알고리즘 트레이딩 전략

마지막 업데이트: 2022년 3월 7일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
1.과정명: 알고리즘매매를 위한 시장미시구조론 2.강사: 강사님은 김도형(트위터: @drjoelkim)박사 2005 KAIST 박사
2005-2007 LG전자 Mobile Multimedia 연구소
2007-2013.8 KDB대우증권 금융공학부
– 기계공학과 음향제어 및 신호처리 전공
– 증권사에서 구조화 파생상품 프라이싱, 알고리즘 트레이딩 시스템 개발, 시장미시구조론 및 최적집행매매시스템 연구 3.일시: 3월 5일 개강. 주당 1회(수요일), 3시간(오후 7시~10시).
3월 5일부터 4월 9일까지 진행 4.장소:여의도 주택건설회관 프라임비즈니스센터 6층 대회의실 5.교육비: 600,000원(법인의 경우 전자세금계산서를 발행) 6.상세 과정 안내

starryperson

이제 실제로 제가 사용할 알고리즘 매매 전략을 만들고, 수정하는 작업을 보여 드리겠습니다. 저번 포스팅 프로그램 알고리즘 계획하기 에서 잠시 선보인 전략을 수정하여 간단한 프로그램을 제작해 보겠습니다. 참고로 제 사이트에서는 완성된 전략을 선보이지 않습니다. 다만 제 개인적인 알고리즘 매매 프로그램을 만들어 가는 과정을 기록하는 것 뿐입니다. 참고만 하시길 바랍니다.

실전 알고리즘 매매 전략

기본적으로 만들 전략은 단타 전략입니다. 단타 전략이기 때문에 3분봉이나 5분봉을 이용할 계획입니다.

시스템 트레이딩 매수 전략

  • 3분봉 기준 현재 알고리즘 트레이딩 전략 종가가 전일 고가보다 높아야 한다.
  • 당일 현재까지 거래량이 전일 거래량보다 커야 한다.
  • 두 조건을 만족하면서 3분봉에서 5일선을 하락에서 상승으로 전환 시켜야 한다.

매수 전략은 간단히 3가지로 압축했습니다. 물론 단타에서 제일 중요한 호가창을 배제 할 수는 없습니다.

호가창까지 알고리즘 전략에 포함 시키다 보면 처음부터 복잡해 지기 때문에 일단 프로그램 큰 틀을 먼저 잡을 예정입니다.

  • 3분봉 기준 현재 종가가 전일 고가보다 낮아야 한다.
  • 당일 현재까지 거래량이 전일 거래량보다 커야 한다.
  • 두 조건을 만족하면서 3분봉에서 5일선을 상승에서 하락으로 전환 시켜야 한다.

트레이딩 매도 전략은 매수 전략과 정 반대로 입력하겠습니다. 나중에 결과를 보고 익절, 손절을 추가하여 최적화를 시킬 예정입니다. 거래량 관련 조건은 매도 전략과 매수 전략이 같은 데, 이건 어차피 매수가 된 상태에서 매도 주문을 할 수 있게 때문에 조건을 똑같이 했습니다.

몇 개의 종목을 예를 들어 챠트로 보여 드리겠습니다.

시스템 트레이딩 전략 적용 종목(미래생명자원) 시스템 트레이딩 전략 적용 종목(PN풍년) 시스템 트레이딩 전략 적용 종목(가온칩스)

붉은색 화살표는 매수이고 파란색은 매도입니다. 첨부 그림만 보면 좋아 보이지만 전에도 말 했듯이, 이건 그냥 보기 좋은것 일뿐 실제 프로그램을 돌리기 시작하면 예상치 못한 문제가 많이 생기고, 위 사진과 전혀 다른 결과가 나올수 있습니다.

이제 알고리즘 전략을 완성 했으니, 다음 단계인 코딩을 해야 합니다.

이제 아직 시스템 트레이딩을 접해 보지 못 한분들이 가장 접근하기 어려운 코딩입니다. 저 또한 코딩을 전혀 알지 못해서, 책, 유튜브, 구글 검색과, 10만원 정도의 강의를 통해 기초를 배웠습니다. 하지만, 진짜 코딩 실력은 스스로 이것저것 타이핑 해서 실행 해보고, 오류 수정도 하고, 생각을 컴퓨터 언어로 어떻게 표현할지 고민도 하고 이런 과정들이 실력을 키우는데 정말 많은 도움이 됩니다.

저 또한 코딩의 전문가도 아니고, 컴퓨터와 관련이 없는 직장에서 항상 시간에 쫓기는 환경이니, 여러분들도 의지만 있다면, 저 보다 훨씬 더 나은 코딩을 할 수 있을 거라고 생각합니다.

제가 알고리즘 트레이딩 시스템을 만드는 과정이 전문가들이 보기엔 너무 기초적이겠지만, 혹시나 이 분야에 처음이신 분들에게 작은 도움이 되었으면 합니다. 전략을 세웠으니 이제 프로그램의 큰 틀을 세운 것과 같습니다. 이번 프로젝트가 꼭 성공하길 바라며.

[알고리즘트레이딩/전략편] 04. 알고리즘 트레이딩 – Naked 매매 (2)

이전 포스트에서 제작한 자동매매 로봇으로 2일간 테스트한 결과에 대해 알아보자. 결과는 아래 테이블과 같았고, 예상했던 대로 2일 간 모두 수익을 올리지 못하였다. 6대의 로봇이 총 152회 거래를 하였으며, 각 로봇이 콜/풋 옵션을 1계약씩 거래를 한 결과, 거래 비용을 포함한 손실이 -52,698원 이었다.

아래는 3월 19일 실험의 세부 결과이다. 풋을 거래한 2대의 로봇만이 이익을 냈고, 나머지는 모두 손실을 기록하였다. 볼린저 밴드를 계산하기 위한 이동평균은 200 ~ 250 Tick으로 계산하였고, 상한선 및 하한선은 2*표준편차로 계산하였다. 그리고 종합지수의 영향을 받지 않으려고 Call과 Put을 각각 3개씩 선택하였다. 아래 그림에서 거래 횟수는 총 80회 이고, 실현수익은 +5,000원 이었으나, 수수료가 -20,356원으로 총 손익은 -15,356원 이었다.

아래 그림은 상세 거래 내역의 일부이다. 호가 스프레드 손실을 줄이기 위해 매수는 현재가로 하였고 (지정가 매수), 매도는 즉시 청산을 위해 시장가로 하였다. 시장가로 청산하였기 때문에 절반의 거래인 40거래에서 호가 스프레드 (Bid-Ask Spread) 손실이 관련되고, 확률적으로 시장가=현재가 일 확률을 50%로 보면 총 20 거래에서 호가 스프레드 손실이 발생했다고 볼 수 있다. 따라서 약 20,000원 알고리즘 트레이딩 전략 정도의 손실은 호가 스프레드에서 발생한 것이다. 또한, 총 80 거래에 대한 거래 비용은 20,356원 이었으므로, 손실의 주원인은 거래 비용과 호가 스프레드에 의한 것으로 볼 수 있다. 이 두 종류의 손실은 불가피하게 발생하는 부분으로 줄이기가 결코 쉽지 않다.

아래 그림의 (A)는 금일의 누적 손익 그래프이고, (B)는 선물 차트이다. 초반에는 선물이 상승함에 따라 손익 그래프도 상승하였으나, 선물이 급하게 하락할 때 손실을 많이 보고, 그 이후로 점차 회복되는 모습이다. (A)는 거래 발생 횟수에 따른 그래프이고, (B)는 시간에 따른 그래프이므로, 두 그래프의 시점이 일치하는 것은 아니다. (C)는 그동안 필자가 실험한 결과에 따른 주 손실원의 비중이다. 거래 수수료로 인한 손실 비중이 약 30~40% 정도 차지하고, 호가 스프레드에 의한 손실 비중이 약 60% ~ 70% 정도 차지한다. 거래 수수료는 증권사에게 지불해야하는 대가이고, 호가 스프레드 손실의 일부는 수급의 경쟁에 대한 대가로 지불하거나, HFT를 이용하는 마켓 메이커들이 수익으로 가져가는 것으로 알려져 있다.

이 전략은 필자가 2년 전에 약 3개월 간 시험해 본 전략으로, 볼린저 밴드뿐만 아니라 MACD, Golden/Dead Cross 등의 전략으로 조건을 수 없이 바꾸어 가면서 시험해 보았던 전략이다. 어느 조건에서도 수익을 낼 수가 없었다. 손실도 거의, 비용 = 거래수수료 + 호가 스프레드만큼 발생 하였다. 거래 횟수가 증가할수록 비용을 제외한 손익은 0 에 수렴하였고, 모든 손실은 거래 수수료와 호가 스프레드에서 발생하였다.

기술적 분석 파라메터들의 조건을 바꾸어도 위의 결과는 변함이 없었다. 심지어 콜 옵션을 볼린저 밴드의 상한선에서 매수하고, 하한선에서 매도하여도 손실이 더 커지거나, 더 줄어들지 않고, 딱 비용만큼의 손실이 발생하였다. 또한 기술적 분석을 사용하지 않고 랜덤 (Random) 하게 매매를 해도 결과는 유사하였다. 거래 횟수가 증가할수록 기술적 분석에 의한 매매 결과나, 랜덤하게 매매한 결과가 유사하다는 것은, 기술적 분석에서 사용하는 기술적 지표들이 자동매매에는 별로 도움이 되지 못한다는 것을 의미한다. 그 이유는 단기 주가의 흐름이 Random Walk 과정이므로, 어떤 지표로도 그 흐름을 미리 예측할 수 없기 때문이다.

알고리즘 트레이딩 -->

> > This page is based on a Wikipedia article written by contributors (read/edit).
Text is available under the CC BY-SA 4.0 license; additional terms may apply.
Images, videos and audio are available under their respective licenses.

Tell your friends about Wikiwand!

Suggest as cover photo

Would you like to suggest this photo as the cover photo for this article?

Thank you for helping!

Your input will affect cover photo selection, along with input from other users.

Thanks for reporting this video!

This browser is not supported by Wikiwand :(
Wikiwand requires a browser with modern capabilities in order to provide you with the best reading experience.
Please download and use one of the following browsers:

An extension you use may be preventing Wikiwand articles from loading properly.


If you're using HTTPS Everywhere or you're unable to access any article 알고리즘 트레이딩 전략 on Wikiwand, please consider switching to HTTPS (https://www.wikiwand.com).

An extension you use may be preventing Wikiwand articles from loading properly.

If you are using an Ad-Blocker, it might have mistakenly blocked our content. You will need to temporarily disable your Ad-blocker to view this page.

Please click the "Downloads" icon in the Safari toolbar, open the first download in the list,
then click Install

알고리즘 트레이딩 전략

algoedu

(*)3월부터 예정하였던 시장미시구조론 강의는 강사님의 알고리즘 트레이딩 전략 갑작스러운 개인사정으로 강사를 교체하여 1회만 진행합니다. 어려운 가운데 대신 강의를 해주실 분은 아마추어퀀트 조성현씨입니다.

안녕하세요. 트레이딩컨설팅그룹 이음의 김형준입니다.

그동안 알고리즘트레이딩을 위한 과정이 두 번 있었습니다. 첫째 조성현씨가 담당하였던 ‘알고리즘트레이딩 전략개발과정’ 둘째 김도형박사가 하셨던 ‘금융통계 및 시계열데이타 분석과정’입니다. 이제 세번째 과정을 시작합니다.

프랍 데스크나 주식, 선물, ETF 등의 유동성 공급(LP: 알고리즘 트레이딩 전략 liquidity providing)을 하는 마켓메이킹(market making) 데스크의 HFT(high-frequency market making)나 법인주문의 대량매매를 위한 최적집행(optimal execution)에 응용 가능한 시장 미시구조론 기반의 해석 방법과 활용을 다루는 “알고리즘 매매를 위한 시장미시구조론” 입니다.

1.과정명: 알고리즘매매를 위한 시장미시구조론

2.강사: 강사님은 김도형(트위터: @drjoelkim)박사

2005 KAIST 박사
2005-2007 LG전자 Mobile Multimedia 연구소
2007-2013.8 KDB대우증권 금융공학부
– 기계공학과 음향제어 및 신호처리 전공
– 증권사에서 구조화 파생상품 프라이싱, 알고리즘 트레이딩 시스템 개발, 시장미시구조론 및 최적집행매매시스템 연구

3.일시: 3월 5일 개강. 주당 1회(수요일), 3시간(오후 7시~10시).
3월 5일부터 4월 9일까지 진행

4.장소:여의도 주택건설회관 프라임비즈니스센터 6층 대회의실

5.교육비: 600,000원(법인의 경우 전자세금계산서를 발행)

6.상세 과정 안내

(*)본 강의는 기본적으로는 R 프로그래밍과 무관합니다.
(*)상세한 프로그램이 바뀔 수 있습니다. 최종 프로그램은 알고리즘 매매를 위한 시장미시구조론에서 확인을 꼭 하시길 바랍니다.

규도자 개발 블로그

이 사건을 이해하기 위해선 먼저 페어트레이딩이 무엇인지 알 필요가 있다. 페어트레이딩이라는 이름에서 유추할 수 있듯이 이 트레이딩방식은 가격 움직임의 유사성이 높은 두 종목간의 가격 오르내림을 이용하는 전략이다. 예를 들어 유사성이 높은 A주식과 B주식이 있는데 A주식은 오름세가 강해지고 있고 B주식은 내림세가 강해지고 있다손 치면 언젠가 이 A주식은 내리고 B주식은 오름으로써 평소의 유사도로 회귀한다는 '예상'을 갖고 A는 매도, B는 매수하는 것이 이 전략의 골자이다. 하지만 일반 주식현물은 매수 전에 먼저 매도계약을 가질 수 없기 때문에 전편에서 썼던 '주식선현물차익거래전략'에서 나오는 개별주식선물을 가진 종목들로만 할 수 있는 전략인 것이다.

내가 이 전략 알고리즘 매매 프로그램을 개발할 당시에는 주식과 ETF를 포함해 선현물 거래가 모두 가능한 종목은 총 151개였는데 지금은 몇 개인지 모르겠다. 그러니까 결국에 151개의 종목 각각을 또 150개와 비교하여(자기 자신 제외) 유사도가 높은 것들의 결과값을 보고 페어를 정하는게 이 전략의 첫번째 단계이다. 그러니까 약 10,000여개의 페어라는 경우의 수가 존재하니 이들의 유사도를 구하는 게 과제였는데 이를 어떻게 해결할까. 바로 야후 파이낸스가 해결해주었다.

야후 파이낸스에는 특정 주식의 2000년대부터 오늘까지의 하루단위 종가를 가격을 가져올 수 있다. 사실 개별주식선물에 올라와있던 151개 전부보다는 주로 KOSPI종목만 지원해서 KOSPI종목들로만 페어트레이딩 대상을 구성했었던 것 같다. 지금 다시 파일을 까보니 총 125종목이다. 아무튼 그렇게 2000년대부터 오늘까지의 하루단위 종가데이터를 가져와서 모든 경우의 수를 계산한 결과는 아래 파일과 같다.

파일을 업로드하려는데 게시글 쓰는 에디터에 파일업로드가 없어서 당황했다. 근데 그냥 드래그 앤 드롭하면 되는구나. 아무튼 유사도가 높은 것부터 내림차순으로 정렬했으니 어떤 종목이 유사도가 높은지 열자마자 확인할 수 있을 것이다. 파일이 열기 귀찮은 사람들을 위해 스크린샷으로 보여주자면

위와 같은 순서대로 주가가 유사한 움직임을 보여준다고 할 수 있다. 보통 이 페어트레이딩에서 페어를 구할 땐 유사해보이는 두 종목을 갖고 분석을 한다. 그러니까 반도체 2대장인 삼성전자와 하이닉스를 예로 들자면 둘 다 각분야의 대장주이고 업종이 비슷하니 비슷한 움직임을 가지지 않을까? 한번 분석해보자! 하는 생각으로 두 종목을 선정하고 가격을 가져와 분석하는 것이다. 선 알고리즘 트레이딩 전략 선정, 후 분석이라고 할 수 있는데 보통 페어트레이딩에 대한 페어들을 찾을 땐 이렇게 비슷한 업종과 비슷한 규모를 가진 회사라던가 혹은 지주회사와 계열사라던가 하는 방법으로 찾는다. 하지만 알고리즘 트레이딩 전략 난 이 많은 회사들을 일일히 비교하기 힘들고 굉장히 시간이 많이 걸린다는 생각을 갖고 있었기 때문에 이렇게 모든 데이터를 가져와서 결과값을 도출한 것이다.

아참, 위 결과값은 상관계수(correlation coefficient)를 이용해 도출한 결과값이다. 식은

이런 형태이다. 간단하게 구하는 방법이 있는데 모집단의 공분산을 모집단의 표준편차 곱하기 표본집단의 표준편차로 나누면 구해진다. 수학적으로도 얘기를 좀 풀어보려고 생각해보다가 이걸 풀려니정규화가격, 분산, 공분산, 공적분, 샤피값 등등 갑자기 정신이 혼미해진다. 그러니까 대충 수학적인 얘기는 여기서 끊고 저 위의 목록들 중 좋은 예를 하나 들어보자.

아, 일단 이 글을 보는 누군가가 내가 이 과정에서 구한 아웃풋을 구할 수도 있으니 파일로 업로드해두겠다. 확인해보니 3월 12일까지를 기준으로 한 페어트레이딩 리스트에 상관계수, 공적분계수, 스프레드 평균, 잔차가 포함된 엑셀파일이다.

예를 쉬운 예(삼성-하닉, 혹은 기아차-현대차)로 들려고 했는데 다시 만들긴 귀찮고 하니 예전에 만들어준 예제를 통해 위 전략의 방법과 실패방법 그 모두를 설명하겠다.

위 그래프는 더 위에 있는 페어트레이딩 리스트 2위에 랭크돼있던 0.973이상의 유사도를 보여준 현대해상과 DB손해보험의 20년간 일간 종가 정규화 가격 이동 그래프이다. 그림이 작아 보이지 않는다면 파란색이 현대해상, 주황색이 DB손해보험의 그래프라고 보면 된다.

아무튼 페어트레이딩이라는 전략의 시나리오대로라면 파란색이 위에 있을 땐 현대해상 매도, DB손보 매수를 하고 두 그래프가 교차되는 시점이 온다면 포지션을 청산하고, 다시 주황색이 위에 있을 땐 DB손보 매도, 현대해상 매수를 하고 두 그래프가 교차되는 시점이 온다면 포지션을 청산. 이런식으로 움직이는 것이다. 이것이 평균회귀를 신뢰하는 데서 착안한 페어트레이딩이라는 전략의 골자이다.

말로만 설명하면 참 쉽다. 전에 시도했던 선현물차익거래전략과는 달리 시간적인 민감함도 필요 없다. 하지만 보다 심플하고 간결한 문제가 있었다. 바로 '회전율'이 좋지 않다는 점이다. 심지어는 한국시장의 개별주식선물은 매월 두번째 목요일이 결제일이기 때문에 포지션을 청산하지 않는 이상 매월마다 롤오버비용이 월단위 고정비용으로 들어가게 된다.

자, 위의 그래프를 확대해서 구체적인 예를 들어보자.

2011년부터 2015년까지의 정규화가격 그래프를 확대해봤다. 마찬가지로 파란색이 현대해상, 주황색이 DB손해보험이다. 이 알고리즘 트레이딩 전략 케이스에서 베스트 시나리오라고 한다면 내가 터치패드로 꾸물꾸물 구려놓은 1번 시점에서 현대해상을 매도, DB손해보험을 매수하고 다음에 오는 체크포인트(정규화 가격 그래프가 겹치는 시점)에서 청산을 한 뒤에 2번 시점에서는 DB손해보험을 매도, 현대해상을 매수한 뒤에 다음 체크포인트에서 청산하면 된다.

글로는 정말 간단하면서도 완성돼있는 차트를 보면서 시나리오를 그려보면 너무나도 뻔한 흐름이지만 실제로 시장이 돌아가고 있는 동안은 1번시점이 제일 많이 벌어진 시점이라는 걸 유추하긴 쉽지 않다. 그러니까 결국 분할진입이 필요하다는 것이다. 분할진입의 기준은 공적분계수와 샤피를 이용하여 구한다손 쳐도. 물론 이것도 쉬운 알고리즘은 아니지만 그럼에도 불구하고 더 큰 문제가 남아있다. 위에서도 말했던 롤오버 비용이다. 베스트 시나리오라고 생각했던 1번진입후 청산, 2번진입후 청산하는 이 과정은 약 16개월(1번 진입후 청산) + 12개월(2번 진입후 청산), 총 28개월의 기간이 걸린다. 예를 든 이 케이스 말고도 20년짜리 페어 트레이딩 그래프를 보면 알겠지만 한 번의 진입과 청산에 못해도 몇 개월씩은 걸린다. 이 개월개월이 전부 비용이라는 것이다. 정말 우연에 우연의 일치가 계속돼 롤오버를 해야하는 시점마다 완벽한 조건의 호가가 존재한다고 해도 롤오버 한번의 총 투자금액의 0.012%가 계속 소비된다. 이게 1년이면 0.144%가 된다. 그럼에도 불구하고 이 페어트레이딩 전략이란 장기간에 걸쳐 적게는 몇 퍼센트, 많게는 수십 퍼센트의 이익을 얻을 수 있으니 감수할만하지 않냐고 하겠지만 이건 말 그대로 우연에 우연의 일치를 더한 것이다. 실제 돌아가는 시장에 대입해보면 베스트 케이스라고 해봤자 롤오버할 때마다 상대가에서 1호가 불리하게 체결된다. 전편에서 말했듯이 1,000원짜리 주식이라면 5원, 100,000원짜리 주식이라면 50원, 뭐 이런 식 말이다. 매도계약을 들고 있다면 매도계약의 상대가인 매수계약은 분명 매도계약보다 저렴하게 형성돼있는데 그 가격으로 처분할 수밖에 없고, 매수계약을 들고 있다면 그 반대가 된다. 1000원에 체결한 주식선물의 매수계약을 예로 들자면 현재 매도1호가가 995원일 때 청산하여 5원의 손해를 보고, 995원이 매도1호가이면 호가창이 타이트하게 구성돼있다는 가정 하에 매수1호가는 990원일 것이므로 그 가격으로 새 계약을 체결해야 한다. 매도계약 또한 마찬가지이다. 결제일이 다가오면 다가올수록 주식 현물의 가격과 비슷해지므로 호가창 또한 비슷한 흐름을 보이는데 보통 이런 흐름이라고 보면 된다. 아무튼 중요한 건 주식선물을 보유하는 것 자체가 리스크라는 것이다. 그리고 실제로 프로그램으로 돌리고 있었다면 1번시점 뿐만 아니라 1번으로 다가가는 시점에 계속해서 계약들을 쌓아나갔을 것이기 때문에 롤오버를 하게 될수록 불리한 가격으로 체결을 하기 때문에 손해가 극심해진다. 수수료 + 상대가 체결에 의한 손해가 이 전략의 리스크이다.

그리고 추가로 주식선물엔 multiplier개념이 있는데 1계약이 주식 10개의 가치를 갖고 있고 뭐 그런 거다. 한국용어로는 '승수'라고 한다. 그러니까 알고리즘 트레이알고리즘 트레이딩 전략 딩 전략 간단하게 말하자면 주식선물은 한번에 주식을 10개씩 사거나 팔아야 한다는 얘기다. 이렇게 커다란 뭉치로 거래되는 주식선물을 정규화된 가격으로 두개의 페어 모두 똑같은 가치를 지닌 양만큼 계약을 체결한다면 과연 그 비용이 얼마나 될까. 예를 들어 A주식은 10,000원이고 B주식은 1,000원이라면 A주식의 선물은 1계약당 100,000원이 되고 B주식의 선물은 1계약당 10,000원이 되는데 이 두 주식을 똑같은 가치만큼 갖고 있어야 가격이 오르내릴 때마다 그 차액만큼의 이득을 얻을 수 있을 것 아닌가. 결국 이 둘의 notion을 맞추려면 A주식의 선물 1계약당 B주식의 선물 10계약을 들고 있어야 한다.

하지만 보통 이렇게 완벽히 10배의 가격을 가진 종목끼리 페어가 될리 만무하지 않은가. 간단하게 하이닉스와 삼성전자를 예로 들자면 글을 쓰고 있는 현재 삼성전자의 종가는 79,900원이고 하이닉스의 종가는 121,500원이다. 그렇다면 삼성전자 선물의 1계약은 799,000원, 하이닉스 선물의 1계약은 1,215,000원이 될 것이다. 하지만 이렇게 단순히 1계약씩 하면 두 종목 사이의 차액인 416,000원이라는 델타가 뜨게 된다. 이는 총 notion금액인 2,014,000원의 20%에 해당하는 큰 금액이다. 그러니까 결국 삼성전자 3계약으로 2,397000원을 삼성전자 선물에, 하이닉스 2계약으로 2,430,000원을 하이닉스 선물에 투자해야지만 어느정도 두 종목 사이의 괴리를 줄일 수 있게 되는 것이다. 이렇게 하면 차액은 33,000원으로서 notional의 0.68%에 해당하는 합리적인 델타만 남는다. 물론 이 과정은 시장의 변동에 따라서 계속해서 비율이 달라진다. 당장 내일 삼성이 6만원 되고 하이닉스가 12만원이 된다고 치면 위에서 예를 든 것처럼 3:2계약이 아닌 2:1계약을 해야 한다.

그러니까 정리하자면 너무나도 큰 금액이 필요하고, 롤오버비용이 상당하고, 한 번의 청산까지 엄청나게 오래걸린다는 것 때문에 페어트레이딩 전략 또한 무위로 돌아갔다. 이것을 계기로 주식시장에서의 퀀트전략은 접게 된다. 그렇다면 다음은? 바로 암호화폐시장 퀀트이다. (물론 망했다)


0 개 댓글

답장을 남겨주세요