[논문 리뷰] Automatic Trading Agent. RMT based Portfolio Theory and Portfolio Selection

Małgorzata Snarska, Jakub Krzych|arXiv (Cornell University)|2006. 08. 30.

Complex Systems and Time Series Analysis인용 수 8

한 줄 요약

이 논문은 랜덤 매트릭스 이론(RMT) 기반의 자동 거래 에이전트를 제안하여, 실증 공분산 행렬의 통계적 노이즈를 줄임으로써 바르샤바 증권거래소에서 포트폴리오 최적화를 향상시킨다. 임의의 상관관계를 걸러내어 시스템은 849일 동안 18%의 포트폴리오 수익을 기록했으며, 이는 WIG 지수의 10% 하락을 상회하는 성과로, RMT가 자동 실시간 포트폴리오 재균형을 통해 위험 조정 수익률을 향상시키는 데 효과적임을 입증한다.

ABSTRACT

Portfolio theory is a very powerful tool in the modern investment theory. It is helpful in estimating risk of an investor's portfolio, which arises from our lack of information, uncertainty and incomplete knowledge of reality, which forbids a perfect prediction of future price changes. Despite of many advantages this tool is not known and is not widely used among investors on Warsaw Stock Exchange. The main reason for abandoning this method is a high level of complexity and immense calculations. The aim of this paper is to introduce an automatic decision - making system, which allows a single investor to use such complex methods of Modern Portfolio Theory (MPT). The key tool in MPT is an analysis of an empirical covariance matrix. This matrix, obtained from historical data is biased by such a high amount of statistical uncertainty, that it can be seen as random. By bringing into practice the ideas of Random Matrix Theory (RMT), the noise is removed or significantly reduced, so the future risk and return are better estimated and controlled. This concepts are applied to the Warsaw Stock Exchange Simulator http://gra.onet.pl. The result of the simulation is 18 % level of gains in comparison for respective 10 % loss of the Warsaw Stock Exchange main index WIG.

연구 동기 및 목표

• 모더니스트 포트폴리오 이론(MPT)의 계산 복잡성으로 인해 바르샤바 증권거래소에서 개인 투자자들이 MPT를 충분히 활용하지 못하는 문제를 해결하기 위해.
• 단일 투자자가 수동 개입 없이 고급 MPT 기법을 적용할 수 있도록 자동 의사결정 시스템을 개발하기 위해.
• 랜덤 매트릭스 이론(RMT)을 사용하여 실증 공분산 행렬의 통계적 노이즈를 줄여 더 정확한 위험 및 수익 추정을 하기 위해.
• 안정된 경제 기간(1999–2003) 동안 역사적 WIG 지수 데이터를 기반으로 시뮬레이션을 통해 시스템 성능을 검증하기 위해.
• RMT 기반 필터링이 포트폴리오 최적화를 향상시키고 보편 시장 지수를 능가함을 입증하기 위해.

제안 방법

• 시스템은 990일 윈도우 동안 100개의 WIG 주식에 대해 역사적 가격 데이터에서 도출된 로그 수익률을 사용하여 실증 수익률 벡터를 계산한다.
• 이 수익률에서 실증 공분산 행렬을 구성하며, 이는 통계적 불확실성으로 인해 본질적으로 노이즈가 많다.
• 랜덤 매트릭스 이론(RMT)을 적용하여 무작위 변동에 해당하는 고유값을 식별하고 제거하며, 의미 있는 금융적 구조를 유지한다.
• 필터링된 공분산 행렬을 마크owitz 포트폴리오 최적화에 사용하여 목표 수익률을 달성하기 위한 최적의 포트폴리오 가중치를 계산한다.
• 시스템은 매 316일마다 동적 재균형을 수행하며, 이동 윈도우 기반 역사적 데이터를 사용해 공분산 행렬을 업데이트하고 가중치를 재최적화한다.
• 성능 평가는 40,000 PLN의 초기 포트폴리오를 849일 동안 시뮬레이션하여 WIG 지수와의 수익률을 비교함으로써 평가된다.

실험 결과

연구 질문

• RQ1 실제 시장 데이터에서 RMT 기반 필터링이 실증 공분산 행렬의 노이즈를 줄여 포트폴리오 위험 및 수익 추정을 유의미하게 향상시킬 수 있는가?
• RQ2 RMT 기반 자동 시스템은 바르샤바 증권거래소에서 시뮬레이션된 거래 환경에서 보편 시장 지수(WIG)를 능가할 수 있는가?
• RQ3 공분산 행렬의 노이즈 감소가 시간이 지남에 따라 더 안정적이고 수익성 있는 포트폴리오 배분으로 이어지는가?
• RQ4 변동성이 높은 시장 기간 동안 RMT 기반 에이전트의 성능은 수동 지수 투자와 비교해 어떻게 나타나는가?
• RQ5 실시간 포트폴리오 재균형을 수동 감시 없이 효과적으로 자동화할 수 있는가?

주요 결과

• RMT 기반 필터링 과정은 실증 공분산 행렬의 통계적 노이즈를 성공적으로 감소시켜 더 신뢰할 수 있는 위험 및 수익 추정을 가능하게 하였다.
• 시뮬레이션된 포트폴리오는 849일 동안 누적 18%의 수익을 기록했으며, 동일 기간 동안 WIG 지수가 10% 하락한 것에 비해 뚜렷한 성과를 보였다.
• 포트폴리오는 첫 151일째에 최고 가치 56,443.61 PLN(초기 자본의 140%)에 도달하여 강력한 성장 잠재력을 보였다.
• 포트폴리오는 첫 27일 이내에 일시적인 하락으로 35,042.66 PLN(12.4% 손실)까지 떨어졌으며, 이는 안정화되기 전 초기 변동성의 특징을 보여주었다.
• 최적화된 포트폴리오에서 평균으로 100개 주식 중 45개를 보유함으로써 활발한 다각화 및 재균형이 이루어졌음을 나타냈다.
• 결과적으로 RMT 기반 필터링이 포트폴리오 최적화를 향상시키며, 자동화를 통해 복잡한 MPT를 개인 투자자들이 접근 가능하게 함을 확인하였다.