질문:

• CTA 전략은 인기가 높지만, 원자재 섹터 단독과 같이 비교적 작은 시장 집합에는 적합하지 않은 경우가 많습니다.
• 전통적인 CTA 전략의 주요 성과 특성을 포착하는 ML 전략을 만들 수 있습니까?
• 트레이딩 전략 모델링에 AiLA 접근 방식을 사용합니다.

접근 방법:

• 공개 문헌 [Baz15]를 바탕으로, ML 학습을 위해 모멘텀, 캐리, 밸류 CTA 시그널을 복제합니다.
• CTA ML 모델링 섹션에서 설명한 대로 롱/숏 시그널 예측 모델을 구성합니다.
• BCOM, GSCI 등의 지수에 일반적으로 포함되는 29개 원자재 시장에 대해 전통적인 CTA 시그널과 ML 시그널의 성과를 비교합니다.

[Baz15] J.Baz et al., Dissecting Investment Strategies in the Cross Section and Time Series (December 4, 2015). Available at SSRN:https://ssrn.com/abstract=2695101

• 명확한 비교를 위해 CTA 시그널과 CML(CTA-ML) 시그널을 동일한 형식으로 생성하고 동일한 시장 수익률에 적용합니다.
• 따라서 성과 차이는 시그널과 직접 관련되며, 포트폴리오는 동일한 일간 위험으로 비교합니다.
• CML 포트폴리오와 CTA 포트폴리오 사이의 일간 손익(P&L) 상관관계는 58%로, 전통적인 CTA 전략의 성과와 상당한 유사성이 있음을 나타냅니다.
• 동시에 CML 포트폴리오는 해당 기간에 걸쳐 위험 조정 기준으로 CTA 전략보다 상당히 높은 성과를 보입니다.
• 평균적으로 CML은 CTA 전략보다 포지션을 보유하는 빈도가 낮으며, 모든 결과는 거래 비용을 고려하지 않았고 거래 비용은 CML 결과에 가장 큰 영향을 미칠 것으로 예상된다는 점에 유의해야 합니다.

(* 사용한 수익률은 각 시장의 최근월물 계약에 기반하며, 일반적으로 계약 만기 2주가량 전에 롤오버합니다)

• 개별 시장에서 CML이 0이 아닌 포지션을 보유한 날만 남기는 마스킹 방식으로 타이밍의 역할을 연구합니다.
• 포지션 마스크를 CTA 시그널에 적용하면, CML이 선택한 날에 CTA 시그널을 사용할 때 성과가 개선되는 것으로 나타납니다.
• CML 성과를 CTA 시그널 유형이 다른 날들, 즉 CTA 시그널이 CML 시그널과 같은 날, 다른 날, 또는 CTA 시그널이 0으로 분류된 날의 기여분으로 분해합니다.
• CML 포지션이 있는 날의 대부분은 같은 시그널 범주에 속하며, 이는 CML과 CTA의 상관관계에서도 드러납니다.
• CTA 시그널 범주가 같음 또는 0인 날의 CML 성과는 CML의 상당한 양(+)의 기여를 나타냅니다.
• CTA 시그널 범주가 다른 날의 CML 성과는 CML이 CTA보다 더 자주 맞는다는 것을 나타내지만, 시그널이 엇갈릴 때는 성과가 더 약하다는 점도 보여줍니다.

(* CTA 시그널과 CML 시그널을 비교하기 위해, 특정일의 순 CTA 시그널을 롱, 숏, 0 시그널 그룹 중 어디에 속하는지에 따라 분류합니다)

• 투자 전략 모델링을 위한 AiLA 방법론을 사용하여 롱/숏 예측 모델을 만들었으며, 이 모델은 전통적인 CTA 전략의 주요 성과 특성을 포착하는 것으로 보입니다.
• CML(CTA-ML) 전략은 공개 문헌의 세 가지 CTA 시그널(모멘텀, 캐리, 밸류)을 사용하여 학습했으며, BCOM, GSCI 등 지수의 전형적인 구성 종목인 29개 유동성 높은 원자재 시장을 기준으로 성과를 비교했습니다.
• CML 전략은 CTA 전략 성과와 상당한 중첩을 보이는 동시에, 위험 조정 수익률이 상당히 높습니다.
• 결과를 분해하면, CML의 초과 성과는 CML이 0이 아닌 시그널을 생성하기로 결정하는 더 작은 일자 부분집합이라는 시그널 타이밍과, CTA 전략과 다른 시그널 값을 생성하는 것 모두에서 비롯되는 것으로 보입니다.
• 본 연구는 거래 비용을 고려하지 않고 수행했으며, 거래 비용은 전통적인 CTA 결과보다 CML 결과에 더 부정적인 영향을 미칠 것으로 예상된다는 점에 유의해야 합니다.