안녕하세요, 솬씨티입니다.^_^
오늘은 여러 IT 산업 중
금융 업계에서 다루는 시스템 트레이딩 기법에 대해
알아보기로 하겠습니다.
어떤 알고리즘을 세워 모델을 만들고
그것을 통해 주식이나 비트코인 등을 매매하여
그 시세 차익을 얻는 것을 시스템 트레이딩이라고 합니다.
(참고로 여기서 한 단계 더 업그레이드된 버전이 퀀트 투자 전략이죠.)
요즘 회사에서 시스템 트레이딩 전략 개념을
차용하려고 하는 프로젝트를 맡은 덕분에
시스템 트레이딩에 대해 어느 정도 알게 됐네요.
자 이제 시작합니다!
볼린저밴드
볼린저밴드는 요동치는 주가를 중심으로
상한선과 하한선을 경계 안에서
움직이는 경향이 있다는 전제에서 출발합니다.
즉, 주가의 변동이 포준정규분포 함수에 따른다는 가정 하에,
주가를 중심으로 위아래 폭을 둔 형태의 밴드입니다.
그 계산은 중심선인 ’20일 이동평균선’을 기준으로
‘표준편차 x2’를 더한 상한선,
뺀 것이 하한선으로 구성되죠.
볼린저밴드를 활용한
구체적인 매매 전략 특징은 이렇습니다.
① 주가가 볼린저밴드 안에서 움직일 확률 약 95-97%
② 주가가 밴드 상단을 뚫고 다시 밴드 안으로 진입 시 종내에 하단을 터치
③ 일봉 밴드 하단 이탈 시, 다음 지지는 주봉 밴드 하단.
주봉 밴드 하단 이탈 시, 다음 지지는 월봉 밴드 하단.
다음과 같이 볼린저밴드의 하단선을
크게 이탈한 경우에 대처 방안은 두 가지 입니다.
① 빠른 손절 혹은
② 주봉 하단으로 물타기 방법입니다.
즉, 일봉 밴드 하단 이탈 시,
다음 지지 주봉 하단을 지지선으로 보는 거죠.
볼린저밴드의 장점은
① 주가의 상대적인 가격 수준과 변동성을
확인함으로써, 매매의 적기를 선별할 수 있습니다.
② 다른 지표들을 결합해 움직임 예측 도움이 됩니다.
피보나치 매매전략
피보나치 수열에 대한 개념은
고등학교 수학 때 처음 접해봤습니다.
1,1,2,3,5,8,13,21,34,55..의 수로 증가하는 수열인데,
다음 숫자를 이전 숫자로 나누면,
1.1618 값으로 수렴하게 되죠.
결국, 61.8% 와 38.2% 황금 비율이 나오게 됩니다.
짱 신기 ㅋ
피보나치 매매전략은
주가의 상승 구간과 하간 구간 두 가지로
나눌 수 있습니다.
상승 구간에서 주가가 조정되는 상황이면,
되돌림하는 비율에 따라서 이후에
가격 상승을 예측할 수 있습니다.
위 사진처럼 상승 뒤에 잇따른 조정에서
38.2% 되돌림 비율에서 반등이 나온다면
추가 상승 구간이 나올 가능성이 높다는 거죠.
피보나치 매매전략은 주가의 하락 구간에서도
사용할 수 있습니다.
20,000달러 상한선까지 쳤다가
하락장으로 돌아섰는데 6,000달러 선에서
반등을 하여 상대적으로 지속적인 상승세를 타면
그 상승세는 20,000 달러에서 6,000에서까지의
38.2%(되돌림 비율)만큼 오를 가능성이 있습니다.
이러한 피보나치 매매전략은
되돌림 비율(38.2%와 61.8%)에 따라서,
- 하락 시 잠재적인 반등 상승폭을 예상 可
- 상승 시 조정되는 하락폭을 예상 可
이를 통해서 수익 얻을 수 있습니다.
시스템 트레이딩은
단타성 주식 매매 기법에 기반한 것이라,
기본적 분석이 아닌 기술적 분석입니다.
메리츠 자산운용 현 대표 존리 선생님의
말씀으로는 그 누구도 짧은 미래에서의
주가 변동을 정확히 예측할 수 없다고 합니다.
저 또한 그렇게 생각합니다.
주식 시장에 존재하는 그리고 그 시장을
직접적으로 영향(good or bad)을 끼치는
Noise들이 너무 많기 때문이죠.
물론 사람마다 갖고 있는 투자 실력에 따라서
수익성이 천차만별이겠지만,
확실한 건 100% 승리를 보장하는 투자 기법은
이 세상에 존재하지 않다는 것입니다.
그러니 항상 신중하게 투자 전략을 세워서
모두 부자되시길 바랍니다.
이제까지 솬씨티였습니다. ^_^
'Business > IT Knowledge' 카테고리의 다른 글
[Ad Tech] Bid Strategy with Winning Price and Win Rate in Programmatic Auction (6) | 2020.04.10 |
---|---|
AI가 알려주는 비즈니스 전략, 서평 후기 (4) | 2020.03.25 |
[Ad Tech] 세계 10위권의 Ad Exchange 社, Index Exchange 분석 (6) | 2020.03.16 |
[ML] 밑바닥부터 시작하는 머신러닝 Chapter 1-2 (2) | 2020.03.10 |
[ML] 밑바닥부터 시작하는 머신러닝 Chapter1_1 - Introduction to ML (0) | 2020.03.05 |
댓글