인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김선웅
- 발행연도
- 2022
- 저작권
- 국민대학교 논문은 저작권에 의해 보호받습니다.
이용수212
초록· 키워드
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
금융 산업이 성장할수록 현업에서는 다양한 매매기법과 고도화된 첨단 시스템을 사용하여 수익을 창출하고 있다. 주식과 선물을 활용한 차익거래는 국내 증권사의 핵심 업무 중 하나이며, 다양한 수익업무 중에서도 높은 수익의 원천으로 자리매김하고 있다. 우정사업본부 차익거래는 국내 유일 비과세 차익거래로써 외국인 주체들에 의한 가격 쏠림 현상을 예방해주고, 주식에 대한 헷지(Hedge)를 필요로 하는 많은 주체들의 슬리피지 비용을 줄여주는 긍정적인 효과를 창출하고 있다.
증권사에서는 이러한 차익거래 수익을 올리기 위해 고도화된 장비 도입과 전문가 채용을 통하여 차익거래 수익을 극대화하고 있지만, 아직 퀀트 전략과 자동매매에 대한 수요는 적은 편이다. 해외에 비하면 퀀트 전문 육성 기관이 드물고, 퀀트 업무의 활용도가 낮은 이유도 있겠지만, 자동매매에 대한 사고 경험과 다양한 전산오류를 경험하며 생긴 경계심으로 예상된다. 하지만 다양한 사고를 경험하며 오류를 검증하는 방법 또한 다양해졌고, 컴퓨터공학 기술의 발달로 전산오류의 발생 빈도가 현저히 줄어들었다. 추가로 하드코딩을 통하여 지금까지 발생한 모든 사고, 전산오류, 예상 가능한 사고를 모두 사전에 방지할 수 있도록 프로그래밍한다면 100%는 아니어도, 적어도 사람이 하는 실수보다는 현저히 그 빈도가 줄어들 것으로 사료된다.
그동안 현업에서는 금융공학적 지식에 경험과 순간적인 판단을 더하여 진입과 청산의 베이시스(Basis) 값을 결정하였다. 본 연구에서는 과거데이터에 퀀트 분석을 통하여 합리적인 베이시스값을 자동으로 도출한다. 프로그램이 스스로 과거데이터를 학습하고, 실시간 데이터를 분석하여 자동매매를 수행할 수 있도록 코딩하였다.
최근의 베이시스를 실시간으로 분석하여 콘탱고(contange) 데이터의 평균값을 구하여 그 평균 콘탱고 베이시스에서 매수차익거래를 진입하고, 반대로 평균 백워데이션(back-wardation)의 베이시스에서 매도차익거래로 청산한다. 만기일에도 잔고가 남아있다면 매도차익거래로 청산한다.
거래대금과 거래량 기준으로 상위 5종목을 추려서 5종목 Pair를 선별하여 시뮬레이션하였다. 시뮬레이션 기간은 최근 30개월(만기 30번, 2년 6개월)이며, 손익을 30구간으로 나눠서 분석하였고 그 기준은 만기일이다. 만기일 다음 영업일에 시작하여서 만기일 종가까지가 하나의 구간이며, 이렇게 총 30구간(30번의 만기)동안 시뮬레이션하였다.
연구결과 모두 우상향하는 수익을 확인할 수 있었다. 차익거래 자체가 No Arbitrage Bounds를 넘어서는 콘탱고 Basis에서 매수차익거래를 진입하면 만기일의 수익이 확정되는 것이 특징이기 때문에 체결이 되었다면 우상향을 기대할 수 있는 안정적인 매매이지만, 본 연구의 차익거래 퀀트전략 자동매매 시스템은 안정적인 수익구조를 유지하면서도 수익을 극대화하는 것이 목표이기 때문에 매매 가능한 진입시점과 청산시점을 모두 포착하며 매매하도록 하였다는데 기존 연구들과 차이점을 둔다.
향후 연구 과제는 현실에 더 가까운 데이터로 분석하는 것이다. 본 연구의 데이터는 현재가를 기준으로 베이시스를 산출하였지만, 향후 연구에서는 실시간 상대호가와 잔량을 고려해야 하며 수수료와 슬리피지를 고려해야 한다. 여기에 퀀트분석 기간이나 진입과 청산의 값을 전진분석(Walk Forward Testing) 시뮬레이션 기법을 도입하여 분석하는 것이 더욱 합리적이고 수익률을 극대화하는 향후의 연구 과제이다.
증권사에서는 이러한 차익거래 수익을 올리기 위해 고도화된 장비 도입과 전문가 채용을 통하여 차익거래 수익을 극대화하고 있지만, 아직 퀀트 전략과 자동매매에 대한 수요는 적은 편이다. 해외에 비하면 퀀트 전문 육성 기관이 드물고, 퀀트 업무의 활용도가 낮은 이유도 있겠지만, 자동매매에 대한 사고 경험과 다양한 전산오류를 경험하며 생긴 경계심으로 예상된다. 하지만 다양한 사고를 경험하며 오류를 검증하는 방법 또한 다양해졌고, 컴퓨터공학 기술의 발달로 전산오류의 발생 빈도가 현저히 줄어들었다. 추가로 하드코딩을 통하여 지금까지 발생한 모든 사고, 전산오류, 예상 가능한 사고를 모두 사전에 방지할 수 있도록 프로그래밍한다면 100%는 아니어도, 적어도 사람이 하는 실수보다는 현저히 그 빈도가 줄어들 것으로 사료된다.
그동안 현업에서는 금융공학적 지식에 경험과 순간적인 판단을 더하여 진입과 청산의 베이시스(Basis) 값을 결정하였다. 본 연구에서는 과거데이터에 퀀트 분석을 통하여 합리적인 베이시스값을 자동으로 도출한다. 프로그램이 스스로 과거데이터를 학습하고, 실시간 데이터를 분석하여 자동매매를 수행할 수 있도록 코딩하였다.
최근의 베이시스를 실시간으로 분석하여 콘탱고(contange) 데이터의 평균값을 구하여 그 평균 콘탱고 베이시스에서 매수차익거래를 진입하고, 반대로 평균 백워데이션(back-wardation)의 베이시스에서 매도차익거래로 청산한다. 만기일에도 잔고가 남아있다면 매도차익거래로 청산한다.
거래대금과 거래량 기준으로 상위 5종목을 추려서 5종목 Pair를 선별하여 시뮬레이션하였다. 시뮬레이션 기간은 최근 30개월(만기 30번, 2년 6개월)이며, 손익을 30구간으로 나눠서 분석하였고 그 기준은 만기일이다. 만기일 다음 영업일에 시작하여서 만기일 종가까지가 하나의 구간이며, 이렇게 총 30구간(30번의 만기)동안 시뮬레이션하였다.
연구결과 모두 우상향하는 수익을 확인할 수 있었다. 차익거래 자체가 No Arbitrage Bounds를 넘어서는 콘탱고 Basis에서 매수차익거래를 진입하면 만기일의 수익이 확정되는 것이 특징이기 때문에 체결이 되었다면 우상향을 기대할 수 있는 안정적인 매매이지만, 본 연구의 차익거래 퀀트전략 자동매매 시스템은 안정적인 수익구조를 유지하면서도 수익을 극대화하는 것이 목표이기 때문에 매매 가능한 진입시점과 청산시점을 모두 포착하며 매매하도록 하였다는데 기존 연구들과 차이점을 둔다.
향후 연구 과제는 현실에 더 가까운 데이터로 분석하는 것이다. 본 연구의 데이터는 현재가를 기준으로 베이시스를 산출하였지만, 향후 연구에서는 실시간 상대호가와 잔량을 고려해야 하며 수수료와 슬리피지를 고려해야 한다. 여기에 퀀트분석 기간이나 진입과 청산의 값을 전진분석(Walk Forward Testing) 시뮬레이션 기법을 도입하여 분석하는 것이 더욱 합리적이고 수익률을 극대화하는 향후의 연구 과제이다.
목차
- 제 1 장 서론 11.1 연구의 배경 및 목적 11.2 연구의 내용 및 구성 3제 2 장 이론적 배경 42.1 베이시스 42.2 차익거래 모델 62.3 퀀트와 퀀트전략 92.4 선행 연구 10제 3 장 차익거래 시장 133.1 제도 133.2 국내 차익거래 시장 현황 15제 4 장 차익거래 퀀트 분석 및 자동매매 시스템 개발 174.1 차익거래 종목 선정 174.2 차익거래 퀀트 분석 194.3 차익거래 퀀트 전략 및 자동매매 시스템 개발 234.4 성과 분석 27제 5 장 결론 및 향후 연구 385.1 결론 385.2 향후 연구 38참고 문헌 40ABSTRACT 42감사의 글 44
최근 본 자료
