Search
Search

연구성과물 검색 타이틀 이미지

HOME ICON HOME > Search by Achievements Type > Reports View

Reports Detailed Information

https://www.krm.or.kr/krmts/link.html?dbGubun=SD&m201_id=10014254&local_id=10020270
유전자 알고리즘을 이용한 계층구조 포트폴리오 최적화에 관한 연구: 인덱스펀드 알고리즘의 설계
Reports NRF is supported by Research Projects( 유전자 알고리즘을 이용한 계층구조 포트폴리오 최적화에 관한 연구: 인덱스펀드 알고리즘의 설계 | 2006 Year | 오경주(연세대학교) ) data is submitted to the NRF Project Results
Researcher who has been awarded a research grant by Humanities and Social Studies Support Program of NRF has to submit an end product within 6 months(* depend on the form of business)
사업별 신청요강보기
  • Researchers have entered the information directly to the NRF of Korea research support system
Project Number B00422
Year(selected) 2006 Year
the present condition of Project 종료
State of proposition 재단승인
Completion Date 2008년 04월 28일
Year type 결과보고
Year(final report) 2008년
Research Summary
  • Korean
  • 본 연구에서는 GA를 활용하여 인덱스펀드 관리를 위한 포트폴리오 최적화 모델을 제안하고, 이렇게 얻은 인덱스펀드의 수익에 초과수익을 얻을 수 있도록 기준지수의 일별 거래대금과 종가를 활용한다. 따라서 본 연구모델은 크게 2단계로 구성된다.

    제 1단계는 GA를 활용하여 만든 인덱스펀드 모델을 EIF로 만들기 위해 기준지수의 일별 거래대금(trading amount)과 종가의 시차에 의한 상관계수를 활용하여 VVI(volume volatility index)를 구축한다. 주식시장의 유일한 선행지수는 거래량이기에 이를 직접적으로 잘 나타내는 거래대금을 활용한다. 기준지수의 거래대금과 종가를 통해 만든 VVI값을 전략적으로 활용하면서 진입시점을 정하고 포트폴리오 구성시점을 확정한다.

    제 2단계는 계층구조 포트폴리오 최적화 모델 구축단계로 주식시장에서 가장 기본적 변수라 할 수 있는 베타(beta), 거래대금(trading amount) 및 시가총액(market capitalization)을 바탕으로 계층적 구조의 인덱스펀드 모형을 구축한다. 계층적 구조의 인덱스펀드 모델을 만들기 위해 먼저 주식시장의 전체 업종에 대해 기준지수를 이용하여, 전술한 세 가지 변수를 근간으로 포트폴리오에 포함시킬 종목을 선택한다. 종목선정이 끝나면 선정된 종목으로 구성된 포트폴리오의 수익률과 기준지수의 수익률의 차이가 최소화되도록 GA를 활용하여 포트폴리오에 편입된 종목들의 가중치를 최적화한다. 이렇게 만들어진 가중치를 활용하여 일정기간 동안의 TE를 계산하면서 제안된 모델의 성능이 기준지수의 수익률과 같게 움직이도록 만든다. 2단계를 거치면서 최종 포트폴리오 종목을 선택하는 과정은 일련의 계층구조(hierarchy structure)로 볼 수 있는데, 이러한 절차는 포트폴리오 종목을 바꾸거나 편입된 종목들의 가중치를 수정할 때 지속적으로 반복된다.

    VVI에 의해 청산신호가 발생하면 포트폴리오 구성을 통해 보유한 모든 종목을 일괄 매도하고 수익률을 측정한다. 반복적으로 실증분석 기간 동안 트레이딩을 행한 후, Buy-and-Hold 기법을 통해 얻어진 수익률과 비교한다.
  • English
  • This study focuses on the Enhanced Index Fund model which is a kind of index fund that seek supplementary profit in addition to the market profit from following the index. Most of the index funds in Korea are Enhanced Index Funds which take greater risks than conventional index funds to exceed the market profit. The Korean Enhanced Index Funds utilizes the method of earning extra profit from the differences of stock and future prices. However, this study investigates the Enhanced Index Fund which leaves additional profit than conventional index funds by using daily trading amount and daily close price of the base index.

    This study uses daily volume volatility of KOSPI 200 and an artificial intelligence technique known as Genetic Algorithm to develop an index that reflects the movements of the stock market accurately. The variables used in this study are derived from standard variables in the stock market such as beta, trading volume, and market capitalization. The model consists largely of two phases. In the first phase, the Volume Volatility Index is constructed according to the correlation coefficient of daily close price and daily trading amount of KOSPI 200 index in order to derive the trading time.

    In the second phase, derivative variables from beta, trading amount, and market capitalization are used to select individual stocks to be incorporated in the portfolio and to decide the amount of stocks to buy for different portfolios for performance comparisons. Then, the derived portfolio error of individual stocks is optimized through the artificial intelligence tool known as GA. Furthermore, the weight of individual stock in the portfolio is optimized by GA so that the differences of the return rate of the portfolio and the return rate of KOSPI 200 would be minimized. This study evaluates the performances of the proposed model with each portfolio and Volume Volatility Index in a set time table.
Research result report
  • Abstract
  • 본 연구는 기준지수를 따라가며 시장수익률을 획득하려는 인덱스 펀드(Index Fund)전략에 새로운 적절한 전략을 합성시킴으로써 기존 인덱스 펀드보다는 더 나은 수익률을 획득할 수 있는 EIF(enhanced index fund) 모델 연구에 초점을 두었다. 국내에서 현재 운용되는 대부분의 인덱스 펀드는 EIF로써 시장수익률의 획득만을 목표로 하는 것이 아니라, 약간의 위험을 감수하고 시장수익률에 제한된 범위의 초과수익을 낼 수 있도록 설계되어 운용되고 있다. 국내에서 사용되는 EIF는 시장수익과 함께 현물(또는 주식)과 선물(또는 KOSPI 200)의 가격 차이를 이용한 차익거래를 통해 초과수익을 획득하는 방법을 사용하고 있다. 하지만 본 연구에서는 기준지수의 일별 거래대금과 종가를 활용하여 VVI(volume volatility index)를 만들고 이를 활용하여 인덱스펀드를 운영함으로써 일반적인 인덱스 펀드보다 높은 수익률을 획득하는 EIF모델을 제안하였다.
  • Research result and Utilization method
  • 본 연구에서 제안하는 모델의 우수성을 입증하기 위해 기준지수를 KOSPI 200으로 놓고 다양한 모의실험을 행하였다. 우선 본 연구에서의 제안모델을 Vol_GA로 표기한다. Vol_GA는 포트폴리오를 구성하는 종목의 개수를 20, 40 및 60개로 변경해 가면서 포트폴리오를 구성한다. 이것을 각각 Vol_GA_20, Vol_GA_40 및 Vol_GA_60으로 나타낸다. 이렇게 설계된 최적화된 인덱스 포트폴리오 모델을 근간으로 VVI 값을 전략적으로 활용하면서 매수시점과 매도시점을 정하고, Buy-and-Hold 기법을 비교모델(Vol_Index로 표기)로 하여 본 연구에서 제안하는 모델과 비교, 분석한다.

    포트폴리오에 편입된 종목의 개수가 20 및 40개 일 때는 제안모델이 비교모델보다 좋은 수익률을 보이지 못했지만 60개의 종목으로 구성되는 제안모델은 20 및 40개의 종목으로 구성되는 제안모델과는 다른 양상을 보인다. 즉, Vol_GA_60은 Vol_Index보다 높은 누적 수익률을 보였다. 실제로 인덱스펀드 구성 시 70개에서 80개 정도의 종목을 편입하는 것을 고려한다면 본 연구에서 제안하는 모델은 유용성 측면에서 우수한 수익률을 가져다 줄 것으로 기대된다.

    여러 가지 장점으로 인해 현대 우리나라에서는 단순 인덱스펀드보다 EIF를 대부분 선호한다. 현재는 크게 두 가지의 EIF가 주류를 이루고 있다. 첫 번째로 위험이 잘 분산된 포트폴리오를 토대로 종목 선택에 초점을 두고, 이를 통해 초과수익을 얻는 전략이 있고, 두 번째로 단순 종목의 선택에 집중하기 보다는 파생상품을 통해 지수 자체의 위험 헤지를 수해하면서 수익을 높이는 전략이 있다. 본 연구의 GA와 VVI를 활용한 EIF 모델은 전자와 유사하다고 할 수 있다. 하지만, 변수 선정에 있어 한국의 빠른 금융시장의 흐름을 잘 반영하는 VVI의 도입은 다른 EIF와는 차별화된 전략이라고 할 수 있으며, 이러한 요소의 도입이 본 연구의 추후연구에 많은 영향을 끼칠 수 있다고 생각한다.

    더 나아가 본 연구는 기준지수인 KOSPI 200을 대상으로 하는 EIF뿐만 아니라 지수선물의 거래에서도 VVI를 이용한 매매타이밍 최적화에도 활용할 수 있는 현실적 모델이라고 판단된다. 또한 선물과 기준지수와의 차이인 베이시스를 활용하는 성장형펀드의 파생상품 합성전략에도 매매비율과 시점최적화에 유용하리라 기대한다.
  • Index terms
  • 유전자알고리즘; 포트폴리오; 인덱스펀드; Enhanced Index Fund; 거래대금; 거래량
  • List of digital content of this reports
데이터를 로딩중 입니다.
  • This document, it is necessary to display the original author and you do not have permission
    to use copyrighted material for-profit
  • In addition , it does not allow the change or secondary writings of work
데이터 이용 만족도
자료이용후 의견
입력
트위터 페이스북
NRF Daejeon
(34113) 201, Gajeong-ro, Yuseong-gu, Daejeon, Korea
Tel: 82-42-869-6114 / Fax: 82-42-869-6777
NRF Seoul
(06792) 25, Heonreung-ro, Seocho-gu, Seoul, Korea
Tel: 82-2-3460-5500 / Fax: 82-2-3460-5759
KRM Help Center
Tel : 042-710-4360
E-mail : krmcenter@nrf.re.kr / Fax : 042-861-4380