이 연구가 맞히려는 것은 다음 달 물가수치가 아니다. 이미 고물가 또는 저물가 국면이 주어졌을 때 어떤 종목이 상대적으로 더 강한지를 예측한다. LightGBM 입력에는 과거 종목수익, 섹터·스타일, 재무와 애널리스트 전망이 들어가며, 매 시점에는 당시 이용 가능했던 과거 자료만 사용한다. 초기 학습 뒤 시점을 앞으로 이동시키는 방식으로 미래정보 유입을 막는다.
보통의 평균제곱오차는 중앙부 관측을 많이 맞히는 데 유리하다. 연구는 포트폴리오 선택에 중요한 극단수익을 잘못 분류할 때 더 큰 손실을 주도록 목적함수를 바꿨다. 예측순위 상위 십 퍼센트의 유동성 높은 대형주를 고르고 시장베타를 중립화했다. 고물가와 저물가 사이의 월평균 활동수익 차이는 약 0.8%로 보고됐다.
저자들은 이 포트폴리오가 알파를 추구하는 전략이 아니라고 명시한다. 표본도 이천오년 이후라 천구백칠십년대와 팔십년대의 고물가를 포함하지 않으며, 주식 결과를 회사채에 그대로 옮길 수 없다. 채권 복제에서는 국면을 사후 확정하지 않고 실시간으로 정의하고, 스프레드 초과수익과 거래비용을 표적으로 둔 기준모형과 비교해야 한다.
SCOPE미국 대형주를 대상으로 한 설명용 연구이며 표본은 이천오년 이후다. 실제 운용상품, 채권성과, 거래비용 이후 P&L을 공개하지 않고 인플레이션 자체를 예측하는 모형도 아니다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
A Machine Learning Approach to Constructing an Inflation-Themed Equity Portfolio4 primary · 0 archived +
모형 평가는 각 시점에 이용 가능했던 과거 정보만 사용한다.
ORIGINAL PASSAGEusing historical data onlyTwo Sigma article, Machine learning model section, 26 January 2022, accessed 2026-10-13목적함수는 수익분포 꼬리의 예측오류에 더 큰 가중치를 둔다.
ORIGINAL PASSAGEput more weight on correctly predicting the returns in the tailsTwo Sigma article, Loss function discussion, 26 January 2022, accessed 2026-10-13고물가와 저물가 국면 사이의 월평균 활동수익 차이는 약 0.8%다.
ORIGINAL PASSAGEapproximately 0.8%Two Sigma article, Portfolio results discussion, 26 January 2022, accessed 2026-10-13저자는 제시한 포트폴리오가 알파추구 포트폴리오가 아니라고 명시한다.
ORIGINAL PASSAGEnot an alpha-seeking portfolioTwo Sigma article, Conclusion, 26 January 2022, accessed 2026-10-13Show the original briefing text
구분: 퀀트회사 공식 연구자료·조건부 수익 예측과 포트폴리오 구성
발표일: 2022년 1월 26일
선정 사유: 최신성보다 시계열 검증·꼬리가중 손실·중립화 과정을 공개한 기술적 가치 때문에 선정
핵심 요약
Two Sigma 공식 연구는 2005년부터 2021년 9월까지의 과거 정보만으로 LightGBM을 학습해 고물가·저물가 국면의 종목별 상대수익을 예측했다. 극단 수익의 오분류에 더 큰 가중치를 주고 약 800개 유동성 높은 미국 대형주 가운데 상위 10%를 선택해 베타중립 포트폴리오를 구성했다. 고물가에서 저물가를 뺀 월평균 활동수익은 약 0.8%였지만 이는 인플레이션 예측이나 실거래 알파 성과가 아닌 설명용 주식 포트폴리오다.
실무 시사점
거시국면을 맞히는 모델과 주어진 국면에서 어떤 자산이 상대적으로 강한지 고르는 모델은 다른 문제다. 채권에서는 인플레이션 전망 자체보다 국면별 초과스프레드 수익을 표적으로 두고, 시계열 walk-forward와 거래비용 이후 성과로 단순 선형모형을 이기는지 확인해야 한다.
한국 시장 복제 아이디어
회사채 종목별 다음 달 국고채 대비 초과스프레드 수익을 라벨로 두고, 물가국면·등급·듀레이션·유동성·발행사 재무를 입력한다. LightGBM 꼬리가중 손실과 선형 기준모형을 확장창으로 비교하고 등급·듀레이션 중립화 뒤 정보계수, turnover, 비용 이후 수익과 하위꼬리 손실을 평가한다.