StreetSmart · 연구 노트 · 제1권

결과 논문집: 반박된 것과 그렇지 않은 것

문헌에서 가져온 수학을 원래 표기로 다시 쓰고 우리 자료로 검증했습니다. 각 진술 뒤에는 실측 판정을 붙였습니다. 가설을 먼저 선언한 뒤, 홀드아웃 자료에서 노출을 맞춘 기준과 비교해 잰 것입니다. 대부분은 실패했습니다. 실패도 남겨 둡니다. 우위가 어디에 없는지 보여 주기 때문입니다.

§1하나의 문제

지금까지 살펴본 모든 전략은 하나의 식으로 줄어듭니다. 이 식은 트레이더가 정할 수 있는 네 가지(방향·크기·비용·폭)와 정할 수 없는 한 가지(변동성)를 갈라 놓습니다.

명제 1.1 (베팅당 분해)

베팅이 확률 p로 이기고, 어느 쪽이든 |r|만큼 움직이며, 회전 τ당 비용 c가 들고, 베팅당 변동성이 σ라고 합시다. 1년에 BR번 베팅하고 그중 비율 f가 실질적으로 독립이라면, 연환산 샤프 비율과 손익분기 적중률은 다음과 같습니다.

명제 1.1

해설. 제곱근은 대수의 법칙입니다. 52.5% 동전은 1년에 한 번 던지면 쓸모없고, 만 번 던지면 매우 값집니다. 단, 던지기가 서로 독립이어야 합니다. 우리 횡단면 장부에서 리밸런스당 명목 27개 베팅은 독립 베팅 약 20개처럼 움직였습니다.

성립  가설이 아니라 항등식입니다. 감사 도구로 씁니다. 모든 후보는 어느 항을 얼마나 개선하는지 말해야 합니다.

§2오른슈타인–울렌벡과 최적 매매 규칙

정의 2.1 (OU 과정, AR(1)로 표본화)
정의 2.1
오른슈타인–울렌벡과 최적 매매 규칙
명제 2.2 (최적 매매 규칙, 로페즈 데 프라도 13장)

평형 변동성 단위의 익절 π와 손절 λ를, 모의 청산의 샤프 비율이 최대가 되도록 고릅니다.

명제 2.2

해설. 이 절차는 적합만큼만 좋습니다. 5분봉 24시간 창에서 레버리지 반도체 ETF의 추정 반감기는, 같은 수익률을 섞어 만든 무작위 걸음보다 짧지 않았습니다.

널  OTR-001/002: 표본 안 양수, 홀드아웃 음수. 강건 익절의 버그를 고친 뒤에도 기각(p = 0.25).

§3고저가 추정량

고가와 저가는 종가보다 분산에 대해 더 많은 정보를 담습니다. 같은 값을 재배열하면 호가 스프레드도 추정할 수 있는데, 문제는 거기서 시작됩니다.

정의 3.1 (Parkinson; Garman–Klass)
정의 3.1
정의 3.2 (Corwin–Schultz 스프레드, Becker–Parkinson 변동성)

β를 봉 하나씩의 로그 범위 제곱 두 개의 합, γ를 두 봉을 합친 로그 범위의 제곱이라 하면,

정의 3.2
고저가 추정량

해설. 이 스프레드 추정량은 두 봉 범위가 한 봉 범위 둘보다 큰 이유가 호가 되튐뿐이라고 가정합니다. 유동성 있는 무기한 선물에서는 범위를 변동성이 지배합니다.

σ에는 성립  61종목 체결 196건 기준 Corwin–Schultz와 실제 비용의 상관은 ρ = −0.01, 수준은 약 5배 과대였습니다. 고저가 추정량은 변동성 계기로 쓰고, 스프레드는 호가에서 직접 잽니다.

§4기대 최대 샤프 비율

명제 4.1 (거짓 전략 정리, Bailey & 로페즈 데 프라도)

참 샤프 비율이 0인 독립 시도 N번 중 최고치는 아래 값으로 기대됩니다. γ ≈ 0.5772는 오일러–마스케로니 상수입니다. 발견이라면 0이 아니라 이 선을 넘어야 합니다.

명제 4.1

해설. N은 조용히 버린 것까지 포함해 실제로 돌린 시도 수입니다. 결과를 보기 전에 계열별 시도 수를 장부에 셉니다.

성립  502개 변형 자동 탐색의 최고 샤프는 0.61로 귀무 기대 0.75에 못 미쳤습니다. 10,368칸 사다리 격자는 보수적 체결에서 뒤집혔습니다.

§5가격 충격과 제곱근

정의 5.1 (Kyle, Amihud, Hasbrouck)
정의 5.1
따름정리 5.2 (용량)

명목 Q 주문의 편도 충격은 κ·λ_H·√Q이고, κ는 추정량을 실제 체결에 맞추는 보정계수입니다. 따라서 같은 신호의 샤프 비율은 자본이 커질수록 단조 감소합니다.

따름정리 5.2
성립  같은 196건 기준 Hasbrouck ρ = +0.55, Amihud ρ = +0.42. Kyle λ는 우리 구성에서 부호가 반대로 유의했습니다. 보정계수 κ = 0.178.

§6노출 다이얼로서의 사이징

정의 6.1 (노출맞춤 기준)

수익률 r_t인 자산에 포지션 e_t를 드는 전략에 대해, 기준은 그 전략의 평균 절대 노출만큼 자산을 그냥 들고 있습니다.

정의 6.1
명제 6.2 (Kelly)
명제 6.2

해설. 최근 변동성과 상관된 무언가로 노출을 키우고 줄이는 규칙은 ΔSR은 그대로 둔 채 낙폭과 절대 수익만 바꿉니다. 예측 확률 기반 사이징은 노출과 −0.98로 움직였습니다.

널  변동성 목표는 우리 자산에서 부호가 반대였습니다. 샤프 기반 킬스위치는 낙폭을 2.9포인트 줄이는 대신 연 수익을 9포인트 깎았습니다. 다시 채점한 모든 자본 스케줄이 ΔSR ≤ 0이었습니다.

§7연속 상승 뒤의 폭락

연속 상승은 폭락 확률을 높일까요? SOXL·TQQQ·비트코인에서 5일 안의 하위 10% 낙폭을 매년 다시 학습하며 예측했습니다.

결과 7.1 (CRS-001)

세 자산 모두 변동성만으로 기저율보다 나았습니다(브라이어 기술 점수 +0.016~+0.051). 상승 이력을 더하면 모든 예측이 나빠졌고, 가진 신호를 모두 합친 단일 모델은 더 나빴습니다. 5일 이상 연속 상승한 뒤 TQQQ의 폭락 빈도는 5.9%로, 무조건 빈도 15.5%보다 낮았습니다.

해설. 연속 상승은 차분한 상승장의 표지입니다. 폭락은 하락과 고변동 뒤에 옵니다.

변동성만  세 비교 모두 블록 섞기 플라시보와 세 번 시도 기준 E[max]에 기각.

표기는 가능한 한 원전을 따릅니다. 수치는 사전등록한 내부 연구에서 왔고, 실운용 모델 수준은 의도적으로 뺐습니다.