Processing math: 100%

본문 바로가기

이론

(18)

[투자에서의 세금 관리 전략] 투자에서 수익을 내는 것만큼 중요한 것은 바로 그 수익을 지키는 일이다. 특히 어떻게 하면 세금을 효과적으로 관리할 수 있을지에 대한 고민은 필수적이다. 투자 포트폴리오에서 세금을 줄이는 다양한 전략과 원칙들을 살펴보고, 개인과 기업 투자자들이 세금을 최소화하기 위해 어떻게 접근해야 하는지를 살펴보고자 한다. 세금 관리 전략: 수동적 기법과 적극적 기법포트폴리오 매니저가 활용할 수 있는 세금 관리 기법은 크게 수동적과 적극적으로 나뉜다. 수동적 기법은 현금 유출이 발생할 때 세금을 줄이는 데 초점을 맞추며, 적극적 기법은 현금 유출 여부와 관계없이 추가적인 세금 혜택을 창출하는 것을 목표로 한다.구분기법설명수동적배당 관리적절한 배당 수익률을 맞춰 포트폴리오 구성세금 lot 관리매도 시 어떤 세금 lot을..

[ETF 리밸런싱과 거래 비용이 투자 성과에 미치는 영향] ETF(상장지수펀드)는 투자자들에게 비용 효율적이고 투명한 포트폴리오 분산의 기회를 제공한다. 그러나 ETF 투자의 핵심 요소 중 하나인 리밸런싱(rebalancing)과 이에 수반되는 거래 비용(transaction cost)에 대한 고려가 부족하면 기대 수익률이 저하될 수 있다. 이번 글에서는 ETF 리밸런싱의 필요성과 거래 비용이 투자 성과에 미치는 영향을 분석해 정리하려 한다. 1. ETF 리밸런싱의 필요성리밸런싱은 포트폴리오 구성에서 자주 나오는 단어여서 익숙했으나, 필요성과 방식을 공부한 것은 처음이다. ETF는 기초 지수를 추종하는 구조적 특성상 일정 주기로 리밸런싱을 수행해야 한다. 리밸런싱 결정을 유발하는 세 가지 요인으로는 현금 유입/유출, 주식 수익률 모델의 매개변수 변화다. 보통은 ..

[미래 수익률 예측을 위한 여러 시계열 방법론] 1. Introduction지금까지는 수익률을 예측하기 위해 모델을 선정하고 어떠한 팩터를 사용할지를 배웠다면, 이번에는 수익률을 예측하는 방법론에 대해 학습하였다. 공부하면서 느끼는 것은 통계학, 특히 회귀분석과 매우 밀접한 관계가 있어 도움이 되었다. LSE부터 GLS까지 전개과정이 깊이 있게 나오진 않지만, 어떻게 사용되는지를 설명하고 있다. 또한, 시계열 모형(VAR)이 사용되는 파트가 잠깐 나와서 VAR와 관련된 모형을 정리하고자 한다.목표: 미래 수익률 예측미래의 팩터 프리미엄, 팩터 노출 값 필요핀더멘털 팩터 모델팩터 노출(설명변수): t시점의 시작에 측정 → 예측 필요 없음팩터 프리미엄: 일정하게 유지될 것이라고 가정수익률(종속변수): t시간 동안 측정경제팩터 모델팩터 프리미엄(설명변수):..

[Z-Score 기반 주식 스크리닝과 동적 상관계수 분석] 1. 주식 스크리닝주식 스크리닝에 대한 여러 기법을 배우며 순차적, 동시적 스크리닝 기법에 대해 알 수 있었다. 특히, 동시적 스크리닝에서는 여러 통계적 지식들이 응용되어 전개된다. Z-score를 통해 주식을 스크리닝하고 포트폴리오의 가중치를 결정한다. 또한, Z-score를 활용하여 수익률 역시 구할 수 있다. 간단한 선형 회귀식으로 전개가 된다.수익률 회귀식

$r_{i,t} = \gamma_i + \delta Z_{i,t-1} + \varepsilon_{i,t}$

$T+1$ 시점에 대한 주식

$i$ 의 예상 수익률

$E(r_{i,T+1}) = \gamma_i + \delta Z_{i,T}$ 문제점1. Z-스코어는 다른 기간으로 크게 변하지 않을 수 있지만, 팩터 프리미엄은 상당히 변할 수 있음 ..

[신뢰할 수 있는 모델을 구축하기 위한 유의점] 1. 데이터 분석의 함정퀀트를 제대로 배우기 시작한지 갓 일주일에 접어들어 배운 것을 정리하기에 급급하지만, 생각보다 내 전공과 관련해 생각해볼 지점이 많아 정리해보고자 한다. 정확한 QEPM을 만들기 위해서는 팩터 선정이 중요하다. 팩터와 수익률 간의 관계를 고려해 최적의 모델을 선정해야 하기 때문이다. 연구자들이 흔히 빠지는 함정 "과거 데이터가 현재에 영향을 미친다"는 가정의 문제점 : 그러나 미래에도 영향을 미친다는 보장이 없음.이론적 근거 없이 데이터에 맞춘 변수 선택 : 주식 수익률과 높은 상관관계를 보이는 팩터들을 만들어내지만, 그 팩터들과 수익률 간의 관계는 피상적일 뿐임.첫번째는 예측이라는 task의 본질적인 문제다. 예측은 불확실성을 수반할 수 밖에 없다. 특히, 두번째에 공감된다. ..

[알고리즘 코테] 그래프 이론 다양한 그래프 자료구조 그래프와 트리의 차이 그래프 트리 방향성 방향 그래프 또는 무방향 그래프 방향 그래프 순환성 순환 및 비순환 비순환 루트 노드 존재 여부 루트 노드가 없음 루트 노드가 존재 노드 간 관계성 부모나 자식 관계 없음 부모와 자식 관계 있음 모델의 종류 네트워크 모델 계층 모델 트리는 그래프의 일종이나, 순환구조가 없어야 함. 서로소 집합(Union-Find) 공통 원소가 없는 두 집합 Union(a, b) : a가 들어있는 그룹과 b가 들어있는 그룹을 합침. Find(a) : a가 들어있는 그룹의 ID값을 리턴함. -> 노드들이 같은 그룹에 있는지, 그래프에 순환구조가 있는지 판단하는 용도로 사용함. 신장 트리(Spanning Tree) : 최소 연결 부분 그래프 최소 연결이란, 간선..

[알고리즘 코테] 최단경로 최단경로 가장 짧은 경로를 찾는 알고리즘, ‘길 찾기’ 문제에서 해당 개념 사용함. 1. 다익스트라 최단 경로 알고리즘 여러 개의 노드가 있을 때 특정 노드에서 출발하여 다른 노드로 가는 각각의 최단 경로를 구해주는 알고리즘 매번 가장 비용이 적은 노드를 선택하여 반복하는 그리디 알고리즘에 해당함. 각 노드에 대한 현재까지의 최단 거리 정보를 최단거리 테이블(1차원 리스트)에 저장하며 리스트를 계속 갱신함. 원리 ① 출발 노드 설정 ② 최단 거리 테이블 초기화 ③ 방문하지 않은 노드 중에서 최단거리가 가장 짧은 노드 선택 ④ 비용 계산하여 최단 거리 테이블 갱신 ⑤ ③, ④를 반복 1) 간단한 다익스트라 알고리즘 이후에 단계마다 방문하지 않은 노드 중에서 최단 거리가 가장 짧은 노드를 선택하기 위해 매 ..

[알고리즘 코테] 동적 계획법 Dynamic Programming (동적 계획법) 큰 문제를 작은 문제로 나누어 결과를 저장하여 다시 큰 문제를 해결하는 방법 DP를 사용하는 이유 : 일반적인 재귀를 사용하면 작은 문제들이 여러 번 반복되어 비효율적인 계산이 될 수 있기에 이를 해결하려고 사용함. DP 문제를 푸는 방법 탑다운(Top-Down) : 하향식, 큰 문제를 해결하기 위해 작은 문제를 호출하는 방식 바텀업(Bottom-Up) : 상향식, 가장 작은 문제들부터 답을 구해가면서 전체 문제의 답을 찾는 방식으로 재귀 호출을 하지 않기 때문에 시간과 메모리 사용량을 줄일 수 있음. DP를 사용하는 문제 최적 부분 구조 (Optimal Substructure) : 큰 문제를 작은 문제로 나눌 수 있고, 작은 문제의 답을 모아 큰 문제..

목록 더보기

티스토리툴바