대전제 : 시장은 항상 적당한 가격으로 회귀한다
- 과매입 과매도를 이용하면 과매입상태일때팔고 과매도 상태일때 산다
- y_t+1 = 기술적 분석 + 인접 자산의 움직임 + 유동성 + etc...
- 기술적분석: 대부분 lagging이 많이 일어남 (골든,데드크로스) -> 결과론적이다
-> 선행성 지표를 찾는 것이 중요
-> 차트의 움직임을 분석하는 것은 시장의 공포와 희열을 수반한다
-> 패턴은 반복된다 모든 경우는 아니다
- 합리적이지 않은 시장은 투자자의 참여를 기대할 수 없다.
남들과 다른 분석 다른 방법으로 가격을 예측할 수 있어야한다.
- 다우이론
평균은 모든 것을 반영한다.
시장에는 동시에 세 가지의 변화추세가 존재한다. (단기, 중기, 장기)
가격추세에는 3가지 국면이 있다.(강세, 약세, 보합)
평균들은 상호 밀접히 연관되어 있다.
거래량은 시장가격추세변동의 유용한 정보를 제공한다.
일단 형성되어 있는 가격추세는 전환될 때까지 계속된다.
-> 향후 추세 추측에 어려움 현실에 기반함
-> 오실레이터 과매입 지표 활용
- 모든 이들이 같은 예측을 하는 순간 그 예측은 의미가 없어진다
-> 예측의 예측을 해야되는 수준까지 가야하는가?
- 거래량을 보고 매매를하는 것은 결과론적인 얘기다
장이 마감된 순간 다음날 거래량이 크게 올라 주가가 폭등할수도 있고 거래량이 하락해 주가가 폭락할 수도 있다.
결국 거래량을 예측해야한다. 당일 수급이 가파르게 올라간다면 그날의 상승과 하락 시그널의 확률을 좁힐 수 있다.
- 개미의 매입은 천천히 매도는 신속하게
- 공통적으로 기술적 분석은 차트에 대한 가정을 깔고 시작한다. -> 가정이 무너지면 소용이 없다는 뜻임
- 구체적인 지표(Technical Indicator)로서 크게 추세 추종적 지표(Trend Following Indicator)와 과매입, 과매도 지표(Overbought/Oversold Indicator)로 나뉘어질 수 있으며, 대부분의 과매입, 과매도 지표 중 그 기준으로 삼고 있는 개념이 바로 모멘텀(Momentum)이다.
- 볼린저밴드: 표준편차로 변동성을 측정하는 방법-> 분산이 크면 시장 확장으로 상승 가능성, 반대의 경우 하락 가능성->Bollinger Band는 일반 밴드 기법과는 달리 시장 가격의 변동성에 따라 채널의 폭을 증감시켜 시장의 흐름 및 지지선, 저항선을 판단하는 지표로 활용되므로 가격이 크게 움직이는 기간에서는 채널의 폭이 커지고 가격이 횡보할 때는 좁아지는 특성을 갖고 있다.
->이 지표는 MACD, DMI와 함께 보면 아주 유용하게 사용 할 수 있는데 가격이 일단 상향밴드를 치면서 MACD가 시그널 라인을 돌파, DMI 지표인 PDI가 MDI를 치면서 양의 값을 가질 때 진정한 매수 신호로 인식할 수 있다.
- 스토캐스틱
->고점에서 종가를 찍을때, 저점에서 종가를찍을 때 상승과 하락의 힘이 약해진다는 시그널이다
-> %K가 100에 가까우면 상승 힘이 하락하고 0에 가까워지면 하락 힘이 약해진다.

-> 그러나 변화율지수(ROC)등에서 발생하는 이상 변동(인디케이터가 급격히 상승 또는 하락하는 경우)의 문제점이 발생하므로 인디케이터의 흐름이 크게 왜곡되는 현상이 나타날 수도 있다. 죠지 레인은 이 지표를 발표할 때 최적기간을 5일이 가장 효과적이라 했지만 이 역시 한국시장에선 다시 재검증 받아야만 한다. 실제로 분석대상, 시기마다 최적의 값이 달라지는 경우가 있기 때문이다.
-오실리에이터
->단기 ADI 이동평균에 장기 ADI 이동평균을 빼서 오실레이터화 한 지표이다. 이 지표는 가격이 상승하기 전에 거래량이 먼저 상승한다는 것을 전제로 만들어졌으며 오실레이터화 해서 보다 빠르게 신호가 나타난다.
*ADI : 종가가 그날 고가에 가까울수록 더 많은 거래량이 누적되며, 종가가 그날 저가에 가까울수록 그날의 거래량은 누적된 거래량에서 차감된다. 만약 종가가 그날 고가와 저가의 정중앙에 있을 경우 그날의 거래량은 무시한다.

-나름의 통찰

- B이전의 전저점이 깨질때 C의 전 저점이 깨질 때 D의 전 저점이 깨질때 공포는 다를 것이다.
높은 확률로 D에서의 공포감이 가장 클 것이다. 상승 추세의 길이와 비례해서 개인 투자자의 유입이 가장 많기 때문
-기계학습은 금융과 어떤 궁합을 보이는가?
금융과 딥러닝의 결합은 실패하기가 너무나 쉽다.
왜냐하면 term이 길어질수록 지난 데이터에서 상승과 하락을 맞출 수 있는 확률이 적어진다.
예를들면 1930년대 대공황에서 보였던 패턴이 미래에 다시 일어나는지,
일어난다면 똑같은 움직임을 보이는지 등의 예측을 하기가 매우 까다롭다는 것이다.
이를 심층적으로 들여다보면, 여러 변수들이 참여할 기간이 많아질수록 비정상성이 더 심해지기 때문이라고 볼 수 있다.
반대의 케이스는 단타인데, 매매의 간격이 짧기 때문에 장투보다 외생 변수(노이즈)들이
끼어들어올 기회 자체가 별로 없어서 이러한 경우는 기계학습이 조금 더 효율적이다.
-어떤 모델을 만들어야 하는가?
상품의 목적을 구체화할 필요가 있을 것 같다.
장타와 단타의 투자 방법과 고려해야할 factor가 아예 다르기 때문에 무엇을 위한 트레이딩 시스템을 만들지 정해야한다.
장타로 간다면 Macro, Quality(재무구조와 수익성), high- Dividend(고배당), 기술적 장기지표 등을 Factor로 삼을 수 있다.
단타로 간다면 선행성 지표(ADI, Momentum, Volumn)를 중심으로 차트 매매의 알고리즘을 적용하는것과 투자심리 등을 반영하는 방법을 택할 수 있다.
차트를 기반으로 매매를 하는 것은 복잡한 딥러닝이 아니라 추세와 거래량의 분산 등을 이용한 간단한 수식 알고리즘으로구현하는 것이 더 효율적일수 있다. 딥러닝을 접목하기에는 데이터가 부족하며 접목한다면 굉장히 고품질의 데이터를 수집하고 생성해내야 제대로 된 분석이 가능할 것이다.