월스트리트 퀀트투자의 법칙

프롤로그_ 감정에 흔들리지 않고 현명하게 투자하라!

PART 1. 퀀트투자를 이해하는 기본 과정
CHAPTER 1. 퀀트투자란 무엇인가
01. 인간의 심리적 한계를 극복하는 퀀트투자의 힘
시장의 80퍼센트는 심리다 | 어려운 투자를 더 어렵게 만드는 것은 당신이다 | 자주 발생하는 이상 현상이 행동재무학을 부추겼다 | 스타 매니저도 결국 인간이다 | 모든 것을 숫자로 말하는 퀀트투자 | 월스트리트를 점령한 퀀트 | 기계라고 완벽한 것은 아니다 | 인간 vs. 기계의 대결 구도는 지워라
02. 생각보다 오래된 퀀트투자의 역사와 미래
위대한 업적은 하루아침에 이뤄지지 않는다 | 수학의 강자는 프랑스 | 퀀트의 아카데믹 역사 | 퀀트 인더스트리의 역사 | 주요 퀀트 헤지펀드
03. 당신은 이미 퀀트투자를 하고 있다
셀 사이드 퀀트 vs. 바이 사이드 퀀트 | 빛의 속도로 사고파는 초단타 거래 | 자산운용사와 헤지펀드의 퀀트 | 그 이외의 퀀트 | 부상하는 로봇 | 누가 퀀트가 되는가
04. 개인투자자도 할 수 있다! DIY 퀀트
인공지능을 도입한 세계의 빅 플레이어 | 월가 최고 회사의 퀀트가 될 수 없다면 | 프로페셔널 퀀트를 이길 수 있을까 | 이 모든 것이 귀찮다면
05. 당신도 퀀트가 될 수 있다
퀀트는 같은 일을 하고, 하고 또 한다 | 당신은 어떤 퀀트가 될 것인가

CHAPTER 2. 퀀트를 시작하기 전에
06. 데이터는 퀀트의 주재료
첫단추는 데이터 클리닝 | 어떤 종류의 데이터가 있을까 | 무료로 데이터 구하기 | 유료로 데이터 구하기 | 데이터 클리닝 방법
07. 필요한 기능을 제공하는 브로커를 찾아라
수수료는 중요하지만 전부는 아니다 | 퀀트 전략은 반드시 테크놀로지를 고려해야 한다 | 브로커도 망할 수 있다
08. 거의 모든 퀀트투자가 바탕으로 하는 것
가치투자의 아버지, 벤저민 그레이엄도 퀀트였다 | 어디에서 데이터사이언스 과학자인 퀀트의 역할이 필요할까 | 이론에서 실제로 | 가장 중요한 2가지 콘셉트 | 퀀트가 자주 사용하는 용어
09. 퀀트의 필수요소, 백테스팅
백테스팅을 할 수 있는 플랫폼 | 쓰레기를 넣으면 쓰레기가 나온다 | 백테스팅의 결과물 | 백테스팅을 하는 방법 | 백테스팅 결과물로 퀀트 전략 평가하기 | 쉬워 보이지만 결코 쉽지 않은 백테스팅 | 거래비용을 빼놓고 말할 수 없다 | 세계 정상급 퀀트들이 하는 일 | 최고의 백테스팅, 페이퍼 트레이딩
10. 퀀트는 투자를 위한 프로세스이자 잘 짜여진 시스템이다
시작은 아이디어 | 퀀트투자 자체는 시스템이고 프로세스다 | 퀀트는 투자회사에는 문화, 개인투자자에게는 습관 | 퀀트를 오해하지 말자 | 최고의 퀀트가 갖춘 3가지

CHAPTER 3. 퀀트의 기본 요소 하나, 수익률 예측
11. 과거 성과는 미래 성과를 보장하지 않는다
만약 과거가 우리가 가진 모든 것 중 가장 나은 것이라면 | 과거수익률을 측정하는 3가지 측면 | 과거 데이터를 쓰기 전에 한 번 더 생각해야 할 것 | 사전적 수익과 사후적 수익
12. 미래수익률을 예측하는 요소
배당수익률은 가장 오래 사용해온 요소다 | 밸류를 예측하는 주가수익률 | 적당한 시점을 알려주는 기술지표 | 미래예측지표의 잠재력을 측정하는 IC | 항상 수익률을 정확히 예측하는 미래예측지표는 없다 | DIY-엑셀을 이용해 IC 구하기
13. 서베이를 바탕으로 한 수익률 예측
의견을 문자화해서 보는 센티먼트 분석 | 일반소비자를 대상으로 한 소비자동향지수 | 프로페셔널 투자자나 CEO 등을 대상으로 한 서베이 | 애널리스트의 장기 수익 예측 | 한국의 서베이 데이터 | 서베이 데이터의 함정 | 시장에 영향을 주는 서베이
14. 투자에서 중요한 숫자, 리스크 프리미엄
주식 리스크 프리미엄이란 무엇일까 | 미래의 리스크 프리미엄을 어떻게 계산할 것인가 | 주가수익률에 영향을 미치는 것 | 리스크 프리미엄에 영향을 주는 요소 확인하기

CHAPTER 4. 퀀트의 기본요소 둘, 위험 예측
15. 퀀트는 리스크도 예측한다
알파가 좋은 이유 | 팩터는 리스크다, 팩터 리스크 모델 | 설명하지 않은 엡실론 | 팩터의 위험 | 왜 이렇게 팩터를 써서 리스크를 설명할까 | 최초로 리스크 모델을 상용화한 회사, 바라 | 다른 팩터로 하는 리스크 측정법
16. 퀀트가 예측에 심혈을 기울이는 테일 리스크
테일 리스크는 얼마나 자주 일어날까 | 문제는 가정이다 | 익스트림 이벤트로 분류하는 퀀트 퀘이크 사건
17. 얼마나 잃을 수 있을까
전략 운용을 결정짓는 맥시멈 드로다운 | 어떻게 자금을 배분할까, 켈리 공식 | 켈리 공식의 문제점 | 전략을 적정하게 유지하는 손절매 찾기 | 프로핏 테이킹 | 시나리오 분석과 시뮬레이션 | 모델 리스크 | 심리적 준비

CHAPTER 5. 퀀트의 기본요소 셋, 수익률과 위험 최적화하기
18. 자신의 성격에 딱 맞는 포트폴리오로 최적화하기
성공적인 퀀트를 위한 요소 | 1959년 발표한 마코위츠의 평균분산 최적화 | 훨씬 더 복잡한 퀀트의 옵티마이저 | 최적화 자체의 문제 | 퀀트회사의 옵티마이저
19. 포트폴리오의 회전율 역시 최적화하라
최적화한 투자에 꼭 필요한 거래비용 | 트레이딩(매수, 매도, 공매도, 공매도 커버) 결정 | 거래비용의 종류 | 회전율까지 최적화한 최후의 결과 | 머니머신의 비밀

PART 2. 퀀트투자를 정복하는 심화 과정
CHAPTER 6. 장기투자자를 위한 퀀트투자 전략과 팩터
20. 가치를 찾는 퀀트투자
퀀트 가치투자 | 공통적인 현상
21. 변동성을 팔면 수익이 생긴다
변동성 예측하기 | 수익률과 얼마나 관계가 있을까, 자기상관 | 수익률을 위해 변동성을 팔아라
22. 성장을 찾는 주식투자
수익률곡선 팩터
23. 인플레이션 혜택을 찾는 장기 주식투자
인플레이션 예측하기 | 인플레이션 리스크 프리미엄

CHAPTER 7. 단기투자자를 위한 퀀트투자 전략과 팩터
24. 마켓 타이머를 위한 어젠다
노이즈를 제거하는 평활화기법 | 원래 상태로 돌아가려는 공적분
25. 모멘컴과 미인 리버전
서로 다른 것을 비교하는 기준, 표준점수 | 트렌드는 당신의 친구 | 4팩터 모델과 모멘텀 | 평균회귀와 모멘텀 중 뭐가 나을까
26. 퀀트의 전술적 자산배분
예상수익률 예측 모델이 성공의 관건 | 좀 더 깊이 들어가기
27. 퀀트 모델에도 시즌이 있다
계절성 형태를 확인하는 분해 | 계절성은 어디에 존재할까

CHAPTER 8. 전략 디자인하기
28. 자신의 전략을 디자인해보자
퀀트 전략을 만들 아이디어 찾기 | 아이디어 외에 전략을 만들 때 고려해야 할 것 | 백테스팅은 정말 위험한 과정이다 | 높은 수익률이 전략의 전부는 아니다 | 당신은 기관투자자보다 유리한 위치에 있다
29. 전략을 묶는 것이 퀀트투자의 성공 비밀
서로 다른 전략 묶기 | 더했을 때 공헌이 있어야 | 전략은 시간 차이가 나는 것을 섞어야 좋다
30. 지속적인 실행은 더 좋은 전략을 만든다

CHAPTER 9. 더 깊이 퀀트 전략을 구사하고 싶다면
31. 언어 데이터와 머신 러닝
빠른 속도로 정보를 뽑아내는 텍스트 마이닝 | 머신러닝은 퀀트를 대체할까
32. 유동성을 제공하는 초단타 투자
초단타 거래의 기본적인 콘셉트 | 초단타가 늘 쉬운 것은 아니다
33. 시장 상태와 움직임에 대응하는 체제 변환
그럴듯한 것이 항상 좋은 것은 아니다

에필로그_ 무리하지 않고 수익률을 좀 더 올리는 방법

데이터를 분석하고 이를 바탕으로 투자를 결정하는 움직임은 하드코어 퀀트투자(데이터 분석과 알고리즘으로 처음부터 끝까지 다 하는 정석 방식을 의미함)에서만 일어난 것이 아니었다. 최근 세계 투자자들이 선호하는 투자 스타일은 퀀터멘털(또는 퀀티멘털)이다. 이는 알고리즘을 이용한 투자법인 퀀티터티브와 기존 스타 매니저들이 수익을 내는 방법을 일컬을 때 약간 혼동해서 쓰던 펀더멘털을 합친 단어다.
퀀터멘털은 기존 방법을 쓰던 투자자들이 데이터 분석과 알고리즘의 도움에 기반해 투자 의사결정을 내리는 것이다. 2018년 11월 20일자 <파이낸셜 타임스>는 J.P. 모건의 퀀터멘털을 소개하면서 다음의 예를 들었다. 자연어 처리 같은 방법으로 뉴스, 소셜미디어, 리포트 등의 자료를 처리한 후 펀드매니저에게 경고 등의 내용을 담은 메시지를 보낸다. 인간 매니저 역시 뉴스, 소셜미디어, 리포트를 읽고 판단하지만 이들이 주어진 시간 안에 읽을 수 있는 양은 한정적인 반면 기계는 그렇지 않다. 이런 식으로 인간 펀드매니저와 데이터, 머신러닝 그리고 자동화가 결합할 때 가장 이상적인 투자 프로세스를 형성할 수 있다는 것이다.
여기에 더해 펀드매니저도 인간이다. 따라서 때로는 이성적인 판단이 말해주는 것 이상으로 사랑에 빠지는 종목이 있을 수 있다. 반대로 객관적인 증거가 충분히 좋은 투자일 수 있다고 이야기해주더라도 흔히 말하는 직감 때문에 투자를 회피하기도 한다. 퀀터멘털은 이렇게 감성적으로 움직이는 일을 막아줄 수 있다. 그리고 세계 투자자들은 퀀터멘털 방법이 개인투자자에게까지 전파될 가장 중요한 변화라고 예측한다. 이런 점에서 퀀트투자를 하지 않는 개인투자자도 퀀트가 무엇인지 이해하는 것이 중요하다고 생각한다
<감정에 흔들리지 말고 현명하게 투자하라!> 중에서

2016년 8월 영국 〈파이낸셜 타임스〉는 레스토랑 실란트로 창립자 댄 호튼 이야기를 소개했다. 케임브리지대학교에서 수학을 공부한 그는 낮에는 레스토랑을 경영하고, 밤에는 집에서 책과 인터넷으로 금융과 프로그래밍을 독학했다. 인터뷰에서 그의 아내는 퀀트들이 많이 쓰는 프로그램 언어 파이선을 배우는 남편에게 미쳤다고 했다는 말을 했다. 그렇게 그는 DIY 퀀트를 시작했고 인터뷰 당시 8,000달러 정도의 수익을 냈다. 하지만 그에게는 수익뿐 아니라 매일 새로운 것을 연구하고 알아가는 과정에서 지적 호기심을 충족하는 것도 중요했다. 흥미롭게도 그는 온라인 플랫폼을 기반으로 DIY 퀀트를 했다. 퀀트 온라인 플랫폼에서는 뒤에서 다루는 백테스팅이 가능한 엔진과 금융 데이터를 제공한다. 이곳에 가면 수학자, 물리학자, 공학자 그리고 댄 호튼 같은 레스토랑 경영자를 만날 수 있다. 이곳은 펀딩을 크라우드 소싱하듯 테크놀로지와 퀀트를 크라우드 소싱하는 플랫폼이다.
<월가 최고 회사의 퀀트가 될 수 없다면> 중에서

퀀트매니저가 성공적인 퀀트 전략을 지속적으로 수행하려면 다음 4가지 요소를 필수적으로 갖춰야 한다. 그중 2가지 요소는 이미 심도 있게 다뤘다. 첫째, 수익률을 예측할 수 있는 모델이다. 이를 흔히 알파 모델이라고 하며 수익률은 벤치마크 대비 초과수익률이어야 한다. 벤치마크 수익률은 특별한 일을 하지 않아도 성취할 수 있는 수익률이기 때문이다. 앞서 다룬 자본자산가격 결정 모델(이하 CAPM)을 기억하기 바란다. CAPM에서는 모든 자산의 수익률을 시장 리스크 프리미엄과 여기에 얼마나 노출되어 있는가를 나타내는 베타로 결정했다. 이처럼 시장에 따라 결정하는 것을 베타, 시장과 관련이 없는 나머지 부분을 알파라 한다. 보통 전체 시장을 나타내는 지수를 벤치마크로 써서 초과수익률을 내는 까닭에 알파 모델이라는 이름이 붙은 듯하다. 둘째, 리스크 모델로 각각의 자산이 얼마나 많은 리스크 팩터에 노출되어 있고, 서로 다른 자산에 어떤 상관관계가 있는지 측정한다. 셋째, 알파와 리스크를 합쳐 가장 최적의 포트폴리오를 만든다. 넷째, 포트폴리오를 실제로 어떻게 실현할지, 즉 어떤 방법으로 자산을 사고팔며 트레이딩할 것인지 프로세스를 마련한다.
<성공적인 퀀트를 위한 요소> 중에서