사상 리더

64.2%의 당일 트레이더가 손실을 입었다 — 과일 파리 영감을 받은 기계가 그들을 이겼지만, 시장은 여전히 승리했다

mm
게시일
Securities.io를 Google의 선호 소스에 추가

역사적 연구에 따르면 대부분의 데이 트레이더는 비용 이후에 어려움을 겪습니다. 과일 파리 신경 연결에서 영감을 받은 시스템은 규율과 반복성을 제공했지만, 네 자산 중 세 자산에서는 여전히 매수-보유 전략에 뒤처졌습니다.

데이 트레이더는 이미 가혹한 확률에 직면해 있습니다: 미국 표본 하나에서는 64.2%가 수수료 후 손실을 보았습니다.[1] 대만에서는 더 넓은 당일 거래 인구 중 1% 미만이 수수료 후에도 지속적으로 양의 비정상 수익을 얻었습니다.[2] 이러한 배경 속에서, 과일 파리 신경 연결에서 부분적으로 영감을 받은 기계는 놀라울 정도로 괜찮아 보입니다. 이 시스템은 SPY, GLD, QQQ 및 Apple 전반에 걸쳐 고정된 규칙을 따랐으며 인간을 방해할 수 있는 감정적 의사결정을 회피했습니다. 그러나 논문의 공통 기간에 할당된 위험조정 목표에서는 네 자산 중 세 자산에서 단순 매수-보유보다 뒤처졌습니다. 핵심은 파리가 인간을 이겼다는 것이 아니라, 규율 있는 이국적인 거래 시스템조차도 시장을 단순히 보유하는 것보다 더 낫다는 것을 입증하지 못했다는 점입니다.

왜 인간 기준이 이렇게 약한가

미국 증거는 기계가 등장하기도 전에 형편없습니다. 324명 트레이더 표본에서는 오직 35.8%만 순이익이 양수였으며, 64.2%는 수수료 후 손실을 보았습니다. 평균 트레이더는 $8,000 이상의 총이익에서 거래 비용을 고려하면 약 $750 손실로 전락했습니다.[1] 대만에서는 일부 트레이더가 명확히 실력을 보였지만, 더 넓은 당일 거래 인구 중 1% 미만이 수수료 순으로 지속적으로 양의 비정상 수익을 얻었습니다.[2]

브라질은 더욱 가혹했습니다. 300일 이상 주식 선물을 계속 거래한 1,551명 중 97%가 수수료 순으로 손실을 보았으며, 1.1%만이 브라질 최저임금보다 더 많이 벌었고 0.5%만이 은행 출납원의 초봉보다 더 많이 벌었습니다.[3] 실험이 ‘무작위로 당일 트레이더를 선택한다’면, 역사는 이미 주사위를 굴려 놓은 셈입니다. 무작위 인간이 재능이 있을 수도 있지만, 확률은 그것에 임대료를 걸지 말라고 말합니다.

과일 파리 시스템이 실제로 수행한 일

자동화된 전략은 남성 초파리 연결체계(과일 파리의 신경 연결 지도)의 일부를 기반으로 한 순환 구조와 설계된 모멘텀, 변동성 및 메모리 신호를 결합했습니다. 이는 곤충처럼 생각하지 않았으며, ‘QQQ를 사라’고 외치는 작은 디지털 파리도 아니었습니다. 실질적인 장점은 영화처럼 드라마틱하지 않았습니다: 위험 규칙이 사전에 고정되어 있었습니다. 손실 후에 패닉에 빠지지도, 승리를 쫓지도, 지루해지지도, 주식이 ‘저렴하게 느껴진다’고 판단하지도 않았습니다.

그 규율만으로는 단순 벤치마크를 이기기에 충분하지 않았습니다. 논문이 지정한 위험조정 목표에 따르면, 파리에서 파생된 시스템은 SPY에서 매수-보유보다 약 13.3% 낮았고, GLD에서는 46.3%, QQQ에서는 48.3% 낮았습니다. Apple은 약 1.6% 매수-보유보다 높은 유일한 밝은 점이었습니다. 네 자산 전체에서, 이 기계는 평균 약 48.8%의 시장 노출, 12.56배의 회전율, 7.55%의 절대 최대 손실 통계를 보였습니다. 흥미로운 엔지니어링인가요? 예. 시장 우위의 증거인가요? 아니오.

왜 이것이 중요한가

동기화된 인간 대 파리 대결은 아직 이루어지지 않았습니다. 이 수치는 역사적 비교일 뿐이며, 기계가 실시간 경쟁에서 무작위로 선택된 트레이더를 이길 것이라는 증거는 아닙니다. 인간 연구는 서로 다른 시장, 기간 및 상품을 다루는 반면, 파리 결과는 별도의 연구 과제에서 도출되었습니다.[1][2][3] 이러한 제한은 재미있는 헤드라인이 실험 설계의 대체가 될 수 없기 때문에 중요합니다.

유용한 결론은 더 좁습니다. 인간은 비용, 감정, 과신 및 일관되지 않은 위험 감수로 인해 우위를 잃을 수 있습니다. 기계는 이러한 행동을 많이 제거하면서도 단순히 충분히 좋지 않은 전략을 실행할 수 있습니다. 복잡성은 거래 시스템을 지능적으로 보이게 할 수 있지만 경제적으로 우수하다는 뜻은 아닙니다. 월스트리트가 가장 답답하게 배우는 교훈은 또한 가장 단순할 수도 있습니다: 지루한 벤치마크를 능가하기는 어렵습니다.

지금 무엇을 해야 하는가

이는 해결 가능한 연구 문제입니다. 다음 단계는 또 다른 회고적 비교가 아니라 전향적이며 매칭된 실험을 수행하는 것입니다.

  1. 거래 시작 전에 인간을 선택하세요. 트레이더를 사후가 아니라 사전에 선택하십시오, 왜냐하면 역사적 기록이 우연히 뛰어나 보이기 때문입니다.
  2. 양쪽 모두에게 동일한 시장을 제공하세요. 동일한 SPY, QQQ, GLD 및 Apple 종목군, 시작 자본, 레버리지 한도, 거래 시간, 가격, 공매도 규칙 및 거래 비용 가정을 사용하십시오.
  3. 대회를 약 1년 거래 기간 동안 진행하세요. 대략 252개의 시장 세션을 사용하고 시작부터 비용, 슬리피지, 회전율, 손실, 시장 노출 및 규칙 변화를 기록하십시오.

월스트리트가 가장 즐길 수 있는 결과

공정한 테스트는 인간이 승리하거나 파리가 승리하거나, 두 경우 모두 매수-보유에 의해 패배하는 결과로 끝날 수 있습니다. 세 번째 결과가 가장 재미있고 가장 유용할 수도 있습니다. 이는 비용과 위험을 고려하면 인간 직관도 이국적인 신경 구조도 자동으로 우위를 만들지 못한다는 것을 보여줄 것입니다. 당일 트레이더가 과일 파리를 두려워할 필요는 없습니다. 그들이 두려워해야 할 것은 나쁜 확률, 숨겨진 비용, 그리고 증거를 초과하는 복잡성을 가진 전략입니다.

참고문헌:

1. Jordan, D. J., & Diltz, J. D. (2003). 데이 트레이더의 수익성. Financial Analysts Journal, 59(6), 85–94. https://doi.org/10.2469/faj.v59.n6.2578
2. Barber, B. M., Lee, Y.-T., Liu, Y.-J., & Odean, T. (2014). 투기자 기술의 단면: 데이 트레이딩 증거. Journal of Financial Markets, 18, 1–24. https://doi.org/10.1016/j.finmar.2013.05.006
3. Chague, F., De-Losso, R., & Giovannetti, B. (2020). 생계 수단으로서의 데이 트레이딩? (FGV EESP Working Paper No. 525; CEQEF Working Paper No. 57).

mm

Ogdn Ames는 정량적 투자자이며, Advanced Systems Engineering 박사과정 연구원이며, 소프트웨어 및 AI 엔지니어입니다. 그는 Ames Investment Systems의 설립자이자 CEO이며, 알고리즘 트레이딩, 머신러닝, 정량적 투자 시스템을 개발하고 연구합니다. Ames는 정량적 전략을 개발하여 실시간 거래했으며, 인공지능 인프라와 투자에 관한 분석을 발표했습니다.