2023 NH 투자증권 빅데이터 경진대회, “블룸버그, 나스닥과 함께 세계속으로!”

안녕하세요.

잇츠퀀트타임입니다.

[목표]
그래프 신경망을 활용하여 투자 목표에 적합한 자산관리를 제공하는 NH 로보어드바이저 개발

[필요성]
로보어드바이저를 투자 자문업, 일임업, 디지털 플랫폼 기반의 자산관리 서비스업 등에 적용하기 위해서는 로보어드바이저 테스트베드(RATB) 심사가 필요함
RATB에 등록된 투자 알고리즘은 종목 간의 관계 데이터와 스윙 매매 방법을 이용하지 않으므로 최적화된 수익률을 얻기 어려움
우리 팀이 제안하는 NH 로보어드바이저 GNHRA는 개별 종목의 주가 패턴과 종목 간의 관계를 종합적으로 고려하여 종목들의 수익률 순위를 예측하고 투자에 활용함

[투자 알고리즘]
- S&P500에 편입된 개별 종목의 주가 데이터에 순환 신경망을 적용하여 주가 패턴을 학습
- 종목 간의 다양한 관계 데이터를 이용하여 그래프를 구축
- 학습된 주가 패턴과 생성된 그래프에 그래프 신경망을 적용하여 그래프 표현을 학습
- 학습된 모델을 이용하여 주식 종목의 N일 후 수익률 순위를 예측
- 순위를 정렬하여 상위 K개의 주식 종목을 선택
- 미국 단기채/국공채/종합채권 ETF의 상대 모멘텀을 계산하고 순위를 산출
- 순위를 정렬하여 상위 L개의 채권 ETF를 선택
- 투자성향을 고려하여 선택된 주식과 채권의 자산 비중을 결정
- 포트폴리오의 주식 비중 내에서 투자 운용 가능 금액을 산출
- K개의 주식 종목을 매수하고 N일 후에 매도
- 포트폴리오의 채권 비중 내에서 투자 가능 금액을 산출
- L개의 채권 ETF를 매수하고 M일 후에 매도
- 주식은 매일, 채권은 M일에 한 번 리밸런싱을 진행하고 위 과정을 반복 수행

[결과]
S&P500 대비 약 15%P 높은 수익률

투자 알고리즘 분석은 구글 Colab 환경에서 진행되었으며, 데이터 및 소스 코드는 아래 링크에서 확인할 수 있습니다.
https://drive.google.com/drive/folders/1v5526aUTUjP7cku9I_yNENFTiLg0sPHj?usp=sharing

감사합니다.