기술 요약: 머신러닝 강화 다요인 정량적 거래

1. 문제 정의: 상류 오염

본 논문은 중국 A 주 시장용 정량적 거래 파이프라인에서 간과되기 쉬운 치명적인 결함인**상류 오염 (upstream contamination)**을 식별합니다.

A 주 시장에서는 일일 가격 제한 (메인 보드 ±10%, STAR/ChiNext ±20%) 으로 인해 가격 제한에 도달한 주식의 종가는 실행 불가능 (매수 미체결 주문이 체결되지 않음) 합니다. 업계 표준 관행은 전체 데이터셋에 대해 롤링 윈도우 요인 (이동 평균, 상관관계, 순위 등) 을 계산한 후, 집계된 데이터에서 거래 불가능한 주식을 필터링하는 것입니다.

저자들은 이러한 '사후 (post-hoc)' 필터링이 실패하는 이유는 롤링 윈도우 원시 연산이 이미 실행 불가능한 가격을 흡수했기 때문임을 입증합니다. 이러한 오염된 값은 전체 요인 체인을 통해 전파되어 '환상 알파 (phantom alpha)'를 생성합니다.

• 결과: 모델은 기계적으로 높은 수익률 (상한가 주식으로 인한) 을 예측하도록 학습되지만, 이는 거래가 불가능합니다.
• 영향: 실제 데이터에서 이 편향을 무시하면 apparent Information Coefficient (IC) 가 18% 과장되지만, 실현된 샤프 비율은 0.44 포인트 감소합니다. 이는 거래 불가능한 사건을 예측하는 전향적 편향 (look-ahead bias) 의 일종입니다.

2. 방법론: 마스크-퍼스트 아키텍처

핵심 기여는 데이터 로드 시 Boolean 거래 가능성 마스크 ($M \in \{0, 1\}^{T \times N}$) 를 생성하고 모든 계산 연산자에 스레드하는 "마스크-퍼스트 (mask-first)"디자인 패턴입니다. 어떤 윈도우도 거래 불가능한 가격을 읽지 않습니다.

A. 시스템 구성 요소

1. 마스크 인식 원시 연산 (GPU-벡터화):

   • torch.unfold 를 사용하여 GPU 에서 롤링 윈도우를 처리하는 18 개의 커스텀 PyTorch 원시 연산을 구현했습니다.
   • 속도: 표준 pandas 구현 대비 51 배 속도 향상을 달성했습니다 (A100 에서 3,000 개 주식, 213 개 요인 파이프라인 기준 10.6 초 vs 542 초).
   • 논리:
     • 순위 매기기: 정렬 전 마스크된 셀을 $+\infty$로 채워 마지막 순위로 만든 후 0 으로 설정합니다. 분모는 전체 주식 수가 아닌 유효 셀 수를 사용합니다.
     • 상관관계: 마스크된 피어슨 상관관계를 계산하며, 윈도우 내 어떤 셀이라도 마스크되면 출력을 신뢰할 수 없음으로 표시합니다.
     • EWMA: 마스크된 셀을 만나면 리셋하지 않고 이전 누적값을 유지하여 드리프트를 방지합니다.
   • 정밀도: 누적 오류를 피하기 위해 반복 기반 원시 연산에 float64를 사용합니다 (float32 에서 2,500 스텝 후 0.3% 상대 오류 관찰됨).

2. 요인 엔진:

   • 213 개 요인: 9 개 큐레이션된 Alpha101 공식과 A 주 미시구조 (VWAP 편차, 회전율 동역학, 가격 제한 이동 유동성 위기 등) 에 특화된 204 개의 레거시 요인으로 구성되었습니다.
   • 중립화: 모든 요인은 OLS 를 통해 산업 더미 (29 개 CSI 카테고리) 및 로그 시가총액에 대해 잔차化处理된 후, 횡단면 z-스코어링 전에 처리됩니다.

3. 머신러닝 학습:

   • 데이터셋: 양방향 필터링을 통해 특징 날짜 ($t$) 와 레이블 날짜 ($t+1$) 모두 거래 가능하도록 보장합니다.
   • 조정된 MSE 손실 함수: 방향 오류 (하락하는 주식을 매수) 가 크기 오류 (승리 거래의 규모 과소 평가) 보다 포트폴리오 매니저에게 더 큰 피해를 준다는 논리에 따라, 부호 오류를 크기 오류보다 11 배 더 가중치 있게 ($\gamma=0.1$) 처벌하는 커스텀 손실 함수입니다.
   • 아키텍처: 작은 MLP(44K 파라미터) 와 요인을 시퀀스 위치로 토큰화하는 Factor-axis Transformer(220K 파라미터) 를 테스트했습니다.
   • 데이터 증강: Block-Bootstrap GBM을 사용하여 합성 수익률 패널을 생성합니다. 이는 단거리 시계열 상관관계를 보존하고 손실 지형을 매끄럽게 하여, 특히 Transformer 의 치명적인 과적합을 방지하는 데 도움이 됩니다.

4. 포트폴리오 구성:

   • 최적화: 공분산 추정을 위한 Ledoit-Wolf 축소 (shrinkage) 가 적용된 평균 - 분산 최적화 (Markowitz).
   • 제약 조건: 롱만 (Long-only), 최대 포지션 3%, 위험 회피 계수 $\alpha=10$.
   • 효율성: cvxpy 를 사용하여 **웜스타트 캐싱 (warm-start caching)**을 적용, 문제의 반복적인 표준화를 방지하여 일일 해결 시간을 ~1.2 초에서 ~0.2 초로 단축했습니다.

3. 주요 결과

시스템은 합성 패널 (3,000 개 주식, 14 년) 과 독점적 실제 A 주 데이터 (2022–2024) 로 평가되었습니다.

제거 연구 (Ablation Studies)

논문은 각 구성 요소의 기여도를 분리하여 데이터 엔지니어링이 모델 복잡성보다 중요함을 밝혔습니다:

1. 마스크 계약: 단일 최대 기여 요인 (+0.44 샤프). 이를 제거하면 apparent IC 가 높아짐에도 불구하고 실현된 성과가 급격히 하락합니다.
2. 조정된 MSE 손실: 표준 MSE 대비 +0.27 샤프 추가.
3. GBM 증강: +0.19 샤프 추가.
4. Ledoit-Wolf 축소: +0.18 샤프 추가.
5. Transformer 아키텍처: MLP 대비 +0.12 샤프 추가.

인플레이션 조정 샤프 비율 (DSR): 다중 검정 (50 개 이상의 구성 시도) 을 보정한 후, 실제 데이터 샤프 1.63 에 대한 DSR 은 0.978로, 진정한 샤프가 0 을 초과할 확률이 97.8% 임을 나타냅니다.

4. 중요성과 주장

본 논문은 기여를 새로운 이론적 돌파구가 아닌, 금융 ML 의 특정 실패 모드를 해결하는 체계적인 엔지니어링 연구로 규정합니다.

• 이론보다 엔지니어링: 저자들은 "오해하기 쉬운 작은 구현 선택"(NaN 처리나 상한가 가격 처리 등) 이 보고된 샤프 비율을 전체 포인트 단위로 변동시킨다고 주장합니다. 채움 간격 미시구조 (fill-gap microstructure) 를 가진 시장 (A 주 등) 에서는 데이터 품질 엔지니어링이 알파의 원천으로서 모델 아키텍처보다 우세하다고 주장합니다.
• "마스크-퍼스트" 패턴: 논문은 편향 제거가 위생 단계가 아닌 1 차 성능 동인이라고 주장합니다. 마스크-퍼스트 접근법은 거래 불가능한 가격 (회로 차단기, 정지, T+1 제약 등) 이 있는 모든 시장에 적용 가능한 일반화 패턴으로 제시됩니다.
• 투명성: 저자들은 독점 데이터 없이 재현성을 허용하기 위해 전체 구현 (213 개 요인 엔진, 학습 루프, 최적화기, 백테스트, 합성 데이터 생성기) 을 MIT 라이선스로 명시적으로 공개합니다.
• 성과에 대한 정직함: 시스템은 euphoric 랠리 (예: 2024 년 9 월) 동안 상한가 주식을 올바르게 피하여 해당 기간 동안 시장 지수 대비 저조한 성과를 냅니다. 저자들은 이를 실패가 아닌, 거래 불가능한 수익을 예측하기를 거부하는 설계의 "정직한 비용"으로 규정합니다.

5. 인정된 한계

• 롱만 제약: A 주 공매도 제한으로 인해 시스템은 롱-숏 알파를 포착할 수 없습니다.
• 거래 비용: 5–8 bps 의 선형 비용 모델을 사용하며, 이는 볼록한 시장 영향력을 가진 대규모 포트폴리오에게는 낙관적입니다.
• 데이터 윈도우: 실제 데이터 테스트 기간 (2022–2024) 은 한 번의 약세장, 횡보장, 강세장을 포함하여 표준 요인 연구 윈도우보다 짧습니다.
• 분포 가정: GBM 증강은 로그정규 분포 수익률을 가정하여 꼬리 사건을 과소 대표할 수 있습니다.

본 논문은 "마스크-퍼스트"계약이 시스템 성공의 가장 중요한 요인임을 결론지으며, 정량적 거래에서 거래할 수 없는 것을 올바르게 모델링하는 것이 거래할 수 있는 것을 예측하는 것만큼 중요함을 입증합니다.