데이터가 인사이트로 변화하는 과정

데이터는 어느 투자 과정에서도 필요한데 관찰된 관계(상관관계, 패턴, 평균 회귀 등)는 언제 유용한 인사이트가 되는 걸까?

수천 개의 소액 거래와 잦은 매매로 이루어진 포트폴리오에서는 통계적으로 신뢰성이 있으면 됩니다.

기계는 대량의 정보를 처리하는 것에서 독보적입니다. 대량의 데이터를 훑어볼 수 있어 인간 분석가들을 쉽게 능가하고 일 처리의 정밀함과 일관성으로 발견하는 모든 것은 정해진 통계적 신뢰도 기준을 충족합니다.

하지만 일반적인 일임형 포트폴리오에서는 이걸로 충분하지 않습니다. 대부분의 일반 투자자는 포트폴리오에 겨우 15건의 거래밖에 없고, 그 반은 그 이하를 갖고 있다. 고려해야 할 요소가 너무 많아 이런 투자자들에게 통계적 유의성이 트리거로 충분하지 않습니다.

그렇다면 기계는 투자 일임 계약에 적합한 것일까?

사람과 기계의 콜라보레이션

토글의 AI는 수십억 개의 데이터를 조사해 새로운 패턴과 관계를 발견하기 위해 최선을 다합니다. 하지만 새로운 거래 전에 통계적 유의성과 논리적으로 올바른 것, 즉 (90% 확률로) A라면 B만으로 될까요?

토글은 「A 종목의 모멘텀이 강하면, 그 후 X개월간 시장을 능가한다」 라는 패턴을 발견한 후에 그 관계성을 다양한 기준에서 검증합니다. 기계적으로 발견된 정보를 일반적으로 투자일임이 수행하는 직관적 검사에 충족시키기 위한 것입니다.

정확도

“전에도 비슷한 일을 본 적이 있었나? 그랬다면 어떻게 됐었지?” 재량 투자자는 유추에 의지하고 개인 투자 경험을 통해 판단을 내립니다. 일어나는 사건의 연속이 익숙하다는 것을 느끼면 그 사건들이 과거에 얼마나 일관되게 자산 가격을 움직였는지에 따라 다르게 행동합니다.

토글은 이것과 유사한 사고방식을 가지고 있습니다. 인간 분석가가 제일 먼저 확인할 정확성으로 분석을 시작합니다: 관계가 얼마나 자주 결과를 예상했는지, 즉, A가 일어났을 때, 그 후 B가 일어나는 것이 얼마나 자주 있었던 것인지?

토글 AI는 샘플 내 테스트와 샘플 외부 테스트를 모두 수행합니다. 내부 샘플 테스트에서는 “이것이 과거에 얼마나 자주 맞았는지"를 고려하고 샘플 외부 테스트는 좀 더 복잡해집니다. 예를 들어, 어느 관계가 과거에 8회 관측되었다고 가정합시다. 먼저 토글은 첫 세 번의 관계로 제한해서 네 번째 관계에 대해 예측하고 실제 결과와 비교합니다. 그런 다음 5번째 관계에는 첫 4회만을 이용해서 이것을 반복합니다. 이런 방법으로 테스트하면 관계의 예측력이 강해지고 당시 알려지지 않았던 정보로 판단을 치우치게 하지 않아요.

위험(리스크)-보상(리워드)

투자 과정의 핵심은 거래로 인한 위험(리스크)에 대해 얼마나 많은 이익 (수익)을 기대할 수 있는지 보는 것입니다. 리스크에는 다양한 형태가 있지만, 종종 투자자는 다음 두 가지 점에 주목합니다: 내가 틀릴 가능성은 얼마나 될까? 만약 내가 맞는다면 그 길은 얼마나 험한가?

여기서 후자가 더 중요합니다. 왜냐하면 결과적으로 논문이 옳다고 증명을 했더라도 투자자에게는 불안정한 경로는 너무나도 어렵고 손실을 견디지 못하고 잘못된 타이밍에 판매 할 수 있기 때문입니다. 포트폴리오 관리에서는 이것을 파악하는 지표로 드로우다운 비율(카르마 비율)이 있습니다.

토글은 투자자가 패턴이 거래를 정당화하기에 충분한 설득력이 있는지를 평가하는 데에 도움을 줍니다: 1) 과거의 이상치를 측정 - 주장이 틀렸을 경우 얼마나 잃었을 것인지 2) 도중에 수익률 분포는 어땠는지 - 자산의 경로가 얼마나 고통스러웠는지

패턴의 안정성

또 다른 의문이 듭니다 "그 관계는 특정 기간에만 성립되는 건가?” (금융 위기, 연준의 계약 사이클 등). 토글은 경기순환 전반에 걸쳐 관계가 강건한지 특정 배경에 의존하지 않는지 확인하기 위해 테스트를 합니다.

규칙성

거래의 또 다른 특성은 규칙성입니다. 어떤 패턴이 어느 정도 규칙적으로 (예: 몇 개월마다) 발생하면 특정 시장 환경 (예 : 대금융 위기) 때와 같이 알려지지 않은 시스템 변수가 관계를 일으킬 수 있다는 걱정은 적어집니다.

확고한 통찰력은 이러한 기준을 모두 충족할 필요는 없지만... 더 많은 기준을 충족할수록 더 설득력이 있으며 투자자가 의사 결정 프레임워크에 통찰력을 포함하는 것이 더 설득력이 있습니다.

요약

임의적 투자자는 일반적으로 유사한 "바람직함" 척도에 따라 가능한 한 높은 점수를 받은 아이디어를 배포하려고 합니다.

토글에서 우리는 이 접근 방식을 지지하고 사용자가 이 프레임워크에서 아이디어를 평가할 수 있도록 간결한 등급을 만들었습니다. 모든 아이디어는 "별" 순위를 획득하며 가장 좋은 아이디어는 별 8개의 전체 순위에 도달합니다.