Dynamic-Investing

Dynamic Investing strategy with nowcasting

Project blueprint

FIND-A의 final project로 진행된 프로젝트입니다. 대략적인 구성은 다음과 같습니다.

Investment Universe 지정
Macroeconomic 데이터를 활용한 Nowcasting machine learning 모형 개발
추정된 국면을 이용한 목표 수익률 지정
목표 수익률과 추정된 연간 자산군 사이의 공분산을 이용한 Portfolio 제작
Nowcasting view를 이용한 Black Litterman Optimization 수행
성과 분석

Investment Universe

투자 자산으로는 다음과 같은 자산을 추가하였습니다.

Stocks

Low Volatility
Market Beta
Momentum
KOSPI200 Future

Bond

Korea 10Y

Currencies

KRW/USD
KRW/JPY

Commodities

Gold
Silver
Crude Oil
Zinc
Banana
Rice
Wheat

Foreign

Nikkei 225
Dow Jones

각 자산군의 계층별 리스크를 고려한 Inverse PCA 상관관계는 다음과 같습니다.

Nowcasting Model

먼저, 다중회귀모형을 이용하여 유의한 변수를 선택합니다

CPI와 수출액 변동율을 이용하여 경기 국면을 labeling 합니다

CPI<0.04, 수출증가율>0 : 호황
CPI<0.04, 수출증가율<0 : 후퇴
CPI>0.04, 수출증가율>0 : 회복
CPI>0.04, 수출증가율<0 : 불황

Random Forest 분류기를 이용해 test기간의 경기국면을 예측합니다

Random Forest 분류기를 사용하면 다음과 같이 특성 중요도 또한 확인이 가능합니다

Black Litterman Model

목표 수익률 : Train 기간(2001/01 - 2018/09) 경기국면별 평균 수익률 + 20%
Covariance Matrix : 투자시점 기준 과거 1년간의 추정치 사용

Performances

Expected Return: 0.0691
Risk (Standard Deviation): 0.0219
Yearly Sharpe Ratio: 1.5527
Max MDD: -0.1048
CAGR: 0.0617