경영컨설팅연구, Vol.21 no.1 (2021)
pp.1~8
- 인공신경망분석을 이용한 지수 재구성 오차 성능평가 연구 -
한국에서 기준금리 ‘연 0.50%’ 시대가 이어지면서 예·적금 금리가 2%를 넘는 금융상품은 거의 사라져 찾아보기 힘들고, 코로나 19 팬데믹으로 경제회복을 기대하기 어려워지면서 세계경제에도 저성장·저물가·저금리 현상이 보일 가능성이 높아졌다는 분석이 나오고 있다. 이러한 국내·외 금융환경에 목돈 마련과 노후 대비를 위해서 금융투자를 통한 장기적이고 지속 가능한 수익률 관리가 필수가 된 상황이다. 그동안 국내 투자자 들의 재테크 수단은 국내 부동산 아니면 국내 주식에 편중돼 있었는데, 국내 투자자들의 해외 주식 열풍에 미국 주식 보관잔액이 2018년 말 약 5 조원에서 2019년 말 약 9조원으로 급등했다. 한국예탁결제원에 따르면, 2020년 12월 1일 기준 현재, 국내 투자자의 미국 주식 보관잔액은 약 35조 원으로 2019년 말 9조원 대비 약 280%증가했다. 즉 국내 투자자들이 투자 범위를 넓혀 금융 포트폴리오의 다변화를 꾀하고 있는 추세다. 본 연구는 미국 다우존스 산업평균 지수의 움직임을 복제하기 위해 바닐라 오토인코더, 잡음제거 오토인코더, 딥 오토인코더를 사용하여 지 수의 구성종목에 대한 오차분석을 실시하였고, 시장을 잘 대표할 수 있는 오차가 작은 소수의 종목들로 이루어진 동일비중포트폴리오를 사용하 여 목표시장지수의 움직임과 비교 분석하였다. 그 결과 데이터의 특징을 잘 표현하면서 전체를 압축적으로 표현할 수 있는 구조를 찾아내는 오 토인코더를 통해 추종 지수의 움직임을 복제, 이를 액티브 투자에 비해 상대적으로 쉬운 종목관리와 낮은 운용비용을 추구하는 포트폴리오구축 에 응용할 수 있음을 확인할 수 있고, 소수의 초우량주와 배당수익률에 중점을 둔 포트폴리오(Dogs of the Dow)를 통해 금융 포트폴리오의 다변 화를 꾀하는 국내 투자자가 미국 시장에 투자할 수 있는 손쉬운 투자수단에 부합한다고 볼 수 있다. 목표시장지수의 구성종목을 모두 사용하여 지수를 추종할 수도 있지만, 수백 개부터 수천 개의 구성종목들을 관리하는데 발생하는 비유동성, 슬리피지 그리고 거래비용 등의 문제로 인해 표본추출법과 최적화법을 통한 지수추종방식은 주요한 연구주제이다. 실제적으로 패시브 전략을 사용하는 자산운용사의 경우, 목표 지수에 대한 정밀한 추적여부는 주요 성과지표 중의 하나이고, 운용비용을 절감하고 효율성을 높이기 위한 포트폴리오를 어떻게 구성하는지에 따라 수익률 차이와 운용전략의 주요한 차이가 발생한다. 결국 기초자산의 복제방식 차이가 수익률의 차이 로 이어짐을 고려해 볼 수 있다. 이런 맥락에서 인공신경망분석을 이용한 지수 재구성 오차 성능평가에 관한 연구는 학문적으로 중요한 연구주 제가 될 뿐 아니라 현업의 투자업무담당자들에게도 중요한 관심대상이 된다.
A Study on the Index Reconstruction Error Analysis Using Neural Networks
The Bank of Korea has kept cutting the benchmark interest rate, bringing it to a historic lowof 0.5 percent per year and there is no financial products with savings interest rates exceeding 2%. In addition, since market volatility has been elevated significantly by a combination of many factors included global resurgences in the COVID-19 pandemic, many investors in South Korea hardly reach their financial goals or deliver returns. Therefore, they are aggressively been looking for better investment strategies and financial products to manage their portfolios. In this regard, they might concern about index investing which is one of common passive investing strategy whereby investors buy a representative benchmark, such as themarket index, and hold it over a long time horizon. This study examines howneural networks tominimize the reconstruction error in order to tracking a dynamicmarket index. Among neural networks, autoencoders may be a potential tool for automatic feature extraction of market index. I have implemented from a shallow autoencoder to a deep autoencoder to choose the basket of stocks with lower reconstruction error, which is used to comprise the portfolio to capture indexmovements. Themain result shows that index reconstruction error using the neural networks was significant to followindexmovements. In comparison to the vanilla autoencoder, deep architecture seems to be a little more robust. This empirical results gain a significant attention to equity portfolio managers and passive fund managers who might go so far as to identify a similar , less costly security that is highly correlated to the original index, and equity investors who need to consider passive investment strategies.