주식, 비트코인 예측 : 알고리즘 트레이딩 : 모델 : 개념, 종류, 방식

알고리즘 트레이딩 모델

알고리즘 토이딩 모델은 주식의 가치를 평가합니다. 평가에 따라, 매수, 매도, 보유를 결정합니다. 그러므로 위험관리, 거래비용 관리, 포트폴리오 구성, 검증 등 알고리즘 트레이딩 시스템의 영역 중에서 주요한 위치를 차지하고 있습니다.

사실상 위험 관리, 포트폴리오 구성은 모델을 기반으로 전략을 형성합니다. 따라서, 알고리즘 트레이딩의 틀을 만드는 역할을 한다고 할 수 있습니다.

알고리즘 트레이딩에 사용되는 모델은 무엇이 있을까요?

평균회귀, 일간 모멘텀, 추세추종, 인덱스 펀든 재분배 등 매우 다양하게 있습니다. 그리고 끊임없이 새로운 모델들이 개발되고 있습니다. 

월등한 수익을 창출하는 모델을 보통 알파모델이라고 합니다. 시장 평균이나 비슷한 정도를 베타 모델이라고 합니다. 따라서 알고리즘 트레이딩에 적용하는 모델은 보통 알파 모델이라 불르고 있습니다.

접근 방법

인공지능에서는 크게 2가지로 접근 방법이 있습니다. 데이터 기반의 접근과 지식 기반의 접근 방법이 있습니다. 알고리즘 트레이딩의 접근 방법도 크게 2가지가 있습니다.

첫 번째는 이론 기반의 접근 방법입니다. 어떤 모델을 가정하고, 맞는지 틀리는지 검증을 반복하여 알파 모델을 완성해 나가는 방법입니다. 보통 과학 연구를 할 때 많이 쓰는 익숙한 방법이라 할 수 있습니다.

두번째는 데이터 기반의 접근 방법입니다. 데이터를 분석해 패턴을 찾습니다. 그리고 이를 알파 모델로 구현합니다. 뚜렷한 가설이나 이론적 배경 없이 데이터를 분석하면서 지식을 쌓아가는 방식입니다. 

이론 기반 접근

어떤 가설을 세우고, 이를 기반으로 알파 모델을 만드는 방식입니다. 따라서 모델 설계의 측면에서 자신의 모델이 무엇이며, 여러 변수가 어떻게 영향을 미치는 알 수 있습니다.

데이터 기반 접근

가설을 세우지 않고, 데이터 분석으로 시작합니다. 목적의식이 없다면 데이터를 분석할 떄, 의미를 찾기 어렵습니다. 끊임없이 나아가 패턴을 발견하였다 하더라도, 이게 어떻게 발견됬는 지 이해하는 것 역시 어렵습니다. 

데이터 기반 접근 방식은 머신 러닝을 적용해 모델을 만들어 볼 수 있고, 이론 기반 접근 방식은 평균회귀을 적용해 모델을 만들어 볼 수 있습니다.