주식 가격 예측 모델들의 기술 발전

주식 가격 예측 모델들의 기술 발전

주식가격 예측 모델들의 기술 발전

지금의 벤치마크 theory라고 하는 것은 이 모형인데, 한 90년대 초반에 시작된 이 3 요인 모델이 stock return, 프라이싱 모델의 벤치마크였어요. 기본적인 출발점이었습니다. 지금은 파마와 프렌치가 2015년에 5요인 모형을 발표했어요. 3 요인에 2가지를 더해서 5 요인 모형을 발표했기 때문에 이제는 어떻게 보면 시장에서 5 요인 모형이 벤치마크 또는 출발점처럼 받아들여지고 있는 것입니다. 그래서 이게 무엇을 의미하느냐 하면 아직까지도 stock return에 관한 pricing theory는 진행형이다. 완성되지 않았다는 것입니다.

파마와 프렌치가 제시한 5요인

파마와 프렌치가 제시한 5 요인이 뭐냐? 보면 시장 요인이 있고요. 그다음에 규모(size) 요인, 가치(value) 요인, 그다음에 추가적으로 두 개 한 게 수익성 요인과 투자 요인, 이 두 가지를 추가로 했어요. 그럼 이 5가지밖에 없느냐? 다른 많은 학자들은 유동성 요인을 추가하기도 하고, 모멘텀 요인을 추가하기도 하고, 지금도 많은 학자들이 또 practitioner들이 새로운 요인을 찾아서 계속 일하고 있다는 것이죠. 그래서 이 재무이론의 프라이싱 theory는 아직까지도 진행형이다. 물론 다른 분야, 파생상품이나 다른 분야의 프라이싱 theory는 이론적으로 어느 정도 마침표가 찍히거나 물론 발전하고 있지만, 어느 정도 일단 한계적이지만 완성본이 많이 있어요. 마침표가 close form formula가 있는데, 이쪽은 진행형이라는 것이죠. 그만큼 주식 가격 또는 주가수익률에 관한 예측이 아주 어렵다는 것을 증명하고 있는 것 같습니다. 그래서 지금까지 재무 쪽 분야에서는 여기까지입니다.

현재까지 시도와 부족한 점

이 정도인데, 그러면 이 기계학습과 AI 또는 딥러닝이 새로 들어오면서 이 데이터와 알고리즘에 근거한 프라이싱 theory가 시도되고 있다는 것입니다. 그러니까 기존에 비즈니스 스쿨의 finance major 하는 교수님들이 연구하는 분야에서 이제는 산업공학이나 소프트웨어학부, 컴퓨터 사이언스, 엔지니어, 물리학 박사, 이러한 분들이 데이터 사이언스 접근으로 주가 예측을 시도한 거예요. 그러니까 이쪽 분야는 기존의 재무 분야하고 완전히 다른 분야에서 이 주가 예측을 시도한 것이죠. 그런 측면에서 아주 신선한 시도라고 할 수가 있겠습니다. 그래서 이 데이터 사이언스 측면의 기계학습 접근은 아주 신선하고 또 기존의 프라이싱 theory 하고 암묵적으로 또는 명시적으로 관련성도 많지만, 새로운 방법론을 많이 시도하고 있다는 측면에서 주가수익률 이론을 아주 풍부하게 발전시키고 있다고 하겠습니다. 그래서 Data-driven 또는 non-parametric approach가 지금 이쪽에서 제시되고 있는 거죠. 그런데 물론 단점이라고 할까, 어려운 점은 있어요. 왜냐하면 기본적으로 딥러닝이나 뉴럴 네트워크를 활용하게 되면 controlling parameters가 상당히 필요합니다. 그러니까 이것도 필요하고, 어떤 경우에는 stable solution을 찾기가 힘듭니다. 어떤 경우에는 local maximum에 머무를 수도 있고, global maximum을 찾기가 쉽지 않다는 것이죠. 그리고 기본적으로 기계학습이나 딥러닝을 하게 되면 이 과적합(over-fitting) 문제가 자주 발생합니다. 그래서 우리가 이 과적합 문제를 해결하기 위해서 feature engineering이라는 게 필요하다고 했죠. 그래서 너무 많은 feature가 있는 것보다는 핵심적인 feature를 찾는 게 필요하다는 것이죠. 그래서 좋은 이론이라는 것도 모든 필요한, 있는 모든 걸 다 집어넣는 것이 아니라 핵심적인 것을 골라내는 작업이 먼저 필요하다는 것이죠. 그래서 이러한 것들이 어려운 점으로 대두되고 있지만, 그래도 많은 진보를 보이고 있고 상당히 빠른 속도로 발전하고 있는 분야입니다.