(글 많음 주의)
퀀트 투자는 상대적으로 그다지 오래되지 않은 역사?지만 다양한 책들이 존재하고, 특히 한국에서는 퀀트의 활용이 보수적으로 활용되고 있는 것으로 알고 있다. 퀀트가 단순히 많은 자료들을 유용하게 정제해주는 수준 외에 더 깊게 그리고 다양하게 활용되기 위해서는 한국 금융권의 자체적인 제도적 변화부터가 우선적으로 필요하기 때문이 아닐까 싶다.
가령, 증권거래세 폐지가 된다면 HFT(high frequency trading)부터 많이 활용될 것이고 그에 따른 많은 긍정적/부정적인 결과들이 도출될 것이다.(Ex - 해외 퀀트 기업들의 한국 진입과 국내 퀀트 투자 기업의 더 많은 설립 및 발전)
하지만, 우리의 현상황에 적응을 하고 극복해야 한다. Quant Number-driven investment 책은 퀀트관련 현업들의 인터뷰 내용을 모아놓은 책으로서 퀀트쪽으로 취업 및 내용에 대해서 알고자 한다면 실상을 대략적으로 수박 겉핥기 방식으로 읽어볼 만한 책으로 추천한다. (인터뷰 내용이다 보니 사람마다 보는 관점에 따라서 세상을 살며시 다르게 볼 수 있으므로 무비판적 수용은 접어두고, 이렇게 생각하는 분도 있구나~ 이렇게 일하신 분들이시구나~ 라면서 접근하길 바란다.)
위의 책을 읽으면서 개인적으로 몇 가지 유용?하다고 생각되는 것들을 추려 보았다. (그리고 넘버링 아래의 코멘트는 "지극히 개인적인 생각"이다.)
1. 아마존같이 기업 인수, 합병, 자산인수도를 통해 성장할 경우 PER or PBR보다 실 현금흐름모델링을 해야 한다.
- 기업이 커질수록 CEO들은 시너지 효과라고 하면서 더 큰 기업을 경영하거나 다른 마켓으로 눈을 돌려 시장점유율과 기업을 성장시키고자 하는 경우가 많다. 이런 경우에는 해당 기업의 Free Cash Flow을 모델링을 해야 한다. 과대한 영업권지불, 감가상각, 그리고 이연법인세등등을 따져보면 해당 기업의 성장성이나 이익창출에 대해서 보다 자세히 알 수 있기 때문이다. (참고로, 시너지 효과는 두 기업의 문화나 프로세스의 차이로 효과를 보기에 몇 년이 걸리는 것들이 태반이고 사실상 시너지효과가 말이 좋아서 그렇지 마이너스 결과를 가져다 주는 상황이 역사적으로 더 많았다.)
2. 바이오 분야의 경우 기업가치가 임상 또는 신약 개별적 성공/실패가 한 번에 반영되므로 바이오나 헬스케어 섹터는 정성적 분석을 많이 참고해야 한다
- 바이오분야의 경우 임상실험이 몇 번째 phase인지, 식약청? 승인 여부가 꽤나 크게 작용하기때문에 기대심리가 반영을 많이 하고, 승인이 결과에 따라 뉴스와 함께 해당 기업의 가치는 물속으로 잠시 잠수를 시작 or 천장 뚫기를 한다. 바이오분야의 경우는 블록버스터와 니치버스터가 있으므로 이에 따른 수익력과 성장력을 잘 판별하고, 자연어 분석을 통해서 보다 빠른 뉴스를 무의미한 노이즈를 필터한 다음에 활용하도록 해야하겠지~~
3. 단기적 미비한 성과 대비 장기적 성장 가능성에 따른 성과
- 투자라는 관점에서는 이렇게 해야 하는 게 맞다. 근데 대체로 많은 이들이 "투기"를 하면서 투자자라고 한다는게 함정. 빠른 자산 증가를 누구나 원한 다지만 급히 먹은 밥이 체하기 마련이다.....(
근데 잘 안체하고 빠르게 잘 먹는 분들도 많다는 게 함정)
4. 투자/섹터별 멘털 모델, 투자의 틀을 만들어 사용이 좋음
- 사실상 투자/섹터별로 자산부채 및 요구수익률 등등이 다르고 그에 따라 산업/섹터 평균 ROE나 PER이 다르게 나타나기도 한다. 퀀트 하나의 모델을 두루 사용할 수 있다고 생각하는 게 기만이 아닐까?
5. 퀀트는 근본적으로 down - up? 을 많이 사용하는 편이라고 한다. 자산군과 운용목표별 다른 방식 - 채권(부도 판별 위한 재무 및 시장지표), 주식 등등
- 가치투자(
같이투자) 관점에서 접근할 경우에는 bottom-Up이라고 본다. 그리고 한국에서는 그러한 기업을 찾기 위해서 퀀트를 활용하다 보니 이렇게 편향된 게 아닐까 싶다. 사실상 Top-down 방식 또한 보조지표로서 꼭 필요하다고 생각한다.
6. 주가는 외생변수(경제, 산업, 기업 경영자 etc) 같은 문제가 더 중요하다.
- 외생변수의 중요성은 뼈져리게 느꼈다. 하지만 그러한 외생변수는 단순히 갑툭튀 하는게 아니다. 꾸준히 마켓에 시그널을 주는 것을 객관적으로 볼 수 있는 능력이 필요하다. (진짜...잘 안됨)
7. Feature engineering: 원시 데이터로부터 데이터의 특성을 추출하고 이를 머신러닝 모델에 적합한 형식으로 변환하는 작업
8. 두뇌 차이보다 학습의지가 중요하고 커리어 패스로 보자면 지루해도 학생 시절 수학과 물리학 같은 순수학문을 배워두면 장기간 많은 도움이 된다(응용학문 대비 기초 제대로 쌓기)
- 해당산업에서 종사하시고자 하는 분들이여~~ 모두들 수학과 물리학
웰컴~
9. 동일 수치라도 좋아하는 기업에 편견이 들어가기도 하므로 퀀트 전문가들은 이러한 문제 방지하고 객관성 유지를 위래 기업명을 가리고 분석하기도 한다.
- 모 기업에 대한 분석을 시도할 때도 프로그래밍으로 데이터를 가져왔을 때, 기업명을 가리게 프로그래밍해 놓으면 스스로에게도 분석 자체에 도움이 되지 않을까? 싶다. 이는 스스로를 회사 브랜드에 대한 편견에 빠지는 것에 대한 것을 방지할 뿐 만 아니라, 재무제표만을 통해서 해당 산업/섹터별 다른 구조를 파악 할 수 있는 좋은 기회이다. (재무제표만 보고 기업맞추기 해본 사람만 알듯....)
10. 차익거래기법들 고수한 회사들이 많이 살아남았다
- 무위험 차익거래 기법은 역시 장기적으로 옳지만 수익력이 좀 체 강하지 않는 길고 가늘게 가는 기업들이 많지 않을까?
11. 셀 사이드 애널리스트 : 현 시장의 움직이는 추세 원인과 앞으로 금융자산이 어떻게 움직일 것인지, 다양한 주제로 분석 / 바이 사이드 애널리스트 : 포폴 관리하며 언제 매수하고 언제 매도할지, 특정 요소에 대해서 위험을 노출시킬 것인지에 대한 분석을 중점적으로 함, 당장 포트폴리오를 관리해야 하는 것에 중점
12. 국내 퀀트 - 펀다먼탈을 주로 하고 기술적 분석은 논외, 해외 퀀트 - 기술적 분석에 가중치 높다
13. 해외 커뮤니티 활용을 많이 하면 도움이 꽤 됨
14. 학계의 오래된 의견: GDP, inflation 등의 매크로 요인 분석해봐도 성과가 그다지 없었다
15. 패러다임 변화에 대응할 수 없다는게 퀀트의 단점으로 시장이 새로운 국면을 맞이하면 이전 퀀트모델의 효용성이 극감, 시장은 변화하고 성장하기때문에 과거의 결과물로 미래의 성과를 판단하기 어렵다.
16. 퀀트 : 데이터를 다룰수 있는 프로그래밍능력, 금융이론을 활용한 모델 개발 능력을 모두 겸비한 사람
17. 인공지능 은 데이터 가 많고 속성이 변하지 않는 영역에서 잘 통한다. 그리고 데이터의 유용성 판단 작업 필수!
여기서부터는 by 투자회사 대표 이기봉(이분이 누군지 모르지만 당연하지만, 간과할만한 이야기들이라서 별도로!)
1. 시장의 희소가치가 무엇인지 생각해보면 된다. - 리처드 번스타인의 스타일 투자전략 =>> 지나치게 딥 밸류에 있는 종목보다는 어느 정도 가치를 안정받은 기업들 중 성장성이 있는 기업에 집중한다
2. 퀀트가 좋은 접근방식이기는 하지만 금융시장에 성배는 없다는 점, 하나의 전략을 절대적으로 믿으면 안되고 시장변화에 유연하게 대응하거나 리스트관리 할 수 있는 범위 내에서 투자 해야한다는 점, 정신력이 흔들렸을때 퀀트로 자신을 추스를 수 있는 능력이 필요하다
3. 과거의 일들이 동일하기 재현된다고 보기는 어렵지만 투자자들의 행태는 변하지 않아서 어느정도 비슷한 경향을 보일것이라 기대하고 접근한다. 고 생각한다
4. 퀀트로 스크리닝을 하고 투자할 종목에 대해 들여다보는 게 좋은 방안
어디에서라도 필요한 방법이지만 금융에서는 더욱 더 신중해야 한다. 그래서인지 아래의 말이 강력하게 여운이 남는 문장이었던 것 같다.
신뢰하라 그러나 검증하라 (trust but verify)