8장 도입. 특성을 거래 신호로 바꾸는 과정

금요일에 관측한 값으로 다음 달 순위를 매긴다

금요일 장이 끝난 뒤 한 연구자가 여러 Exchange-Traded Fund(상장지수펀드, ETF)의 가격을 비교한다. 최근에 꾸준히 오른 ETF, 가격이 크게 출렁인 ETF, 두 조건에 모두 해당하는 ETF가 있다. 연구자는 다음 21거래일 수익률이 높을 후보를 먼저 검토하고 싶다. 지난 21일에 많이 올랐다는 기록 하나로 순위를 매길 수도 있고, 변동성까지 함께 반영할 수도 있다.

Momentum(모멘텀)은 과거 가격이 일정 기간 움직인 방향과 크기를 요약한다. Volatility(변동성)는 수익률이 얼마나 크게 흔들렸는지 나타낸다. 둘은 금요일에 계산할 수 있는 Feature(특성)다. 미래 21거래일 수익률은 모델이 맞혀야 할 Label(라벨)이다. 과거 행의 라벨도 실제로 그 기간이 끝난 뒤에야 학습에 쓸 수 있다.

목표를 정하면 같은 데이터에서도 출력이 달라진다

자산마다 수익률 전망치를 얻고 싶으면 Regression(회귀)을 쓴다. 수익률이 거래에 필요한 문턱을 넘을 확률을 구하고 싶으면 Classification(분류)을 쓴다. 예컨대 두 ETF 모두 상승 확률이 60%여도, 하락할 때 한 ETF가 훨씬 많이 떨어진다면 주문 규모는 달라질 수 있다. 주문 규칙이 어떤 정보를 필요로 하는지 먼저 정하면 라벨과 모델 출력을 일치시킬 수 있다.

1. ●판단 전
   결과가 확정된 과거 행으로 특성 변환과 모델 계수를 학습한다.↓
2. ●금요일 장 마감 후
   그때 확인할 수 있는 특성으로 다음 21거래일 예측을 만들고 그 근거와 불확실성을 기록한다.↓
3. ●다음 체결 가능 시점
   사전에 정한 순위·확률 규칙과 거래 조건으로 목표 비중을 계산한다.↓
4. ●보유 기간 종료 후
   확정된 라벨로 순위와 예측 구간을 평가하고, 체결과 비용을 반영해 순손익을 계산한다.

학습 라벨의 확정, 예측 기록, 체결, 결과 평가를 서로 다른 시점으로 관리한다.

여러 후보가 같은 시험을 치른다

Regularization(정규화)을 적용한 선형 모델부터 적합한다. 입력마다 가중치를 하나씩 붙이는 모델이므로 변동성이나 모멘텀이 점수에 어떻게 반영되는지 추적하기 쉽다. 가중치가 지나치게 커지면 벌점을 부과해, 과거 몇 번의 우연한 움직임에 예측이 크게 끌려가지 않도록 한다.

Walk-forward Validation(순차 전진 검증)은 과거에서 학습하고 더 늦은 시기에 채점하는 일을 반복한다. 각 시험에서 예측 순위, 개별 특성의 점수 기여, 실제 결과가 예측 구간에 든 비율을 함께 남긴다. 좋은 순위가 특정 시기에 몰렸는지, 한 입력에 과도하게 의존하는지, 시장이 크게 흔들릴 때 구간이 자주 빗나가는지 따로 확인할 수 있다.

이 선형 결과를 Baseline(기준선)으로 보관한다. 나중에 복잡한 모델을 시험할 때도 거래 대상, 라벨, 시간 분할, 평가 기준을 맞춘다. 복잡한 모델의 점수가 높아지면 어느 기간과 어떤 자산에서 개선됐는지 먼저 확인하고, 그 순위로 거래했을 때 비용 차감 후 성과가 개선되는지 별도로 평가한다.