추가 적립 안내

무료로 사용이 가능한 통계 분석용 프로그래밍 언어인 R을 활용해 최근 자산 운용에서 널리 쓰이는 퀀트 분석을 수행하는 법을 배운다. 퀀트 투자에 필요한 통계 이론과 R 사용법을 기초부터 설명해 퀀트 분석에 익숙하지 않거나 처음 R을 접하는 사람도 따라갈 수 있도록 구성했다. 실제 금융 데이터를 가지고 트렌드 팔로잉(trend following) 전략과 평균 회귀(mean reverting) 전략을 구현해봄으로써 퀀트 투자를 체험해 본다.

[이 책의 대상독자]
실무에서 퀀트 투자 업무를 수행하거나 향후 관련 분야로 진출하고자 R과 퀀트 분석을 배우려는 독자에게 적합하다.

1장. 개요
- 목표
- 금융 시장과 금융 상품
- 트레이딩 전략
- 고빈도 매매
- 주문장
- 거래 자동화
- 데이터 구하기
- 요약

2장. 거래 도구
- R 언어
- R 시작
- c() 객체
- matrix() 객체
- data
- list() 객체
- new.plot() 함수 사용하기
- 함수형 프로그래밍
- R에서 함수 작성
- 분기와 반복
- 추천하는 스타일 가이드
- 상관관계 예제
- 요약

3장. 데이터 작업
- R로 데이터 불러오기
- R에서 패키지 설치
- 데이터의 저장과 전달
- 스프레드시트에서 데이터 추출
- 데이터베이스 접근
- dplyr 패키지
- xts 패키지 사용
- quantmod 패키지 사용
- quantmod로 그래프 그리기
- ggplot2로 그래프 그리기
- 요약

4장. 기초 확률 통계
- 통계란?
- 모집단과 표본 집단
- R에서 중심 극한 정리
- 비편향성과 효율성
- 확률 기초
- 확률 변수
- 확률
- 확률 분포
- 베이즈와 빈도학파 접근
- 동전 시뮬레이션
- RStan 사용
- 요약

5장. 중급 확률 통계
- 무작위 과정
- 주가 분포
- 정상성
- urca를 이용한 정상성 확인
- 정규성의 가정
- 상관관계
- 데이터 필터링
- R구조식
- 선형 회귀 분석의 선형성
- 변동성
- 요약

6장. 스프레드, 베타, 리스크
- 주식 스프레드 정의
- 보통 최소 제곱법과 전체 최소 제곱법
- 스프레드 구성
- 신호 생성과 검증
- 스프레드 거래
- 리스크 고려
- 수익 곡선에서 발견할 수 있는 추가 사항
- 전략 특성
- 요약

7장. Quantstrat를활용한 백테스팅
- 백테스팅 방법
- blotter와 PerformanceAnalytics
- 초기 설치
- 첫 번째 전략:단순한 추세 추종
- 첫 번째 전략 백테스팅
- 성과 평가
- 두 번째 전략: 누적 Connors RSI
- 평균 회귀 전략 평가
- 요약

8장. 고빈도 데이터
- 고빈도 호가
- 호가 간 도착 시간
- 유동성 국면 확인
- 마이크로 가격
- 분포와 자기 상관
- highfrequency 패키지
- 요약

9장. 옵션
- 옵션의 이론 가치
- 옵션의 역사
- 옵션의 가치
- 옵션 거래 데이터 살펴보기
- 내재 변동성
- 요약

10장. 최적화
- 동기를 유발하는 포물선
- 뉴턴법
- 무작위 대입법
- R 최적화 순서
- 곡선 맞춤 예제
- 포트폴리오 최적화
- 요약

11장. 속도, 테스트, 리포팅
- 실행 시간 개선
- R코드 벤치마킹
- Rcpp 솔루션
- Rinside로 C++에서 R 호출
- testthat으로 단위 테스트 작성
- knitr을 이용한 문서화
- 요약

최근 몇 년간 퀀트 투자에 대한 수요가 크게 늘고 있다. 퀀트(Quant)란 계량적 분석을 뜻하는 Quantitative Analytics에서 나온 말로, 수학, 통계 지식을 갖고 대용량의 데이터로부터 의미 있는 정보를 추출해 투자에 활용하는 방법을 말한다. 전통적인 투자는 개별 기업의 재무제표 분석과 경제, 산업에 대한 투자자의 직관으로 결정되기 때문에 투자 의사 결정 과정이 오래 걸린다. 반면 퀀트 투자는 미리 정해진 모델에 의해 다량의 데이터를 분석하기 때문에 빠르고 일관된 의사 결정이 가능하다. 해외의 자산운용사들은 계량 분석을 매우 중요시한다. 특히 헤지펀드 시장에서 유명한 회사들은 대부분 퀀트 기반의 운용 프로세스를 갖고 있다. 국내에서도 퀀트 분석은 스마트 베타, 로보어드바이저의 유행과 함께 점차 확대되고 있으며, 정성적 분석으로 유명한 운용사들조차 적극적으로 관련 인력을 채용 중이다.
통계 분석용 프로그래밍 언어인 R은 누구나 무료로 사용할 수 있는 오픈소스의 강점을 바탕으로 학계 및 산업에서 널리 쓰이고 있다. R에서는 이미 만들어진 다양한 패키지를 활용해 필요한 분석을 수행할 수 있고, 복잡한 연산도 빠르게 처리할 수 있다. 이러한 특성 때문에 퀀트 분석에서 R은 기존 상용 프로그램을 빠르게 대체해가며 주된 분석 도구로 자리 잡았다.
이 책에서 다루는 quantmod, PerformanceAnalytics 등 퀀트 분석을 위해 만들어진 패키지를 활용하면 기관 투자가는 물론 개인 투자자도 손쉽게 금융 데이터를 분석해 투자에 적용할 수 있다. 최근 데이터 분석에서 가장 큰 화두인 머신 러닝 딥러닝 역시 R에 있는 패키지를 활용해 전문가 수준의 분석을 수행할 수 있다.
투자 성과를 측정하는 지표로 정보 비율(information ratio)이 있다. 이는 초과 성과를 낼 수 있는 운용역의 능력(investment skill)과 투자 기회(breadth) 제곱근의 곱으로 이뤄진다. 정성적 분석이 큰 수익을 내는 소수의 투자에 집중한다면 IR=IC*√N 식에서 N보다 IC에 집중한다고 볼 수 있다. 퀀트 투자는 사람이 일일이 검토할 수 없는 수많은 유니버스를 대상으로 분석을 수행할 수 있어 투자 기회 N을 높일 수 있다. 해외 투자를 포함해 다양한 자산 군으로 투자 대상을 확대해가는 자산 운용 흐름에서 퀀트 투자는 필수적이다. 실무에서 투자를 진행하거나 향후 관련 분야로 진출하기를 원한다면 이 책을 통해 R과 퀀트 분석에 익숙해지는 기회를 얻기 바란다.
('옮긴이의 말' 중에서)