GHTS

'할 수 있다! 퀀트 투자' (ghts.tistory.com/36)에서 추천된 서적인 데,

직접 구해 읽어보니 두툼한 책이 전부 수많은 가치 지표에 대한 백테스팅으로 가득 채워져 있다.

이 책 때문에 '효율적 시장 가설'이 타격을 입고 '행동 경제학'이 시작되었다는 썰이 있다.

효율적 시장 가설에 의하면 시장에서 지속적인 이윤을 취할 가능성은 없어야 하는 데,

가치 지표를 이용해서 지속적인 수익을 올린 백테스트 결과가 가득하기 때문에,

자연스럽게 효율적 시장 가설에 대한 과학적 실증 반박 자료가 되어 버린 것이다.

이 책에 나온 내용을 요약 정리해서 한글화 한 책이 '할 수 있다! 퀀트 투자'이고,

해당 서적을 읽은 후에 좀 더 세부 사항을 살펴보고 싶다면 이 책을 볼 만하다.

그 많은 숫자와 표는 대충 건너뛰고,

각 지표에 대한 백테스트 결과만 훑어봐도 책 값은 충분히 건진다.

가치 지표 중에서 PBR의 경우 너무 낮으면 오히려 투자 수익율이 떨어지는 데,

해당 내용은 '할 수 있다! 퀀트 투자'에서 PBR 0.2 이하 종목은 피하는 필터로 간략하게

언급되어 있지만, 이 책을 봐야지 그게 얼마나 중요한 내용인지 깨닫게 된다

정말 자세하고 확실하게 나와있어서 전략 짤 때 도움을 받았다.

애초에 가치 전략이라는 게 데이터의 생존 편향을 극복하는 게 중요하기에

지뢰 피하기 위한 PBR 필터는 상당히 큰 역할을 한다.

(생존 편향 : 망한 기업은 가격 데이터가 없기에 무작정 저평가 종목 사다가 파산 종목 고를 위험이 상존한다.)

가치 투자 전략을 짤 때 필수 참고 서적 중 상위권에 속한다고 생각하며 강추~

국내 증권사의 API는 모두 32비트에서만 호출 가능합니다.

32/64비트 경계를 넘어서 OLE/OCX 간단한 호출하는 방법이 인터넷에 나와있지만,
증권사 API 호출 후 응답을 넘겨받는 데 꼭 필요한 'OLE 이벤트'는 작동하지 않더군요.
그래서, API 호출은 무조건 32비트 프로세스에서 해야 합니다.

(DLL, OLE, OCX 무관하게 32비트이어야 합니다.)

매매 전략 구동을 비롯한 모든 코드를 32비트로 실행해도 괜찮다면,

별도의 프로세스로 분리하지 않고 단일 프로세스 내에서 사용하면 간단하고 좋습니다.

그러나, 여하한 이유로 매매 전략을 64비트 프로세스에서 운용해야 한다면

증권사 API 호출을 독립된 32비트 프로세스로 분리한 후 상호 연동 시켜야 합니다.

GHTS에서는 다수의 매매 전략을 동시에 운용하는 상황을 상정하고 작성되었습니다.

모든 동시 다중 처리는 디버깅하기 몹시 까다롭기로 유명한

데이터 동시 액세스 충돌(이하 데이터 레이스) 버그 발생 가능성이 상존합니다.

Go언어에서는 이러한 버그를 추적할 수 있는 '레이스 감지기'를 제공하지만 64비트에서만 지원됩니다.

golang.org/doc/articles/race_detector.html

매매 시스템의 안정적인 운용을 위해서는

데이터 레이스 상황을 적절하게 디버깅 할 수 있어야 하기에

매매 전략을 64비트 프로세스에서 실행할 수 있어야 한다고 결정했으며,

증권사 API를 호출하는 기능을 별도의 32비트 프로세스로 분리했습니다.

그 과정에서 32비트 프로세스와 64비트 프로세스 간 자료교환을 위한 기술적인 문제는 다음과 같이 해결했습니다.

1. Go 자료형을 []byte로 변환
https://github.com/ugorji/go

2. []byte 로 변환된 데이터를 전송 및 수신
https://github.com/nanomsg/mangos

RPC로 데이터를 전송하려면 우선 []byte로 변환하는 게 필요한 데,

여러가지 자료형 변환 중 가장 유명한 구글의 '프로토콜 버퍼'는

각 자료형을 정의하는 IDL파일을 작성해야 합니다.

구글 '프로토콜 버퍼'와 비슷한 기능을 하되 IDL 작성이 불필요한 방식으로는

(Go언어의 자료형 선언이 그 자체로 IDL 역할을 함.)

JSON과 MsgPack형식이 있는 데,

JSON은 호환성은 높지만 텍스트 방식이어서 효율성이 낮은 관계로,

바이너리 방식으 MsgPack을 선택했습니다.

Go언어에서 MsgPack 변환을 해 주는 go/codec 패키지 라이브러리를 사용했습니다.

이렇게 []byte로 변환된 데이터를 프로세스끼리 주고 받도록 해주는 기술로 가장 유명한 게 ZeroMQ입니다.

GHTS도 초반에는 ZeroMQ를 사용했습니다만,

ZeroMQ는 컴파일이 느리기로 유명한 C++언어로 작성된 관계로

ZeroMQ를 적용한 이후 컴파일이 느려져서 전체적인 개발 생산성이 너무 큰 타격을 입었습니다.

이를 해결하기 위해서  비슷한 기능의 순수한 Go언어로 작성된 mangos를 채택했습니다.
https://github.com/nanomsg/mangos

이상 GHTS의 내부 구조가 지금처럼 분리된 이유와

이를 위해서 사용하는 의존성 라이브러리를 선택하게 된 이유를 간략히 설명드렸습니다.

다른 서적을 읽던 중 다양한 트레이딩 룰에 대해서 Kaufman이라는 사람이 쓴 책을 추천해 놨길래,

Kaufman에 대해서 검색하던 중 얻어걸린 책.

아마존 댓글 평가가 너무 좋아서 66달러라는 거금을 주고 질렀는 데

읽어보니 역시나 평가대로 상당히 알찬 내용이다.

전체적인 큰 그림도 잘 나와 있고,

실제 개발할 때 저지르기 쉬운 실수에 대한 세세한 디테일도 잘 나와 있다.

선물 전략에서 동일 변동성 비중이 잘 먹히지만,

주식에서는 단순한 동일 금액 비중이 더 나은 결과를 보여준다는 내용은

작지만 중요한 디테일이었다.

동전주를 피해야 하는 이유가 파산 위험 때문이 아니라 높은 변동성 때문이라는 것도 깨달았다.

(어찌보면 당연한 건데.. 꼭 누가 알려줘야 깨닫다니... 쓰읍..)

추세추종 전략에 수익 곡선을 좀 더 평활하게 하려고 트레일링 스탑을 적용하면

전체적인 수익율은 떨어지는 트레이드 오프에 대해서 좀 더 생각해 보는 계기가 되었다.

'터틀의 방식'을 읽어보면 트레일링 스탑이 없는 매매 규칙을 사용한 저자가

엄청난 수익을 내면서도 극심한 스트레스에 시달리는 게 잘 나와 있다.

( 터틀의 방식 리뷰 : ghts.tistory.com/43 )

추세추종 전략에 대한 내용이 무척이나 많은 분량을 차지하는 데,

마침 추세추종 전략을 개발 중이었기에 많은 도움이 되었다.

172 페이지

I have never been successful at figuring out which specific parameters will perform best in the next month.

the best keeps changing.

나는 다음달에 최고의 성과를 낼 파라메터를 단 한 번도 맞춘 적이 없다.

최고의 파라메터는 항상 변한다.

ㅋㅋ

이 책의 저자는 데이터 분석 및 인공 신경망 전문가로서 IBM 연구소에 근무하다가

금융회사로 스카웃 된 후 자신의 실력을 발휘해서 개발한 전략이

실제 운용에서 주구장창 말아먹으면서 회사에 600만 달러의 거액의 손실을 입힌 후

깊은 절망감에 퇴사한 후 홀로 방구석에 앉아서 절치부심하던 중

그동안의 데이터 분석 전문가로서의 경력과 자존심을 모두 내려놓고,

처음부터 다시 시작하는 마음으로 아주 단순한 규칙을 적용해서

투자 수익을 지속적으로 내면서

주식 투자자로서 부활한 경험을 바탕으로 쓴 책이다.

자신의 실패 경험을 분석하면서 왜 간단한 규칙이 더 나은 지 설명하는 과정에서

과최적화에 대한 알레르기 반응이 보일 때

인공 신경망을 적용한 전략이 실패했던 과정에서 얼마나 마음 고생을 했었는 지 생각하면 짠해 진다.

그렇게 단순화 시킨 역추세 공식으로 수익을 내는 백테스트 결과를 보여주는 데,

아마도 마법의 공식의 존재를 믿는 사람은 이 책을 읽으면서 놀라움을 금치 못할 것이다.

물론, 이 책은 저자가 투자자로서 경험이 많이 쌓이지 않았을 때 지은 책이라서 부족한 점도 있다.

일단, 매매 규칙이 과최적화에 빠지지 않기 위해서 파라메터 갯수를 줄이는 데에만 집중하지,

통계적으로 신뢰도를 가지기 위해서 거치는 검증 과정에 대한 설명이 전혀 없다.

(경험이 좀 더 쌓인 후 쓴 2번째 책에는 통계적 신뢰도가 살짝 언급된다.)

그냥 파라메터 갯수를 줄이고 가능한 단순화 시켜서 맨땅에 헤딩하는 데 되더라는 내용이다.

물론, 더 이상의 내용없이도 정말 단순한 공식으로 수익이 나는 것을 지켜보는 전율과 쾌감이 있다.

이런 전율은 Andreas Clenow가 지은 책을 읽을 때에도 느낄 수 있다.

(Andreas Clenow 책 리뷰 링크 :  https://ghts.tistory.com/45 : )

저자는 경험이 쌓이고 이 책을 통해서 명성을 얻은 후

펀드를 설립하고 운용할 정도로 성장하면서

2번째 책에서는 좀 더 발전된 내용을 다루는 데 상당히 좋다.

다만, 3번째 책에서는 1번째 책에서 그렇게나 비판했던 복잡한 기법을 설명하면서 좀 변한 느낌이다.

내용상으로는 미숙해도 저자가 실패의 깊은 절망에서 탈출구를 찾아내고 느낀 흥분이

책에 생생하게 느껴지는 이 책이 좀 더 마음에 든다.

고백하자면, 나는 이 책을 읽은 후 시스템 트레이딩에 꽂혔다.

아직도 마법의 기술 지표를 찾아헤매는 분들께 이 책을 강추하고 싶은 데, 아직도 번역이 안 되어 있다.

이렇게 좋은 책들이 왜 번역이 안 되어 있는 지... 참 안타깝다.

참고>

인공 신경망 공식에는 수많은 파라메터가 존재하고,

이를 모두 최적화 시키려면 엄청난 양의 빅데이터가 필요한 데,

1년에 300개, 10년치 모아봤자 3천개도 안 되는 데이터로

인공 신경망 공식을 최적화를 시도하면

여지없이 과최적화된 결과물만 나오고,

이를 기반으로 실제 매매하면 손실만 누적되는 결과를 초래한다.

데이터가 충분히 많은 틱 데이터 기반의 초단기 매매에서는 이런 기법이 적용 가능하지만,

일반인이 고정 비용이 많이 드는 초단기 매매에 뛰어들기는 쉽지 않다.

경고>

이 책에 나온 역추세 전략은 평소에 작지만 꾸준한 수익이 나는 관계로 안정감을 주고,

수익율 최대화를 위해서 레버리지를 쓰고 싶은 생각이 들게 되어 있습니다.

그러나, 과도한 레버리지를 쓰면 대략 10년에 한 번씩 찾아오는 주가 하락 때 정말 큰 봉변을 당하게 되어 있습니다.

컴퓨터는 감정의 개입없이 매매 전략을 일관되게 실행하도록 도와줄 뿐,

모든 문제를 해결해 주는 마법이 아닙니다.

컴퓨터로 투자해도 손실이 누적되는 기간이 발생하며 가끔씩 파괴적인 손실이 발생합니다.

리스크 관리는 결국 건전한 상식으로 해야 합니다.

수익율 극대화, 최적 레버리지, 스마트한 자금 운용등의 단어에 현혹되지 마십시오.

주식 시장 폭락은 거의 10년마다 한 번씩 어김없이 찾아옵니다.

우연이라고 보기에는 너무나도 일정하게 반복되는 패턴이 나옵니다.

역사적 주식 시장 붕괴 및 하락장 사례

https://en.wikipedia.org/wiki/List_of_stock_market_crashes_and_bear_markets

'LTCM 사태'는 노벨 경제학자 수상자가 참여해서

20배 레버리지 걸고 역추세 전략을 운용하며

5년 간 30%가 넘는 수익율을 올리다가

순식간에 원금을 다 잃은 유명한 사례입니다.

이 책의 저자는 굉장히 어려울 것 같은 내용을 정말 이해하기 쉽게 설명하는 데 탁월한 능력이 있다.

시스템 트레이딩에서 진짜 중요한 것은  마법의 공식 혹은 비밀스러운 기술 지표가 아니라,

상관 관계가 낮은 자산들에 대한 분산 투자를 통해서

장기적인 관점에서 유리한 확률 게임을 일관되게 수행하는 것이라는 것을 설득력 있게 설명한다.

결국 내용은 '터틀의 방식'(커티스 페이스 지음)과 같지만 훨씬 더 설득력 있게 보여준다.

아마존 웹사이트 구매자 리뷰 란에도 요약 내용이 다 나와있는 데,

요약 내용을 읽을 때와 책을 직접 구매해서 저자의 설명을 따라가는 것과 천지차이이었다.

그 중요성에 대한 체감이 확~ 다가온다고 해야 할까??

똑같은 전략의 파라메터를 줄이거나 키워서 거의 비슷한 결과를 나오는 것을 보여주는 것도 놀라웠다.

추세 포착이라는 목적을 달성하기만 파라메터가 좀 바뀌어도

결과에는 큰 변화가 없다는 것을 확실하게 보여준다.

(25일 -> 50일 -> 100일로 바꾸는 데도 결과가 비슷하다.)

달을 봐야지 손가락을 보면 안 되듯이

가격 상승 추세 포착이라는 매매 규칙 설계자의 의도를 봐야지,

매매 규칙에 사용된 이동 평균이 몇 일인지에 연연하면 안 된다는 것을

설득력 있게 보여준다.

터틀 전략과 비슷한 단순한 추세추종 전략을 이용해서

전세계 유수의 헤지펀드의 운용성과를 복제해 내는 실증을 하는 것은

정말 소오름~~~ 돋는다.

가격 상승 추세라는 목적만 달성할 수 있다면 그 아무리 간단한 공식이라도

전세계 헤지펀드의 수익 원천에 동승할 수 있다는 것을 보여주는 것이니까.

'터틀의 방식'에 나온 그 단순한 규칙이 거액을 벌었다는 게 뻥이 아니라,

실제로 전세계 헤지 펀드들이 (좀 더 복잡하고 정교한 공식을 사용하는 지 몰라도)

결국에는 '중장기 가격 상승 추세'라는 동일한 시장 움직임에 기대어서

운용되면서 수십년 째 지속적인 수익을 내고 있다는 것을 알게 되면,

돈 버는 비법의 단순함에 대한 허탈함과

그런 단순함으로 돈을 번다는 것에 대한 놀라움이 교차한다.

이 책은 일반인이 따라하기 힘든 선물 투자에 관한 책이며,

저자가 쓴 후속작은 주식 투자에 관한 책인데,

일반인이 바로 써먹기에는 2번째 책이 더 좋겠지만,

개인적으로 이 책의 그 감탄이 나오게 하는 그 설명 방식이 너무 좋았다.

거금 60달러나 주고 전자책을 질렀지만, 읽고 나서 너무 잘 샀다고 생각한 책이다.

역추세(Mean Reversion) 전략에 대한 챈(Ernie Chan)의 1번째 책을 읽을 때 느꼈던 그 전율을

이 책을 읽으면서 추세추종 전략으로도 똑같이 경험하게 된다.

( Ernie Chan의 역추세 전략 서적 리뷰 : ghts.tistory.com/46 )

단순함이 모든 것을 이기는 이 전율은 정말 감동이다.

이 책도 번역이 안 되어 있는 것 같아서 안타깝다.

어쨌든 강추~~

유명세를 떨치던 트레이더가

트레이딩 경험이 없는 사람들을 모아다가 가르쳐서 실전 트레이딩을 시켜서 대박을 터뜨린

역사상 전후무후한 '터틀 실험'에 참여했던 사람이 직접 쓴 책.

책에 나온 터틀 거래 규칙은 아주 단순하고,  장기적으로 수익이 나지만,

수익 변동성이 극심해서 일반인이 그대로 따라하기 어려워서

모두가 알지만 아무도 안 쓰는 전략으로 유명하다.

저자는 그 규칙이 왜 수익이 나는 지,

그 규칙이 공개되어도 왜 사용하고 지키기가 어려운 지,

대안으로는 어떤 전략이 있는 지 등등

자세하게 설명해 주고 있다.

추세 추종 전략을 개발하기 전에 반드시 읽어봐야할 명저이라고 생각한다.

개발 과정
1. 표본 숫자 불충분

   : 10년마다 거의 확정적으로 찾아오는 대폭락의 기록을 감안하면,

     백테스트할 때 최소 10년치 데이터는 사용해야할 것 같지만,

     단기수익율에 눈이 멀면 그게 잘 안 된다.
2. 수익율 변동성에 대한 과소 평가

    : 백테스트 할 때는 수익율만 높다면 30% 손실 정도는 별 것 아닐 것 같은 데,

      막상 실제 운용에서는 대부분의 사람들이 15% 손실부터 이미 멘붕에 빠지기 시작한다.

      30% 손실을 견딜 수 있는 사람은 극히 적으며

      50% 손실을 견뎌내는 건 워렌 버핏 정도나 가능할려나?

운용 과정 (단기)
1. 과도한 기대 수준.

   : 전략 백테스트 중 파라메터 최적화를 하기 때문에

     실제 운용 시 백테스트 기대 수익율보다 낮은 수익율을 기록하기 마련이다.

     이에 실망해서 더 높은 수익율을 찾아서 멀쩡한 전략을 폐기할 수 있다.
2. 손실 발생 시 전략 유지 여부 고민.

    : 어느 전략이든 간에 손실이 나는 구간이 발생하는 데,

      이게 일시적인 손실인지, 전략이 효력을 잃은 건지 구분이 안 되는 경우에는

      멀쩡한 전략을 폐기할 수 있다.
3. 손실 발생 시 멘붕과 그로 인한 행복 감소에 과소 평가.

    : 손실이 발생하면 정신적 영향으로 인해서

      수면에 장애가 오고,

      대인관계에 악영향이 오고,

      전체적인 행복감이 감소한다.

      레버리지를 써서 수익율 변동성이 높아질 수록 이러한 경향은 더욱 확실해 진다.

      행복하기 위한 수익 추구가

      수익 추구를 위한 불행으로 이어진다.

결론

- 원리 및 구현은 간단해도 실행이 어렵다.

참고 : 10년마다 거의 확정적으로 찾아오는 주식 시장 폭락의 기록.

https://en.wikipedia.org/wiki/List_of_stock_market_crashes_and_bear_markets

간단한 용어이지만 혼동을 유발하는 경우가 있어서 메모해 놓는다.

금일, 어제는 주말, 공휴일등 모든 일자를 포함해서 지칭하지만,

주식매매에서 '당일', '전일'은 증시 개장일만 고려해서 지칭한다.

- 당일 : 가장 최근 영업일.

- 전일 : 당일 이전 가장 최근 영업일.

금일이 개장일이면 '당일 == 금일'이다.

금일이 (주말, 공휴일 기타 이유로) 개장일이 아니면 '당일 != 금일'.

간단하지만 혼동되는 용어라서 정리를 해 보았다.

매매전략의 백테스트를 위해서 과거 재무정보가 필요할 경우 2가지 선택 사항이 있다.

1. 유료 데이터 가공 판매 업체.

- fnguide : 100만원이 넘는 연 이용료에 보기만 가능하고 DB화는 안 된다는 까다로운 조건을 내세운다.

- 세종데이터 : 30만원 이하의 비교적 저렴한 연 이용료에 사용하기 편리한 HTTP API를 제공한다.

https://sejongdata.co.kr/

세종 데이터의 단점은 제공되는 데이터의 종류가 상장주식수/매출액/영업이익/순이익 단 4가지이라는 점.

그리고, 금융회사의 재무정보는 제공되지 않는다는 점도 유의해야 한다.

그러나, 연도별 데이터는 20년(!)치 데이터가 제공되고,

분기별 데이터는 6년치가 제공되는 데다가,

이메일로 문의를 하면 아주 빠르게 대응을 해 줘서

일반적인 백테스트 용도로는 상당히 쓸만하다.

2. 웹페이지 긁어오기

- fnguide, 다음넷, 네이버 각종 포탈, 매경 등등 홈페이지에 무료로 공개되어 있다.

- 자바스크립트를 이용하거나 iframe을 이용해서 긁어오기 까다롭긴 하지만,

  그 모든 장애물을 넘고 불러올 수 있다면 풍부한 재무 항목을 무료로 얻을 수 있다.

- 가장 큰 단점은 대략 2년 정도의 데이터만 존재하므로, 전략의 안정성을 확보하는 데 부족하다는 점이다.

2008년 서브프라임 모기지, 2011년 유럽 PIGS, 2020년 COVID-19등등

예전에는 10년마다 한 번씩 발생하던 대폭락이 최근 들어서 빈도가 높아지고 있기에

2년치 데이터로는 전략의 안정성 확보에 부족한 점이 있다.

세종 데이터의 20년치 데이터로 전략의 기본적인 안정성을 확보한 후 ,

2년치 무료 데이터로 수익율 향상을 위한 추가 작업을 하는 게 그나마 적절한 타협책인 듯 하다.

나중에 다시 찾아보게 될 것 같아서 기록해 둔다.

PBR = 주가 / 주당순자산 = 주가 / (자본 / 주식수량) = (주가 * 주식수량) / 자본 = 시가총액 / 자본

PER = 주가 / 주당순이익 = 주가 / (순이익 / 주식수량) = (주가 * 주식수량) / 순이익 = 시가총액 / 순이익

PSR = 주가 / 주당매출액 = 주가 / (매출액 / 주식수량) = (주가 * 주식수량) / 매출액 = 시가총액 / 매출액

PCR = 주가 / 주당영업현금흐름 = ...(상동)... = 시가총액 / 영업현금흐름