1 of 27

데이터사이언스로 이해하는 퀀트

이현열 (Henry Lee)

2 of 27

Profile

  • EDUCATION

박사과정, 한양대학교 재무금융� 석사, KAIST 금융공학� 학사, 한양대학교 경영학부

  • Job Experience

메리츠화재, 장기전략팀, 데이터분석 (2019 ~ 현재)� NH-Amundi 자산운용, 패시브솔루션본부, 퀀트 매니저 (2016 ~ 2019)� 한국투자증권, 고객자산운용부, 주식 매니저 (2014~2016)

  • Others

스마트베타 (워터베어프레스, 2017), R을 이용한 퀀트 투자 포트폴리오 만들기 (제이펍, 2019)� 패스트캠퍼스, 퀀트투자 과정� Henry’s Quantopia (http://henryquant.blogspot.kr)� https://github.com/hyunyulhenry� leebisu@gmail.com

2

3 of 27

정성적 투자 vs 정량적 투자

3

4 of 27

Quant

  • 계량적(Quantitative)의 약자, 퀀트(Quant)

​

  • 수학적 기술을 금융시장에 접목하고, 이를 이용해 투자하는 사람들

​

  • 정성이 아닌, 시장에서 발생하는 현상에서 규칙을 찾아 투자

4

5 of 27

Quant

5

6 of 27

Quant

(Fundamental) Quant Management

주식, 채권 등 투자자산을 대상으로 수익률과 연관된 유의한 설명변수를 찾고, 이를 이용하여 투자 �경제학, 통계학 기반

​

​

6

7 of 27

Quant

Statistical Arbitrage (Pair Trading)

(1 + 2) ≠ 3 or A ≠ A, 경제적 이론 보다는 차익을 발견하여 트레이딩

​

​

7

8 of 27

Quant

High Frequency Trading (HFT)

시장 조성자(Market Making), 거래소간 시간차를 이용한 선행매매 (플래시 보이스)�https://www.youtube.com/watch?v=B_k_elbBz8c

8

9 of 27

Quant

9

​

(Fundamental) Quant Management

Statistical Arbitrage

공통점

Rule – based Investment

학문적 기반

경제학, 통계학

재정거래 관계, 통계학

회전율

Days to Months

Hours to Days

투자 예시

팩터 투자, 글로벌 매크로

페어 트레이딩, 차익거래 (합병, 현선물 등)

투자대상

Firm

Timing

10 of 27

Quant

전통적 퀀트의 한계점

  • 글로벌로 확장된 투자 유니버스 → 데이터의 증가
  • 기존 정형데이터(주가, 재무 등)가 아닌 비정형데이터를 이용한 투자 필요성
  • HFT와 같은 단순 속도 전쟁의 한계

→ 빅데이터, 비정형데이터, 머신러닝(딥러닝) 활용이 가능한 데이터사이언스에 대한 수요 증가

10

11 of 27

Data Science for Quant

11

12 of 27

Data Science for Quant

  1. Import and Tidy (데이터 구하기 및 가공)
  2. Transform, Visualize, and Model (모델링)
  3. Communicate (투자 집행 및 평가)

12

13 of 27

Import and Tidy

  • 크롤링, API를 이용하여 뉴스, 공시의 실시간 전송�
  • 기존 투자에 사용되던 데이터�정형 데이터: 주가, 재무제표, 이익 예상치 등�전처리에 큰 어려움이 없음�
  • 최근 투자에 사용되는 데이터�비정형 데이터: 음성, 텍스트, 이미지 등�기존 경제학자 및 대부분의 퀀트는 전처리 불가능��

​

​

�

​

13

14 of 27

Import and Tidy

​

14

15 of 27

Import and Tidy

15

16 of 27

Import and Tidy

16

17 of 27

Import and Tidy

17

18 of 27

Import and Tidy

텍스트 데이터는 비정형 데이터 중 투자에서 가장 활발하게 연구되는 분야

​

  • 상대적으로 처리가 간단함
  • 특정 종목 관련 검색량, 게시글 숫자 등 정량적 내용 뿐만 아니라 어조, 문구 등 정성적 내용도 주식 수익률과 연관됨
  • 유명인의 SNS 활동이 주식 수익에 많은 영향을 미침

18

19 of 27

Import and Tidy

​

19

20 of 27

Import and Tidy

20

21 of 27

Import and Tidy

이미지 데이터(인공위성 사진 등)를 이용한 투자 역시 이미 보편적 추세

​

21

22 of 27

Transform, Visualize, and Model

전통적 주식 브로커 & 트레이더

  • 브로커가 고객(운용사 등)으로부터 주문을 받음
  • 해당 주문을 트레이더가 수행
  • 감에 의존한 매매, 잦은 실수
  • Best Execution에 대한 의문

22

23 of 27

Transform, Visualize, and Model

골드만삭스의 교훈

  • 2000년 600명의 트레이더 → 현재 2명
  • 200명의 개발자가 트레이딩 시스템 개발
  • 회사의 전체 인원 중 1/3 (9000명)이 개발자
  • 데빈 웨니그 이베이 CEO: “AI를 받아들이지 않으면 어떤 산업에 있든 당신의 기업은 어려워질 것”

​

23

24 of 27

Transform, Visualize, and Model

딥러닝을 이용하여 마켓 임팩트를 최소화시키는 알고리즘이 적극적으로 연구 중

24

25 of 27

Communicate

  • 클라우드, 가상 서버를 통해 공간의 제약없이 여러명이 작업 가능
  • markdown + git을 통해 재생가능한 투자 의사결정 및 공유
  • shiny, 대시보드를 이용하여 투자상황에 대한 정보를 쉽게 확인 가능

25

26 of 27

Job Qualification

​

​

26

27 of 27

Job Qualification

https://www.efinancialcareers.com

Quant 모집 공고의 Requirements를 통해 요구능력 파악

​

27