Quant

1. Portfolio Optimization

1. ✍ Summary

• 활용DB: Financial product index (80년도부터 현재까지)
• 분석목표: 포트폴리오 비중 모델링
• 성과: 위험을 줄이는 포트폴리오인것을 도출, 최대의 return 값을 위해 Maximize Sharpe Ratio 적용
• 역할: End to End 분석, EDA부터 발표까지 진행

2. 접근방향

• 머신러닝 EDA를 통해 각 인덱스별 기본 자산 배분 적용
• Transaction을 적용시켜 시간이 지나면서 비중을 변화, 최적의 비중 확인
• 비중을 LSTM을 통해 예측 및 예측 성공률 도출
• Backtesting과 결과값들을 시각화

3. 모델링 기준

1) 횡적 리스크 모델링 (MVO 사용)
2) 종적 리스크 모델링 (포트폴리오 모든 자산 사용)
3) Deep-learning과 Backtesting 활용하여 예측 및 최소 Drawdown 값 도출

4. 결론

Link: 프로젝트PPT/ 프로젝트코드/ 프로젝트 시각화