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?
@sungminlee87169 ай бұрын
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
@_jetech9 ай бұрын
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
@sungminlee87169 ай бұрын
@@_jetech regression이 말씀하신대로 그런강점이 있겠네요...! 감사합니다 저도 자산 상관관계까지 고려하는건 너무 욕심같긴 하더라구요ㅎㅎ 순수하게 모멘텀 하나에 최대한 집중해야겠네요 인사이트 너무감사드립니다!ㅎㅎ