퀀트 투자 101: 성공을 위한 초보자 가이드

퀀트 투자 101: 성공을 위한 초보자 가이드

 

지난 수십 년 동안 퀀트 투자 분야는 궁극적으로 프로세스를 단순화하는 새로운 투자 기술을 개발하기 위해 금융 시장에서 상당한 발전을 이루었습니다. 퀀트 투자에 대한 이해와 의사 결정 및 포트폴리오 수익 증가를 위한 퀀트 투자의 기본적인 내용을 알아보도록 하겠습니다.

 

1. 퀀트 투자의 등장

샘 아이젠슈타트(Sam Eisenstadt)는 1965년 퀀트 투자의 기초를 만들었습니다. 그는 6개월의 과거 데이터를 사용하여 최초의 퀀트 순위 시스템을 만들었고 상위 종목이 하위 종목보다 우수한 성과를 내고 있음을 발견했습니다. 이를 계기로 오늘날 대부분의 투자 커뮤니티는 퀀트 투자 전략을 채택하고 있으며 기관 투자자들이 수익률을 높이기 위해 이를 사용하고 있습니다.

 

728x90

 

2. 퀀트투자의 정의

퀀트투자는 Quantitative(정량적)과 Analyst(분석가)의 합성어로 주가수익비율(PER), 주가순자산비율(PBR), 주가현금흐름배수(PCR), 주가매출액배수(PSR) 등 다양한 지표를 활용해 투자하는 방법입니다. 즉, 정량적인 분석이란 뜻으로, 증권사나 기업에서 제공하는 객관적 수치 지표를 갖고 매매 전략을 세워 투자하는 것입니다.

 

3. 퀀트 투자 전략이란?

퀀트 투자 전략은 프로그래머, 통계학자 및 투자 분석가를 포함한 업계 전문가가 개발한 고급 프로그램 모델입니다. 그 목적은 광범위한 데이터를 사용하여 종합주가지수를 능가할 확률이 더 높은 주식을 식별하는 것이며,  이는 자산 배분 및 위험 관리는 물론 고객의 요구에 따라 포트폴리오를 조정하는 데에도 도움이 됩니다.

 

최근 얼리 어답터들은 기계 학습 모델을 사용하여 대량의 정보를 해석하기 위한 대체 데이터 소스 및 방법에 투자하고 있습니다. 이 데이터는 기존 데이터 소스와 달리 웹 사이트에서 데이터를 수집하는 웹 스크래핑을 통해 수집되고 있습니다. 기계 학습 모델은 더 나은 투자 결정을 내리기 위해 많은 양의 정보를 편집하고 해석할 수 있는 인공 지능(AI)의 한 분야입니다. 예를 들어 웹 스크래핑을 통해 회사의 직원 수 변화를 확인하여 회사의 성장을 확인할 수 있으며, 인원수 데이터를 통해 회사가 규모와 고용 경향 측면에서 얼마나 효율적으로 경영하고 있는지 확인할 수 있습니다.

 

퀀트 투자의 등장

 

4. 퀀트 투자 전략의 종류

대부분의 퀀트 투자 전략은 상대적 가치 또는 시장의 방향성을 비교 및 예측하여 분석하는 것으로 알려져 있습니다. 상대적 가치 퀀트 전략은 가격 관계를 식별하고 이를 활용하는 것을 목표로 하며, 시장의 방향성 전략은 가격 상승 또는 하락을 시사할 수 있는 추세 또는 기타 패턴을 분석합니다. 이러한 전략의 공통점 중 하나는 소프트웨어 및 컴퓨터 프로그램 모델을 통해 과거 데이터를 사용하여 결과를 예측한다는 것입니다. 그래서 퀀트 투자를 데이터 기반 투자라고도 합니다.

1) 정량적 가치 전략

정량적 가치전략은 회사의 손익계산서와 대차대조표의 모든 정보를 사용합니다. 이 전략은 집계된 점수를 계산하고 주식의 순위를 매깁니다.

 

2) 이벤트 기반 차익거래

이벤트 기반 차익거래는 규제 변경, 기업 행동 등과 같은 이벤트와 관련된 데이터를 분석하는 전략을 말합니다. 프로그램 모델이 가격 변동에 특정 패턴을 설정하면 구매 및 판매 거래가 발생합니다.

 

3) 팩터 투자 전략

팩터 투자 전략은 과거에 벤치마크 지수를 능가한 하나 이상의 팩터를 사용합니다. 몇 가지 팩터의 예로는 성장, 모멘텀, 시가 총액 및 기업 가치를 확인할 수 있습니다. 프로그램 모델은 이러한 요소에 의거하여 각 주식의 점수를 매긴 다음 총점수를 사용하여 각 주식의 최종 순위를 매깁니다.

 

4) 체계적인 글로벌 거시 전략

체계적인 글로벌 거시 전략은 유리한 펀더멘탈을 가진 국가와 지역을 식별하고자 사용하는 전략입니다. 즉, 프로그램 모델은 전 세계 다양한 지역의 경제를 분석하여 투자 자금을 할당합니다.

 

5) AI 및 빅 데이터 전략

AI 및 빅 데이터 전략은 최신 유형의 퀀트 투자 전략입니다. 일반적으로 AI 투자에는 대체 데이터인 웹 크롤링이나 웹 스크랩핑의 활용이 포함됩니다. 또한 기계 학습 기반 퀀트 전략이 전통적인 퀀트 투자보다 더 효율적인 경향이 있다는 연구 결과가 보고되었다는 점도 주목해 볼 수 있습니다.

 

5. 퀀트 투자의 장점

5.1 일관되고 신뢰할 수 있는 데이터

퀀트 투자에서는 감정적 또는 심리적 요인이 포함되어 있지 않습니다. 컴퓨터가 순위를 매기고 투자 결정을 내리기 때문에 과거 데이터와 숫자만 고려되는 요소이므로 일관성이 매우 높으며, 계산적인 측면에서의 인적 오류 또한 현저히 떨어지기 때문에 정량적으로 해석된 결과를 신뢰할 수 있고 높은 위험 관리가 가능합니다. 또한 과거 수치만을 사용하기 때문에 투자자는 위험과 예상 수익을 보다 쉽게 ​​예측할 수 있습니다.

 

5.2. 비용의 효율적인 투자

프로그램 모델 개발 외에 사람의 개입이 없다는 점을 감안할 때 퀀트 투자는 다른 투자 유형보다 비용적인 측면에서 효율적입니다. 경험이 풍부한 분석가나 포트폴리오 관리자를 고용할 필요가 없으며, 컴퓨터는 사용 가능한 모든 데이터를 분석한 다음 트랜잭션을 수행합니다.  이러한 장점을 기반으로 최근 기존의 퀀트 투자자들은 수익 개선을 위해 대체 데이터 및 기계 학습 방법을 적극적으로 활용하고 있습니다. 오늘날 대부분의 전략은 소프트웨어와 고급 프로그램 모델을 사용하여 금융 자산의 순위를 매기고 기존의 전문가를 대신하여 투자 결정을 내립니다.

 

6. 퀀트 투자의 단점

6.1. 프로그램 설정의 리스크

인간이 개발한 다른 모델이나 이론과 마찬가지로 현재 사용되는 퀀트 투자도 설정 오류에 따른 리스크에 노출되어 있습니다. 예를 들어 1990년대에 큰 성공을 거둔 퀀트 헤지 펀드인 롱텀 캐피털 매니지먼트(Long-Term Capital Management)의 사례에서 이 문제에 대한 심각성을 확인할 수 있습니다. 이 펀드는 만기가 다른 채권들의 금리 차이를 예측하는 방식으로 운영되었습니다. 자산은 12.5억 달러로 시작하였으나 출범 이후 1997년까지 연 28% ~ 59%의 고수익을 내며 단일 펀드로는 유례없이 25억 달러까지 자산의 규모가 불어나게 됩니다. 하지만 1998년 러시아의 모라토리엄 선언으로 인해 다량의 러시아 국채를 보유하고 있던 롱텀 캐피털 매니지먼트는 붕괴 위기로 치달았습니다. 불행히도 그들이 사용한 프로그램 모델은 러시아 정부가 채무 불이행할 것이라는 가능성을 고려하지 않았기 때문입니다. 롱텀 캐피털 매니지먼트가 1998년 9월 23일을 기준으로 전 세계의 은행들과 거래하던 파생상품 규모는 약 1조 2500억 달러 이상에 이르렀습니다. 결국 전 세계적 대형 경제 위기로 이어질 것을 우려한 연방준비제도의 주도하에 다른 대형 은행과 투자기관으로부터 대규모 구제금융을 받았습니다.

 

6.2. 정보 요구량의 과다

정량적 전략은 예상 수익과 확률을 기반으로 하기 때문에 상대적으로 많은 양의 정보가 필요합니다. 또한 이러한 분석을 수행하는 데 오랜 기간 동안 축적된 정보를 요구하며 신생 기업에 적용하기에는 분석의 예측 결과가 불일치할 가능성이 큽니다.

 

6.3. 실시간 변화되는 상황에 대한 대응 불가

회사 스캔들이나 경영 변화와 같이 컴퓨터가 식별할 수 없는 예기치 않은 변화나 상황은 오직 인간만이 인식할 수 있습니다. 하지만 부정적인 뉴스 및 정보를 추적하고 일부 변경 가능성이 발생가능할 수 있는 상황을 식별하도록 프로그램을 설정한다면 이러한 문제에 일정 부분 대응할 수 있습니다.

 

퀀트 투자 전략

 

퀀트 투자는 실적 데이터를 기반으로 사용하여 투자 결정을 내리는 체계적인 방법입니다. 이는 전체 투자 비용을 낮추고 데이터 수집 및 분석에 필요한 에너지를 줄여주며 궁극적으로는 자동 프로세스를 통해 인간의 투입을 최소화합니다. 퀀트 투자가 완벽한 것은 아니지만 인공 지능과 빅 데이터의 발전으로 보다 정확하고 세밀한 분석이 가능하게 변화하고 있으며 이는 곧 투자 업계의 새로운 방향성을 제시하는 출발점으로 예상할 수 있습니다.