2024. 2. 22

1.    지금까지의 과정

l  4분기 실적을 반영하여, 검증된 분기별 모델을 돌려서 결과를낼 계획이나, 기대했던 2월 20일 자료 업데이트는 불가능하고, 실질적으로는 

    3월 31일이나 되어야 공식적인 업데이트가 가능할 것이라 Fn가이드에서는 밝혔음

l  이번까지는 Fn가이드의 지원을 받을 수 있으나, 다음 번 부분은 의사결정을 해야할것으로 예상됨

l  PeakChaser에 대한 스터디 과정을진행할 계획

2.     PeakChaser(승률이 높은 peak를 찾아다닌다는 의미)의 최근 종목 선정이 시사하는 부분

l Peak Chaser 모델은 현재로서는 코스피200종목 내에서 선정하고 있으며, 과거 데이터를 검토한결과, 승률 75%로 수익 시 3.0%, 손실 시 

    -4.0%의 성과를 보여온 안정적인 모델로 연평균 40% 수준의 수익이 나는 모델임

l 다만, 약점은 종목 선정 조건이 까다로운 부분 때문에 매수추천이자주 나오지 않는 단점은 있음

l 이러한 단점을 보완할 경우, 종목을 확대하고, 복수종목을 추천하는 방식으로 적용할 경우, 다양하게 활용할 수 있을것으로 보임

l 지난 번에 추천한 대로 시총 1,000억 이상의 종목에대해서 매매기회를 포착한다면, 이론상 더욱 많은 기회를 잡을 수 있을 것으로 예상했는데, 

    1,545종목에 대한 결과는 이전보다 악화된 승률이 발생하였음

l 하지만, 목표를 10% ,-10%로 하였을 때 승률을 낮아졌으나, 더욱 많은 기회가 발생하였음

l 최근 몇번의 최적화 과정을 거쳐서, 결과치를 계산하였는데, 그 거래수가 9년 기준 15,197번까지 증가하였으나, 승률은 오히려 하락하기도 함

l 다만, 동일한 날짜에 매매가 최대 41회까지 나오면서, 매매가 10회를초과한 일수가 858일에 달했으며, 해당 포지션을 보유해야되는 시간까지 

고려할 경우, 사실상 이대로 적용하는 것은 불가능할 것으로 보임

l 해결책은 매매수를 현 수준에서 10%수준으로 줄이는 것이최선의 방법으로 보임

3. Peak Chaser FAQ

l 피크 체이서는 테스트 데이터가 없어도 되는가?

   - 이전에는 테스트 데이터가 있었으나 매번 테스트 데이터에서, 학습 데이터와결과가 일치하여, (승률 / 연수익율 다 비슷함.)

  - 테스트 구간도 학습구간에 넣어서 좀더 현재 데이터를 늘리는 것으로 수정함.

  - 볼록최적화 (가지치기)를할때부터 이러한 성능을 예상했음

l 실계좌 버젼의 경우 왜 5년간 거래수 최소 300회, 종목 200개로제한했나?

  - 적당 기간의 적당한 거래수가 실전에서 필요함

  - 승률을 높였더니 거래수가 줄고, 거래수를 늘렸더니 승률이 줄어들었다

 - 여러 변화를 테스트 해본 결과, 종목200개에서는 승률을 높이고자 거래수를 줄이는 현상이 거의 주를 이뤄서, 최소 거래수가 300회 이상이 되도록 조율함.

 - 여기에 +3% -4% 등 익절률을 변경해보는 등

 - 휴먼 AI가 컴퓨터 앞에서 30분~4시간 단위로 모니터링 해야 학습과정이 의도에 맞게 잘 구동되어, 하드웨어와시간절약이 가능함

l다음주

 - 모든 상황에 대한 예측력을 가지는 머신러닝을 사용하지 않는 이유는?

 - FOREX CURRENCY의 경우 사용가능한 데이터가 적어질 수 밖에 없는 이유. (데이터의양이 적으면 질도 저하되어, 이 경우 개발 우선순위 조정이 필요함.)

4. 향후 계획

l 23년 4분기실적을 활용해서 통해 가장 우월한 모델을 통한 예측종목을 도출할 계획임

l 여러 모델을 결합하여 예측결과를 보완하기(앙상블)

l 전문가의 의견을 반영하여 예측결과를 보완하기(AI-PM)

l Peak Chaser를 통해 매수 신호가나오는 종목들의 공통점을 찾기 (1,545종목 ETF 포함)