🚴‍♂️
TIL
  • MAIN
  • : TIL?
  • : WIL
  • : Plan
  • : Retrospective
    • 21Y
      • Wait a moment!
      • 9M 2W
      • 9M1W
      • 8M4W
      • 8M3W
      • 8M2W
      • 8M1W
      • 7M4W
      • 7M3W
      • 7M2W
      • 7M1W
      • 6M5W
      • 1H
    • 새사람 되기 프로젝트
      • 2회차
      • 1회차
  • TIL : ML
    • Paper Analysis
      • BERT
      • Transformer
    • Boostcamp 2st
      • [S]Data Viz
        • (4-3) Seaborn 심화
        • (4-2) Seaborn 기초
        • (4-1) Seaborn 소개
        • (3-4) More Tips
        • (3-3) Facet 사용하기
        • (3-2) Color 사용하기
        • (3-1) Text 사용하기
        • (2-3) Scatter Plot 사용하기
        • (2-2) Line Plot 사용하기
        • (2-1) Bar Plot 사용하기
        • (1-3) Python과 Matplotlib
        • (1-2) 시각화의 요소
        • (1-1) Welcome to Visualization (OT)
      • [P]MRC
        • (2강) Extraction-based MRC
        • (1강) MRC Intro & Python Basics
      • [P]KLUE
        • (5강) BERT 기반 단일 문장 분류 모델 학습
        • (4강) 한국어 BERT 언어 모델 학습
        • [NLP] 문장 내 개체간 관계 추출
        • (3강) BERT 언어모델 소개
        • (2강) 자연어의 전처리
        • (1강) 인공지능과 자연어 처리
      • [U]Stage-CV
      • [U]Stage-NLP
        • 7W Retrospective
        • (10강) Advanced Self-supervised Pre-training Models
        • (09강) Self-supervised Pre-training Models
        • (08강) Transformer (2)
        • (07강) Transformer (1)
        • 6W Retrospective
        • (06강) Beam Search and BLEU score
        • (05강) Sequence to Sequence with Attention
        • (04강) LSTM and GRU
        • (03강) Recurrent Neural Network and Language Modeling
        • (02강) Word Embedding
        • (01강) Intro to NLP, Bag-of-Words
        • [필수 과제 4] Preprocessing for NMT Model
        • [필수 과제 3] Subword-level Language Model
        • [필수 과제2] RNN-based Language Model
        • [선택 과제] BERT Fine-tuning with transformers
        • [필수 과제] Data Preprocessing
      • Mask Wear Image Classification
        • 5W Retrospective
        • Report_Level1_6
        • Performance | Review
        • DAY 11 : HardVoting | MultiLabelClassification
        • DAY 10 : Cutmix
        • DAY 9 : Loss Function
        • DAY 8 : Baseline
        • DAY 7 : Class Imbalance | Stratification
        • DAY 6 : Error Fix
        • DAY 5 : Facenet | Save
        • DAY 4 : VIT | F1_Loss | LrScheduler
        • DAY 3 : DataSet/Lodaer | EfficientNet
        • DAY 2 : Labeling
        • DAY 1 : EDA
        • 2_EDA Analysis
      • [P]Stage-1
        • 4W Retrospective
        • (10강) Experiment Toolkits & Tips
        • (9강) Ensemble
        • (8강) Training & Inference 2
        • (7강) Training & Inference 1
        • (6강) Model 2
        • (5강) Model 1
        • (4강) Data Generation
        • (3강) Dataset
        • (2강) Image Classification & EDA
        • (1강) Competition with AI Stages!
      • [U]Stage-3
        • 3W Retrospective
        • PyTorch
          • (10강) PyTorch Troubleshooting
          • (09강) Hyperparameter Tuning
          • (08강) Multi-GPU 학습
          • (07강) Monitoring tools for PyTorch
          • (06강) 모델 불러오기
          • (05강) Dataset & Dataloader
          • (04강) AutoGrad & Optimizer
          • (03강) PyTorch 프로젝트 구조 이해하기
          • (02강) PyTorch Basics
          • (01강) Introduction to PyTorch
      • [U]Stage-2
        • 2W Retrospective
        • DL Basic
          • (10강) Generative Models 2
          • (09강) Generative Models 1
          • (08강) Sequential Models - Transformer
          • (07강) Sequential Models - RNN
          • (06강) Computer Vision Applications
          • (05강) Modern CNN - 1x1 convolution의 중요성
          • (04강) Convolution은 무엇인가?
          • (03강) Optimization
          • (02강) 뉴럴 네트워크 - MLP (Multi-Layer Perceptron)
          • (01강) 딥러닝 기본 용어 설명 - Historical Review
        • Assignment
          • [필수 과제] Multi-headed Attention Assignment
          • [필수 과제] LSTM Assignment
          • [필수 과제] CNN Assignment
          • [필수 과제] Optimization Assignment
          • [필수 과제] MLP Assignment
      • [U]Stage-1
        • 1W Retrospective
        • AI Math
          • (AI Math 10강) RNN 첫걸음
          • (AI Math 9강) CNN 첫걸음
          • (AI Math 8강) 베이즈 통계학 맛보기
          • (AI Math 7강) 통계학 맛보기
          • (AI Math 6강) 확률론 맛보기
          • (AI Math 5강) 딥러닝 학습방법 이해하기
          • (AI Math 4강) 경사하강법 - 매운맛
          • (AI Math 3강) 경사하강법 - 순한맛
          • (AI Math 2강) 행렬이 뭐예요?
          • (AI Math 1강) 벡터가 뭐예요?
        • Python
          • (Python 7-2강) pandas II
          • (Python 7-1강) pandas I
          • (Python 6강) numpy
          • (Python 5-2강) Python data handling
          • (Python 5-1강) File / Exception / Log Handling
          • (Python 4-2강) Module and Project
          • (Python 4-1강) Python Object Oriented Programming
          • (Python 3-2강) Pythonic code
          • (Python 3-1강) Python Data Structure
          • (Python 2-4강) String and advanced function concept
          • (Python 2-3강) Conditionals and Loops
          • (Python 2-2강) Function and Console I/O
          • (Python 2-1강) Variables
          • (Python 1-3강) 파이썬 코딩 환경
          • (Python 1-2강) 파이썬 개요
          • (Python 1-1강) Basic computer class for newbies
        • Assignment
          • [선택 과제 3] Maximum Likelihood Estimate
          • [선택 과제 2] Backpropagation
          • [선택 과제 1] Gradient Descent
          • [필수 과제 5] Morsecode
          • [필수 과제 4] Baseball
          • [필수 과제 3] Text Processing 2
          • [필수 과제 2] Text Processing 1
          • [필수 과제 1] Basic Math
    • 딥러닝 CNN 완벽 가이드 - Fundamental 편
      • 종합 실습 2 - 캐글 Plant Pathology(나무잎 병 진단) 경연 대회
      • 종합 실습 1 - 120종의 Dog Breed Identification 모델 최적화
      • 사전 훈련 모델의 미세 조정 학습과 다양한 Learning Rate Scheduler의 적용
      • Advanced CNN 모델 파헤치기 - ResNet 상세와 EfficientNet 개요
      • Advanced CNN 모델 파헤치기 - AlexNet, VGGNet, GoogLeNet
      • Albumentation을 이용한 Augmentation기법과 Keras Sequence 활용하기
      • 사전 훈련 CNN 모델의 활용과 Keras Generator 메커니즘 이해
      • 데이터 증강의 이해 - Keras ImageDataGenerator 활용
      • CNN 모델 구현 및 성능 향상 기본 기법 적용하기
    • AI School 1st
    • 현업 실무자에게 배우는 Kaggle 머신러닝 입문
    • 파이썬 딥러닝 파이토치
  • TIL : Python & Math
    • Do It! 장고+부트스트랩: 파이썬 웹개발의 정석
      • Relations - 다대다 관계
      • Relations - 다대일 관계
      • 템플릿 파일 모듈화 하기
      • TDD (Test Driven Development)
      • template tags & 조건문
      • 정적 파일(static files) & 미디어 파일(media files)
      • FBV (Function Based View)와 CBV (Class Based View)
      • Django 입문하기
      • 부트스트랩
      • 프론트엔드 기초다지기 (HTML, CSS, JS)
      • 들어가기 + 환경설정
    • Algorithm
      • Programmers
        • Level1
          • 소수 만들기
          • 숫자 문자열과 영단어
          • 자연수 뒤집어 배열로 만들기
          • 정수 내림차순으로 배치하기
          • 정수 제곱근 판별
          • 제일 작은 수 제거하기
          • 직사각형 별찍기
          • 짝수와 홀수
          • 체육복
          • 최대공약수와 최소공배수
          • 콜라츠 추측
          • 크레인 인형뽑기 게임
          • 키패드 누르기
          • 평균 구하기
          • 폰켓몬
          • 하샤드 수
          • 핸드폰 번호 가리기
          • 행렬의 덧셈
        • Level2
          • 숫자의 표현
          • 순위 검색
          • 수식 최대화
          • 소수 찾기
          • 소수 만들기
          • 삼각 달팽이
          • 문자열 압축
          • 메뉴 리뉴얼
          • 더 맵게
          • 땅따먹기
          • 멀쩡한 사각형
          • 괄호 회전하기
          • 괄호 변환
          • 구명보트
          • 기능 개발
          • 뉴스 클러스터링
          • 다리를 지나는 트럭
          • 다음 큰 숫자
          • 게임 맵 최단거리
          • 거리두기 확인하기
          • 가장 큰 정사각형 찾기
          • H-Index
          • JadenCase 문자열 만들기
          • N개의 최소공배수
          • N진수 게임
          • 가장 큰 수
          • 124 나라의 숫자
          • 2개 이하로 다른 비트
          • [3차] 파일명 정렬
          • [3차] 압축
          • 줄 서는 방법
          • [3차] 방금 그곡
          • 거리두기 확인하기
        • Level3
          • 매칭 점수
          • 외벽 점검
          • 기지국 설치
          • 숫자 게임
          • 110 옮기기
          • 광고 제거
          • 길 찾기 게임
          • 셔틀버스
          • 단속카메라
          • 표 편집
          • N-Queen
          • 징검다리 건너기
          • 최고의 집합
          • 합승 택시 요금
          • 거스름돈
          • 하노이의 탑
          • 멀리 뛰기
          • 모두 0으로 만들기
        • Level4
    • Head First Python
    • 데이터 분석을 위한 SQL
    • 단 두 장의 문서로 데이터 분석과 시각화 뽀개기
    • Linear Algebra(Khan Academy)
    • 인공지능을 위한 선형대수
    • Statistics110
  • TIL : etc
    • [따배런] Kubernetes
    • [따배런] Docker
      • 2. 도커 설치 실습 1 - 학습편(준비물/실습 유형 소개)
      • 1. 컨테이너와 도커의 이해 - 컨테이너를 쓰는이유 / 일반프로그램과 컨테이너프로그램의 차이점
      • 0. 드디어 찾아온 Docker 강의! 왕초보에서 도커 마스터로 - OT
    • CoinTrading
      • [가상 화폐 자동 매매 프로그램] 백테스팅 : 간단한 테스팅
    • Gatsby
      • 01 깃북 포기 선언
  • TIL : Project
    • Mask Wear Image Classification
    • Project. GARIGO
  • 2021 TIL
    • CHANGED
    • JUN
      • 30 Wed
      • 29 Tue
      • 28 Mon
      • 27 Sun
      • 26 Sat
      • 25 Fri
      • 24 Thu
      • 23 Wed
      • 22 Tue
      • 21 Mon
      • 20 Sun
      • 19 Sat
      • 18 Fri
      • 17 Thu
      • 16 Wed
      • 15 Tue
      • 14 Mon
      • 13 Sun
      • 12 Sat
      • 11 Fri
      • 10 Thu
      • 9 Wed
      • 8 Tue
      • 7 Mon
      • 6 Sun
      • 5 Sat
      • 4 Fri
      • 3 Thu
      • 2 Wed
      • 1 Tue
    • MAY
      • 31 Mon
      • 30 Sun
      • 29 Sat
      • 28 Fri
      • 27 Thu
      • 26 Wed
      • 25 Tue
      • 24 Mon
      • 23 Sun
      • 22 Sat
      • 21 Fri
      • 20 Thu
      • 19 Wed
      • 18 Tue
      • 17 Mon
      • 16 Sun
      • 15 Sat
      • 14 Fri
      • 13 Thu
      • 12 Wed
      • 11 Tue
      • 10 Mon
      • 9 Sun
      • 8 Sat
      • 7 Fri
      • 6 Thu
      • 5 Wed
      • 4 Tue
      • 3 Mon
      • 2 Sun
      • 1 Sat
    • APR
      • 30 Fri
      • 29 Thu
      • 28 Wed
      • 27 Tue
      • 26 Mon
      • 25 Sun
      • 24 Sat
      • 23 Fri
      • 22 Thu
      • 21 Wed
      • 20 Tue
      • 19 Mon
      • 18 Sun
      • 17 Sat
      • 16 Fri
      • 15 Thu
      • 14 Wed
      • 13 Tue
      • 12 Mon
      • 11 Sun
      • 10 Sat
      • 9 Fri
      • 8 Thu
      • 7 Wed
      • 6 Tue
      • 5 Mon
      • 4 Sun
      • 3 Sat
      • 2 Fri
      • 1 Thu
    • MAR
      • 31 Wed
      • 30 Tue
      • 29 Mon
      • 28 Sun
      • 27 Sat
      • 26 Fri
      • 25 Thu
      • 24 Wed
      • 23 Tue
      • 22 Mon
      • 21 Sun
      • 20 Sat
      • 19 Fri
      • 18 Thu
      • 17 Wed
      • 16 Tue
      • 15 Mon
      • 14 Sun
      • 13 Sat
      • 12 Fri
      • 11 Thu
      • 10 Wed
      • 9 Tue
      • 8 Mon
      • 7 Sun
      • 6 Sat
      • 5 Fri
      • 4 Thu
      • 3 Wed
      • 2 Tue
      • 1 Mon
    • FEB
      • 28 Sun
      • 27 Sat
      • 26 Fri
      • 25 Thu
      • 24 Wed
      • 23 Tue
      • 22 Mon
      • 21 Sun
      • 20 Sat
      • 19 Fri
      • 18 Thu
      • 17 Wed
      • 16 Tue
      • 15 Mon
      • 14 Sun
      • 13 Sat
      • 12 Fri
      • 11 Thu
      • 10 Wed
      • 9 Tue
      • 8 Mon
      • 7 Sun
      • 6 Sat
      • 5 Fri
      • 4 Thu
      • 3 Wed
      • 2 Tue
      • 1 Mon
    • JAN
      • 31 Sun
      • 30 Sat
      • 29 Fri
      • 28 Thu
      • 27 Wed
      • 26 Tue
      • 25 Mon
      • 24 Sun
      • 23 Sat
      • 22 Fri
      • 21 Thu
      • 20 Wed
      • 19 Tue
      • 18 Mon
      • 17 Sun
      • 16 Sat
      • 15 Fri
      • 14 Thu
      • 13 Wed
      • 12 Tue
      • 11 Mon
      • 10 Sun
      • 9 Sat
      • 8 Fri
      • 7 Thu
      • 6 Wed
      • 5 Tue
      • 4 Mon
      • 3 Sun
      • 2 Sat
      • 1 Fri
  • 2020 TIL
    • DEC
      • 31 Thu
      • 30 Wed
      • 29 Tue
      • 28 Mon
      • 27 Sun
      • 26 Sat
      • 25 Fri
      • 24 Thu
      • 23 Wed
      • 22 Tue
      • 21 Mon
      • 20 Sun
      • 19 Sat
      • 18 Fri
      • 17 Thu
      • 16 Wed
      • 15 Tue
      • 14 Mon
      • 13 Sun
      • 12 Sat
      • 11 Fri
      • 10 Thu
      • 9 Wed
      • 8 Tue
      • 7 Mon
      • 6 Sun
      • 5 Sat
      • 4 Fri
      • 3 Tue
      • 2 Wed
      • 1 Tue
    • NOV
      • 30 Mon
Powered by GitBook
On this page
  • 가상화폐 투자공식
  • PART4. 가상화폐 실전 투자 전략 - 3
  • 투자 전략 11. 다자 가상화폐 + 평균 노이즈 비율
  • 투자 전략 12. 평균 노이즈 비율 + 마켓 타이밍 + 변동성 돌파
  • 투자 전략 13. 오전 투자 + 변동성 돌파
  • 전략 총 정리
  • 투자 성향에 따른 전략
  • 테크닉 총 정리
  • 그 이외의 조언

Was this helpful?

  1. 2021 TIL
  2. MAY

3 Mon

Previous4 TueNext2 Sun

Last updated 4 years ago

Was this helpful?

가상화폐 투자공식

PART4. 가상화폐 실전 투자 전략 - 3

어떤 전략을 실전에 사용해야 할까?

  • 보통 복리수익이 가장 높은 전략을 고르기 마련이다. 이 선택이 잘못된 것은 아니지만 강조할 점은 실전에서 MDD가 낮은 전략이 견디기가 쉽다는 것이다.

  • 이성적으로 승률과 손익비가 유리한 조건에서 복리 수익이 높은 전략을 고르기 마련인데 우리의 두뇌, 특히 편향에 휩싸인 원숭이 두뇌는 긍정적인 피드백이 필요하다. 부정적인 피드백이 지속적으로 오면 매매가 어려워진다.

    • 안 돼! 또 깨지고 싶지 않아!

    • 지금 팔면 이따 파는 것보다 이득인데!

  • 따라서 실전에서는 승률이 높은 전략, MDD가 낮은 전략이 유지하기가 쉽다. 물론 승률 뿐만 아니라 손익비도 수반되어야 한다.

  • 승률 80% 전략이 있어도 따라오지 않으면 도루묵이다.

수익이 가장 뛰어난 전략을 개발하는 것이 주목적이 아니다. 실전에서 심리적으로 버티기 쉬운 "꽤 괜찮은 전략'이 오히려 수익 창출의 지름길이다.

투자 전략 11. 다자 가상화폐 + 평균 노이즈 비율

  • 지금까지 다룬 분산투자 + 상승장 + 변동성 돌파 + 변동성 조절 만 해도 수익이 안정적인데, 여기에 잠깐 언급한 타임 프레임 분산 전략 까지 추가하면 훨씬 더 안정적인 수익을 얻을 수 있다. 그리고 여기에 기술적 지표까지 더하면 훨씬 더 업그레이드 할 수 있다.

  • 변동성 돌파 전략이 잘 먹히려면 돌파가 일어난 후 강한 상승을 지속해야 할까? 아니면 돌파가 일어난 후 얼마 가지 않아 하락하는 경우일까? 당연히 전자다. 후자같은 경우는 긴 윗꼬리를 형성하게 된다. 윗꼬리가 뭔데?

  • 위 그림만 봐도 이해가 갈 것이다.

    • 윗꼬리는 고가와 종가(또는 시가)의 사이를 말한다.

    • 아랫꼬리는 저가와 종가(또는 시가)의 사이를 말한다.

    • 꼬리가 길수록 잡음(=노이즈)이 심하다. 이는 가격의 방향이 추세적이지 못하고 반전되기 쉽다는 것을 의미한다.

  • 윗꼬리, 아래꼬리, 몸통에 대한 설명은 다음 링크를 참고하면 좋다.

  • 전략 11은 전체 캔들의 길이 중 윗꼬리와 아래꼬리가 차지하는 비중을 계산해 노이즈 비율로 정의하고 여러 가상화폐 중 평균적인 노이즈 비율이 적은 종목만 선택해 매매하는 방법이다.

    • 노이즈 = 1-abs(시가-종가)/(고가-저가)

    • abs는 절댓값이라는 뜻이다. 시가와 종가는 상승세냐 하향세냐에 따라서 대소가 바뀌기 때문에 이러한 함수를 적용하게 된다.

  • 일반적인 캔들은 통계상 윗꼬리:아래꼬리:몸통 = 1:1:2 정도로 대칭이다. 즉, 평균적인 노이즈 비율이 50%이다. 종목에 따라, 시게열 구간에 따라 계속 변한다.

    • 시계열은 일정 시간 간격에 따라 배치된 데이터를 말한다.

    • 50%보다 노이즈가 많이 높은 경우가 오래 지속되면 종목이 비추세적 구간임을 의마한다.

    • 50%보다 노이즈가 많이 낮은 경우가 오래 지속되면 추세적이거나 일중 추세가 추세적 구간임을 의미한다.

    • 노이즈 역치를 아주 낮게 잡으면 좋을 것 같지만 그러면 신호가 너무 안나온다. 따라서 노이즈 비율은 노이즈가 아주 낮은 종목을 잡는 기준보다는 노이즈가 너무 높은 매매 신호를 필터링하는 조건으로 이용하는 것이 좋다.

  • 노이즈 비율을 이용하면 수많은 가상화폐 중 어떤 것을 골라야 변동성 돌파 전략으로 수익을 내기 좋은지 알 수 있다. 이를 이용해 다음과 같은 방법들을 고안할 수 있다.

    • 노이즈 값이 특정 수준 이하인 경우만 진입한다

    • 노이즈 값이 특정 수준 이하인 경우만 포트폴리오 유니버스에 편입한다.

    • 노이즈 값이 작은 종목들만 선별적으로 골라 매매한다.

  • 이 때 종목 채택은 다음과 같은 방법이 있다.

    • 상대 노이즈 : 노이즈가 작은 종목 하위 n개에 투자

    • 듀얼 노이즈 : 노이즈가 작은 종목 하위 n개 + 0.55 이하 노이즈

  • 방법

    • 각 종목에 투자 자금 1/n 씩 동일 비중 배분

    • 매수 : 당일 실시간 가격 > 당일 시가 + (레인지 * k)

      • k = 0.5 추천

    • 자금관리 : (전일 고가-전일 저가)/전일 종가 * 100 값이 투자 자금의 1%를 초과하지 않도록 투자 비중 조절

    • 각 종목의 30일 평균 노이즈 값 산출

    • 투자 직전의 30일 평균 노이즈 값이 가장 작은 종목 n개 선정

    • 선정된 n개 종목의 돌파 전략 수익 곡선에 1/n 자금 투입

    • 30일 평균 노이즈 값이 가장 작으면서, 노이즈 값이 특정 역치 이하인 경우만 진입

    • 매도 : 다음 날 시가

  • 결과

    • 복리수익 약 32%(책에는 없음, 수익률이 3.5배인 것을 토대로 제시)

    • 투자 전략 12를 소개하기 위한 노이즈 설명 파트라고 봐도 무방하다.

투자 전략 12. 평균 노이즈 비율 + 마켓 타이밍 + 변동성 돌파

  • 변동성 돌파 전략은 추세가 강해야 수익을 낼 확률이 높아진다. 이러한 관점에서 캔들의 윗꼬리와 아래꼬리의 비율이 작다면 추세가 이어질 성향이 강하다는 것이다. 이런 정도를 노이즈 비율로 정량해 매매에 이용하는 것이 듀얼 노이즈이다.

  • 듀얼 노이즈 전략은 노이즈 비율의 한계치 기준을 정해놓고, 노이즈 비율이 이보다 낮은지 그리고 다른 종목과 비교해서 상대적으로 낮은지를 평가해 매매에 적용한다. 이 방법도 의미있지만, 노이즈 비율을 좀 더 색다른 방식으로 응용하고 마켓 타이밍 전략까지 가미할 수가 있다!

    • (1) 평균 노이즈 비율을 돌파 계수로 이용하는 방법

      • 지금까지 살펴본 노이즈 비율은 일종의 필터링 조건이다. 또, 실제로 돌파 기준이 되는 역치(k)는 레인지를 기준으로 한 일종의 상수였다. (예를 들면 필자가 추천한... k = 0.5)

      • 그런데 여기서 문제는 돌파 계수(k)를 정하는 방법이 애매하다.

        • k=0.5 로 잡은 이유는 다음의 두 가지 이유가 있다.

        • 장기적인 일봉 캔들의 움직임을 통계로 보면 캔들의 위아래 꼬리와 몸통의 비율이 대략 1:1이다.

        • 백테스트 대부분이 0.5 정도의 돌파 계수가 안정적이고 높은 성과를 보여준다.

      • 하지만 이런 방식에도 단점이 있는데, 0.5라는 수치가 과거 데이터에 기반한 수치이고 이후 시장에서 동일할거라는 보장이 없다. 이는 과최적화, overfitting의 위험성이 있다.

      • 만일 실시간으로 변하는 각 종목의 최적의 돌파 계수를 알 수 있고, 이 값을 돌파 계수로 이용할 수 있다면 어떻게 될까? 강력한 시장 적응 시스템을 구성할 수 있다. 방법은 돌파 계수를 고정하는 것이 아니고 최근의 평균 노이즈 비율로 이용하는 것이다.

        • 최근의 평균 노이즈 비율은 각 종목의 최근 추세 강도를 직접적으로 대변하는 지표이기 때문에, 이것이 낮으면 추세적 성향이 강하고, 높으면 추세 반전의 성향이 강하다는 의미이다.

      • 시장 상황은 끝없이 변하기 때문에, 추세적 성향이 강한 상황에서는 굳이 0.5배수 돌파를 이용할 필요 없이 그보다 일찍 진입해도 되고, 추세 반전 성향이 강한 구간에서는 잘못된 신호를 거르기 위해 0.5보다 큰 돌파 계수를 이용해야 한다.

      • 경향성을 민감하게 하기 위해 최근 30일 평균 노이즈 비율보다 20일 평균 노이즈 비율을 사용해도 된다. 지엽적인 문제이기에 세부적인 수치에 집착할 필요는 없다. 23일이어도 27일이어도 된다.

    • (2) 평균 이동평균선 스코어를 이용한 마켓 타이밍 결합 방법

      • 마켓 타이밍 전략을 이용할 때 고정된 값을 이용하는 것은 바람직하지 않다. 과거 데이터를 이용한 백테스트에서는 어떤 이동평균선 값이 최적인지 찾아내기 쉽지만, 이 값이 미래에도 최적이라는 보장이 없다. 따라서 여러 이동평균선 값에 분산하는 것이 필요하다. 가장 간단한 방법은 평균 이동평균선 스코어를 이용하는 방법이며 스코어는 다음과 같이 산출한다.

        • 마켓 타이밍을 적용하고 싶은 이동평균선을 여러 개를 정한다. (ex 3, 5, 10 ,20)

        • 종가가 해당 이동평균선보다 높으면 1점, 낮으면 0점을 부여한다.

        • 각 점수의 평균을 산출한다.

        • 예를 들어 오늘 종가가 3일과 10일 이동평균선 보다 높으면 점수의 평균은 (1+0+1+0)/4 = 0.5이다.

    • (3) 평균 노이즈 비율과 평균 이동평균선 스코어를 이용한 변동성 돌파 전략 포트폴리오

      • 이 방법을 이제 소개한다.

  • 방법

    • 종목당 기본 투자 비중 : 1/n(동일 비중) * 전일 기준 이동평균선(3, 5, 10 ,20) 스코어

    • 매수 : 실시간 가격 > 당일 시가 + (전일 레인지 * 20일 평균 노이즈 비율)

    • 자금 관리 : (전일 고가 - 전일 저가)/전일 종가 * 100 값이 투자 자금의 k%를 초과하지 않도록 투자 비중 조절

    • 매도 : 다음 날 시가

    • 예시

      • 총 자산 1000만원

      • 5개 코인에 분산 투자 예정. 따라서 한 코인 당 200만원 할당

      • A코인은 이동평균선 스코어가 0,5이다. 따라서 추세 강도를 고려해 100만원 할당.

      • A코인의 전일 변동 폭이 4%이고, 자금 관리 룰 2%(목표 변동률)을 적용한다면 2/4 = 50%이므로 50만원을 최종 투입.

  • 변동성 3%

    • 복리수익 143.6%

    • MDD -3.8%

  • 변동성 2%

    • 복리수익 99.2%

    • MDD -2.7%

  • 변동성 1%

    • 복리수익 46.4%

    • MDD -1.9%

  • 분석

    • 평균 이동평균선 스코어를 이용한 추세 추종 + 돌파 계수를 찾아주는 평균 노이즈 비율을 적용한 결과 안정적이고 뛰어난 성과

    • 특히, 자금 관리 룰을 공격적으로 적용(3% 룰)해도 MDD에는 큰 차이가 없다. 이는 룰이 공격적으로 적용하면 MDD가 급증하는 것과 비교하면 굉장히 우수한 결과.

투자 전략 13. 오전 투자 + 변동성 돌파

  • 합성 전략을 제시하는 것이 투자 전략의 마지막.

  • 전략 5. 오전 천국, 오후 지옥 + 전략 12. 평균 노이즈 비율 + 평균 이동평균선 돌파 에 절반씩 투자하는 합성 전략

  • 방법

    • 전략 A

      • 매수 : 실시간 가격 > 당일 시가(0시) + (전일 오전 레인지 * 20일 평균 노이즈 비율)

      • 평균 이동평균선 스코어 : 3, 5, 10, 20일 이동평균성을 사용하되, 1일이 아니라 12시간 기준(오전)

      • 투자 비중 : (타깃 변동성 / 전일 오전 변동성) * 평균 이동평균선 스코어

      • 매도 : 정오

    • 전략 B

      • 매수 : 전일 오후 수익률 > 0, 전일 오후 거래량 > 전일 오전 거래량

      • 매수 : 오전 0시

      • 투자 비중 : 타깃 변동성 / 전일 오전 변동성

      • 매도 : 정오

  • 변동성 2%

전략 A

전략 B

전략 A 50% + 전략 B 50%

총수익

12.83배

19.96배

16.54배

복리수익

82.3%

102.3%

93.53%

MDD

5.74%

11.22%

7.13%

승률

55.30%

57.98%

60.14%

손익비

1.40

2.33

2.60

1일 2% 이상 손실

23회

44회

11회

1일 1% 이상 손실

3회

8회

2회

  • 변동성 1%

전략 A

전략 B

전략 A 50% + 전략 B 50%

총수익

6.34배

7.39배

6.96배

복리수익

54.41%

60.15%

57.88%

MDD

3.00%

8.71%

4.97%

승률

55.30%

57.98%

60.94%

손익비

1.40

2.40

2.72

1일 2% 이상 손실

8회

16회

2회

  • 분석

    • 우수 전략 2개를 합쳤을 때 수익은 늘어나지 않았지만 나머지 지표들이 모두 개선되었다.

    • MDD는 두 전략의 평균이 아니라 전략 A에 훨씬 가깝고, 승률과 손익비는 전략 A와 B보다 높다.

    • 또한 하루에 1%, 2% 이상 깨지는 날도 현저히 줄었다.

    • 이런 결과가 나온 이유?

      • 두 전략을 각각 써도 훌륭한 전략이다.

      • 두 전략의 상관성은 1보다 훨씬 낮다. 정확히 말하면 0.02정도이다.

        • 상관성이 낮은 자산뿐만 아니라 전략으로도 분산투자가 가능하다.

        • 동일한 코인을 매수하더라도 매수 기준이 달라서 일일 수익이 다르다.

전략 총 정리

  • 전략 1. 가상화폐 10% + 현금 90%

    • 복리수익 29.7% MDD 10.5%

  • 전략 2. 이동평균 + 현금 비중 80%이상

    • 현금 비중 80% 복리수익 36.1% MDD 8.5%

    • 현금 비중 90% 복리수익 16.9% MDD 4.3%

  • 전략 3. 슈퍼 상승장 + 변동성 조절

    • 변동성 2% 복리수익 50.8% MDD 6.73%

  • 전략 4. 듀얼 모멘텀 + 현금 비중 최소 90%

    • 복리수익 49.92% MDD 10.4%

  • 전략 5. 오전 천국, 오후 지옥

    • 단순 오전 매수 복리수익 61.13% MDD 70.02%

    • 전일 오후 수익률 상승시 오전 매수 복리수익 220.34% MDD 25.27%

    • 전일 오후 수익률 및 거래량 상승 시 오전 매수 복리수익 218.82% MDD 17.98%

    • 변동성 2% + 전일 오후 수익률 및 거래량 상승 시 오전 매수 복리수익 80.6% MDD 10.5%

    • 변동성 1% + 전일 오후 수익률 및 거래량 상승 시 오전 매수 복리수익 39.47% MDD 5.78%

  • 전략 6. 다자 가상화폐 + 변동성 돌파

    • 복리수익 521% MDD 21.3%

  • 전략 7. 다자 가상화폐 + 상승장 + 변동성 돌파

    • 복리수익 308% MDD 11.3%

  • 전략 8. 상승장 + 변동성 돌파 + 변동성 조절

    • 변동성 5% 복리수익 181.6% MDD 5.33%

    • 변동성 2% 복리수익 84.9% MDD 4.15%

    • 변동성 1% 복리수익 41.9% MDD 2.7%

  • 전략 9. 4개 이동평균 상승장 + 변동성 돌파 + 변동성 조절

    • 변동성 2% 복리수익 63.5% MDD 2.51%

  • 전략 10. 5일 이동평균 + 5일 거래량 상승장 + 변동성 돌파 + 변동성 조절

    • 변동성 2% 복리수익 37.56% MDD 1.90%

  • 전략 11. 다자 가상화폐 + 평균 노이즈 비율

    • 복리수익 약 32% MDD 알 수 없음

  • 전략 12. 평균 노이즈 비율 + 마켓 타이밍 + 변동성 돌파

    • 변동성 3% 복리수익 143.6% MDD 3.8%

    • 변동성 2% 복리수익 99.2% MDD 2.7%

    • 변동성 1% 복리수익 46.4% MDD 1.9%

  • 전략 13. 오전 투자 + 변동성 돌파

    • 변동성 2% 복리수익 93.53% MDD 7.13%

    • 변동성 1% 복리수익 57.88% MDD 4.97%

투자 성향에 따른 전략

  • 이 전략은 14~18년도 과거 데이터를 가지고 백테스팅해서 얻은 통계적 결과를 가지고 세운 전략이며, 실제로 전략을 결정 및 실행하기 전에 반드시 백테스팅으로 검증하는 과정을 거쳐야 한다.

  • 변동성 조절 전략이 있을 경우 목표 변동성은 2%이다.

  • 복리 수익 우선

    • 1️⃣ 전략 6. / 복리수익 521% MDD 21.3%

    • 2️⃣ 전략 7. / 복리수익 308% MDD 11.3%

    • 3️⃣ 전략 5. 中 전일 오후 수익률 및 거래량 상승 시 오전 매수 / 복리수익 218.82% MDD 25.27%

  • MDD복리 수익 우선

    • 1️⃣ 전략 10. / 복리수익 37.56% MDD 1.90%

    • 2️⃣ 전략 12. / 복리수익 99.2% MDD 2.7%

    • 3️⃣ 전략 8. / 복리수익84.9% MDD 4.15%

  • MDD대비 복리 수익 우선 (MaxMin-Scaling 사용)

    • 1️⃣ 전략 6. / 복리수익 521% MDD 21.3% / 72점

    • 2️⃣ 전략 7. / 복리수익 308% MDD 11.3% / 43점

    • 3️⃣ 전략 5. 中 전일 오후 수익률 및 거래량 상승 시 오전 매수 / 복리수익 218.82% MDD 25.27%

    • MDD 대비 복리수익이 너무나도 커서 복리 수익 우선 결과와 동일하게 나온것으로 보인다.

  • MDD대비 복리 수익 우선 구하는 방법 코드 (크게 신경쓰지 않아도 된다)

def cal(a, b):
	return round((a-29.7) / 491.3 - (b-1.90) / 68.12, 2)
	# 복리수익 최대 521% 최소 29.7% 차이 491.3%
	# MDD 최대 70.02% 최소 1.90% 차이 68.12%
	
for idx, a, b in zip(["5-2", "5-3", "5-4", "6", "7", "8", "9", "10", "12", "13"], 
	[220.34, 218.82, 80.6, 521, 308, 84.9, 63.5, 37.56, 99.2, 93.53], 
	[25.27, 17.98, 10.5, 21.3, 11.3, 4.15, 2.51, 1.90, 2.7, 7.13]):
	print(idx, " : ", cal(a, b))

'''
5-2  :  0.04
5-3  :  0.15
5-4  :  -0.02
6  :  0.72
7  :  0.43
8  :  0.08
9  :  0.06
10  :  0.02
12  :  0.13
13  :  0.05
'''

테크닉 총 정리

  1. 오전 투자

    • 모든 수익은 오전에 난다. 오후에 투자하면 돈을 모두 날린다.

  2. 상승장 투자

    • 이동평균선등으로 판단한 상승장에만 투자할 것

  3. 변동성 조절

    • 변동성을 조절해서 MDD 감소

  4. 다자 가상화폐 분산투자

    • 변동성 조절보다는 약하지만 MDD 감소에 어느 정도 기여

  5. 슈퍼 상승장

    • 가격이 이동평균선을 여러 개 넘었을 때 투자하면 승률이 조금 높아진다.

  6. 거래량

    • 가격이 오를 때 거래량도 같이 오르면 상승장이 지속될 가능성이 높아진다.

  7. 변동성 돌파

    • 상승장에서 또 한 번 가속을 내는 가상화폐를 매매하자.

  8. 노이즈

    • 캔들에서 몸통이 큰 가상화폐는 추세가 강하다. 노이즈는 종목 선정에도, 돌파 계수로도 사용할 수 있다!

  9. 평균 이동편균선 스코어

    • 가격이 몇 개 이동평균선보다 높은지 측정해 상승장의 강도를 재는 지표다. 투자 규모를 조절할 때 참고한다.

  10. 전략 혼합

    • 자체적으로 훌륭하면서도 상관성이 떨어지는 전략들에 동시 투자하면 1+1 = 3이 디는 시너지가 생긴다.

그 이외의 조언

  • 변동성 돌파 전략은 치명적인 약점이 있다. 바로 가격이 언제 시가 + (전일 레인지 * 0.5)를 돌파할지 모른다는 점이다. 그렇다고 24시간 지켜보면서 가격을 예의주시할 수는 없다. 따라서 변동성 돌파 전략을 구현하려면 자동화 매매 프로그램 개발이 필수다. 방법은 여러가지다

    • 파이썬을 직접 공부해서 자동화 매매 프로그램 만들기

    • 일정 금액을 주고 자동화 매매 프로그램 외주

    • 자동화 매매 서비스 사용

https://every-storytelling.tistory.com/53
https://every-storytelling.tistory.com/53