1.    TAIGAN모델에서의 모델별 성과 추이

l 지난주부터 고점 징후를 보이던 QTR-F8이 추가로 급락하는모습을 보였음. 기업밸류업에 대한 기대감으로 단기간에 급격한

     아웃퍼폼한 것이 조정의 빌미가 된 것으로보임

l 가장 안정적인 ALL모델은 지난 주간 한미반도체의 급등으로BM대비 아웃퍼폼으로 전환되었음

l P7모델도 2월초저점을 확인한 이후로 급격한 개선세를 이어가고 있음 

l 3월 20일현재 기준으로 7개의 모델 종목 중 BM을 아웃퍼폼하고 있는모델은 F6모델과 All모델에 불과함

l 지속적으로 저평가 투자스타일을 강조했던 퀀트 애널리스트가 최근 들어 주장을 꺾기도 했음(후행적)

2.     PeakChaser 500 개발 진행 상황

l 학습 시간이 길어짐에 따라 LTPD가 점진적으로 높아지는모델이 발견되었으며, 해당 종목의 Back Testing Data의 승률은 70.9%까지

     점진적으로 상승하는 결과를 보였음

l 다만, 이 모델들에 대해서, 코로나 기간이 배제된 2023년~2024년의데이터로 Test했을 때, 지난주 모델에서 나왔던 55%를 상회하여,

    63%까지 승률이 높아지는 모델이 발견되었음

l LTPD의 상승과 함께 실제 Test에서의 승률이 높아지는 모양이 나오는 부분은 여전히 모델의 과최적화가 이루어지지 않고 있다는 것을

    의미한다고 할 수 있겠음

l 하지만, 가장 최근의 구간에서는 Train기간의 승률을 상승하는데, Test구간의 승률은 소폭 하락하는현상이 발생하고 있으며, 0.6019 수준에서

     아주 높은 test구간에서의승률이 나왔으며, 이후로는 LTPD가 상승할 때 급격하게 test의 승률이 하락하는 모습이 나타나고 있음

l 적절한 수준의 LTPD까지는 과최적화가 이루어지지 않았다고할 수 있어도, Train기간의 승률을 비정상적으로 높이게 되면, 여전히 과최적화의

    이슈가 발생할 수 있음을 보여주는 자료로 판단됨

l 다만, 이부분이 부분 해 근처에서 나오는 것이 글로벌 해를찾아가는 과정인지는 조금 더 Train을 통해서 예측성 높은 모델을 찾아가는 과정이

     필요할 것으로 보임

l 다른 구간의 결과들로 모델별 예측력에 대해 추가로 검증하는 것은 의미가 있다고 생각됨  

3.     PeakChaser 500의 추가적인 변수 조절 

l 다른 조건을 지정해서, 모델을 개발하는 방법을 시도하였음

l 기존의 +10% ~ -10%의 조건이 아닌 , +20% ~-7%의 조건과 거래수 200~600회 범위로 지정하여Train을 시도하였음

l 기존의 모델과 마찬가지로, LTPD와 Train 승률이 올라감에도 불구하고, Test결과치가 올라가지 않고내려가는 현상이 발견되고 있음

l 예상보다 LTPD가 높지 않은 상황에서 과최적화 이슈가발생한 것으로 보이며, 지속적으로 모델을 찾아가는 과정을 밟아 나갈 필요는

     있을 것 같다는 결론

l 원인을 예상해 본다면, 기존의 +10%와 -10%에 비해 범위가 넓기 때문에, 매매가 완성되는 기간의 더 오래 걸리고, 그 경로도 다양해서,

모델이 학습하는 과정에서 과최적화 할 수 있는 여지가 더욱 크게 발생한 것으로 보임. 

4.    향후 대응방안

- 4월초에 모델을 업데이트해서, 세분화된 모델의 랭킹을 검토

-      TAIGAN모델의 세분화된 모델의성과를 통해, 마켓타이밍할 수 있는 가능성에 대해 점검

-      피크체이서에서 LTPD 승률(Target 65%)을 올리는 방법에서 과최적화에 빠지지 않는 모델을 선정하고,

-      그 모델에서 발생하는 매매 신호에 대해서 앙상블로 활용하는 방법을 시도해 볼 계획임

-      목표수익률을 보다 낮추고, 손절폭을 높이는 과정을 통해 새로운 영역에서 좋은 결과가 나올 수 있는지에 대해 검토