제2회 KRX 주식 투자 알고리즘 경진대회

개발환경
python 3.7.6

주요 패키지 버전
pandas == 1.2.0
numpy == 1.21.6
statmodels == 0.13.5
requests == 2.25.1

시계열 모멘텀을 활용한 롱-숏 전략

1. 시점별 시계열 예측력 확인
  1.1. 전체 종목의 수익률 데이터를 시점별로 Pooled Regression 수행
       -> 각 종목의 변동성에 차이가 있기 때문에 Ex-ante Volatility(과거 수익률을 ewma 방식을 사용해 추정한 변동성)로 스케일링(Moskowitz et al.(2012))
       -> 예측력을 관찰하는게 주 목적이기 때문에 수익률 자료의 부호를 사용하여 Regression 수행
       -> 해당 분석을 산업분류(대분류) 기준으로 Grouping해서 그룹별 예측력도 확인
  1.2. 코스피, 코스닥 각각의 수익률 데이터를 시점별로 Pooled Regression 수행
        -> 1.1.의 전체 종목에 대한 분석과 동일

2. 예측력이 가장 우수하게 나타난 과거 시점들을 반영하여 모멘텀 정보 생성
  2.1. 과거 10 시점까지의 수익률 데이터의 Holding Period Return을 통해 모멘텀 정보 생성
  2.2. 2.1.에서 생성된 매 시점 모멘텀 정보를 합쳐 개별 종목의 최종 모멘텀 랭크 생성

3. 전체종목, 코스피, 코스닥 각각 종목 유니버스에서 수행
  -> 그 결과, 코스닥에서 가장 우수한 성과가 관찰됨(단기 예측력은 코스닥이 우수하다는 기존 연구결과와 일치)

감사합니다.