2007. 1. 15. 20:01
논문 Using genetic algorithms to find technical trading rules을 읽고 간략히 정리한 내용이다.
목적
이 논문은 제목 그대로 Genetic Algorithm을 이용하여 Technical trading rule을 발견하는 것에 대한 것이다. 주가의 신호(signal)에 따라 시장에 참여한 상태나 그렇지 않은 상황에서 매수(long position) 혹은 매도(short position)에 들어가는 것이다. 이 때, 거래비용(transaction cost)를 고려하여 buy & hold strategy보다 얼마나 많은 추가이득(excess return)을 얻는지를 보인다.
실험방법
Genetic Programming을 이용하여 실험을 했다. Root node는 buy 혹은 sell인지를 결정하는 boolean function에 해당하고, parameter로 들어가는 값들은 이동평균이나 가격의 최대, 최소값을 사용한다. 0.25%의 거래비용을 가정하여 실험을 한다.
결론
buy & hold 전략에 비해 이익이 거의 없음을 보였다. 이는 효율적 시장가설을 잘 따르는 결과라고도 볼 수 있다. 다만 시사할만한 점은 excess return이 positive일 때, volatility가 negative excess return일 때 보다 낮다는 것이다. 이 역시 Fama & French로 설명가능하다.
제약점 및 확장
목적
이 논문은 제목 그대로 Genetic Algorithm을 이용하여 Technical trading rule을 발견하는 것에 대한 것이다. 주가의 신호(signal)에 따라 시장에 참여한 상태나 그렇지 않은 상황에서 매수(long position) 혹은 매도(short position)에 들어가는 것이다. 이 때, 거래비용(transaction cost)를 고려하여 buy & hold strategy보다 얼마나 많은 추가이득(excess return)을 얻는지를 보인다.
실험방법
Genetic Programming을 이용하여 실험을 했다. Root node는 buy 혹은 sell인지를 결정하는 boolean function에 해당하고, parameter로 들어가는 값들은 이동평균이나 가격의 최대, 최소값을 사용한다. 0.25%의 거래비용을 가정하여 실험을 한다.
결론
buy & hold 전략에 비해 이익이 거의 없음을 보였다. 이는 효율적 시장가설을 잘 따르는 결과라고도 볼 수 있다. 다만 시사할만한 점은 excess return이 positive일 때, volatility가 negative excess return일 때 보다 낮다는 것이다. 이 역시 Fama & French로 설명가능하다.
제약점 및 확장
- 이 논문의 제약점은 1928년에서 1995년 까지의 기간의 daily return을 가지고 실험을 했는데, 분명 시간에 따라 trend가 달라질 것으로 예측되는데 동일한 trading strategy로 모든 기간에 대해 적용하려고 한 것은 무리가 있지 않을까 싶다.
- Fitness function을 좀 더 다듬으면 좋지 않을까 싶다.
- Short position을 고려했으면 어땠을까 싶다.
- 선물시장(Future Market)에 적용해 보면 어떨까 싶다.