Python03 기술적투자02 MACD전략

CAP02 에서 주식 벡테스팅 라이브러리인 Finterstella 에 관한 간단한 소개와 사용법을 했다. 이번 포스트는 Finterstella를 이용한 첫 번째 기술적 투자 전략, Moving Average Convergence Divergence (MACD)이다. CAP01에서 소개한 이동평균선 (MA)을 이용한 전략이다. 한 가지 다른 점은 기본적인 MA가 아닌 지수 이동 평균선 (EMA)을 이용한다는 것이다. EMA는 MA와 다르게 현재에 가까운 값일수록 가중치를 부여한다. 자세한 설명은 investopedia link를 참조하겠다. https://www.investopedia.com/ask/answers/122314/what-exponential-moving-average-ema-formula-and-how-ema-calculated.asp

How Is the Exponential Moving Average (EMA) Formula Calculated?

!pip install finterstellar import finterstellar as fs

이제 시작해보겠다. 라이브러리를 설치하고 import 한다

def get_data(stock,start,end): df = fs.get_price(stock,start_date=start,end_date=end) fs.draw_chart(df,right=stock) return df df = get_data('SBUX','2020-01-01','2021-10-23')

주식 데이터를 가져오는 get_data 함수를 정의하고, 스타벅스 2020-01-01부터 2021-10-23까지 종가를 불러와보겠다.

스타벅스 주식 데이터프레임

dataframe을 확인하면 위와 같이 날짜를 index로 하고 SBUX 칼럼에 가격 데이터가 들어가 있다.
이제 MACD 전략을 설명하겠다.

• MACD = EMA(short) - EMA(Long)
• MACD signal = EMA(MACD,9)
• MACD oscillator = MACD - MACD signal

MACD 란 짧은 EMA에서 긴 EMA를 뺀 것이다. 이 값이 양수이면 현재 상승추세임을 의미하고 하락이면 하락 추세임을 의미한다. MACD signal 은 MACD를 다시 9일 EMA로 스무딩 한 것이다. MACD oscillator는 MACD에서 MACD signal을 뺀 값이다. 우린 MACD oscillator 가 양수이면 매수, 음수이면 매도하는 전략을 사용할 것이다. 지금 강력하게 오르고있는 것은 계속 오를것이다, 내리고 있는것은 내릴 것이다로 가정하는 것이므로 기본적으로 추세에 배팅하는 모멘텀 전략인셈이다. 아래 그림을 보면 좀 더 이해가 편하다.

MACD 전략설명. 출처:https://altfins.com/knowledge-base/macd-line-and-macd-signal-line/

 

fs.macd(df)

macd 정보를 dataframe 에 불러온 모습

Finterstella 내부에 이미 macd 함수가 내장되어있어서, 위와 같은 코드 한 줄로 macd 값을 가져올 수 있다. EMA(short), EMA(Long), Signal(term)의 기본 세팅은 12,26,9 일이다. MACD가 만들어진 시점이 주6일제라서 그런것이다. https://money.stackexchange.com/questions/22461/rationale-behind-using-12-26-and-9-to-calculate-macd

fs.draw_chart(df,right=['macd','macd_signal','macd_oscillator'])

macd정보를 시각화

fs.draw_chart를 이용해서 macd, macd_signal, macd_oscillator를 그려봤다. 초록색이 양수이면 long 음수이면 short하는 게 우리의 전략이다. 이제 전략을 만들어보자!

fs.indicator_to_signal(df, factor='macd_oscillator',buy=0,sell=0) df

fs.indicator_to_signal로 buy/sell trading signal을 만들 수 있다. factor는 macd_oscillator 고되고, buy sell을 각각 0으로 세팅하면, 기본적으로 양수는 long 음수는 short을 하게 된다.

Trde signal을 dataframe에 불러온 모습

dataframe을 확인해보면 trade 란 칼럼이 새로 생긴 것을 볼 수 있다. zero 면 hold buy는 long sell 은 short를 뜻한다.

fs.position(df) fs.draw_chart(df, right='position_chart',left='macd_oscillator')

이제 트레이딩 signal에 따른 주식 보유 상태 (position)을 산출한다. 말로 하면 헷갈리니 포지션 차트와 macd_oscillator를 한 번에 시각화해보겠다.

포지션(오른쪽): 1매수포지션 0매도포지션, macd_oscillaotr(왼쪽) ocillaotr 가 양수이면 매수포지션(1) 음수이면 매도 포지션(0)을 뜻한다.

주가가 요동쳐서 그런지 트레이딩을 참 많이 했다. Position 차트는 단순 1,0의 값만 가지며(오른쪽 axis) 1 이면 보유 상태, 0 이면 보유하지 않은 상태로 볼 수 있다. 여기서 조금 헷갈리는 게 있다. 만약 한 주씩 Long Long Long Short을 했다면 마지막 short에서는 가진 주식을 다 파는가?? 내 생각엔 1주만 팔 것 같은데 이것은 좀 더 찾아보겠다. (혹시 알고 계신 분 있으면 댓글 부탁합니다^^)

fs.evaluate(df,cost=.001) # cost: 매매비용 fs.performance(df,rf_rate=.01) # rf_rate: 무위험이자율 fs.draw_trade_results(df)

마지막으로 해당 전략을 평가해보겠다.

• fs.evaluate 함수로 dataframe 안에 각종 평가 지표 칼럼을 집어넣는다. (cost 에는 매매비용 % 를 넣는다)
• fs.performance로 성과지표 요약을 출력할 수 있다. (rf_rate는 무위험 이자 % 를 넣는다)
• fs.draw_trade_results로 수익률을 시각화할 수 있다.

 

전략평가 지표 출력(위) 와 수익률 시각화 왼쪽: 수익률, 오른쪽: 스타벅스 주가

• CAGR: 3.43% 연평균 수익률이 3.43%이다. 물가보단 높다...
• Accumulated return: 6.27% 투자 기간 동안 누적 수익률이다.
• Average return: 0.30% 건별 수익률을 0.3%이다.
• Benchmark return : 28.20% 개별종목일 경우 buy and hold 수익률을 뜻한다. MACD의 4배가 넘는다.
• Number of trades: 20 트레이딩 횟수이다
• Number of win: 8 트레이딩 중에 수익이 난 경우이다
• Hit ratio: 40.00% win/number of trade
• Investment period: 1.8 yrs
• Sharpe ratio: 0.09 샤프지수 (https://www.investopedia.com/terms/s/sharperatio.asp)
• MDD: -16.54% 최대 낙폭이다
• Benchmark MDD: -39.91% 벤치마크 최대 낙폭이다

누적 6.27%를 먹었고, 벤치마크 MDD 보다 적은 MDD를 보였다. 하지만 buy and hold 가 4배 잘 나온 거를 보면 뭔가 좀 아쉬워 보인다.

개별 주 말고 미국 시장 전체를 대표하는 S&P 지수에 같은 전략을 적용하면 어떨까? 현실적으로 모든 종목을 매수하지는 못하니, SPY라는 S&P 지수를 따라 하는 ETF를 가져와서 시뮬레이션해보겠다.

df = get_data('SPY','2020-01-01','2021-10-23') fs.macd(df) fs.indicator_to_signal(df, factor='macd_oscillator',buy=0,sell=0) fs.position(df) fs.draw_chart(df, right='position_chart',left='macd_oscillator') fs.evaluate(df,cost=.001) fs.performance(df,rf_rate=.01) fs.draw_trade_results(df)

지금까지 모든 코드를 한 블록에 써보았다.

S&P 지수를 따르는 ETF인 SPY에 MACD전략을 사용할 때 수익률, 2020.01-2021.10

• CAGR: 11.37%
• Accumulated return: 21.46%
• Average return: 0.80%
• Benchmark return : 39.48%
• Number of trades: 22
• Number of win: 10
• Hit ratio: 45.45%
• Investment period: 1.8 yrs
• Sharpe ratio: 0.62
• MDD: -11.22%
• Benchmark MDD: -34.10%

생각보다 나쁘진 않다? 벤치마킹보다 MDD 방어도 잘한다. 그렇다면 코로나 이전도 해보자. 2018-01 - 2020-01까지 결과이다.

S&P 지수를 따르는 ETF인 SPY에 MACD전략을 사용할 때 수익률, 2018.01-2020.01

• CAGR: 5.84%
• Accumulated return: 11.98%
• Average return: 0.52%
• Benchmark return : 19.75%
• Number of trades: 22
• Number of win: 10
• Hit ratio: 45.45%
• Investment period: 2.0 yrs
• Sharpe ratio: 0.49
• MDD: -10.10%
• Benchmark MDD: -20.18%

이번에도 나쁘진 않다. 신기하게도 이렇게 차트만 보고 투자하는 전략이 S&P에 대해서 어느 정도의 수익을 보장해준다. 개인적인 해석을 덧붙인다면 개별주의 경우 회사에 관한 이슈가 주가에 영향을 많이 미치기 때문에 단순히 가격 데이터만 보고 투자를 하는것에는 무리가 있어보인다.  하지만 여러 주식이 합쳐져 한 나라의 경제 지표를 대변하는 S&P 등의 Index 일 경우에는 글로벌한 이슈를 제외하면 어느정도 추세라는게 존재하고, 기술적 전략을 잘 쓰면 가능하지 않을까 라는 기대를 해본다. 시장은 완벽히 효율적이지는 않지만 큰 수의법칙에서는 어느정도는 효율적이다 라고 생각해보았다.

 

*Referece
http://www.kyobobook.co.kr/product/detailViewKor.laf?ejkGb=KOR&mallGb=KOR&barcode=9791162244753#N)

미국 주식으로 시작하는 슬기로운 퀀트투자 - 교보문고