전략 구성 방법론

방법론의 4대 축

1. 시그널 생성
   • 기회 포착형 배분을 위해, 팩터 데이터로 학습한 머신러닝(ML) 모델이 1차 배분 시그널을 생성
   • 과적합을 제거하기 위해 학습, 검증, 표본 외 기간을 명확히 구분
2. 위험 최적화
   • 배분을 기초 시장의 가격 주기에 맞춤
   • 최대 보유 기간 30일에서 최소 1:3의 위험 대비 보상 비율을 확보하여, 배분 시점에 안전장치를 제공
3. 배분 한도
   • 자산에 대한 비중 배분은 전체 자산, 섹터 및 그룹 한도 제약을 준수하도록 결정
   • 리밸런싱 한도를 적용하여 최종 배분을 시장 유동성에 맞춤으로써 전략을 실행 가능하게 함
4. 포트폴리오 구성
   • 각 전략은 Markowitz 모델에 기반하며 유동성 높은 선물 계약을 포함하여 구축
   • 분산과 곡선 전반에 걸친 배분을 적용하여 독립적인 수익 흐름을 강화

요약하면, AiLA는 비상관 수익으로 알파를 창출하기 위해 차별화된 전략 구성 접근 방식을 따릅니다

개요

배경

AILA 전략은 세 가지 유형으로 분류할 수 있습니다.

1. 계절성 전략
2. 이벤트 드리븐 전략
3. 무역 흐름 전략

그런 다음 이들 전략을 분해하여 다음을 확인했습니다.

• 특정 팩터와 강한 상관관계가 있는지
• 단일 팩터 또는 팩터 집합으로 알파의 대부분을 설명할 수 있는지
• 알파가 이 14개 팩터로 설명할 수 없는 진정한 잔차인지

분석 대상 전략

1. AILAS002: 유럽 전력 및 가스 전략
2. AILAF010: 분산형 원자재 전략
3. AILAF012: 이벤트 드리븐 분산형 원자재
4. AILAS043: 농산물 전략 - 곡물, 유지작물 및 소프트 원자재
5. AILAS066: 비철금속 전략

회귀 방법론

각 전략의 수익 흐름과 팩터 수익 흐름에 대한 다변량 회귀 및 상관관계 분석:

평가에는 총 14개 팩터를 고려했습니다.

팩터 분해

• 이 전략은 고려한 14개 팩터 모두와 상관관계가 없으며, 여기서 고려한 14개 팩터로 설명되지 않는 잔차 알파가 있음을 보여줍니다
• 통계적으로 유의한 주요 팩터는 백워데이션과 EU 전력 베타입니다

• 이 전략은 고려한 14개 팩터 모두와 상관관계가 없으며, 여기서 고려한 14개 팩터로 설명되지 않는 잔차 알파가 있음을 보여줍니다
• 통계적으로 유의한 주요 팩터는 백워데이션, 밸류, 귀금속 베타, 소프트 원자재 베타, 석유 베타입니다

• 이 전략은 고려한 14개 팩터 모두와 상관관계가 없으며, 여기서 고려한 14개 팩터로 설명되지 않는 잔차 알파가 있음을 보여줍니다
• 통계적으로 유의한 주요 팩터는 곡선 캐리, 추세, 변동성 캐리, 원자재 베타, EU 전력 베타, 석유 베타입니다

• 이 전략은 고려한 14개 팩터 모두와 상관관계가 없으며, 여기서 고려한 14개 팩터로 설명되지 않는 잔차 알파가 있음을 보여줍니다
• 통계적으로 유의한 주요 팩터는 백워데이션, 변동성 캐리, 원자재 베타, 소프트 원자재 베타, 곡물/유지작물 베타입니다

• 이 전략은 고려한 14개 팩터 모두와 상관관계가 없으며, 여기서 고려한 14개 팩터로 설명되지 않는 잔차 알파가 있음을 보여줍니다
• 통계적으로 유의한 주요 팩터는 추세, 변동성 캐리, 비철금속 베타입니다

결론

• 이들 전략과 표준 팩터 사이에는 상관관계가 거의 없습니다.
• 비철금속 전략과 농산물 전략은 각 섹터 팩터와 약간의 양(+)의 상관관계를 보입니다.

• F012 전략은 급격한 시장 조정이 있을 때 성과를 내도록 설계되었으므로, 대부분의 팩터와 음(-)의 상관관계를 갖습니다.
• 강조 표시된 팩터는 기초 전략에 대해 통계적으로 유의한 팩터를 나타냅니다.