퀀트논문

전월 수익률 하위 종목을 사고 상위 종목을 피하는 단기 반전 효과를 국내 대형·유동성 주식 2001~2025년 데이터로 재검증하고 기간·규모·거래비용에 따라 결론이 유지되는지 비교합니다.

유명한 논문의 전략을 그대로 구현했는데 논문과 수익률이 다르면 코드부터 의심하기 쉽습니다. 하지만 같은 수익률이 나오지 않는 이유가 항상 구현 오류인 것은 아닙니다.

머신러닝 모형은 선형 회귀보다 복잡한 관계를 표현할 수 있습니다. 모멘텀이 강하면서 변동성이 낮고 거래대금이 충분한 종목처럼 여러 조건의 조합도 트리 구조로 나눌 수 있습니다.

논문에서 월평균 1%의 초과수익을 발견해도 매달 종목 절반을 바꿔야 한다면 계좌에는 같은 수익이 남지 않습니다. 매수·매도 수수료뿐 아니라 호가 스프레드, 시장충격과 공매도 비용이 반복해서 빠져나가기 때문입니다.

백테스트에서 Sharpe가 가장 높은 변수 하나를 찾았다고 가정해 보겠습니다. 후보가 처음부터 하나였다면 그 결과는 한 번의 검증입니다. 하지만 이동평균 기간, 밴드, 진입 방향을 수천 번 바꾼 뒤 최고값만 남겼다면 같은 숫자의 의미가 달라집니다.

어떤 전략이 시장보다 높은 수익률을 기록하면 알파를 만들었다고 말하기 쉽습니다. 하지만 작은 기업이나 장부가치가 높은 기업을 많이 담은 결과라면, 그 수익은 종목 선택 실력보다 이미 알려진 공통 노출에서 왔을 수 있습니다.

위험을 더 감수하면 더 높은 수익으로 보상받아야 한다는 설명은 익숙합니다. 그래서 가격이 크게 흔들리는 종목일수록 수익 기회도 클 것처럼 느껴집니다.

차트에서 머리와 어깨 모양이 보이면 하락을 떠올리고, W자 저점이 보이면 반등을 기대합니다. 문제는 같은 그림을 보고도 사람마다 시작점과 끝점을 다르게 고른다는 것입니다.

가격이 이동평균선을 넘으면 매수하고, 직전 고점을 돌파하면 추세가 이어진다는 규칙은 지금도 가장 익숙한 매매 신호입니다. 규칙이 단순하다는 장점이 있지만 널리 알려진 뒤에도 같은 예측력이 남았는지는 별개의 문제입니다.

모멘텀은 보통 여러 종목을 한 줄로 세워 과거 승자를 사고 패자를 피하는 전략으로 알려져 있습니다. 그러나 비교할 종목이 하나뿐이어도 추세를 판단할 수 있습니다. 그 자산의 과거 수익률이 양수였는지 음수였는지만 보는 방법입니다.