Q&A

https://class.coursera.org/compinvesting1-2012-001/wiki/view?page=Week4

에 올라온 Q&A 정리

• 본인의 펀드 운용에도 해당 기법들을 쓰는지?
• Yes.  은퇴 프로그램은 TIAA CREF을 이용하는데, 펀드 평가를 위해 
• 트레이딩 경험은
• 2005 투자용 소프트웨어를 만들기 시작. ThinkOrSwim 에 Think AI라는 모듈을 제공. Cerebellum Capital이라는 곳에서 1년간 Matlab으로 개발. 그뒤 QPST 만들고 스핀오프
• 롱텀 리턴은?
• 15-20% 정도의 수익률 정도가 적당
• 뉴럴네트웍은 괜찮나요?
• 좋다. Part II에서 가르칠 KNN 좋다. 개인적으로 Random forest가 제일 좋다고 생각함. Support Vector Machine, Kernel Regression 등도 좋다.
• 데이터가 없을 때의 관계는?
• 제일 좋기는 데이터가 없는 열을 없애는 거지만 그러면 모수가 작아질 수 있다. 데이터를 앞으로 갔다가 뒤로 가서 NaN을 없애는 방법이 괜찮음
• 베타와 상관계수 계산 위해서는 얼마간의 데이터를 사용하나?
• Bara는 5년이 좋다고 했지만 오늘날같이 시장이 빨리 변하는 데는 최대 1년이 나은 듯

CAPM

(Capital Assets Pricing Model)CAPM 의 정의

• r_i(t) = beta_i * r_m(t) + alpha_i
• r_i : daily return
• r_m : daily return of market
• a_i : residual . Information Exploit
• CAPM은 random이므로 expectation은 0이라 보지만
• Active Portfolio Mgmt 관점에서는 예측을 통해 의미있는 값으로 봄

Beta?

• 선형회귀를 이용해 r_m 과 r_i 를 그려보면, beta 는 기울기, alpha 는 상수값

베타와 Correlation은 다르다

• Correlation : 선에 얼마나 tight한지
• Beta : 선의 기울기가 얼마인지

CAPM 의 시사점

• 초과 기대수익은 베타와 비례함
• 베타 > 1.0 : 마켓보다 잘하고 있다는 소리
• 포트폴리오의 베타 = 포트폴리오의 개별 요소의 가중 베타값의 합
• 이를 이용해 마켓 리스크를 없앨 수 있음.
• IBM이 상승한다는 정보가 있을때
• 마켓(SPX)가 하락하면
• IBM도 하락
• 그러나 SPX보다는 덜 하락하므로
• IBM을 사고 SPX를 팔면 이익
• 마켓이 상승하면
• SPX보다 더 상승하므로
• IBM을 사고 SPX를 팔면 이익
• 이렇게 해서 헤지펀드는 돈을 번다.

Inside a Quant Shop

여기서는 Slow Quant Shop을 다룬다. 즉 수초에서 수분 사이에 매매를 일으키는 Frequency Trading에 다루지는 않는다.

Trading Algorithm 

Trading Algorithm은 다음과 같은 데이터를 입력으로 받아서, 매매 주문을 낸다.

• Historical Price Data : 시가, 고가, 저가, 종가, 거래량
• Target Portfolio : 매매하고자 하는 종목의 포트폴리오와 목표가
• Live Portfolio : 보유 중인 포트폴리오의 현재가

Portfolio Optimizer

Portfolio Optimizer는 다음과 같은 데이터를 입력으로 받아서, Target Portfolio를 정한다.

• Historical Price Data
• Current Portfolio : 보유 중인 포트폴리오와 매입가
• N-day forecast : N일 동안의 예상 가격

Forecasting Algorithm

N-day Forecast 는 다음과 같은 데이터를 입력받은 예측 알고리즘에 따라 결정됨

• Information Feed : 뉴스, 공시 등 시장의 각종 정보 수집
• Historical Price Data

Computational Investment Part I

Coursera 라는 무료 강의 사이트가 있다. 대학교에서 무료로 강의 동영상이나 자료를 배포하는 사례가 많았지만, 이 사이트는 오히려 사이버 대학과 가깝다. 즉 수강신청 기간이 있고,  매주 강의자료가 업데이트되면서, 프로젝트와 퀴즈 같은 액티브한 활동을 유도한다. 또한 스탠포드를 비롯한 유수의 대학 교수들이 참여하고 있는 만큼 강사와 강의 품질 또한 최고 수준이다.

각설하고, Computational Investment Part I 이라는 강의가 열렸다.
강좌 소개에 다음과 같은 문장이 기대감을 높인다. python 을 이용해서 마켓 시뮬레이터를 개발하는 모양이다.

At the end of the course you will have created a working market simulator that you can use to test your own investing strategies.

강의 내용 요약본을 올려볼까 생각 중.