기술적 vs. 펀더멘털 분석 영역이 양분된 한국 시장
코스피 지수 역사는 [1]1983년부터다. 지난 40년 간 시장 참여자들은 코스피 수익률보다 우월한 수익을 달성하기 위해 많은 전략들을 고안해왔다. 주가를 예측하기 위한 다양한 이론과 전략들이 존재하나 이들의 근간을 이루는 분석 이론은 두 가지다. 기술적 분석과 펀더멘털 분석이다.
기술적 분석은 주식 시장의 과거 데이터 패턴을 분석해 미래 가격을 예측한다. 현재 주가에 모든 기업 정보가 반영됐다는 가정 하의 정량적 분석 방식이다. 예측 가능성을 높이기 위해서는 최대한 많은 양의 과거 데이터가 필요하다. 주가, 거래량, 차트 등 주식시장 데이터들과 재무제표 상의 수치들을 활용한다. 방대한 양의 과거 데이터를 수만가지 경우의 수로 조합하므로 사람보다 머신러닝 기술을 적용하는게 더 좋은 성과를 만든다.
기업 혹은 산업에 대한 분석은 배제하므로 금융시장 전문지식보다는 수학, 컴퓨터 과학 기반의 알고리즘 전문성이 더 중요하다. 현재 국내 시스템 트레이딩이나 로보어드바이저 서비스들이 주가를 예측하는 방법론도 기술적 분석에 기반한다.
펀더멘털 분석은 기업 내재 가치를 판단해 미래 주가를 예측한다. 기업은 매일 영업활동을 하는 “생물”이므로 과거 주가 혹은 영업활동 패턴이 미래에 그대로 반복되지 않는다는 가정이다. 기업 탐방을 통한 IR 정보나 국가/산업 통계, 금리/환율과 같은 거시 경제 지표들을 주로 활용한다.
취급 데이터 양이 방대하지 않으며 기업 내재 가치를 분석하는 정성적 판단과 전문성이 성과를 좌우한다. 머신러닝보다 사람의 인사이트에 기반한 분석 방식이다. 국내 증권사 애널리스트와 펀드 매니저들이 주가를 예측하는 방식은 펀더멘털 분석에 기반한다.
83년 1월 4일, KOSPI 지수 100pt(100pt의 기준은 1980년 1월)로 시작했다. ↩︎
기술적 vs. 펀더멘털 경계가 모호해진 해외 시장
기술적 분석과 펀더멘털 분석 영역이 명확하게 양분된 한국 금융시장과 달리, 미국을 필두로 한 해외 금융시장에서는 분석 영역의 경계가 허물어지고 있다. 대체 데이터를 주식 운용에 접목하고자 하는 수요와 기술이 빠르게 성장한 결과다.
대체 데이터를 주식 운용에 접목하기 위해, 1)기술적 분석 영역에서는 산업/기업 분석 전문 지식, 2)펀더멘털 분석 영역에서는 컴퓨터 과학과 데이터 알고리즘 처리 인프라를 구축/개발하고 있다.
기술적 분석 영역에서는 누구나 접근 가능한 공공 데이터에만 의존해 수익률 알파를 창출하는데 한계에 도달했다. 다수의 시장 참여자들이 유사한 데이터를 활용한 유사한 알고리즘들을 사용하면서 알고리즘이 창출하는 수익률 알파 가치가 급격히 떨어졌기 때문이다. 경쟁 우위를 확보하기 위한 데이터 차별화 수요가 빠르게 늘어났고, 다양한 비전통 데이터(대체 데이터)들을 알고리즘에 활용하기 시작했다.
기업과 산업 분석을 배제하는 기존 기술적 분석 방식으로는 대체 데이터를 효율적으로 접목하기 어렵다. 금융 투자 목적의 대체 데이터 시장이 기업 영업 활동 추정에 특화된 형태로 발전하고 있기 때문이다. 기업과 산업에 대한 기본적 이해를 바탕으로 데이터의 시그널을 해석하는 과정이 필요해졌다. 동일한 알고리즘을 전체 기업군에 획일적으로 적용하던 기존 방식에서, 개별 기업마다 각기 다른 데이터 알고리즘을 적용하는 Bottom-up 분석 방식으로 기술적 분석 영역이 진화하고 있다.
펀더멘털 분석 영역에서는 기업 내재 가치에 대한 정보 우위를 선점하기 위해 대체 데이터를 도입한다. 공공 데이터에와 접목해 더 정확하고 신속하게 기업 내재 가치에 대한 정보를 취득할 수 있기 때문이다. 분석한 정보를 토대로 시장 참여자들보다 먼저 주가 움직임을 예측하고 대응할 수 있다.
펀더멘털 분석 방법 또한 기존의 분석 방식만 고수해서는 대체 데이터를 접목하기 어렵다. 취급하는 데이터의 양 자체가 압도적으로 많아졌고 데이터 형태도 제 각각(정형/비정형)이므로 데이터 처리 공정(수집-가공-맵핑-백테스트 등)을 위한 인프라 구축이 반드시 필요하다.
데이터 처리 인프라가 구축되면 수익률 알파를 극대화하기위한 알고리즘 개발이 필요하다. 방대한 양의 데이터를 수만가지 조합으로 분석하는 작업이라는 점에서 기존 기술적 분석 영역의 방법론과 유사하다. 기존 정성적 인사이트 기반의 기업 가치 분석 방식이 데이터 시스템 기반 펀더멘털 분석 방식으로 진화하고 있는 것이다.
한국 금융시장에서의 솔루션퀀트
솔루션퀀트는 한국 최초로 대체 데이터를 접목한 펀더멘털 분석과 알고리즘 운용 방식을 도입했다. 기존 공공 데이터들과 한국 상장 기업 설명력이 높은 다양한 대체 데이터들을 접목한다. 수출 산업 비중이 높은 한국 증시 특성 상 무역통관데이터의 활용도가 가장 높으며 그 밖에 신용카드 결제, 면세점 판매, 글로벌 특허, ESG, 뉴스, SNS 데이터 등을 종합적으로 활용한다.
대체 데이터를 접목한 VOYDA(Voyage to data) 알고리즘을 통해 기업 내재 가치 정보를 신속하게 파악하고 현재 시장의 컨센서스 및 주가를 분석해 매매 의사 결정을 내린다. 다양한 소스의 데이터 업데이트 주기를 반영, 월간 30~50여개 종목을 리밸런싱한다. 매매 과정에서 주관적 판단은 배제되며 100% 알고리즘 기반의 포트폴리오를 운용하고 있다.
데이터 기술 발전으로 모든 산업의 생산성이 획기적으로 개선되고 있다. 글로벌 금융 시장에서는 운용 효율성과 성과 혁신을 위해 대체 데이터 접목 기술 경쟁이 한창이다. 데이터와 컴퓨팅 기술을 접목해 주식 운용 방식과 성과를 혁신하고자 하는 노력은 피할 수 없는 메가 트렌드다.
한국 주식 운용 산업이 발전해 나가야 할 방향성과 아이디어도 명확해졌다. 아이디어를 실천으로 옮기기 위해서는 수많은 사람들의 노력, 시간 그리고 자본 투자가 필요하다. 한국 금융시장에서는 아직도 생소한, 아무도 가지 않은 길, 하지만 누군가는 반드시 도전하고 이뤄내야 하는 길에 솔루션퀀트가 첫 발을 내딛었다.
