거래 전략 백테스팅

최종 업데이트 2021년 2월 25일

Matteo Bottacini, [email protected]

프로젝트 설명

이 프로젝트는 Python 3에서 현대 포트폴리오 이론(Modern Portfolio Theory, MPT)의 다양한 접근 방식을 적용하여 여러 거래 전략을 백테스팅하는 것입니다.

백테스트되는 전략은 다음과 같습니다:

• 최적 마코위츠 포트폴리오 (The Optimal Markowitz Portfolio);
• 글로벌 최소 분산 포트폴리오 (The Global Minimum Variance Portfolio);
• 리스크 패리티 포트폴리오 (The Risk-Parity Portfolio);
• 동일 가중치 포트폴리오 (The Equally Weighted Portfolio)

고려된 ETF는 다음과 같습니다:

• EEM: iShares MSCI Emerging Markets ETF
• EMLC: VanEck Vectors J.P. Morgan EM Local Currency Bond ETF
• IAU: iShares Gold Trust
• IEF: iShares 7-10 Year Treasury Bond ETF
• IWM: iShares Russell 2000 ETF
• SPY: SPDR S&P 500 ETF Trust
• TIP: iShares TIPS Bond ETF
• TLT: iShares 20+ Year Treasury Bond ETF
• VGK: Vanguard FTSE Europe Index Fund ETF Shares

스크립트가 수행하는 작업은 다음과 같습니다:

• 금융 데이터 다운로드 및 분석;
• 최적 마코위츠 포트폴리오 (평균-분산, mean-variance) 찾기;
• 글로벌 최소 분산 (GMV) 포트폴리오 (최소 분산, minimum variance) 찾기;
• 리스크 패리티 포트폴리오 (risk parity) 찾기;
• 동일 가중치 포트폴리오 (equally weighted) 찾기;
• 월별 재조정(rebalance)을 통해 아웃-오브-샘플 결과로 거래 전략 백테스트 수행;
• 결과 비교.

폴더 구조:

trading-strategy-backtest/
    deliverable/
        run_backtest.py
    src/
        equally_weighted_portfolio.py
        mean_variance_portfolio.py
        minimum_variance_portfolio.py
        risk_parity_portoflio.py
    README.md

거래 전략 구성

각 모델은 해당 스크립트에 설정되어 있습니다.

동일 가중치 포트폴리오 (Equally weighted portfolio)

def equally_weighted_portfolio(ret):
    init_weights = [1 / len(ret.columns)] * len(ret.columns)
    opt_weights = init_weights
...

리스크 패리티 포트폴리오 (Risk parity portfolio)

def risk_parity_portfolio(ret):
    init_guess = 1 / ret.std()
    opt_weights = list(init_guess / init_guess.sum())
...

최소 분산 포트폴리오 (Minimum variance portfolio)

import numpy as np
from scipy.optimize import minimize

...

평균-분산 포트폴리오 (Mean-variance portfolio)

# 모듈 임포트
import numpy as np
from scipy.optimize import minimize
...

백테스트 설정 (Backtest configuration)

스크립트 ../deliverable/run_backtest.py에서 주요 변수를 변경하여 이상적인 자산 배분 및 전략을 찾을 수 있습니다.
변경할 수 있는 매개변수는 다음과 같습니다:

• 자산(Assets);
• 학습 세트 길이 (Length of the training set)

# 다음 매개변수들을 자유롭게 변경하세요:
tickers = []
months_training_set = 12 * 5

결과 (Results)

지원되는 버전 (Supported versions)

이 설정은 Python 3.8을 기준으로 테스트되었습니다.