횡단면에서의 주식 수익률 예측을 위한 인공신경망의 적응적 앙상블 기법

Abstract

본 논문은 가치, 사이즈, 모멘텀, 퀄리티 팩터를 조합하여 15 종류의 데이터를 제작하고 이 데이터를 기반으로 인공신경망을 학습하여 다음 달 수익률을 예측하였다. 같은 데이터를 기반으로 독립적으로 학습된 10개의 모델을 조합하여 동질적 단순 앙상블 모델을 구성하고, 다른 데이터를 기반으로 독립적으로 학습된 15개의 모델을 동일 비중으로 조합하여 이질적 단순 앙상블 모델을 구성하였다. 그리고 다른 데이터를 기반으로 독립적으로 학습된 15개의 모델을 과거 성과에 따라 가중치를 주어 조합하여 적응적 앙상블 모델을 구성하였다. 본 연구 결과, 동질적 단순 앙상블 모델은 개별 인공신경망 모델에 비해 안정적이고 좋은 성과를 냈다. 이질적 단순 앙상블 모델은 종목 선택 분위가 3분위이고 포트폴리오 블랜딩을 사용했을 땐 개별 인공신경망 모델보다 성과가 좋았고, 종목 선택 분위가 다르거나 시그널 블랜딩을 사용했을 땐 성과가 좋지 않았다. 적응적 앙상블 모델은 최근 성과에 추가적인 가중 없이 과거 성과를 사용하였을 때 가장 성과가 좋았고, 포트폴리오 블랜딩을 이용한 적응적 앙상블 모델은 포트폴리오 블랜딩을 이용한 이질적 단순 앙상블 모델보다 성과가 좋았다.