 왜 높거나 낮은지에 대한 단서를 찾아 설명력을 더하고자 했습니다. 머신러닝의 특성상 설명이 잘 되는 구간도 있지만 아닌 구간도 있으므로 어떤 경우에는 사람의 경험적인 해석이 들어가기도 합니다.
현재의 상황
2019년부터 KOSPI 에서의 EWS 신호를 살펴보면, 코로나 때는 강한 매수 신호가 나오다가 (아래 파란색 차트가 신호이며, 0~1로 표현되어 있음) 2021년 3월부터 15개월 동안 뚜렷한 신호가 나오지 않았습니다. 그러나 최근 며칠 사이 아주 강한 신호가 나왔습니다. 과거를 보면 이 정도 수준의 신호가 반드시 미래를 정확히 예측한 것은 아닙니다. 다만 맞출 가능성이 틀릴 가능성보다 더 높음을 알 수 있습니다.
EWS는 조기 위험을 경보하는 신호인데 여기서 왜 매수 신호로 해석하는지 의아해하실 수도 있겠네요. 위험이나 상승의 어려움을 알리는 신호이다 보니 자연스럽게 그 반대의 역할도 하게 되는 것 같습니다.
최근 EWS 신호는 2021년부터 아주 효자 노릇을 하였습니다. 현금 비중을 높이라는 신호를 15개월간 유지하면서 이미 시장대비 높은 자산배분 효과를 보여주었지요. 이 신호가 앞으로 계속 맞는다는 보장은 없지만, 그럼에도 최근 시장과 fit 이 잘 맞았다는 개연성이 있습니다. 매크로 신호들이 시장의 질을 잘 설명하는 시장이었다고 할 수도 있지요. 반대로 최근 데이터를 가지고 이 EWS 신호를 만들었다면 ‘과최적화’ 즉 최근 시장에만 잘 맞는 데이터로 취사선택한 것 아니냐는 의심을 가질 수 있겠습니다만, 이 신호는 2012년부터 건드리지 않은 부분이므로 그런 의심에서 자유롭습니다.
향후 계획
향후의 계획 중에서 가장 중요한 부분은 입력 지표들의 후보군을 늘리는 것입니다. 분석이 자동으로 수행되므로 입력 지표들이 많으면 많을 수록 더 나은 모델을 발견할 확률이 증가할 것으로 기대합니다.
딥러닝을 활용하여 상승/하락 뿐만 아니라 상승/중립/하락의 3원화된 분류를 예측해보고자 합니다.
EWS는 대형 기관에서 활용시에 많은 도움이 될 수 있으므로, API를 통한 지표 서비스를 제공할 계획도 있습니다.
후기
어쩌면 EWS 같은 신호는 이미 사람들이 머릿속에서 거시경제를 분석하는 방법과 유사할 수도 있습니다. 정확한 데이터를 모두 기억할 사람은 없지만, 그래도 과거의 경향성과 복잡한 변수간의 상관관계를 토대로 직관적으로 시장 상황을 유추하고 있는 것이 다 따지고 보면 일종의 EWS죠.
사람들이 때로는 더 미세한 데이터를 잘 분석할 수도 있습니다. 다만 사람들은 기억이 매우 짧은 것이 문제에요. 무엇보다 글로벌 지표들을 분석하는 분들의 커리어가 길어봤자 20년을 넘는 경우가 흔치 않죠. 90년대 이전의 데이터에 대해서는 이해도가 떨어지는 경우가 많습니다. 또한 대량의 데이터의 미묘한 관계성을 파악하는데 있어서는 일종의 편견이 있을 수 있겠죠. 그래서 사람과 다른 역할을 해주는 EWS가 큰 보완재가 될 수 있다고 생각해요. (대체재는 아닙니다)
이런 시그널도 사람에 따라 잘못 활용하면 약이 아닌 독이 될 수 있습니다. 다만 현 시점에서는, 금융 시장을 불안하게만 볼 필요 없다는 약간의 냉정성을 갖는데 기여할 수 있는 색다른 관점 같습니다.
그럼 오늘도 즐거운 하루 되십시요!
의견을 남겨주세요
럭키7
모바일에서 글씨 폰트크기를 키우는 설정이 있으면 좋겠습니다
천대표의 투자레터
저도 원합니다~! ㅠㅠ 제안해둘게요
의견을 남겨주세요