알고리즘 트레이딩

마지막 업데이트: 2022년 2월 21일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
조규희 기자 [email protected]

Archive

[Algorithmic Trading] Algorithmic Trading Overview | 알고리즘 트레이딩 개요 본문

[Algorithmic Trading] Algorithmic Trading Overview | 알고리즘 트레이딩 개요

Algorithmic Trading Overview

- System Trading, Algo Trading, Blockbox Trading이라고도 불린다.
- 사람이 아닌, 프로그램에 의해 진행되는 거래를 의미한다.
- 일반적으로, 증권시장에서 거래하는 "외국인"은 외국 사람이 아닌,
기관이나 헤지펀드에서 사용하는 알고리즘 트레이딩 프로그램인 경우가 대부분이다.
- 2012년 미국에서는 알고리즘 트레이딩 프로그램에 의한 거래가 `전체 거래의 85%를 차지할 정도로 일반화되었다.
- William M. Grove와 David H. Zald등이 작성한 에 의하면,
증권시장에서 수학적 모델이 사람과 비슷하거나, 사람보다 더 좋은 결과를 도출할 확률이 94%임을 확인했다.
- 알고리즘 트레이딩의 최강점으로 빠른 속도와 무감정이 있다.
- 주가 변화에 빠르게 대처하여 HFT(High Frequency Trading; 고빈도 매매)를 통해 수익을 창출할 수 있고,
사람과 달리 감정이 없어 합리적 판단을 통한 투자가 가능하다.
- 알고리즘 트레이딩으로 인해 비정상적인 많은 거래가 발생되어 시장의 교란이 발생되는 등 부정적인 면도 존재한다.
(Momentum을 이용한 모델들이 동시에 매도를 결정하게 되면, 해당 종목의 주가가 폭락하는 일이 발생한다.)

- 주식시장은 쉽게 데이터를 얻을 수 있고, 데이터들의 신뢰도가 높으며, 예측이 어렵다는 특징으로 인해
머신러닝 기술의 전체 흐름을 경험할 수 있게 하는 최적의 도메인 중 하나라 할 수 있다.

History of Algorithmic Trading (알고리즘 트레이딩의 역사)

- 아래는, 알고리즘 트레이딩의 발전의 중심에 있었던 인물들이다.

Edward Thorp (에드워드 소프)
- 알고리즘 트레이딩의 1세대
- 월스트리트에서 최초로 수학과 IT 시스템을 이용해 펀드를 운영했다.
- 1970년부터 1998년까지 투자회사 Princeton Newport Partners를 운영하며
단 한 번의 손실 없이 연평균 20% 수익률을 냈다.
- Kelly Criterion (켈리 방정식)의 신봉자로, 켈리 방정식로 인해 성공적인 펀드 운영이 가능했다 주장하고 있다.
- Statistical Arbitrage(통계적 차익거래)에 기반을 둔 알고리즘 트레이딩 시스템을 주로 활용했다.

* Spread (스프레드; 차이)
- 은행) 대출 시, 덧붙여지는 금리 (스프레드 = 가산금리)
- 채권) 잔존 만기의 차이에 따른 채권 수익률의 차이
- 주식) 매도·매수 가격의 차이, 특정기간중 특정주식의 최저가·최고가의 차이
- 주식인수) 증권 발행자가 받는 금액과 투자자가 지불하는 가격의 차이

* Arbitrage (차익거래)
- 동일 상품이 지역에 따라 가격이 다를 때, 이를 매매하여 차익을 얻으려는 방법이다.

* Statistical Arbitrage (통계적 차익거래)
- 알고리즘 트레이딩 상관관계가 깊은 주식을 선택하고, Spread(매매가 차이)를 통계적으로 분석해
적절한 Hedge(헤지) 전략을 수립하여 주식을 매매하는 방법이다.
- Pairs Trading(페어트레이딩)이 대표적인 통계적 차익거래에 속한다.

James Harris Simons (제임스 해리스 사이먼스)
- 헤지펀드사 Renaissance Technologies의 설립자
- 금융지식보다 수학과 IT기술을 중시하였다.
- Trend Following(추세 추종) 기반 알고리즘 트레이딩 모델을 사용한 것으로 알려져 있다.

* Trend Following (추세 추종)
- 긴 흐름의 추세가 시작되면 이를 파악하여 상승 흐름에 올라타는 것을 목표로 한다.
- 오랜기간 사용된 모델로, 수학적 이론이 잘 정리되어 있어 널리 사용되고 있다.

Kenneth C. Griffin (케네스 그리핀)
- 전환사채에 대한 아이디어를 얻어, 합자회사 Convertible Hedge Fund #1를 시작했다.
- 또한, 헤지펀드 Citadel의 설립자이기도 한데, Citadel은 가장 성공한 헤지펀드라 평가받고 있다.
- Citadel은 IT 기술을 적극적으로 활용하여,
모델의 개발, 검증, 실제 거래에 까지 많은 과정을 자동화했고, HFT 영역을 개척했다는 평을 받고 있다.

EDA (Explonatory Data Analysis; 데이터 탐색 분석)

- 데이터에 대한 이해와 특성을 파악하는 작업을 지칭한다.
- 일반적으로, 머신러닝 기술을 이용해 프로그램을 작성하는 데,
머신러닝 알고리즘이 차지하는 비중보다는 EDA가 훨씬 중요한 포지션을 차지한다.
- 확률과 통계에 대한 수학적 지식을 기반으로 한다.

Algorithmic Trading Models (알고리즘 트레이딩 모델)

- 알고리즘 트레이딩에 사용되는 모델은 매우 다양하며 지금도 계속 개발되고 있다.
(Mean Reversion, Interday Momentum, Trend Following, Index Fund Rebalancing 등)
- Alpha Model(알파 모델)은 시장에서 평균보다 월등히 높은 수익을 내는 모델을 의미하고,
Beta Model(베타 모델)은 시장 평균 전후를 웃도는 수익을 내는 모델을 의미한다.
- 알고리즘 트레이딩에서 "모델"은 통상 알파 모델을 지칭하는 것이며,
이에 대한 접근 방법으로는 Theory Driven과 Data Driven 방식이 있다.

Theory-Driven Approach = Top-Down Approach
- 어떤 트레이딩 모델을 가정하고, 해당 모델의 맞고 틀림을 검증하여 알파 모델로 완성해 나가는 방법이다.
- Mean Reversion(평균 회귀)은 대표적인 Theory-Driven Approach의 모델이다.

* Mean Reversion Model (평균 회귀 모델) (URL)

[Algorithmic Trading] Mean Reversion Model | 평균 회귀 모델

Mean Reversion Model 평균 회귀 모델 - 알고리즘 트레이딩에서 널리 활용되는 모델 중 하나이다. Mean Reversion (평균 회귀) - 시계열 데이터는 과거 평균값으로 회귀하려는 경향이 있다. - 정규분포를 따

Data-Driven Approach = Bottom-Up Approach
- 데이터 분석을 통해 패턴을 찾아 이를 알파 모델로 구현해 나가는 방법이다.
- 가설, 이론적 배경 없이 데이터를 분석하며 지식을 쌓아나가는 방법이다.
- 인간 게놈 프로젝트가 데이터 중심 접근법으로 진행되었다.

Time Decay Effect (시간가치 감소 효과)

- 시간이 지날수록 알파 모델이 처음에 가졌던 Edge(우위)가 퇴색되어가는 효과를 지칭한다.
- 높은 수익을 창출하는 알파 모델 개발에 성공했더라도, 지속적인 수익 창출을 위해서는
주기적인 테스트와 튜닝이 필수적이다.

시간가치 감소 효과의 발생 원인

1. 알고리즘 트레이딩의 일반화
- 많은 금융기관, 헤지펀드에서 알고리즘 트레이딩을 사용함으로써
나의 알파모델이 다른 알고리즘 트레이딩 시스템에 희석되거나,
Edge(우위)를 지속해서 선점하기 어려워졌다.
- HFT(High-Frequency Trading; 고빈도매매, 알고리즘 트레이딩 알고리즘 트레이딩 극초단타매매)가 인기를 얻고 있는 이유도 여기에 있다.

2. 표류하는 랜덤워크 모델을 따르는 주가
- 주가는 변동성이 일정하지 않은 모델이기 때문에
알파 모델을 적용한 초기에는 예측력이 높을지언정,
시간이 지날수록 변동성이 커져 해당 알파모델의 예측력은 당연히 낮아질 수 밖에 없다.

Python Libraries (파이썬 라이브러리)

NumPy
- 고차원 수학적 기능을 제공하는 오픈소스 파이썬 라이브러리이다.
- 벡터와 스칼라를 활용할 수 있고, DB와 연동하여 사용할 수 있다.
- ndarray 클래스를 통해, 다차원배열에 대한 빠른 처리 기능을 제공한다.

SCIPY
- 과학 연산에 필요한 기능을 제공하는 라이브러리이다.
- 최적화, 선형대수, 적분, FFT(Fast Fourier Transform, 고속 푸리에 변환) 등의 기능을 제공한다.

Pandas
- 금융 데이터 처리용 라이브러리이다.
- DataFrame 클래스를 통해 시계열 금융 데이터 처리에 필요한 각종 기능을 제공한다.

Matplotlib
- 그래프 작도, 데이터 시각화에 필요한 각종 기능을 제공하는 라이브러리이다.
- 그래프를 저장하거나 확대·축소하는 간단한 UI도 제공한다.

scikit-learn (sklearn)
- 파이썬 머신러닝 라이브러리이다.
- 딥러닝을 제외한 현존하는 거의 모든 머신러닝 알고리즘이 구현되어 있고,
데이터 처리와 머신러닝 학습결과를 분석하는 기능들도 제공하고 있다.
- 알고리즘에 관계없이, 사용법이 일관되어 직관적으로 이용할 수 있다.

Statsmodels
- 파이썬 통계 라이브러리이다.
- 데이터 탐색, 통계적 모델 추정, 통계 테스트 등 다양한 통계 관련 기능을 제공한다.

그동안 알고리즘 트레이딩 분야의 취업을 희망하는 이들에게는 파이썬과 C++이 필수 학습 언어로 알려졌다. 그러나 해외 온라인 매체 이파이낸셜커리어는 뱅크오브아메리카의 전직 소프트웨어 엔지니어 라치드 히클링(Richard Hickling)을 인용, 알고리즘 트레이딩 분야에서 자바스크립트가 새로이 인기를 얻고 있는 추세라고 보도했다.

현재 프로핏뷰(ProfitView) 소속 암호화폐 애널리스트로 활동하는 히클링은 최근, 깃허브를 통해 자바스크립트가 알고리즘 트레이딩 분야 활용 언어 2위에 이름을 올린 사실을 확인했다.

히클링은 철저한 과학적 연구를 바탕으로 조사하지 않았으나 나름의 원칙을 이용하여 통계에 활용할 깃허브 저장소 35개를 선정하였다. 먼저 알고리즘 트레이더와 퀀트 분석가들에게 인기 있는 프로젝트를 모은 후 별 수가 높은 것들을 추려 인기도에 따라 순위를 매겼다.

자바스크립트는 node.js로 서버 측에서 실행 시 매우 빠르다. C++만큼 빠르지는 않지만 중간 빈도 매매 트레이딩 알고리즘을 실행하기에는 충분하다. 히클링은 최근 몇 년 간 자바스크립트의 인기 순위가 지속적으로 상승했다고 전했다.

하지만 여전히 알고리즘 트레이딩 분야에서 파이썬이 압도적인 인기를 누리고 있다. 또, C++은 트레이딩 프로그램을 위한 최고의 언어로 평가받는다. 히클링은 알고리즘 트레이딩 이에 대하여 “파이썬을 이용하면 아이디어가 생겼을 때 불과 몇 분 만에 실험해 볼 수 있다. 하지만 프로그램이 커질수록 파이썬의 장점이 점차 사라진다”라고 설명했다.

반면 C++은 작성이 어렵지만, 고성능에 표현력이 좋아 이를 따라올 만한 언어도 없다.

그렇다면, 최근 인기 상승세를 기록한 자바스크립트가 C++의 대체 언어가 될 수 있을까? 핀테크 서비스 기업 배큠랩스(Vaccum Labs)는 node.js가 많은 이들이 생각하는 것보다 훨씬 더 빠르다고 설명했다. 물론, 파이썬과 비교했을 때도 node.js의 속도가 훨씬 더 빠르다. 따라서 프로토타입 트레이딩이 필요한 암호화폐 시장에 적합하다고 판단했다.

하지만 대다수 전문가는 일부 중소기업이 트레이딩 플랫폼의 백엔드 작업 전체를 node.js로 처리하기도 하지만, 프론트엔드에서 활용하기에는 성능이 부족하다고 전했다. 반대로 일각에서는 node.js가 프론트 엔드에는 적합하지만 백엔드로 부족하다고 주장하였다.

실전 알고리즘 트레이딩 배우기(데이터 과학)

적립 안내사항 당월(1일~말일)매출 접수된 건에 대해 익월 20일 24시까지 적립됩니다. 카드 매출 취소된 경우 해당 금액만큼 발생된 예정 포인트를 제외하고 적립되며 포인트 적립 이후 카드 매입 취소 발생 했을 경우 익월 적립 시점에 ‘구매적립취소’ 항목으로 포인트 차감 되어집니다.

포인트 적립제외 무이자할부 이용거래 마이신한포인트 또는 SKpay포인트 사용(전액, 일부) 시 포인트 사용 분, 선불전자지급수단 충전금액 단기카드대출(현금서비스), 장기카드대출(카드론), 연회비, 각종수수료 ㆍ 이자(할부수수료, SMS이용수수료, 연체이자 등), 선불카드 충전, 기프트카드 구매, 국세, 지방세, 아파트관리비, 도시가스, 전기료, 4대보험, 대학교(대학원)등록금

신한카드 2,3,4,5,6,7 개월 ( 5 만원↑)
8,9,10,11,12 개월 ( 20 만원↑, SK pay 결제 시)
13,14,15,16,17,18,19,20,21,22 개월 ( 100 만원↑, SK pay 결제 시)

KB국민카드 2,3,4,5,6,7 개월 ( 5 만원↑)
8,9,10,11,12 개월 ( 20 만원↑, SK pay 결제 시)
13,14,15,16,17,18,19,20,21,22 개월 ( 100 만원↑, SK pay 결제 시)

현대카드 2,3,4,5,6,7 개월 ( 1 만원↑)
8,9,10,11,12 개월 ( 20 만원↑, SK pay 결제 시)
13,14,15,16,17,18,19,20 개월 ( 100 만원↑, SK pay 결제 시)

삼성카드 2,3,4,5,6 개월 ( 5 만원↑)
7,8,9,10,11,12 개월 ( 20 만원↑, SK pay 결제 시)
13,14,15,16,17,18,19,20,21,22 개월 ( 100 만원↑, SK pay 결제 시)

롯데카드 2,3,4 개월 ( 5 만원↑)
6 개월 ( 5 만원↑, SK pay 결제 시)
7,8,9,10,11,12 개월 ( 20 만원↑, SK pay 결제 시)
13,14,15,16,17,18,19,20,21,22 개월 ( 100 만원↑, SK pay 결제 시)

제외품목 순금매장, 아동용쥬얼리, 복지용구(요양보험), e-쿠폰/상품권/이용권 등 (제외품목 상품을 포함하여 할부 결제 시 할부 수수료가 청구됩니다.) 제외카드 체크/법인/개인사업자/선불/기프트카드 제외 (BC계열은 BC카드 무이자할부 적용)


[프라임경제] '개미'라 불리는 개인투자자가 올핸 '동학개미'란 새로운 닉네임을 받았죠. 코스피가 박스권을 뚫고 2700을 돌파한 원동력으로 인정받을 만큼 위상은 높아졌지만 안타깝게도 현실은 여전히 먹이사슬 최하단의 초식동물일 뿐입니다.

개미가 정보를 듣고 매매를 클릭하는 순간 정보와 기술에 앞선 포식자는 이미 수익실현 중일 수도 있다는 얘기입니다. 슈퍼개미가 등장하기도 하는 등 개미 역시 점점 진화 중이지만 그들의 경쟁자는 자금·정보·기술 등 모든 면에서 그들을 압도합니다. 투자업계 최고 포식자인 월가의 10년 전을 돌아보며 승승장구로 가졌을지 모를 개미들의 자아도취를 떨쳐냈으면 합니다.

10년 전 오늘 뉴욕타임스에선 주식시장과 IT기술에 관련된 재미난 보도를 했습니다. IT기술을 활용해 월가에서 컴퓨터가 기자나 작가가 사용한 단어를 분류하고 문장구조나 생소한 이모티콘까지 분석해 사람의 개입 없이 투자할 수 있는 프로그램을 만드는 연구를 진행 중이라는 내용입니다. 알고리즘 트레이딩을 비정형 데이터 영역으로 확장하겠다는 의지였는데요, 당시로선 상당히 획기적 시도였습니다.

IT기술 발달로 IT와 산업 간 경계가 무너지며 컨버전스에 초점이 맞춰졌던 당시, 월가에서도 기술 진화를 업계에 적용하기 위해 부단히 노력했음을 알 수 있습니다.

고성능 컴퓨터로 △뉴스 기사 △사설 △웹사이트 △블로그 △SNS 메시지 등을 빠르게 읽어내는 이 노력을 두고, 새롭게 시장을 판단할 수 있는 기술 혁명이 될 것이라며, 종국에는 가장 고성능 컴퓨팅 능력을 가진 투자자가 경쟁에서 승리할 것이라고 예측하기도 했죠.

흥미로운 점은 이모티콘을 활용해 윙크를 하거나 웃는 모습을 표현하면 시장상황을 낙관적으로 전망하는 식의 일차원적 분석 기법이 활용됐다는 사실입니다. 어쩌면 당시 업계가 진화의 속도를 미처 따라가지 못한 게 아닌가 하는 생각도 듭니다.

10년이 지난 현재 이미 일부 투자자가 주식매매에 비슷한 방식을 활용하기도 합니다. 단순한 정보 이용 수준을 넘어 컴퓨터를 통한 자동매매에 정보를 활용하는 거죠. 예를 들어 특징주라는 키워드와 코로나백신이라는 키워드를 넣고 언론사 사이트를 모니터링 해 긍정적인 표현의 기사가 나올 경우 기사에 명시된 기업의 주식 1000만원 어치를 시장가로 매입하라는 식의 알고리즘을 짜 놓고 자동매매를 합니다. 바이오·정치 등 테마주 중심으로 사용 빈도가 높습니다.

이 같은 방식으로 매매할 경우 남들에게 관심이 쏠리기 전에 저가로 주식을 매수할 기회를 잡을 수 있죠. 선물거래소가 있는 시카고와 현물 시장이 있는 뉴욕 사이에서 단 0.004초의 네트워크 속도 단축을 위해 2억달러 규모의 네트워크 회선 구축 공사를 했다는 사실에 비춰보면 이 같은 기법이 당사자에겐 분명 득이 될 것으로 보여집니다.

하지만 이 때문에 손실을 입은 투자자가 청와대나 금감원에 민원을 넣는 사례가 늘어나는 등 시장 교란 행위라는 비판을 받기도 합니다.

이 방식은 컴퓨터 프로그램에 특정 매매기법(시스템)을 입력해 자동으로 주식을 사고파는 알고리즘 트레이딩의 일종으로 볼 수도 있는데요. 전형적인 알고리즘 트레이딩과의 차이라면 의사결정 변수로 수치나 지표 대신 비정형 데이터를 활용한다는 겁니다.

알고리즘 트레이딩은 기관이나 외국인이 활용하는 프로그램 매매와 동일한 개념으로 이해할 수 있습니다. 해외에선 이미 많은 투자자가 활용하며, 세금과 거래수수료가 거의 없는 파생시장에선 이미 대세로 자리 잡았죠. 최근엔 국내 주식시장에서도 알고리즘 트레이딩에 대한 관심이 꾸준히 늘고 있는 추세입니다.

알고리즘 트레이딩을 위해서는 이미 제공된 프로그램을 활용해 추가 개발하거나 직접 새로운 프로그램을 개발해야 합니다. 주로 이용되는 개발언어는 '파이썬'입니다. 사용자가 직접 프로그램을 만들 수 있도록 증권사에서 API를 제공하기도 합니다만 코딩에 익숙하지 않은 일반 투자자들이 손쉽게 접근하기엔 다소 무리가 따릅니다.

이미 몇 해 전부터 증권가에선 알고리즘 트레이딩을 위한 필수 지식인 코딩에 대한 관심이 높아졌습니다. 이들은 IT교육기관에서 '파이썬'을 익혀 △일정한 규칙에 따라 주문할 수 있는 프로그램을 만들기도 하고 △운용파트 직원은 외국 주식을 매매하는 데 알고르즘 트레이딩을 활용하기도 하죠. 산학협력을 통해 코딩을 교육하거나 빅데이터 알고리즘을 연구하는 사례도 늘고 있습니다.

이 같은 업계 관심에도 불구하고 높은 거래수수료 때문에 주식시장에서 알고리즘 트레이딩을 보편적으로 활용하는 건 시기상조입니다. 또한 알고리즘 트레이딩에 지나치게 의존하는 것 역시 위험한 발상입니다.

전문가들 역시 알고리즘 트레이딩 알고리즘을 짜는 건 인간의 몫이라며, 기술에만 초점을 맞춰선 안 된다고 조언합니다. 한 교수는 "워낙 변수가 많고 리스크를 줄여야 하는 금융 산업의 특성 상 일정한 패턴을 찾아 알고리즘을 만드는 것은 쉽지 않을 것"이라며 "알고리즘 트레이딩은 향후 트레이더의 결정을 돕는 형태로 발전할 것"이라고 전망하기도 했습니다.

라스베이거스 카지노의 고액 블랙잭 테이블에 가면 플레이어들이 배팅하는 금액은 달라도 카드를 받는 패턴은 거의 동일합니다. 그들이 수년 혹은 수십 년에 걸쳐 수집한 '이기는 노하우'는 결국 비슷하다는 얘기입니다. 그들은 서로의 알고리즘 트레이딩 플레이를 존중하며 '팀'이라는 마음가짐으로 카지노를 상대합니다. 그런데 초심자가 테이블에 들어와 패턴에 어긋나는 행동을 하면 짜기라도 한 듯 자리를 뜹니다.

올해 성공했다고 내년에 성공한다는 보장은 없습니다. 전문가의 지식을 토대로 각자만의 이기는 방정식을 만들어야 할 것입니다.

조규희 기자 [email protected]

ScienceON Chatbot

증권거래가 전자화되면서부터 주문 자동화에 대한 요구는 끊임없었고, IT 기술의 발달과 거래 기법의 발전으로 이어졌다. 최근에는 간단한 매개변수(parameters)들만 입력하면 시장의 등락에 따라 시스템이 알아서 자동으로 주문을 체결시켜주는 ‘알고리즘 매매’가 등장하면서 거래 자동화에 대한 관심이 그 어느 때보다 높아졌다. 알고리즘 매매를 사전적으로 “컴퓨터 프로그램과 시장에 대한 분석 정보를 이용해 사전에 제작된 전략에 따라 주문을 실행하는 것”으로 정의할 수 있다. 즉, 알고리즘 매매는 사전에 매매 전략을 구성해 놓고, 자동으로.

증권거래가 전자화되면서부터 주문 자동화에 대한 요구는 끊임없었고, IT 기술의 발달과 거래 기법의 발전으로 이어졌다. 최근에는 간단한 매개변수(parameters)들만 입력하면 시장의 등락에 따라 시스템이 알아서 자동으로 주문을 체결시켜주는 ‘알고리즘 매매’가 등장하면서 거래 자동화에 대한 관심이 그 어느 때보다 높아졌다. 알고리즘 매매를 사전적으로 “컴퓨터 프로그램과 시장에 대한 분석 정보를 이용해 사전에 제작된 전략에 따라 주문을 실행하는 것”으로 정의할 수 있다. 즉, 알고리즘 매매는 사전에 매매 전략을 구성해 놓고, 자동으로 주문이 실행되도록 하는 것으로, 주로 주식거래를 할 때 체결 가격을 유리하게 가져가기 위해 동일한 종목을 여러 번 분할하여 주문 내는 것을 의미한다. 본 연구에서는 한국증권전산의 기관간 주문전달 네트워크에서 전달된 FIX(Financial Information eXchange) 규약의 메시지를 분석해, 실제 국내에서 사용되고 있는 매매 기법의 종류를 파악했다. FIX 규약이란 실시간 전자 금융 거래에 있어 매도측과 매수측의 안전한 금융정보 교환을 지원하기 위한 메시지 표준을 말한다. 기관투자가 등의 매수측은 거래소 시장의 직접적인 회원 기관이 아니므로 주식 주문을 낼 때 거래소 회원인 증권사 등의 매도측을 통해서 주문을 내어야 한다. 이때 기존에는 전화나 인터넷 메신저를 통해 증권사의 브로커에게 주문 지시를 내렸으나, 현재는 FIX 알고리즘 트레이딩 규약을 통해 전자적으로 주문 지시를 내리고 있다. 본 연구에서는 국내에서 사용되고 있는 분할 주문의 현황과 유형을 알고리즘 매매의 관점에서 분류해보고, 해외의 알고리즘 매매 현황과 비교를 알고리즘 트레이딩 해보고자 한다. 국내에서 사용되고 있는 분할 주문 기법은 단순히 시간과 주문 수량을 분할하는 것으로, 해외에서 일반적으로 사용되고 있는 주문 기법들에 비해 많이 부족한 현실이다. 끝으로, 국내에서 알고리즘 매매를 활성화하기 위해 관련 전산 시스템의 구축이 필수적이라 보고, 알고리즘 매매 관련 전산 시스템 구축 모형을 제시했다. 알고리즘 매매를 업무를 사전 거래 분석, 주문 실행, 사후 거래 분석의 세가지 단위로 구분하고, 각 단위별로 구축할 전산 시스템에 대해 설명했다.

#알고리즘 매매 분할주문 거래량가중평균가격 Korean algorithmic trading VWAP careful discretion;


0 개 댓글

답장을 남겨주세요