안녕하세요. 모멘텀과 시즈널리티에 기반한 동적자산배분으로 설명할 수 있을 것 같습니다.

저도 모멘텀 기반 weight만들고자 하는데, 데이터 개수가 너무 적어서 overfitting이 우려되는데 autoencoder가 많이 도움되겠네요ㅎㅎ..모멘텀 target label을 regression으로 하는것이 좋을지 아니면 모멘텀 랭크를 부여해서 classification(softmax)이 좋을지 혹시 생각 여쭤봐도 될까요?

그리고 모멘텀도 중요한데 자산 volatility고려해서 최적의 sharpe ratio weight을 target label로 하고자 했는데..그냥 깔끔하게 모멘텀만 포착하고 covariance는 기존의 mean variance weight참고하는것이 더 좋겠죠?..ㅜ

저는 단순히 상승, 하락으로 부여하기보다는, 자산별 상관관계도 고려할 수 있게 regression 되어서 실수형 라벨을 사용해도 괜찮을것같습니다. 자산들간의 상관관계가 있을 수 있고 결국 자산들도 사이클별로 돌아가면서 상승을 맞이할텐데 잘 학습된 모델이라면 경제 변화에 따라 자산교체비용을 최소화하면서 리밸런싱될 수 있을것같기도 하구요. sharp ratio 같은 경우는 결국 백테스트를 통해 얻을 수 있을텐데 그렇게되면 저는 과거 데이터에 크게 의존하게 되고 과거 데이터에 잘 작동하고 성과가좋은 비중의 자산배분 모델로만 학습하게 될 것 같아서 개인적으로는 선호하지는 않습니다. 모멘텀의 장점은 우리가 경험하지 못했던 경제 이벤트가 발생해도 대응이 가능한 것이라고 생각해서요. 제거 겁이많은 편이라 물론 제가 살아있는동안 역사, 과거의 패턴대로 투자만 하더라도 큰 성과가 날 수 있는 부분이라 이 부분부터는 개인의 영역으로 가야할 것 같습니다. 만들어진 AI들도 결국 AI를 만들어낸 데이터 과학자들의 성향을 어느정도 닮는거같네요 ㅎ

@@_jetech regression이 말씀하신대로 그런강점이 있겠네요...! 감사합니다 저도 자산 상관관계까지 고려하는건 너무 욕심같긴 하더라구요ㅎㅎ 순수하게 모멘텀 하나에 최대한 집중해야겠네요 인사이트 너무감사드립니다!ㅎㅎ