Machine Learning for Algorithmic Trading - Chapter 4

모멘텀은 종종 소형주들 사이에 더욱 강하게 나타난다(Houd,Xue, Zhang, 2015) 추세는 너의 친구이고, 잘나가는 종목을 잘 나가게 하라. 모멘텀 팩터는 일정기간에 걸쳐 성과가 좋은 자산들은 매수하고 동기간에 성과가 안좋은 자산들은 공매도 하게 설계된다. 8개의 상이한 자산 클래스와 시장에 걸친 모멘텀 효과에 대한 증거를 훨씬 더 최근에 제시했다(Asness, Moskowitz , Pedersen, 2013) 가치효과에서 성장우 포트폴리오는 기본적 가치에 비해 낮은 시장 가치를 가지며, 가치주 포트폴리오는 기본적 가치 대비 높은 시장 가치를 가진다. 우량주 팩터에만 의존하는 전략은 투자자가 하방 리스크를 최소화하려고 프리미엄을 지불하면서 가치를 올리므로, 경기와 반대의 성과를 보이는 경향이 있..

Machine Learning for Algorithmic Trading - Chapter 3

대체 데이터 평가를 위한 기준 목적 : 알파이며 이며 상관관계가 없는 투자 수익을 창출하는 트레이딩 신호에 대한 경쟁력 있는 검색에서 정보 이점을 제공하는 것이다. 대체 데이터 세트에서 추출한 신호는 독립적으로 또는 퀀트 전략의 일부분으로 다른 신호와 결합해 사용할수 있다. 자산군 : 기업 신용에 대한 대체 데이터 세트는 기업 지급을 모니터링하는 대안적 원천으로 성장하고 있다. 투자 스타일 : 대부분의 데이터 세튼은 특정 섹터와 주식에 추점을 맞춘다 전통적 측정치 대용 : 광범위한 경제 활동 또는 소비자 감성을 반영 고빈도 트레이더 : 뉴스를 포착하는 신호가 짧은 시간에 내에 이뤄지는데 관련성이 높다. 리스크 프리미엄 : 신용카드 지급, 소셜 미디어 감성 과 괕은 대체 데이터 세트는 가치, 모멘텀, 변동..

Machine Learning for Algorithmic Trading - Chapter 2

데이터 AlgoSeek은 기관투자자에게만 제공됐던 품질의 과거 일별 데이터를 제공한다 이자료는 OHLCV 자료 뿐만 아니라 매수/매도 호가 스프레드 와 가격 상승/하강 움직임의 틱수 정보도 포함된다 데이터 공급자 Quantdl 블룸버그, 톰슨 로이터 LOBSTER 기술적 지표들을 위한 파이썬 API 를 제공하는 Alpha Vangage 를 포함한다 판다스를 이용한 효율적 데이터 저장 CSV : 표준 HDF5 : 수치 데이터에 대해 빠르고 확장가능한 저장포맷, PyTable 라이브러리로 판다스에서 사용가능 Parquet : 효율적인 데이터 압축, 인코딩 제공, Pyarrow 라이브러리로 판다스에서 사용가능

Machine Learning for Algorithmic Trading - Chapter 1

Introduce 더보기 액티브 투자 운용의 목표는 벤치마크를 초과하는 포트폴리오 수익으로 정의되는 알파를 생성하는 것이다. 알고리즘과 머신러닝이 트렌드가 된 이유 시장 미시 구조 변화 - (거래 transaction 시간, 수수료 등등) 자산군과 반대되는 리스크 팩터 노출 측면에서 투자 전략의 개발 - (자산군은 안정화된 투자이고 그 반대는 불안정 - 리스크 - 리스크의 크기에 따른 자산군 조절 필요성 증가) 컴퓨팅 파워, 데이터 생성, 관리, 통계적 방법의 혁명(everthing in AI) 인간의 재량적 투자와 비교 도는 AI 투자의 성과 현대 포트폴리오 이론(MPT) - 특정 자산에 대한 고유한 리스크 와 체계적 리스크 원천 구별 고유 리스크 분산화로 제거 가능, 체계적 리스크는 제거 불가능 자산..