머신러닝을 이용한 트레이딩: (0) 트레이딩 개요

Introduction

trading
Author

Cheonghyo Cho

머신러닝을 이용한 트레이딩

머신러닝을 이용한 모멘텀 예측과 전략 강화

아래는 구체적인 트레이딩에 머신러닝을 활용하는 구조를 보여준다. 다만, 블로그에서는 이 중 일부만 다루기로 한다.

1. 금융 데이터와 바(bar)

  • 틱 데이터로부터 시간 기준 혹은 금액 기준 바 형성

2. 매수, 매도 시그널 포착

  • 기술적분석을 이용한 기존 모멘텀 전략 (MA crossover, RSI..)

  • 추가적인 ML 분류기를 이용한 모멘텀 감지

3. 매매 규칙

  • 위의 매매 시그널로 진입 규칙 설정

  • 이익실현, 손절, 최대보유기간 등을 고려해 청산 규칙 설정

  • 과거 시나리오를 바탕으로 각 매매 결과 기록 (뒤의 강화 전략을 위해)

4. 전략 강화 ML 모형

4.1. 피쳐 생성 (\(X\))

  • 시장 데이터(가격, 거래량 등)와 기술적 지표

  • 시장 미시구조적(microstructure) 특징

  • 거시경제 변수

  • 자산 펀더멘털

  • SNS/뉴스 센티멘트, 분석 컨센서스 등

4.2. 머신러닝 모형 최적화

  • 피쳐 선정

  • Cross-validation (Purged k-fold)

  • 하이퍼파라미터(hyperparameter) 튜닝

  • AutoML 스태킹 (혹은 각각의 Random forest, Adaboost, SVM, GBM, XGBoost, LSTM 등)

  • 성능 (accuracy, f1 score, roc-auc)

4.3. 결과

  • 매매 신뢰도 (각각의 매매 시그널에 따라 실제 매매했을 때의 성공 예측 확률)

5. 트레이딩 결정

  • 모멘텀 전략으로부터의 매매 시그널에 따라 베팅할지 혹은 패스할지를 결정

  • 위의 매매 신뢰도를 바탕으로 매매 금액/비중을 고려

6. 백테스팅

  • Cumulative returns, Sharpe ratio, max drawdown, win ratio

참고 문헌:

  • Advances in Financial Machine Learning, Lopez de Prado (2018)

플로우차트

Simple version ML Trade Networks2


Detailed version ML Trade Networks