- 신경망 모형을 활용한 투자 포트폴리오 전략 개발
- 자산의 과거 수익률에 기반한 모멘텀 투자전략은 금융시장에서 가장 오랫동안 높은 수익률을 나타낸 포트폴리오이다.
- 비록 모멘텀 포트폴리오가 평균적인 수익률은 높지만, 수익률의 분표가 음의 방향으로 비대칭하여 단기간에 엄청난 손실을 가져다 주기도 한다.
- 본 연구에서는 이러한 손실을 보완하기 위한 다양한 Dynamic Momentum 전략을 분석한다.
- 모멘텀 전략의 손실이 발생하는 시기의 패턴을 인공 신경망 모형을 이용하여 파악하고, 이를 통해 우리는 전통적인 모멘텀 전략에 비해 높은 평균 수익률과 낮은 위험을 가진 새로운 모멘텀 전략을 찾고자 한다.
- 본 연구의 최종 목표는 인공 신경망 모형을 활용하여 새로운 Dynamic Momentum 전략을 개발하는 것이다.
- 본 연구의 기대 효과
- 새로운 포트폴리오에 대한 분석을 통해 모멘텀 전략을 유발하는 시장 오류에 대한 경제학적인 채널의 도출
- 모멘텀 전략 외의 다양한 포트폴리오 전략의 수익성 개선에 활용 가능한 도구의 개발이다.
- 3월 16일 : AICP 모집 마감
- 3월 30일 : 최종 참여 팀 발표
- 4월 1일 : 연구 시작
- 4월 마지막 주 : 교류회
- 7 ~ 8 월 : 중간 발표
- 10 월 말 : 최종 연구 성과물 제출
- 1월 10일 : UIRP & AICP Festival
- 12월 31일 : 종료
- Momentum Crash를 Anomaly로 정의
- Validation Dataset의 Anomaly Score에 따라 Leverage Function이 변화는 Dynamic Portfolio Strategy 수립
- 이를 통해 Sharpe Ratio 및 누적 수익률이 각각 59.6%, 417.7% 상승함
- 모멘텀 변동성이 커진 상황에서 Momentum Effect와 Momentum Crash를 잘 구분하지 못한 한계점 존재
- 과거의 금융위기 발생 요인 외에 다른 요인으로 Momentum Crash가 발생한 경우 (코로나 바이러스) 모델 성능 약화
- 좀 더 자세한 내용은 Final Report에서 확인해주세요
