추세추종전략 두번째, static & adaptive trend following

추세추종 전략에 대한 두번째 글입니다.

이번에 소개할 논문은

The application of trend following strategies in stock market trading, S Fong, J Tai - INC, IMS and IDC, 2009

입니다.

논문은 구글 스칼라에서 다운로드 받으실 수 있습니다.
이 논문에서는 두 가지 추세추종 전략으로 두 가지 방법론을 제시하고 있습니다.

첫번째 방법은 저자가 static trend following이라고 정의한 로직입니다.

로직은 심플합니다. EMA 즉 지수이동평균을 구해서 EMA가 P만큼 증가하면 롱으로 진입하고 또는 감소하면 숏으로 진입하고 EMA가 Q만큼 감소하면 포지션을 청산하는 로직입니다. 혹시나 해서 적지만 롱은 Buy position 숏은 Sell position을 의미합니다. 이 논문에서는 이 로직을 수도코드도 소개하는데 수도코드는 다음과 같습니다.

적정 P값과 Q값이 중요할 텐데, 이 논문에서는 일봉으로 뉴럴네트웍을 사용했다고 합니다. 논문의 저자들은 Hang Seng Index에 적용을 하였습니다. 일봉이 몇개나 된다고 뉴럴네트웍을 쓰는지는 잘 모르겠습니다. 저는 FX에서 유전자 알고리즘으로 Time Frame별로 EMA의 기간과 적정 P값과 Q값을 찾아봤습니다.

두번째 방법은 저자가 adaptive trend following이라고 명명한 방법입니다.

이 방법은 RSI를 사용하였습니다. RSI에 대해서는 다른 곳에서 자세히 설명된 것이 많으니 넘어가도록 하겠습니다.

이 로직을 간단하게 정리하면 다음과 같습니다.

위의 로직이 진입조건이자 청산로직입니다. long으로 진입을 했다고 short 조건이 되면 청산을 합니다. short으로 진입을 할경우 long 조건일 때 청산을 합니다.

그런데 실제 구현을 해보려고 하면 위의 로직은 불충분합니다. 먼저 가격이 올라간다와 내려간다의 정의가 불분명합니다. 가격이 올라간다는 것은 언제를 기준으로 올라간다는 걸까요? 반대로 내려간다고 정의한다면요 내려가는 것은 언제를 기준으로 내려가는 걸까요?

또 한가지는 재진입의 문제입니다. 청산한 뒤에 바로 다시 포지션을 열어야 할까요? 이런 부분이 실제로 제대로 시뮬레이션 했는지 의문을 주기는 합니다. 어차피 일봉이라 정말한 프로그램을 구현하지 않고, 대충 손으로 계산을 해도 결과는 나오니까요.

위의 그림이 이 로직의 이상적인 모습입니다. 이 로직 역시 수도코드를 보여주네요.

아래의 그림은 Hang Seong Index를 가지고 저자들이 시뮬레이션을 한 결과라고 합니다. Static은 67.67%, Adaptive는 75.63%를 이익을 냈군요. ㅎㅎ

저도 위의 내용으로 FX로 시뮬레이션을 해봤습니다. 위의 로직에 다른 몇 가지 정의를 추가하였습니다. 우선 Static으로 2009년도를 시뮬레이션해보니 분봉, 시봉, 4시간봉 모두 손해를 봤습니다. 일봉으로 하니 수익을 내는 군요. 거래는 1년 동안 한두번 했습니다;;

FX가 시간별로 변동성이 다르므로 이에 대한 보정을 해주면 다른 결과가 나올지는 모르겠지만, 이에 대해서는 테스트를 해보지 않았습니다.

그리고 Adaptive 방법으로는 4시간 봉으로 시뮬레이션 해보니 수익이 나긴 하는 군요. 그런데 포지션 열고 청산하는데 몇달 갑니다. 실전에서 쓸려면 이것도 청산로직이 보다 정교해져야 합니다.

다음에는 이 논문을 쓴 저자들이 이 논문 뒤에 추가로 몇가지 로직을 더 추가한 논문이 있는데, 그 논문을 소개하도록 하겠습니다.