2024년 8월, 우연히 DACON에서 주관하는 NH 투자증권 경진대회에 대해 알게 되었다. 대기업에서 주최하는 대회는 처음이라 궁금한 마음에 (사실 상금이 나름 푸짐해서) 친구들 3명과 함께 참여하게 되었다. 대회는 총 4개월 간 진행되었고 예선, 본선, 결선 이렇게 총 3단계의 심사 과정을 통해 마무리되는 형태였다. 처음에는 경쟁률도 강하고 이런 대회 자체가 처음이기도 해서 단순히 마음 맞는 친구들과 경험상 참가해보자는 마음으로 크게 기대하지 않았었다.
Github
NH 투자증권 경진대회" target="_blank" rel="noopener" data-mce-href="http://NH 투자증권 경진대회">http://NH 투자증권 경진대회
GitHub - taekyounglee1224/Fear-Greed-Investment: 2024 NH Investment Securities Competition - US ETF Investment Strategy Using Ge
2024 NH Investment Securities Competition - US ETF Investment Strategy Using Generative AI: Based on the Fear and Greed Index - taekyounglee1224/Fear-Greed-Investment
github.com
예선 (08.12 ~ 10.11)
예선은 총 선착순 900명이 최대 3인까지 한 팀을 이루어 참가하는 방식이었다. 솔직히 NH 투자증권 경진대회는 데이터 분석 대회 중에서도 가장 핫한 대회 중 하나인데, 상금 규모만 보아도 알 수 있다. (입선만 들어도 팀당 1,000$라니, 게다가 요즈음 환율도 생각하면....). 게다가 여태까지는 한화로 상금을 지급하다가 올해는 달러로 지급을 하는데 (아마 Microsoft랑 Tableau에서 후원을 해서 그런듯) 역대 NH 공모전 중에서 역대급 상금 규모라고 할 수 있었다.
올해의 주제는 생성형 AI를 활용한 미국 ETF 큐레이션 서비스를 제안하는 것이었다. 미국 ETF 시장에 대한 데이터를 분석하여 나름대로의 창의적인 아이디어를 가지고 투자 전략을 구축하는 것이 목표였는데, 과정에서 Microsoft Azure 서비스와 Tableau를 사용하는 것이 핵심이었다. 지금부터 우리의 아이디어와 4개월 간의 여정 동안의 분석 과정과 이에 대한 후기 등을 작성하도록 하겠다. (서약서 상 데이터에 관한 정보 누설이 금지되어 있어 제공 데이터 자체에 대한 자세한 설명은 생략하겠다.)
예선에서는 직접 서비스를 제안하기에 앞서, 우리의 아이디어를 제시하고, 제공된 데이터와 필요시 추가로 수집한 데이터를 가지고 데이터 분석 과정을 통해 그것을 검증하는 것이 목적이었다. 데이터에 대한 이해도, 분석 과정 및 논리 및 발전 가능성이 주요 평가 요소인 만큼 가지고 있는 데이터를 적절히 활용하여 논리적으로 아이디어를 구축하는 것이 중요해 보였다.
사실 데이터를 처음 받았을 때는 데이터의 양도 많고 feature들도 처음 접하는 것들이 많아서 무슨 데이터인지 파악하기가 어려워 막막하게 시작하였다. 정말 데이터를 하나하나 관찰하면서 이게 무슨 의미인지 뜯어보고, 어떻게 활용할 수 있을지 고민하는 데에만 거의 2주 이상 걸린 것 같았다. 그러다가....
리서치를 하던 중에 CNN 공포탐욕지수라는 것이 있다는 것을 알게 되었다. 공포탐욕지수는 미국 시장 국면에 대한 투자자들의 심리를 반영한 것으로, 자산에 대한 매수/매도 결정을 도와주는 지표이다.
공포탐욕지수(Fear & Greed Index)란?
공포탐욕지수란 위와 같이 시장에 대한 투자자들의 공포와 탐욕 심리를 0~100사이의 수치로 표현한다. 100에 가까울수록 극단적인 탐욕 상태를, 0에 가까울수록 극단적인 공포 상태를 나타낸다. “공포에 사서 탐욕에 팔아라”라는 명언에 따라 지수가 낮을 때 매수, 높을 때 매도 전략을 취한다.
- 시장 모멘텀 (Market Momentum): 이전 125거래일 이동평균
- 주가 강도 (Stock Price Strength): 뉴욕증권거래소에서 52주 신고가를 기록한 주식 수와 52주 신 저가를 기록한 주식 수의 비율.
- 주가 폭 (Stock Price Breadth): 상승 주식의 거래량과 하락 주식의 거래량 차이.
- 풋/콜 옵션 비율 (Put and Call Options): 풋-옵션과 콜옵션의 비율.
- 시장 변동성 (Market Volatility): VIX 지수를 활용하여 시장의 변동성 측정
- 안전자산 수요 (Safe Haven Demand): 미국 국채와 주식 수익률의 차이
- 정크본드 수요 (Junk Bond Demand): 정크본드와 국채 수익률의 스프레드
CNN 공포탐욕지수는 위의 7가지 지표들의 스케일링을 통해 계산되는데, 우리는 이들 지수 중 5개 (시장 모멘텀, 주가 폭, 풋/콜 옵션 비율, 시장 변동성, 안전자산 수요) 등을 활용하여 우리만의 지수를 산출하였다. 기본 아이디어는 CNN 지수는 미국 시장 전체를 하나의 시장을 보았다면, 우리의 지수는 개별 ETF를 하나의 시장으로 간주하겠다는 것이다.
우리의 공포탐욕지수
- 모멘텀 (높을수록 탐욕, 낮을수록 공포)
- 원본 CNN 공포-탐욕 지수 요소: 시장 모멘텀
- 우리 방법: 특정 ETF의 종가를 이전 12개월(252 거래일) 동안의 이동 평균과 비교하여 측정
- 변형: 기존 CNN 지수는 S&P 500 지수의 125 거래일 이동 평균을 사용하여 시장 전체 모멘텀을 측정. 우리는 개별 ETF의 시장 모멘텀을 평가하기 위해 252 거래일 이동 평균을 사용
- 안전자산에 대한 수요 (높을수록 공포, 낮을수록 탐욕)
- 원본 CNN 공포-탐욕 지수 요소: 안전 자산에 대한 수요
- 우리 방법: 특정 ETF의 1개월(20 거래일) 수익률과 미국 국채의 1개월(20 거래일) 수익률의 차이를 계산
- 변형: CNN 공포-탐욕 지수는 미국 국채와 주식의 수익률 차이를 사용. 개별 ETF 자산의 시장 상황을 반영하기 위해 20 거래일을 기반으로 수익률을 계산하는 것이 개별 자산의 시장 위험을 더 잘 반영.
- 긍정-부정 거래 (높을수록 탐욕, 낮을수록 공포)
- 원본 CNN 공포-탐욕 지수 요소: 주가 폭
- 우리 방법: ETF를 구성하는 개별 주식 보유량의 긍정적 및 부정적 거래량의 차이를 계산
- 변형: CNN 지수는 전체 시장에 대한 긍정적 및 부정적 거래량을 비교. ETF 자산은 개별 주식 및 파생 상품으로 구성되어 있으므로, ETF에 포함된 주식 자산만의 긍정적 및 부정적 거래량을 합산.
- 매수/매도 가격 비율 (높을수록 탐욕, 낮을수록 공포)
- 원본 CNN 공포-탐욕 지수 요소: 풋과 콜 옵션 비율
- 우리 방법: 거래가 실행된 횟수와 거래 가격을 고려한 비율을 사용
- 변형: CNN 지수는 옵션 시장 데이터를 사용하지만, 우리 데이터에는 옵션 정보가 없다. 대신, 매수 및 매도 건수와 거래 규모를 사용하여 시장 감정을 반영.
- 변동성 대 거래량 지수 (높을수록 공포, 낮을수록 탐욕)
- 기존 CNN 공포-탐욕 지수 요소: 시장 변동성
- 현재 방법: (고가-저가)/거래량과 종가의 표준편차/거래량 지표를 결합
- 변형: CNN 지수는 시장 변동성을 측정하기 위해 VIX를 사용. 개별 ETF 자산의 변동성을 거래량과 연관지어 계산.
| Momentum | 특정 날짜의 ETF의 종가 – 특정 날짜를 포함한 이전 날짜 12개월(252 거래일)의 ETF 종가 이동평균 |
| 안전자산 수요 | 특정 날짜 기준 ETF의 1개월(20 거래일) 수익률 –특정 날짜 기준 미국 국채 1개월(20 거래일) 수익률 |
| Positive-Negative 거래량 | 특정 날짜 기준 ETF를 구성하는 개별 주식 자산들의 긍정적 거래량 합 – 부정적 거래량 합 |
| 매수/매도 대금비율 | 매수체결합계수량 * 해당 거래대금 / 매도체결합계수량 * 해당 거래대금 |
| 변동성 지수 | 1/2*Z((고가 - 저가)/거래량) + 1/2*Z(STDEV(종가, period)/거래량) *여기서 Z는 평균이 0, 표준편차가 1로 표준화 시켰음을 의미 |
이 작업을 위해 무려 각 ETF에 대한 개별주식을 13,000 종목을 Yahoo Finance에서 크롤링하였다....(이게 뭐라고 8시간이나 걸림)
아무튼 그렇게 두 달간의 셀 수 없는 미팅과 밤샘 작업을 통해 제출기한 6시간을 남기고 제출에 성공하였다. 과연 결과는....?
본선 (10.18 ~ 11.17)
본선 진출!! 본선은 추가로 약 한 달간 진행되었다. 총 30팀이 선정되었으며, 이제는 본격적인 투자 서비스를 구축해야 하는 단계까지 온 것이다. 본선 때는 예선 데이터를 좀 더 고도화하는 작업을 진행하였다. 예선 데이터는 전체 제공 데이터의 30%만 공개된 것이기 때문에 안 그래도 많았던 데이터 양이 3배 가량 증가하였다 ...
본선 진출 팀에게는 Microsoft Azure 서비스와 Tableau 서비스가 주최측으로부터 지원되었다. 우리는 Microsoft Azure를 가지고 GPT-4를 활용해 여러 번의 시도 끝에 System과 User Role을 명확하게 부여하는데 성공했다. 뉴스 검색 결과와 공포 & 탐욕 지수를 바탕으로 원하는 형식의 Daily Report를 생성할 수 있었다.
이 Daily Report 서비스에 공포탐욕지수를 통한 투자전략을 추가하여, 우리만의 서비스를 구축하였고, 이를 Tableau를 활용하여 시각화하는 작업을 거쳤다.
또 한 번의 밤샘작업을 거쳐 완성한 결과물... 이번에도 마감 6시간 전에 제출
본선 진출 30팀 중 16팀 안에만 들어도 팀당 140만원 (당시 환율 기준)은 받는 거라 이 안에만 들어도 만족하려 했지만, 솔직히 본선까지 올라오고 나니 없던 욕심이 생긴 것도 사실이라 ㅎㅎ 제출 마무리하고 결선을 가는 상상을 하며 팀원들과 작별을 하였다.
그리고 그것이 현실이 되었다....
무려 결선 진출!!!
결선 준비 (11.23 ~ 11.29), 쇼케이스 (12.03)
사실 본선 이후 결선까지의 준비과정은 따로 할 것은 없고, 다만 본선 때 제출한 보고서를 기반으로 발표용 자료를 제출하는 것과, 우리의 서비스에 대한 발표 흐름을 검토하는 것 정도였다.
드디어 결선 날이 왔고, 쇼케이스는 12월 3일에 여의도에 위치한 NH 투자증권 본사에서 진행하였다.
결선은 우리 팀 포함해서 총 6팀이 진출하였다. 발표는 한 팀씩 차례로 진행하였으며, 발표 순서는 자료 제출 순서의 역순으로 진행한다고 했다. 그런데 우리 팀 순서가 마지막 ㅋㅋㅋ (마감 6시간 전 제출인데 사실상 제일 먼저 제출한 셈) 발표는 본사 내 한 세미나실에서 진행하게 되었다.
발표 15분, 질의응답 5분, 해서 팀당 총 20분씩 발표를 진행하였다. 심사위원은 총 6분이 계셨다. 마지막 순서라서 긴장이 안 될 줄 알았는데 오히려 우리 차례가 다가올수록 더 떨렸던 것 같다.
발표 마무리 후에는 점심식사 후 시상식을 진행하였는데, 솔직히 이때가 제일 무섭고 떨렸던 것 같다. (아무래도 우수상 안에 들면 체험형 인턴 기회가 주어지는 지라.. 놓치고 싶지 않았다. ㅎㅎ)
수상 결과는...
장려상..!!
솔직히 우리의 목표는 우수상이었기 때문에 다소 아쉬운 마음이 들기는 들었다. 뭔가 발표하면서 이부분을 더 강조했더라면? 질의응답 때 더 답변을 잘했더라면? 더 좋은 결과가 있지 않았을까? 싶지만 지금 와서 생각해보면 경쟁이 매우 쟁쟁했고 다른 팀들도 훌륭하게 잘 했기 때문에 필자 입장에서는 아주 만족스러운 결과라는 생각이 들었다. 사실 인턴을 못하게 된 것은 아깝긴 하지만 그래도 팀당 3,000$가 어디야..
그리고 결과와 무관하게 이렇게까지 무언가에 몰두했던 적이 정말 오랜만이라 마무리하면서 정말 뿌듯하고 보람을 느꼈던 것 같다. 또한 팀원들 또한 마음이 잘 맞아서 별 갈등과 무리 없이 진행되었던 거 같아 고마운 마음도 있었다. 내년에 만약 또 주최가 된다면 또..? 참가할 지는 모르겠지만 올해 4개월간의 이 과정은 나에게 소중한 경험과 기반이 될 것이라고 확신이 들었다.
이상 NH 투자증권 경진대회 후기였다.