본문 바로가기

결론6

position sizing의 끝 -part2- 안녕하세요? 지난번 포스팅에서 다 마무리를 하지는 못 했는데, 아무튼 이번에는 포트폴리오 가치까지 살펴보고 나서 어떻게 position size를 최적화하고 나서, 어떤 매도/매수 룰을 대략 어떤 범위에서 선정할 것인가에 대해서 한번 생각을 해 보고자 합니다. 그 다음으로는 포트폴리오 에서 수익을 낸 종목에 대해서 이야기를 해 보고자 합니다. 일단 여기서는 중간에 30%에서 한번 꺾이는 듯한 구간이 있어 보입니다. 그리고 나서 포트폴리오 가치상으로 손해를 보는 양의 변화인데, 여기서는 어찌된 것인지 마치..... 제곱근의 그래프를 보는 듯 한 감이 듭니다. 아무튼 여기서 하나 확인할 수 있는 것으로는 바로, 30%를 넘어가서는 포트폴리오 가치상으로는 손해 감소가 그다지 크지 않다는 것 입니다. 그리고 나.. 2020. 8. 23.
ray를 이용한 다중 병렬처리(nested)의 최적화 -4- 안녕하세요? 지난번 포스팅에서 어떻게 얼치기로 그나마 좋은 ray의 조건을 건지기는 했지만, 이게 100% 정확하다고 말하기는 좀 무리가 있기는 있습니다. 일단 구름IDE가 정확하게 하드웨어 성능을 내어 주는 것이 아니라 대체적인 단계로 조정이 되기 때문에, 처리시간에 오차가 있습니다. 그래서 이를 보강하기 위해서 일단 10회 반복을 계속해서 해 보도록 하는 것 입니다. 먼저 위 스크린샷에서 나오는 것처럼 ray나 multiprocessing을 전혀 쓰지 않고서 그냥 작동을 하는 형식의 대조군 1번을 하나 만들어 주도록 합니다. 진짜로 이 대조군은 12회 1차 for loop에서 12번 돌고, 각각의 메서드는 또 12회씩 돌아서 총 144번을 모두 하나하나 다 돌아간다고 보면 됩니다. 그리고 나서 2번 .. 2020. 8. 2.
2라운드의 구글 코랩(google colab)작전 -작전종료- 안녕하세요? 이번 포스팅에서는 짧게나마 이렇게 해서 정말 오랫동안 이어져 왔던 구글 코랩에 관한 작전의 마무리를 짓고, 한번 결론을 내어 보고자 하는 시간을 가져 보고자 합니다. 일단, 결론부터 말하자면 이건 절반의 성공은 성공이라고 할 수 있겠습니다. 우선 구글 코랩에서 제 py파일을 어떻게 진행시키는 데는 성공시킬 수 있었습니다. 우선 이 구글 코랩에서 2종목을 테스트 하는데 걸린 시간이 어느정도 시간인지 알아보기 위해서, 이전에 전체 코스피 리스트의 1/3을 하는데 2일 이상이 걸린 소니 바이오에서 한번 작업을 돌려 봤습니다. 그런데 제 예상과는 다르게, 여기서도 2종목을 계산하는데 시간이 그렇게 걸리지 않은 것으로 나오는 것을 확인할 수 있었습니다. 이게 구글 코랩의 GPU가속으로 해서 36분 걸.. 2020. 7. 18.
Position Sizing을 위한 Risk를 조정한 결과 분석-14-conclusion 안녕하세요? 이번 포스팅에서는 드디어 마지막 남은 작업을 마무리 하고서, 어떻게 다음 실험을 진행할 것인지에 대해서 결론을 내리는 과정을 설명하고자 합니다. 이렇게 데이터를 얻기 위한 실험은 그렇게 오래 걸리지 않는데, 이를 분석하는 과정은 정말 힘들기는 힘듧니다. 먼저 작업을 하려고 하는 것은 이번엔느 2% 리스크를 감당했을 경우에 나온 손해를 가장 많이 본 종목에 대해서 한번 유의차 검정을 각 매도/매수 룰 별로 실행하고자 합니다. 이렇게 해서 유의차가 있게 나오는 규칙들이 하나하나씩 나오는 것을 확인할 수 있었습니다. 이렇게 다음의 작업을 하기 위해서 이제 결론을 내 보면.......... 다만 나오는 결과에 대해서는 그렇게 특별한 것이 없다는 것을 확이할 수 있었습니다. 이렇게 해서 이제 다음의 .. 2020. 6. 13.