솔직히, R에 대해서 관심이 있어서 이 책을 보게 되었습니다. ( 하지만 R에 대한 설명은 거의 없습니다. )

하지만, 책을 펼치고 책을 읽어나가면서 "퀀트 투자"에 대한 저자의 설명에 빠져들어가는 스스로를 발견하게 되었습니다. R에 대해서 별다른 설명도 없고, 오롯이 퀀트투자라는게 뭔지 그리고 그걸 어떻게 하면되는지 차근차근 설명해 나가는데, 은근히 재미를 느꼈습니다.

저자의 설명을 보면, 이게 투자자 입장에서는 이게 참 중요한 것인지는 알것 같습니다. 하지만 상당히 많은 내공이 필요하고, 게다가 많은 데이터가 필요한 이런 걸 어떻게 책 한권에 설명이 가능할까.. 싶은 의문이 드는데요.

일단, 통계적 기반을 마련해줄 데이터를 모으는 방법을 설명하기 시작합니다. 인터넷에서 어떻게 데이터를 모으는지 그리고 R언어에서는 그걸 어떻게 사용하게 해주는 지 간단하게 설명하는데요.

아.. 이정도면 비전공자도 보고 이해하겠구나 싶었습니다. ( 물론 저는 많이 접하는 분야라서 쉽게 느껴졌을 수도 있습니다. )

R언어에 대해서 전혀 설명이 없는 건 아닙니다. "파이프 오퍼레이터"같은 건 잠깐 설명하고 넘어가는데요. 정보를 가져와서 가공할때 가장 많이 쓰는 문법이기 때문인듯 합니다. 다른 언어에서는 자주쓰지 않는 개념이기도 하고요.

그리고는 좀더 고급진 데이터들을 모아다 쓰는 방법들을 설명합니다. 저는 이 분야에 대한 책은 처음이라서 이 데이터들이 얼만큼 중요한 위치에 있는 녀석들인지는 모르지만, 퀀트 투자라는 분야에서는 중요한 것 맞다 싶었습니다.

데이터를 모았으니, 시각화 해야겠죠. 그다음 분석해야 하고 그게 포트폴리오로 정리되면, 검증도 해봐야 될 겁니다.이 일련의 과정을 할 수 있도록 책을 서술하고 있습니다. R언어를 사용해서요. 마치 엑셀에 매크로를 쓰듯이 R언어를 쓰고 있는데요. 이정도면 R을 따로 배울 필요없이 이 책을 따라해보고 나서 더 필요한 부분이 있다면, 다른 책을 보는게 맞겠다 싶었습니다.

책을 읽은 전체적인 소회를 말하자면,

"퀀트 투자"라는 분야에 대해서 저자에게 한달정도 짜리 강의를 들은 것 같은 느낌을 주는 책이었던것 같습니다.

사실 제가 지금 하고 있는 일과 "퀀트 투자"라는 분야는 거리가 있기는 한데요. "퀀트 투자"라는 걸 하는 것도 참 재미있겠다는 생각을 하게 해준 책이었던 것 같습니다. 그리고 나중에 "퀀트 투자"를 하게 된다면, 이 책을 통해서 바로 적응할 수 있겠다 싶기도 했고요. 

최근 젊은 사람들 사이에서는 세가지 후회가 있다고 한다.

그 때 주식을 살 걸 하는 후회

그 때 집을 살 걸 하는 후회

그 때 비트코인을 살 걸 하는 후회..

그 중에서도 동학개미로 대표되는 젊은이들은 주식에 대한 열망이 굉장히 크다고 한다. (물론 나도 그 중 하나이다.)

주식에 대한 사람들의 관심은 누군가에게는 우려로, 누군가에게는 희망으로 분출된다.

하지만, 누구나가 그렇듯 적은 금액으로 공부한다 생각하고 접근해보기로 한다.

그래도 나는 IT를 전공했으니 조금 시스테미컬하게, 조금은 똑똑하게 접근해보면 어떨까 라는 생각에 알게 된 게 바로 '퀀트'였다.

데이터 사이언티스트는 근래들어 가장 각광받는 직업이기도 하면서, 누구나가 선명하는 영역의 직업이다.

근데 퀀트를 알게 되며 퀀트 투자를 프로그래밍으로 예측하는, 흔히 알고리즘 트레이딩을 통해 수익을 창출하는 부류는 또 다른 세계였다.

경제학적 이해와 수학적 알고리즘에 대한 공부, 그리고 프로그래밍(특히 머신러닝이 뒷받침 되는)을 복합적으로 알고 있어야지만 가능한 직업이었다.

분명히 퀀트 투자에 대해 매우 벽이 높지만, 우선 내가 관심있어하는 주식에 대한 공부의 시작으로, 똑똑한 동학개미가 되는 첫걸음으로 퀀트는 재미있는 공부가 될 것이라고 확신한다.

그럼 책을 살펴보도록 한다.

표지를 살펴보면 데이터 크롤링이 눈에 들어온다.

아, 뭔가 데이터를 긁어와서, 분석을 하는구나.... 그걸 가지고 퀀트 투자 전략을 포트폴리오로 만들어서 종목 선정까지 도와주나 보군!!

궁극적으로는 포트폴리오를 통해 수익을 실현하는 게 목적이지만, 표지의 용어를 이해했다는 1차 만족감을 느끼게 된다..

IT를 업으로 하기 때문일까,

웹과 R은 매우 친숙하다.

그럼에도 불구하고, 책의 내용은 매우 친절하다.

크롤링과 분석을 이해하기 위한 선행지식으로써 친절한 설명을 다시 한 번 배우고 갈 수 있음에 감사한다.

(오랜만에 또 다시 보니 새롭구먼유!)

솔직히 주식을 해야지.

그리고 주식을 똑똑하게 접근해야지 하면서 가장 많이 찾아 본 것은 '경제 신문'과 각 금융사에서 발행하는 '투자 레포트'였다.

하지만 어떤 정보를 어떻게 확인해야 할 지, 그 정보들 간의 상관관계 분석을 해서 난 어떻게 수익을 실현하지 하는 막연한 걱정은 항상 자리했다.

이 책의 금융데이터 수집하기 부분을 보면서, 아.. 이런 데이터를 보면 투자 종목 선정에 도움이 되나 보군! 

이런 정말 초보적인 것도 배우게 된다. (너무 내 수준이 밑바닥이군...)

퀀트 투자의 심장이라고 한다.

데이터로 시작해서 데이터로 끝나는데 이걸 프로그래밍까지 한다니.

이게 정말 문과의 영역이란 말인가...

최근에는 문과 이과 구분이 없다더니, 분명 이 책은 경제+IT+수학적 개념이 필요한 책인 걸 실감나게 한다.

R에 대해서 잘 모른다면 굳이 다른 곳을 찾지 않아도 된다.

퀀트 투자에 필요한 만큼의 R의 용례는 모두 설명이 되고 있으니 말이다.

포트폴리오는 이력서 쓸 때, 이직 할 때만 필요하다고 생각했다.

하지만 똑똑한 투자를 위해서 필요하다고 한다.

최적의 해를 찾기 위한 다양한 경우의 수를 계산적으로 증명한다.

만약, 최근 머신러닝 관련한 대학원 수업을 듣지 않았다면 아연실색하고 책을 덮었을지도...

하지만 이제 인공지능(특히 머신러닝)은 IT로 롱런하기 위한 사람들의 필수지식이다보니...(네이버나 카카오는 인공지능 윤리를 가르친다고 하지 않는가..)

만약 관심이 없는 분이라면 이 기회에 머신러닝 관련한 책을 한 권정도 같이 보는 것도 이 책을 이해하는 것 뿐만 아니라 IT 롱런에 도움이 되리라 생각한다.

코스피 지수를 베타 시각화로 Data Visualization 하는 방법을 보여준다.

복잡해 보이지만, 실제 결과값으로 보여지는 출력값은 매우 간단한 추론을 가능하게 해준다.

(눈이 게으르다고 했던가... 보기에는 어려워 보이지만 실제 해보면 그렇지 않다는 것!)

Dart는 주식을 하는 사람이라면 꼭 봐야 할 전자공시시스템이다.

Open API 를 이용해서 데이터를 수집하는 방법을 알기 쉽게 설명하고 있다.

끝으로, 

이 책의 궁극적인 핵심은 마지막 부분에 있다.

포트폴리오를 만들고 예상수익률을 예측해볼 수 있으니 말이다.

하지만, 어디까지나 의사결정의 지원도구일 뿐 큰 의존은 아직은 무리이지 않을까 생각이 들지만

팩트에 근거한 객관성있는 포트폴리오를 내 손으로 만들어 조금은 똑똑한 투자를 할 수 있다는 생각에 매우 두근거리는 시간이었다.

주식은 형제사이에도 권하지 말라고 했던가...

소중하게 만든 포트폴리오에 너무 심취해서 주식을 권하지는 말자... 혼자 보고 혼자 책임지면 될 일이다.

주식투자를 하는 사람들이 많아졌습니다.

은행에 저축만 하면 금리가 높지 않아 돈을 불리기 쉽지 않습니다.

주식투자는 소문만 듣고 움직인다면 위험합니다.

주식도 공부해야 돈을 벌 수 있습니다.

주식과 함께 퀀트 투자에 관한 관심도 커졌습니다.

지금 소개해드릴 책은 'R을 이용한 퀀트 투자 포트폴리오 만들기' 입니다.

이 책을 찾으신 분들은 퀀트 투자에 관심이 있는 분들이 오셨을 겁니다.

이 책을 통해 퀀트 투자를 이해하고 알아가는 시간이 되길 바랍니다.

◆ 포트폴리오
포트폴리오를 만들어보며 이론을 이해하시길 바랍니다.

이론에 대한 정확한 이해가 중요합니다.

이해하셨다면 R 언어가 아닌 다른 언어로도 구현해보시길 추천합니다.

포트폴리오까지 만들어보며 무엇을 배울 수 있는지 설명드리겠습니다.

투자에 필요한 금융 데이터 수집과 종목 선택 방법을 먼저 이해하시길 바랍니다.

책으로 실습해보며 따라 해보시면 막히는 부분이 있을 수 있습니다.

웹페이지 구조가 바뀌면 그런 상황이 발생하는 건데요.
페이지 변경이나 코드 수정되어야 하면 그럴 수 있습니다.

저자의 공식 홈페이지(https://hyunyulhenry.github.io/quant_cookbook/)를 보시면 해결 할 수 있을 것입니다.

또한, 공부 중에 궁금하신 사항 있으시면 페이지에 질문을 남겨주시면 답변도 받을 수 있습니다.

◆ R 언어
이 책은 R 언어를 기본적으로 다룰 줄 아는 대상으로 작성됐습니다.

R 언어로 퀀트 모델 개발부터 포트폴리오 분석과 자동화까지 알려줍니다.

프로그래밍으로 금융 데이터를 수집하고 처리할 수 있도록 도와주는 책입니다.

스스로 퀀트 투자를 하고 싶은 분들이 책을 찾으셨을 겁니다.

R 언어를 해보신 분들은 이해가 좀 수월할 겁니다.

이 책은 R 프로그래밍 언어를 세팅하는 것은 알려주지 않습니다.

설치와 기초적인 부분은 공부하고 보시길 추천합니다.

끝으로 저자는 R을 이용한 투자 활용법에 대한 블로그도 운영중입니다.

크롤링을 위한 기본 지식과 금융 데이터 수집 기본부터 심화도 익히실 수 있습니다.

저자가 퀀트 투자에 R 프로그래밍 언어를 선택한 이유와 프로그래밍이 필요한 이유도 아실 수 있을 겁니다.

퀀트 투자가 궁금하신 분들과 R 언어가 궁금하신 분들에 이 책을 추천합니다.

퀀트 포트폴리오 전략의 기초에서 백테스트에 이르기까지 데이터 사이언스가 금융 도메인 지식을 만났을 때 필요로하는 핵심 지식들을 깔끔하고 이해하기 쉽게 정리한 책이다.

구현 과정은 R 언어를 활용하는데 요소요소 R의 강점을 잘 표현하고 있어 R을 제대로 쓰기에도 좋은 지침서라는 생각이 든다. 크롤링 과정으로 R의 Tidyverse 철학을 느껴볼 수 있고, 8장의 dplyr 데이터 분석 패턴이라는 징검다리를 건너, 각종 논문에 등장하는 수식을 통계 패키지를 활용해 한두줄의 코드로 깔끔하게 분석하는 과정을 통해 R을 어떻게 사용해야 하는지 거침없이 표현하고 있다.

책을 읽으며 느꼈던 장점과 단점을 중심으로 리뷰를 시작해보겠다.

• 책의 백미, 퀀트의 기초
  본 도서의 백미는 9 ~ 13장에 이르는 퀀트의 기초 내용을 간결하고 쉽게 정리한 점이다. 퀀트를 제대로 이해하려면 금융 공학에 대한 기본 지식, 논문 등의 연구 자료, 수식 및 도출 과정들이 모두 포함되어야 할 텐데 이들을 모두 포함하면 너무 난잡해지거나 분량 측면에서 감당하기 어려운 책이 되었을 것이다.

  위 필수 내용들이 하나도 빠지지 않으면서도 설명은 전체 맥락을 이해하는데 필수적인 부분만 다루고 수식 또한 논문 수준의 수식보다는 직관적으로 일반인들이 이해하기 쉬운 형태의 전개로 표현하는 등 짧은 지면에 핵심을 잘 간추리는 저자의 전달력에 놀랐다. 마치 논문과 구현의 경계에서 가장 쉬운 지름길을 찾아가는 과정 같았다.

  증권사에서 핀테크 스타트업에 이르기까지 풍부한 실전 경험을 바탕으로 패스트캠퍼스에서 R과 퀀트 투자 강의를 맡으며 퀀트 투자의 대중화를 위해 노력한다는 저자의 소개가 무색하지 않게 실력이 뛰어난 고수가 전달력까지 좋으면 이런 멋진 책이 탄생하는 구나 라는 생각이 들었다.

  그동안 퀀트 관련 여러 책들을 읽어봤고 논문들도 찾아봤는데 블랙-숄즈 방정식과 같이 이미 고전이 되어버린 방정식을 구현해본다던가, 기초를 건너뛰고 최근 주류인 딥러닝의 CNN, GAN 같은 기술을 접목할 때마다 기본 실력이 부족해서 답답했던 기억이 있다.

  반면 본 도서에서는 포트폴리오 운용 전략에 해당하는 종목 선정, 포트폴리오 구성, 백테스트 및 평가에 이르는 일련의 기초 과정의 핵심이 잘 정리되어 있어 그동안 내가 어떤 기초가 부족했던 것인지 일종의 미싱 링크를 찾은 느낌이었다.

본 서에서 다루는 퀀트의 기초 내용을 간단히 소개하면 다음과 같다.

• 종목선정
  • 팩터(Factor) : 수익률에 영향을 미치는 요소
  • 베타(Beta) : 개별 주식이 전체 주식시장 변동에 반응하는 정도
  • 저변동성 효과 : 변동성이 낮은 종목들의 수익률이 높은 효과
  • 모멘텀 : 추세. 상승 추세는 지속적으로 상승하고, 하락 추세는 지속적으로 하락하는 관점
  • 밸류 : 기업의 가치. PER, PBR, PCR, PSR 등
  • 퀄리티 : 기업의 우량성. F-Score
  • 섹터 중립 포트폴리오 : 모멘텀 등 팩터들이 특정 섹터의 호황기에 동일 섹터의 모든 종목이 함께 움직이는 경향인 쏠림 현상을 제거한 포트폴리오 구성 방법
  • 조엘 그린블라트 마법의 공식 구현
  • 멀티팩터 포트폴리오 : 위에서 배운 모든 팩터들과 이론들을 결합하여 지표를 설정해보는 과정으로 복습에도 도움이 되고 데이터 사이언스가 금융이라는 도메인을 만났을 때 어떤 작업이 이루어지는지 기본 흐름을 맛볼 수 있었다.
• 포트폴리오 구성
  • 최소분산 포트폴리오 : 변동성이 최소인 포트폴리오로 고정된 분산-공분산 행렬에 대한 변동성이 최소가 되는 가중치 w를 찾는 최적화 문제
  • 최대분산효과 포트폴리오 : 상관관계가 낮아질수록 포트폴리오의 변동성이 낮아진다는 효과를 이용하여 분산효과를 최대로 하는 포트폴리오 구성 방법
    
  • 위험균형 포트폴리오 : 특정 자산의 비중을 증가시켰을 때 전체 포트폴리오의 위험성 증가 여부를 확인하여 위험 기여도를 산정. 편미분 개념.
  • 인덱스 및 인핸스트 인덱스 포트폴리오 : 액티브, 패시브 전략별 포트폴리오
• 포트폴리오 백테스트
  • 현재 전략을 과거부터 실행 시 어떤 성과가 발생하는지 테스트해보는 과정
  • 60대 40 포트폴리오 백테스트 : 주식과 채권에 각각 60%, 40% 투자를 가정
  • 시점 선택 전략 백테스트 : 메브 파버의 논문을 활용한 전략으로 과거 10개월 이평선을 활용
  • 동적 자산배분 백테스트 : 지금까지 배운 모든 것들을 응용해보는 과정인데 이 파트가 없었으면 반쪽자리 백테스트가 되었을 것이다. 이 책이 가치있다고 생각한 부분 중 하나이며 앞서 배웠던 것들을 유기적으로 연결해볼 수 있다.
• 성과 및 위험 평가
  • 백테스트로 구한 수익률의 성과 및 위험성을 평가하는 과정.
  • QMJ 팩터 : 우량성이 높은 종목들을 매수하고, 낮은 종목들을 공매도 하는 전략을 지수 형태로 표기

• R의 강력함을 잘 표현하는 책(R vs Python)
  이 책의 또 다른 장점 중 하나는 R을 제대로 쓰면 얼마나 강력한지 무기가 될 수 있는지 보여준다는 점에 있다. 개인적으로 프로그래머이기에 Python을 더 많이 활용하고는 있지만 몇가지 특수한 상황은 R과 영원히 작별할 수 없게 만들곤 한다.

  첫째, dplyr 패키지를 활용한 일련의 데이터 분석 과정은 Python의 Pandas를 활용할 때보다 고정된 패턴이 있어 조금 더 직관적이고 생산적이다.

  Python의 최대 장점은 유연성에 있다고 생각한다. 데이터가 어떻게 생겨먹고 분석 기법이 무엇이든 뭐든지 표현하고 가공할 수 있다. 반면 그 유연성이 때로는 독이 되어 능숙하지 않은 기법을 찾아 쓸 때는 많은 시행착오를 거쳐야 하고 그 만큼 시간이 낭비되어 생산성을 저해하곤 한다.

  반면 R은 유연성이 다소 떨어질진 몰라도 join, glimpse, rename, mutate, filter, summarize, arrange, group by 등으로 이어지는 dplyr의 마법의 분석 패턴을 하나 잘 익혀 놓으면 Tabular 형식의 데이터 80%는 이 패턴 하나로 몇분 만에 깔끔하고 직관적으로 분석할 수 있다. 이 책에서는 8장의 절반만 할애해서 R의 핵심 기능을 너무 잘 표현하고 있다.

  프로그래밍에도 좋은 패턴과 예제 하나를 잘 익혀두면 나머지는 시간과 경험의 문제에 지나지 않는다. 비슷한 예로 웹프로그래밍을 처음 배울 때 게시판 예제 하나만 잘 짜도 대부분의 웹 프로그래밍 80%는 익히는 셈이라 할 수 있다. 나머지 디테일한 부분은 그저 시간과 경험의 싸움일 뿐이다.

  시중에 나온 R 서적이 상당히 많은데 내용은 충분하지만 기능별로 모두 파편화되어 돌아서면 잊어먹기 딱 좋은 구성이다. 하지만 이 책은 달랐다. 8장에서 펼쳐지는 데이터 분석의 기본 패턴을 잘 익혀놓으면 명확한 개념의 큰 물줄기를 얻을 수 있다. 더불어 주식 종목정보 분석이라는 흥미로운 유인책은 나름의 학습 동기를 부여해주기에 분석의 과정을 더욱 이해하기 쉬워지며 dplyr가 가지는 R의 매력을 여실히 보여준다.

  둘째, Tidyverse로 대표되는 R의 철학은 상당히 매력적인데 이 책이 그 장점을 잘 활용하고 있다. 예를 들면 JavaScript에는 Callback 지옥이 한 때 유명했는데 쉽게 말하자면 괄호의 지옥이다.

  A(B(C()))와 같이 일련의 함수 호출 과정속에 인자 혹은 옵션 몇가지만 추가되면 괄호속에 파묻혀 직관적으로 한 눈에 잘 들어오지 않는다. 이를 해결하기 위해 Promise나 async, wait 등의 기법이 나왔는데 Tidyverse에서는 이를 해결하지 위해 파이프 오퍼레이터(%＞%)를 활용하여 논리적인 기능의 흐름의 경계선을 명확히 구분하여 직관적인 이해를 돕는다.

  셋째, 통계에 특화된 R의 기능이다. 9장의 예제에서도 나오지만 베타(개별 주식이 전체 주식 시장의 변동에 반응하는 정도)를 구하는데 필요한 R의 코드는 고작 한 줄이다. ‘'’R lm(ri ~ rm) ‘’’ 긴 통계학의 역사적인 아이디어를 포뮬러를 활용해 한 줄의 명령어로 쉽게 파악할 수 있다는 점은 R에서 쉽게 손을 뗄 수 없는 매력 중 하나이다.

  그 외에도 ggplot2가 Python 진영의 시각화 라이브러리에 비해 월등한 점, bookdown 패키지 등 산출물과의 연계 기능이 뛰어난 점, 유연성을 포기하고 일정 패턴을 가짐으로써 초보자의 진입 장벽이 낮다는 점 등이 부수적인 장점이라고 생각한다.

  물론 그렇다고 Python이 가진 범용 프로그래밍 언어 고유의 장점을 상쇄할 순 없다. 예를 들어 주식 데이터의 캔들 그림을 인풋 데이터로 활용하여 CNN으로 예측 분석 모델을 구현한다거나, RNN을 활용하여 주가 방향성을 분류, 오토인코더를 활용하여 주가 데이터를 생성하는 등의 딥러닝 위주 프로그래밍은 Python이 훨씬 편리하며 End-to-End의 구현, Serving과 배포 측면에서도 R이 Python을 따라가기엔 부족한 느낌이 든다.

  이런 이유들로 인해 조금 귀찮을지라도 Python과 R 두마리 토끼를 쫓게 되었는데 이 중 R의 장점을 이 책에서 잘 표현하고 있기에 R을 유기적으로 이해하고 빠르게 활용하고 싶은 독자에게 많은 도움이 될 수 있는 책이라는 생각이 들었다.

• 기타(크롤링 등 프로그래밍 언어로써의 R)
  평소 크롤링은 Python 언어를 활용하는 편이라 이 책을 통해 R을 이용해 크롤링 하는 방법을 처음으로 접했는데 문법이 단순하고 코드량도 적어 참 깔끔하다는 생각을 했다. 프로그래머가 아닌 분들에게는 R 크롤링도 좋은 선택이 되겠다는 생각이 들었다.

  그 외 각종 공시정보를 어느 사이트에서 얻을 수 있는지, 제공되는 API에는 어떤 것들이 있고 발급 받는 방법 등이 잘 정리되어 있어 조사하는 시간을 줄일 수 있다는 점도 책의 장점이다.

  책의 전반부(1 ~ 7장)는 주로 크롤링과 데이터 수집, 가공에 대한 내용을 다루고 있는데 과정 중간마다 R의 기본 문법을 잘 정리해주고 있어 R의 다양한 기능 중 필요한 것만 쏙 뽑아먹는 느낌이었다.

  이 책은 어느정도 R 문법을 아는 분들을 대상으로 쓰여진 책이지만 난 오히려 이 책으로 굵직한 맥락을 숙지하고 필요할 때 거꾸로 레퍼런스를 찾아보는 것이 시간대비 학습 능률에 도움이 되겠다는 생각이 든다.

  개인적으로는 후반부(8 ~ 13장)에 관심이 많아 해당 부분 위주의 리뷰를 작성했지만 독자마다 필요로 하는 지식이 다를 수 있으므로 R의 기본 문법과 크롤링 등의 기능에 관심있는 독자라면 전반부(1 ~ 7장)의 내용도 매우 유익할 것 같다.

• 아쉬운 점
  개인적으로 너무 마음에 들었던 책인지라 칭찬 일색으로 일관했기에 다소 아쉬웠던 점도 정리해 보려한다.

  • 퀀트 트레이딩 전략 및 심화 과정도 자세히 다루는 후속편이 나왔으면 좋겠다. 저자 분의 내공과 전달력이면 이 부분도 왠지 자신감이 생길것 같다. 물론 그러면 또 어렵다고 악평을 하는 독자 분들이 많아지는 것도 알고 있다. 책을 좋아하는 사람으로써, 입문서보다는 중급서에 관심이 많아지게 된 세월 때문에 이해하기 어려우면 비추하는 리뷰 문화에 할 말이 참 많다..

  • 딥러닝과 융합된 R의 모습도 보고 싶은데 이 역시 본 도서에서 다룰 일은 아니고 후속편으로 등장했으면 좋겠다. 적고 보니 후기작에 대한 의견이 되어버린 것 같은데 사실 범위 정도를 제외하고는 본 도서를 흠잡기 어렵다.

수식과 기본을 놓치지 않고도 퀀트의 기초 지식을 쉽게 습득하고 싶은 분들께, R을 R답게 활용하고 싶은 분들께, 데이터 사이언스가 금융 도메인 지식을 만나면 어떻게 활용되는지 알고 싶은 분들께 추천드린다.

• 책소개 - R을 이용한 퀀트 투자 포트폴리오 만들기

퀀트 투자는 수확과 통계를 기반으로 전략을 만들고 이를 바탕으로 투자하는 정량적인 투자법. 

프로그래밍의 이유 ? 단순 반복 작업을 효율적으로 수행 하기 위함. 통계나 정량분석에 독보적인 R프로그램. 퀸트 투자에 유용한 R 패키지. ... 

api 데이터 수집하기. 국대 주식 데이터의 접근 한계. 크롤링 혹은 스크래핑이란 웹사이트에서 원하는 정보를 수집하는 기술. 

크롤링의 주의해야 할 점. 과다한 크롤링의 경우 일부 웹사이트에서의 차단. 

데이터의 수집과 정리.   / ~~ 프로그래밍에 문외한인 나로서는 ... 따라할 수는 있지만... 뭐랄까 증권사의 재무표를 엑셀로 받아오는 방법을 편하게 프로그램으로 만들어논 ...   

dplyr, ggplot 패키지를 이용한 데이터 분석과 시각화. 

퀀트 전략을 이용한 종목 선정. 퀀트 투자는 크게 포트폴리오 운용 전략과 트레이딩 전략으로 나눌 수 있습니다. 

팩터(factor): 주식의 수익률에 영향을 미치는 요소. 베타(Beta): 개별 주식이 전체 주식시장의 변동에 반응하는 정도를 나타낸 값. 

주식시장에서 베타는 통계학의 회귀분석모형에서 기울기를 나타내는 베타와 정확히 의미가 같습니다. 회귀분석모형은 y=a+bx 형태로 나타나며, 회귀 계수인 b는 x의 변화에 따른 y의 변화의 기울기입니다. 이를 주식에 적용한 모형이 자산가격결정모형(CAPM:capital Asset Pricing Model)이며  그림1 

/ 효율적시장가설에서 쓰이던 capm 모형은 퀀트에서 쓰기에는 적합 한 거 같다. 단지 사람들의 광기와 심리를 대변하진 못하지만. 감정을 배제한 투자법이  대부분의 시장 평균을 앞지른 다는 것은 잘 알려진 사실이기도 하다. 단지 우리의 본능을 과연 잘 이겨내고 기계적으로 실행시키고 참아낼 수 있냐의 문제는 전혀 다른 문제인 거 같다.

저변동성 전략. 개별 주식의 표준 편차를 측정할 때는 주식의 가격이 아닌 수익률로 계산합니다. 표준편차가 크면 수익률이 위아래로 많이 움직여 위험한 종목으로 여겨집니다. 작으면 수익률의 움직임이 적어 상대적으로 안전한 종목으로 여겨집니다. 변동성이 0에 위치하는 거래정지 종목들을 제거 후 낮은 순위를 검색.   / 뭐랄까 횡보하는 종목을 찾는 방법? 그런 맥락 인 듯 . 기간을 1년 정도로 넣은 것을 보면 1년동안 등락의 차가 적은 주식은 향후 큰 움직임을 보일 확률이 높다는 방법인 듯 . 

모멘텀 전략. 주가 혹은 이익의 추세로서, 상승 추세의 주식은 지속적으로 상승하며 하락 추세의 주식은 지속적으로 하락하는 현상을 말합니다. 모멘텀 현상이 발생하는 가장 큰 원인은 투자자들의 스스로에 대한 과잉 신뢰 때문입니다. 종류 기업의 이익에 대한 추세를 나타내는 이익 모멘텀과 주가에 대한 가격 모멘텀이 있습니다. 단순히 과거 수익률로만 모멘텀 종목을 선택하면 각종 테마나 이벤트에 따른 급등으로 인해 변동성이 지나치게 높은 종목이 있을 수 있습니다. 누적 수익률을 변동성으로 나누어 위험을 고려해줄 경우, 이러한 종목들은 제외되며 상대적으로 안정적인 모멘텀 종목을 선택할 수 있습니다.    

밸류 전략. 가치주의 효과란 내재 가치 대비 낮은 가격의 주식이 비싼 주식보다 수익률이 높은 현상. / 해외에서 많은 백테스트와 검증이 이루어진 방법이다. 시겔이나 드레먼 등의 책에서 실제 증명된 효과 이다. 

4개의 지표(per, pbr, pcr, psr)의 랭킹 합이 낮은 30종족을 구하는 방식. 

퀄리티 전략. 기업의 우량성. 그러나 어떠한 지표가 우량성을 나타내는지에 대한 정의는 주관적이고 광범위해 쉽지 않습니다. F-Score 지표. 수익성- roa(양수면 1점 ),cfo(양수면 1점),roa증가(증가하면 1점)  재무성과- lever증감(레버리지가 감소하면 1점) , liquid 증감(유동성이 증가하면 1점), eq_offer 증감(발행주식수가 감소하면 1점) 효율성-margin증감(매출총이익률이 증가하면 1점), turn증감(회전율이 증가하면 1점)

각 지표가 우수할 경우 1점 그렇지 않으면 0점  0~9점 까지의 포트폴리오를 구성 

9점인 종목의 티커와 종목명을 확인해봅니다. ... / 이 지표 검색은 좋은 듯 . 나온 기업명을 보니깐 굉장히 좋은 기업들이 대부분임. ★

하나의 팩터만을 보고 투자하는 것보다, 둘 혹은 그 이상의 팩터를 결합해 투자해야 훨씬 좋은 포트폴리오를 구성할 수 있으며, 이 방법을 멀티팩라고 합니다. 

마법공식 구성하기. 

                 이자 및 법인세 차감전 이익      이자 및 법인세 차감전 이익       당기순이익+법인세+이자비용

이익수익률 = ---------------------------- = --------------------------  = -------------------------------------------------- 

                      기업 가치                       시가총액+ 순차입금          시가총액+총부채-(현금-max(0,유동부채-유동자산+현금)

                    이자 및 법인세 차감전 이익               당기순이익 +법인세+이자비용

투하자본 수익률 =-------------------------- = ----------------------------------------------------

                         투하자본                       (유동부채-유동자산)+(비유동자산-감가상각비)

트림. 이상치 데이터를 삭제하는 방법. 상하위 1%데이터를 삭제. 윈저라이징. 이상치 데이터 대체. 좌우로 울타리를 쳐놓고 해당 범위를 넘어가는 값을 강제로 울타리에 맞춰줍니다. 

멀티팩터 포트폴리오. 퀄리티, 밸류, 모멘텀 팩터 간의 랭크의 서로 간 상관관계가 매우 낮으며, 여러 팩트를 동시에 고려함으로서 분산 효과를 기대할 수 있습니다. / 프로그램의 장점 . 팩터별 비중 조절이 자유롭게 가능하다. 어떤 팩터를 좋아하는지에 따른 비중 조절. 

포트폴리오 구성. 최소분산 포트폴리오. 변동성이 최소인 포트폴리오. / 어렵다... 이해하기 어려운 .. 수학이다 수학. 학문의 영역을 들어선다. 상관관계에 따른  최소 최대 분산. 이게 참 사람의 정신 영역에서 나오는 결정을 숫자로 데이터화 할려다 보니깐 일반인들에게는 어려운 학문의 영역으로 들어가는 느낌이다. 무서운 건 이런 학문적인 연구가 해외에서는 이미 논문으로도 연구되고 실제 대입되면서 쓰여진다는 것이다. 그래도 투자의 영역에서 사람의 복합적인 결론 도출 능력이 아직은 살짝 우위에 있는 거 아닐까? 

포트폴리오 백테스트. 현재 생각하는 전략을 과거부터 실행했을 때 어떠한 성과가 발생하는지 테스트해보는 과정. ...확신을 가지고 지속할 수 있게 만듦. 그러나 백테스트를 아무리 보수적으로 혹은 엄밀하게 진행하더라도 이미 일어난 결과를 대상으로 한다는 사실은 변하지 않습니다. 

========================================================================

책의 주요 내용은 무엇일까를 고민하게 하는 어려운 수학적인 학문 공식 알고리즘 . . . 들이 나를 괴롭혔다. 

프로그래밍(R)을 이용해서 일반인들도 직접 얼마든지 정량적인 퀀트 투자를 할 수 있다라는 타이틀 인데 ...

확실히 쉽게 프로그래밍에 대해 하나하나 예시와 그림으로 쉽게 풀어 써둔 것은 맞다. 

그리고 전략을 위한 종목 선정 팩터까지 그중 널리 보편적으로 스이는 몇가지 예시를 설명했지만 충분히 원한다면 새로운 방식의 팩터를 추가 다양하게 결합 할 수 있게 만든 책이다. 다만 나 같은 일반인에게는 프로그래밍과 여러 이론들을 수식으로 대입시키는 작업이 쉬울리는 없다. 같은 저자의 저서인 스마트베타란 책을 보고도 후기를 못 남긴 이유가 여기에 있긴 했지만 ... ㅋ  

흔히들 일반적인 퀀트 투자법으로 알려진 방법들 사이트가 생겨난 이유를 알 수 있다. 물론 조금 더 익숙해지면 간단해 보일 수도 있는 작업들이겠지만 생소하게 접하면 뭔가 다른 나라의 언어들 같은 느낌이다. 

그럼에도 후반부에 나오는 각종 팩터들의 활용도는 분명히 유용할 것이다. 투자는 정성적 +정량적 의 도출 값이라는 생각을 하고 있었기에 퀀트라는 정량적인 부분을 가지고 어떻게 정성적인 방법을 메꿀 수 있을 것인가에 대한 의문도 있었지만. 결과 값으로 보면 어줍잖은 정성적 분석을 대입하는 것보다는 훨씬 변동성도 적고 안정적인 결과가 나온다는 걸 깨달았다. 

내 주관적인 느낌으로는 저자분이 누구나 안정적인 그리고 실패 가능성이 적은 퀀트 투자를 할 수 있게 만들 수 있다는 의지가 강한 거 같다. 누군가 마음을 먹고 책에 나온대로 첫장 부터 따라한다면 책을 다 읽었을 때 퀀트 투자란게 생각보다 심플하고 안정적이라는 인상을 심어주려는 거 같다. 단지 투자란 곳에서 인간의 본성을 철저히 차단해야한다는게 생각보다 쉽진 않을 것이다. 아무리 프로그래밍을 하고 나온 전략대로 투자를 해도 그 중간 중간에 인간의 본성의 움찔 거림을 극복 할 수 있냐가 퀀트 투자의 핵심 아닐까 싶다. 그 믿음의 대안 책으로 백테스트란 것이 있긴 하지만. 우리 인간의 본성의 깊이는 감히 헤아릴수가 없지 않나 싶다 . 

근데 진지하게 본업에 열중 하면서 투자 쪽에서 철저하게 관심을 끄고 안정적인 수익을 얻으려는 사람에게는 진짜 최적의 투자법이 아닐까 싶다. 그리고 이 책은 약간의 시간 투자로 직접 프로그래밍을 가능하게 해주는 열쇠 같은 것이 아닐까 ? 어렴풋이 원리를 알고 있는 것과 실제로 그 수치들의 순위가 매겨지는 걸 체험하면 확실히 뭔가 기준선이 생기는 느낌이다. 

＜이 리뷰는 제이펍으로 부터 책을 지원 받아 작성되었습니다.＞

책소개

일반 투자자도 따라 할 수 있는 금융 데이터 수집 및 포트폴리오 구성 방법!
금융 데이터 크롤링, 데이터 분석 및 시각화, 투자 종목 선정, 포트폴리오 구성, 백테스트 및 성과 평가

퀀트 투자를 하려면 먼저 투자에 필요한 주가, 재무제표 등의 데이터를 수집해 정리한 후 필요한 지표를 얻기 위해 가공합니다. 그후 각종 모형을 이용해 투자 종목을 선택하거나 백테스트를 수행하며, 이를 바탕으로 실제로 투자하고 성과를 평가합니다. 따라서 퀀트 투자는 데이터 과학을 금융에 응용한 사례라고도 볼 수 있으며, 퀀트 투자의 중심에는 데이터와 프로그래밍이 있으며, 이 책은 실제 퀀트 투자 매니저 출신이 데이터 크롤링부터 포트폴리오 구성까지 퀀트 투자의 정석을 설명하고 있습니다.

https://jpub.tistory.com/1131?category=208491

이번에 리뷰하게 된 책은 퀀트 투자 포트폴리오 만들기 입니다.

최근 주식에 대한 열기가 뜨거운데요. 제 주변 분들도 모두 주식을 시작하셨다고들 하시고, 저 또한 주식투자를 시작하다보니 책을 리뷰하면서도 흥미가 생기는, 공부가 되는 그런 책이었습니다.

퀀트란?

퀀트란?

quantitative(계량적, 측정할 수 있는)와 analyst(분석가)의 합성어. 수학·통계에 기반해 투자모델을 만들거나 금융시장 변화를 예측하는 사람을 말한다. 이들은 컴퓨터 알고리즘을 설계해 투자에 활용한다. 컴퓨터 알고리즘에 기반한 퀀트 투자가 급증하는 가운데 헤지펀드들이 더 많은 소프트웨어 엔지니어를 고용하고 있다.

- 출처 네이버 지식백과 : https://terms.naver.com/entry.nhn?docId=3588009&cid=42107&categoryId=42107

퀀트 투자란, 데이터를 기반으로 투자를 하는 것을 말합니다. 기계적으로 투자를 하는 것인데요. 그렇기 때문에 데이터를 수집하고, 정제하고 가공하는 작업들이 이루어지게 됩니다. 책에서도 그런 내용들을 다루고 있습니다. Java, Python이 아닌 R을 통해 작업하는 내용을 담고 있습니다. 최근에는 Python에도 라이브러리들이 다수 존재하기 때문에 R을 통해 내용을 익히고 Python으로 구현해본다면 좋지 않을까 라는 생각이 들었습니다.

책은 기본적으로 R을 사용할 줄 아는 독자를 대상으로 하고 있습니다. R에 대해서 잘 모르기 때문에 기초지식을 공부하고 책을 읽다보니 읽는데 시간이 조금 걸렸던것 같습니다. R에 대한 기초 강의는 https://moon9342.github.io/R-lecture-R-environment 를 참고하셔서 공부하시면 좋을 것 같습니다!

책에도 적혀있듯이 R을 이용하기 때문에 파이썬 혹은 다른 언어를 사용하는 분들에게는 직접적으로 도움은 되지 않습니다. 다만 해당 지식을 사용하고 계신 언어에 대입하여 사용한다면 좋은 공부가 될 수 있을 것으로 생각됩니다.

크롤링, 데이터를 모아보자

퀀트 투자를 하기 위해서는 데이터가 필요합니다. 데이터를 모으기 위해 크롤링이라는 것을 진행합니다. 2장에서는 크롤링에 대한 내용을 다루고 있습니다. R을 통해 HTML을 파싱하는 방법에 대해서 배울 수 있습니다. 저 같은 경우 Java를 통해 크롤링하는 것이 편하여 자바를 통해서 작업을 진행하였습니다.

2장에 이어, 3장에서는 크롤링 뿐아니라 API를 통한 데이터 수집을 진행하게 됩니다. 퀀트 투자를 하기 위해서는 데이터가 중요하기 때문에 우리는 데이터 수집을 열심히 할 필요성이 있습니다. 가장 단순하지만 중요한 파트가 아닐까 생각됩니다.

크롤링을 하다보면 서버에 무리를 주게 되고, 이런 경우 Blocking이 될 수 있습니다. 따라서 조심히 수집해야하는데요. 크롤링 하기 전 사이트의 정책을 확인해볼 필요성이 있습니다. robots.txt, 로봇 배제 표준에 따라서 크롤링을 반대하는 것을 사이트마다 표시할 수 있습니다. 따라서 크롤링이 불가능한 사이트들은 수집에 주의할 필요성이 있습니다.

https://developers.google.com/search/docs/advanced/robots/create-robots-txt

모은 데이터 가공하기

7장에서부터는 앞에서 모은 데이터를 가공하기를 배우게 됩니다. 우리가 원하는 것은 종목선정일 텐데요. 해당 내용은 9장에서 다루게 됩니다. 데이터를 통해 주가를 정리하고, 재무제표 등을 정리하는 작업들을 진행하게 됩니다.

책 중간중간 어려운 수식들이 기다리고 있습니다. 책을 읽으면서 2~3번 다시 읽으며 책을 읽어나갈 정도로 조금은 어려운 수식들이 가득했습니다. 

수식들을 지나 차근차근 책을 따라하다보면 수집된 데이터를 통해 여러 차트들을 생성할 수 있습니다. 이런 차트들과 종목선정을 통해 직접 투자도 진행해보고, 수익률도 뽑아볼 수 있습니다. 데이터를 통해 종목을 선정함에 있어서 그 종목에 대한 투자의 책임은 본인에게 있습니다. 어느정도 조심하며 투자 할 필요성이 있어보입니다.(데이터를 무조건 신뢰 할 수 는 없다고 생각합니다.) 

퀀트 투자 포트폴리오 만들기 책을 통해 본인만의 포트폴리오를 만들어보셨으면 좋겠습니다.