기타 참고사항

위에 답변에 대한 질문이 있는데 팀원 1명이상 1만점을 넘기는것은 자격획득 때문에 필요한 것이라고 이해했습니다. 그 이상부터는 동일 가중 포트폴리오 기준으로 평가되는걸로 알고있는데 왜 20~25개까지는 알파의 개수를 많이 내는 것으로 점수를 득점할 수 있다고 말씀하신건지 궁금합니다! 이론적으로는 11개 12개정도를 제출하더라도 동일 가중 포트폴리오의 성과가 좋으면 되는 것 아닌가요?

Jayden Lee 20:52
네 이론적으로는 그렇습니다. 다만, 대회에서는 알파의 최소 제출량을 유도하기 위해 대회 산식을 20~25개 까지는 해당 함수식과 무관하게 점수 제공을 할 수 있도록 고안했습니다.

대회에 Enroll은했는데요, 두가지 질문이 있습니다. 1) 대회 이전에 튜토리얼 진행하면서 5000점 정도 쌓았는데, 그럼 5000점만 더 쌓으면 되는건가요? 아니면 자동으로 count에서 제외되나요? 그냥 코드 작성후에 submit하면 알아서 처리를 해주시는건지 궁금합니다 2) 팀은 어디서 구성하는지 궁금합니다. TEAM 칸이 있긴 있는데 대회 페이지에 있진 않고 별도 탭에 있어서 여기서 하면 적용이 되는건지 잘 모르겠습니다

1. 5000점을 쌓으면 컨설턴트 전환 요건을 달성할 수 있습니다! 다만 대회 이전에 제출한 알파는 대회에 포함되지는 않습니다. 보통 처음 제출하는 알파들은 대회 점수에 도움이 덜 되는 경우가 많긴 해서요, 손해라고 생각하지는 않으셔도 될 것 같습니다.
2. 팀은 구하신 팀원이 있으시다면 팀을 구성해서 진행하시면 되고, 아니라면 브레인 트레이너 분들의 오픈카톡방 등에서 구해서 진행하실 수 있습니다. (없으시다면 지금 세션 진행중이신 민겸님의 오픈카톡방 등에 참여하시면 도움을 얻으실 수 있습니다.) 혹은 에브리타임 같은 커뮤니티 등 다른 경로를 통해 팀을 구성하는 경우도 있습니다.

파이썬이나 외부 플랫폼에서 알파리서치를 한 뒤에 브레인에 이식하는 방식을 사용하나요? 브레인에서는 개별 종목에 대한 access가 안되어서 뭔가 아이디어를 플랫폼내에서 도출하기는 어렵다는 느낌을 받았는데 브레인 플랫폼 안에서 리서치 + 백테스팅 전부 해결가능한지 궁급합니다

• pnl graph를 보는 경우가 대부분이기 때문에, 내부 리서치로서 브레인만으로 알파 아이디어를 도출 + 백테스팅. learn / data description

• 보통 기본적 분석 방법(fundamental)을 많이 활용하셨나요? 아니면 거래량&가격같은 기술적 분석(priced and data)을 많이 활용하셨나요?

• iqc에서는 self correlation. merged performance를 보는것이기 때문에, 어떤 걸 제출했고 합쳐졌을 때 어떤 시너지를 낼건지.

• 단순하면서 새로운건 어렵지만 단순하면서 강력한건 그렇게 어렵지 않음

-퀀트의 한계가 블랙스완이나 마켓 빅이벤트의 대응하기에 취약하다는 단점이 제일 크다고 생각하는데 퀀트 분석으로써 이런 한계를 어떻게 극복할 수 있는지 궁금합니다
- 단일 로직이 아니라 merged performance에서는 안정적으로 우상향할 수 있는 로직을 만들수있음

• 포트폴리오 옵티마이제이션/spricing이 실제 최전선에 있나?이런 공부를 헀을때, 이런것들을 나의 커리어로서 반영할 수 있을까?

-hedgefund: 시장

• iqc단계에서는 API가 제공이 안되는데, 그러면 사실상 파이썬을 사용해서 알파리서치하는게 안되는거 아닌가요? 대회 과정중에 파이썬을 어떻게 활용하셨는지 궁금합니다.
  - 브레인 플랫폼에서 api와 관련 컨설턴트에게 제공됨. stage3에서는 api 제공. python 코드, 샘플 파일 알파리서치
  코드 스니펫들이 있기 때문에 활용할 수 있음.

• merged performance가 중요하기 때문에 알파 하나하나를 되게 조심스럽게 제출해야할 것 같은데, 또 어느 한편으로는 리더보드를 보려면 10000점 이상 쌓아야하니까 빨리 해당 기준을 채우는게 유리할 것 같기도합니다. 민겸님은 어느정도 페이스로 어떻게 알파를 제출하셨는지 궁금합니다.
  - 기준을 채우기 위해서 초창기에 너무 열심히하지 않아도됨

• 증권사 ra쪽 직무에도 관심이 있는데, 알파리서치 연구원과 비교하여 요구되는 역량이 많이 다른가요?
  - 애널리스트의 아래에서 기본적인 리서치 업무
  리처치의 내용들이 어떤 섹터, 매크로에 대한 연구 그 하위 범주중의 하나가 퀀트 애널리스트의 ra
  - 매크로적으로 뉴스분석한다던가, fred에서 데이터 분석 통계청의 데이터를 활용해서 지금 매크로가 어떻게 흘러가는지

• 문병로 교수님

• 개인이 할 수 있는 퀀트 투자
  - 시황, fred api -> 데이터 불러오기 -

• 휴먼리서치를먼저 배워보고, 그뒤에 에이전트를 통해서 시키거나 자동화하는것.

• 알파 제출 페이스: 초창기에는 알파를

1) 두개의 알파를 합칠때

• scale

2) 어차피 전종목기준으로 포지션벡터가 만들어지는데 group operator를 쓸일이 언제인지 감이 잘 안옵니다

3) turn over가 20%쪽
결국 리버전으로 나오는경우가 많음

4) pv alpha가 만들기는 쉽지만 어려움을 겪을 수 있음
리버전에서만 많이 제출한다면 drawdown이 겹칠 수도 있고 다른 사람들이랑 겹칠 수 있음. 쉬워서 제일 먼저 알려주지만 내는데 제일 유의해야함.

5) 시그널을 강화해주는 용도로 쓰거ㄴ, 특정조건을 결합해야 모멘텀을 쓸수있음 (ts_delay를 써서 과거의 데이터를 씀)

6) 결국 제출된 알파들이 동가중 선형결합으로 merge되어 평가된다는 점을 고려하면, 모멘텀 알파와 리버전 알파를 함께 제출할 경우 두 신호가 서로 헷지(리스크 감소)로 작용하는지, 아니면 단순히 상쇄되어 알파가 희석되는지에 대한 의문이 생긴다; 만약 후자라면 개별 알파를 분리해 제출하기보다, 하나의 알파 내부에서 모멘텀과 리버전 특성을 함께 반영한 보다 제너럴한 구조로 설계하여 제출하는 것이 더 바람직한 전략인지에 대해 고민해볼 필요가 있다.전자로 작용합니다. 개별 알파를 각각 따로 내는 방향을 추천

7) 새로운 알파예시
7-1) reversion
CL = (close-low)/(high-low)
-CL
decay로 turnover 조정 (4->6):Turnover sharpe
decay는 최대 10정도 쓰는것을 권장ㅇ

7-2) vwap / close

7-3) ts_delay(ts_sum(rtur))

7-4) 모멘텀을 쓰려면 트릭을 써줘야함
pos_num = ts_sum(returns>0?1:0, 252)
trade when까

8) 데이터에 따라서 다릅니다. (Fundamental 데이터의 경우 5~15%, Price/Volume 데이터의 경우 약 3-40% 초과하는 것이 자연스러우나, IQC에서는 더 낮게 요구됨) 데이터에 상관없이 말씀드리자면, Fitness의 분모에도 있는 것처럼 통상적으로 12.5% 보다 낮은 턴오버의 알파를 Low turnover 알파라고 생각할 수 있습니다. 한편, 보통은 turnover 대비 returns를 측정하는 단위라고도 할 수 있는 margin이 적어도 10~15bps를 초과하는 수준으로 내는 것이 After cost performance에 긍정적으로 작용한다는 것이 알려져 있습니다

9) 개인점수로 알파 제출하는 해서 10,000 넘기는 것과 그룹 점수로 내는 알파는 별개인가요?
개인 점수 10,000점은 컨설턴트가 되기 위한 점수인 반면, 팀/그룹 점수(Merged Alpha Performance)는 IQC 랭킹의 우열을 가리는 점수입니다. 이 둘은 별개이고, 처음 골드 유저가 될 때 까지만 전자의 점수가 중요합니다. 하지만, IQC를 장기적으로 참여하는 참가자에게는 후자의 점수가 훨씬 중요합니다.

10)Price / Volume 알파는 특히나 Turnover가 크기 때문에 Decay를 이용하여 Fitness를 높이는 방식이 불가피해보이는데, Decay를 통해 Fitness를 높이는 방식은 지양해야 한다고 알고 있습니다. (알파의 signal을 희석하는 행위이기 때문에) 이 경우 Decay 외에 Turnover를 줄이는 다른 방법이 있을까요?어제의 포지션과 오늘의 포지션의 차이만을 다루는 Hump 연산자를 추천합니다. 그럼에도 Hump만으로 턴오버 피팅이 어렵다면, price reversion alpha에서는 Decay를 5~10일 정도 수준에서만 사용하기를 권장합니다.

11)말씀대로 상반되는 로직의 경우에는 한쪽에서의 이득과 다른쪽의 손실이 ‘퉁’쳐지는 효과가 나서 수익이 안나는거 아닌가요? 특히 동가중 선형결합에서는 낮은 상관은 좋은데 음의 상관은 오히려 안좋을수도있겠다는 생각이 자꾸들어서 질문드립니다
둘다 플러스면 상관관계가 음인거면 상관이 없응ㅁ 오히려 좋

12) sharpe:2, turnover: 5~20, return: 굉장히 좋은 알파는 10

13) 내 알파에 대한 믿음이 있으면 조금 떨어지더라도 제출. 점수를 올리기만 한다면 오히려 오버피팅이 발생할 수 있.점수가 내려가도 다양성을 위해서 제출할 필요성이 있을 수 있

14) universe에 따른 알파 평가가 다르진 않

15) correlation이 -이면 헷지가 되는건데 둘을 합쳤을때 수익이 하나만 했을때 보다 높을 수 있나요?수익은 같지만 수익률은 높아질 수 있습니다. 포지션이 네팅(Netting)이 되면서, 알파의 개수만큼, 투하자금이 줄어들기 때문입니다.

16) correlation이 -로 헷징되는 건 어떻게 확인함?
equal weight으로 더했을때 개선되는 것을 확인
iqc에서는 peformance