퀀트 전략 업데이트 (4) : Supervised learning

쌓아왔던 퀀트 전략이 무너지고, 했던 걸 모두 다시 해야한다.

그동안의 시간이 의미없게 느껴지기도 하고, 잃어버린 것도 없이 무엇인가를 계속 찾아 헤매는 느낌이 들기도 했다.

 

나의 것이 아니었음을 받아들이고, 이미 지나왔던 길인데 다시 가는 것이 대수랴. 이번에는 더 잘할 수 있다.

그리고 시스템 트레이딩은 돈을 버는 것도 중요하지만, 나의 생각대로 동작하는 것이 핵심이라 생각한다.

 

좌절할 뻔 했지만, 고통의 단맛과 후회의 쓴맛을 알기에 다시 도전한다.

퀀트는 이 비둘기처럼 돌아가면 안 된다..

---

전략 설정에 필요한 데이터, 시스템은 구축했기에 적절한 전략으로 정답에 맞게 끌고 가야한다.

시스템 트레이딩의 장점은 백테스팅을 통해 무엇을 샀어야 했는지 내 돈을 안 넣고도 알 수 있다는 것이니 활용하도록 하자.

 

답지가 되어줄 매매내역이 필요하다.

AI를 활용하되 쌓아둔 DB 데이터 소스 연동, LLM을 활용한 적절한 전략 수립, 출처 표기를 통한 검증이 필요하다.

이번에도 chatGPT의 DeepResearch 기능을 활용해보려한다. 내 피 같은 20달러의 가치를 보여라 GPT.

 

1. QA

 

아래처럼 결과도 뱉어준다.

 

 

2. 검증

AI Hallucination을 체크하기 위해 세련된 방법을 고민하던 중 AI 툴은 사용하지 않기로 한다.

Hallucination을 확실히 체크하기 위해 AI Hallucination 리스크 없는 최첨단 수작업으로 해결한다.

트뷰를 켜서 일자별, 매매별 하나씩 체크한다.

 

+) 인포스탁에서 제공해주는 데일리 리포트를 보며 체크한다. 이건 코딩을 할 때 트레이딩 직관이 필요한 부분이라 추후에 체크하려 한다. ref) https://www.infostock.co.kr/Theme/DailyFeaturedTheme

 

 

방향성은 어느 정도 맞는 거 같은데, 수익률 싱크가 맞지 않거나 휴장일인데 제공되는 매매내역 등 틀린 부분이 있다.

GPT 기강을 다시 잡아본다.

 

 

음... 여전히 데이터 정확성이 확보되지 않지만, 처음 목표였던 테마와 주식 선정의 정답에 포커스를 두기로 한다.

맞지 않는 부분은 손으로 수정하고, 매수/매도 최적화는 이후에 할 일이다.

 

---

검증을 진행하는 중에 데이터를 하나하나 보니 문득 테마명이 이상하다.

너무 단순하다. 2달 동안 테마가 다양했던 국장을 생각하면 데이터 정확성에 또 의구심이 든다.

 

그래서 jupyter lab을 뜯어서 하나하나 체크해보니, 역시 맞지 않다.

LLM은 정답이 아닌 '그럴 듯 한' 답변을 뱉는 기계임을 잊지말자. 낚일 뻔했네..

 

결국 수작업으로 체크해야 하지만, notebookLM을 활용해 유튜브 컨텐츠를 소스로 활용하고

컨텍스트 내에서 Query를 하는 것은 좋은 접근 방법이었다. 그 덕에 주도테마 계산식을 합리적 방향으로 개선했다.