A 3-Phase Stock Trading System based on Computational Finance Techniques 이 재 원 성신여자대학교 컴퓨터정보학부

1. A 3-Phase Stock Trading System based on Computational Finance Techniques 이 재 원 성신여자대학교 컴퓨터정보학부 1

2. Contents • Introduction to Computational Finance • Characteristics of the Stock Market • 3-Phase Stock Trading System • Phase 1 : Prediction • Phase 2 : Trading Policy Generation • Phase 3 : Asset Allocation • Conclusions

3. Introduction to Computational Finance • 전산 금융 (Computational Finance) • Subjects • Mathematics, Probability, Statistics for Finance • Time Series Analysis/Prediction • Financial Trading Software • Intelligent Portfolio Management • Intelligent Risk Management • Focus • AI Technologies for Prediction • Data Mining for Trading Policy Generation • Optimization Algorithms for Asset Allocations • High Performance Parallel Processing for Real-time Recommendation! • Application Area • Stock, Foreign Exchange, Option and Future Market, Gold, Oil, …

4. Introduction to Computational Finance (cont’d) • 전산학적 방법 (Computer Techniques) • 신경망 (Neural Network) • 비선형 함수 근사가 가능(universal function approximator) • 병렬적 처리, 결함 허용(fault tolerant) • 유전자 알고리즘 (Genetic Algorithm) • 방대한 탐색 공간에서 허용 가능한 시간 내에 Optimum에 근사 하는 해를 찾는다. • Database Programming & Management • Technical Indicator Values of Daily Prices • High Performance Parallel Processing • 다음날을 위한 예측 결과가 다음날 개장 후 나온다면? • Cluster Computing

5. Characteristics of the Stock Market • 주가 예측 (Stock Market/Price Prediction) • 자본주의 사회에서의 통념 • Man’s common goal is to make his life easier • Wealth brings comfort and luxury • Much work done on ways to predict the market • Maybe not in Korea, unfortunately(?) • 가정: “시장은 완전히 효율적이지는 않다” • Target • Consistently “beat the market” • Achieve financial gain • But, a hard problem! Is it even possible? • 무수한 변수로 인한 높은 복잡성 • 예측 성능 평가의 어려움 • 예측가능성을 예측할 수 있는가?

6. Characteristics of the Stock Market (cont’d) • 주가 변동 분석 방법론 • Fundamental Analysis / Efficient Market Hypothesis / Technical Analysis / Time Series Prediction / Chaos Theory • 기본 분석 (Fundamental Analysis) • 특정 주식의 이론적, 본질적 가치를 분석 • 기업 외적 요인: 경제 상황 • 기업 내적 요인: 기업의 자산, 수익, 성장성, ... • 분석된 가치와 현재 주가를 비교하여 매매에 활용 • 시간이 지나면 주가는 가치를 반영하게 된다는 전제 • 결정론적 시각: 계산에 의해 적정 주가를 예측 • 주가 변동의 ‘원인(cause)’을 연구 • 시장 참여자의 90%가 ‘논리적(logical)’이라고 가정 • 투자자는 투자를 위해 많은 분석을 한다는 생각

7. Characteristics of the Stock Market (cont’d) • 기본 분석 (Fundamental Analysis)(계속) • 장점 • 주식의 가치를 평가하는 체계적인 틀(frame)을 제공 • 장기적 변동을 예측할 수도 있다 • 탁월한 global view가 있는 경우에 가능 • 단점 • 부정확한 자료, 통계적 오차: 정확한 계산이 어려움 • 성장성 등은 추상적 개념: 수치화하기 어려움 • 가치의 인정 여부는 시장이 결정 • 인정 시, 소요 시간이 문제 • 불인정 시, 가치가 무시될 수도 있음 • 시장의 심리적 요소를 무시 • 매일 매일의 ‘등락’에 대한 설명력이 부족 • 상징적 인물 • Warren Buffett

8. Characteristics of the Stock Market (cont’d) • 효율적 시장 가설 (Efficient Market Hypothesis) • 효율적인 정보 공유로 인해 주가 변동은 random이라는 가설 • 1960년대에 대두 • 의미 있는 정보는 즉시 주가에 반영: 시장은 완전히 효율적 • 모든 참여자는 동등하게 정보를 공유 • 단지 가설일 뿐 검증되지 않음 • 역시 심리적 요인을 무시 • 반론 • 탁월한 투자자의 존재(초과 이익의 존재), 주가 조작, ... • Market crash • 1929~1932: 89% 하락 • 19 October 1987(Black Monday): 22% 하락 • 유용성 • 주가의 실적 선행 현상을 설명 가능 (기본 분석과 대조) • 기술 분석과 일치하는 관점도 있다: “price says everything” vs. “price movement says everything”

9. Characteristics of the Stock Market (cont’d) • 기술 분석 (Technical Analysis) • 과거 가격의 ‘움직임’으로부터 미래 가격의 움직임을 예측 • 미래의 변동은 과거의 변동에 비독립, 연속성: “trend” • 추세(trend)는 투자자 집단(군중)의 태도(심리)를 반영 • 기술 분석 vs.기본 분석 • 주가 변동의 ‘영향(effect)’을 연구 • 시장 참여자의 90%가 ‘심리적(psychological)’이라고 가정 • 투자자는 예측 가능한 형태로 변화에 반응한다는 생각 • 기술 분석은 기본적 요인 자체보다 그것의 ‘변화’를 중시 • 기본적 요인 자체는 이미 가격에 반영: EMH와 동일

10. Characteristics of the Stock Market (cont’d) • 기술 분석 (Technical Analysis)(계속) • 기술 분석 vs. EMH • EMH: 모든 변화는 즉각적으로 정확히 가격에 반영 • 기술 분석: 변화는 시차를 두고 반영되며, 왜곡/과장이 가능 • 반영의 과정은 일정한 ‘패턴(pattern)’을 보인다 • 군중의 심리는 자연의 일부이므로 자연의 패턴을 보임 “Economic history is a never-ending series of episodes based on falsehoods and lies, not truths. It represents the path to big money. The object is to recognize the trend whose premise is false, ride that trend, and step off before it is discredited.” - George Soros – (심지어, 변화가 없어도 왜곡/과장될 수 있음을 시사)

11. Characteristics of the Stock Market (cont’d) • 기술 분석 (Technical Analysis)(계속) • 챠트(chart)의 패턴 및 파동 정보의 분석에 주력 • 가격의 움직임은 모든 것을 말한다 • 기본 요인의 변화, 변화에 대한 시장의 반응, ... • 여러 가지 기술 지표(indicator)의 활용 • 장점 • 매매 시점의 선택에 효과적 • 대상이나 시간에 제약이 없다 • 환율, 금리, 유가 등 모든 파동(wave)에 적용 가능 • 단점 • 패턴이나 지표의 해석이 주관적 (모호성) • 절제되고 사려 깊은 분석가의 ‘예술적’인 감각이 필요 “To be successful, technical analysis should be regarded as an art, not a science.” - Albert N. Link -

12. Prediction Engine1 Prediction Engine2 … Prediction Engine n 예측 단계 종목별 예측치 Trading Policy Generator Trading Policy Generator Trading Policy Generator 매매 정책 생성 단계 매매 정책 Asset Allocator 엔진별 자산 할당 단계 최종 추천(종목, 매매 규칙, 매매대금) 3-Phase Stock Trading System

13. 3-Phase Stock Trading System (cont’d) • Phase 1 : Prediction • Using Neural Network • Input Features Selection • 수십 ~ 수백 개의 Technical Indicator 선정 • Training 파일과 Validation 파일 생성 • Hidden Layer • Multi-Layer 채택

14. 3-Phase Stock Trading System (cont’d) • Phase 1 : Prediction(계속) • Input Features 선정 예

15. 3-Phase Stock Trading System (cont’d) • Phase 1 : Prediction(계속) • 신경망을 이용한 학습 예: Training & Validation Error Log • 학습 에러: 거의 모든 현상을 암기한 상태를 의미. • 검증 에러: EMH를 부정할 수 있는 의미 있는 예측력이긴 하나, 이것만으로는 충분한 Profit을 보장하지 않음을 의미.

16. 3-Phase Stock Trading System (cont’d) • Phase 1 : Prediction(계속) • 1단계 예측 결과와 실제 결과와의 비교 예

17. 3-Phase Stock Trading System (cont’d) • Phase 1 : 예측 엔진의 구분 • 입력 자질(Input Feature)에 따른 구분 • 1st feature set, 2nd feature set, 3rd feature set, 4th feature set • 목표값(Target)에 따른 구분 • Body, Gamma(06, 07, 09…) • 예측 대상 종목군에 따른 구분 • 전체(Total) • BC(Blue Chip) or non-BC • 거래소 or 코스닥 • 테마(Theme)별 • 신경망 인자에 따른 구분 • 은닉(Hidden) 노드의 수 (80X20, 40X2,…) • 학습 종료 시점 (Epoch) • 기타 • 거래대금 구분 (2억 이상~1조 이상) • 추천일 상하한가 여부

18. 3-Phase Stock Trading System (cont’d) • Phase 2 : Trading Policy Generation • 매매 정책을 구성하는 요소들 • 예측 임계치 (Threshold) • Seasonal Effect: 몇 개 이상 추천된 경우에 거래할 것인가? • 매수 할인율 (Buy Discount Ratio) • 이익 실현율 (Profit Ratio), 손절매율 (Stop-loss Ratio) • 최대 보유일 수 (Holding Day) • 매매 정책 결정 시 고려 사항 • Overall Profit Per Trade(PPT) • 적중률(Hit Ratio) • 월별 PPT • 마이너스인 달을 최소화 • 일별 PPT • 일별 PPT 분산 값이 작은 매매 정책이 바람직!

19. 3-Phase Stock Trading System (cont’d) • Phase 2 : Trading Policy Generation(계속) • Trading Policy가 수익률에 미치는 영향 예: 추천일

20. 3-Phase Stock Trading System (cont’d) • Phase 2 : Trading Policy Generation(계속) • 한 예측 엔진에 대해 수만 명의 펀드 관리자가 나름의 정책으로 매매한다고 가정했을 때 최고 수익률을 보이는 정책을 채택함.

21. 3-Phase Stock Trading System (cont’d) • Phase 3 : Asset Allocation • Assumptions • 여러 개의 “(예측 엔진, 매매 정책)”이 개발된 상태 • Limited Invest Money • Goal • 엔진 별 우선순위 결정 • 엔진 별 투자 금액 배정의 최적화를 통한 수익의 극대화 • Solution • 유전자 알고리즘(Genetic Algorithm)에 의한 배정률 최적화 • 우선 순위 및 배정률을 동시에 고려한 알고리즘 • Feedback-based Genetic Algorithm

22. Connection Scheduling (cont.) • Phase 3 : Asset Allocation(계속) • 배정률 최적화의 효과

23. Conclusion • Stock Market is Profitable! • Neural Network based Prediction • Automatic Trading Policy Generator • GA based Asset Allocations • Future Works • More Accurate Prediction Engines • Minimizing Risks • Trying to reduce the size of maxdraws. • What if this result is applied to the real stock market?