The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Performance Analysis on Day Trading Strategy with Bid-Ask Volume

호가잔량정보를 이용한 데이트레이딩전략의 수익성 분석

  • 김선웅 (국민대학교 비즈니스IT전문대학원 트레이딩시스템전공)
  • Received : 2019.06.28
  • Accepted : 2019.07.10
  • Published : 2019.07.28
Download PDF
⟨ Previous Next ⟩

Abstract

If stock market is efficient, any well-devised trading rule can't consistently outperform the average stock market returns. This study aims to verify whether the strategy based on bid-ask volume information can beat the stock market. I suggested a day trading strategy using order imbalance indicator and empirically analyzed its profitability with the KOSPI 200 index futures data from 2001 to 2018. Entry rules are as follows: If BSI is over 50%, enter buy order, otherwise enter sell order, assuming that stock price rises after BSI is over 50% and stock price falls after BSI is less than 50%. The empirical results showed that the suggested trading strategy generated very high trading profit, that is, its annual return runs to minimum 71% per annum even after the transaction costs. The profit was generated consistently during 18 years. This study also improved the suggested trading strategy applying the genetic algorithm, which may help the market practitioners who trade the KOSPI 200 index futures.

주식시장이 효율적이라면 아무리 잘 고안된 투자전략이라도 시장의 평균 수익을 장기적으로 초과하는 것은 어렵다. 본 연구의 목적은 일부 시장 참여자들 사이에 회자되고 있는 호가잔량 정보효과를 이용하여 장기적으로 높은 수익을 얻을 수 있는지를 실증 분석하는데 있다. 이를 위하여 호가잔량정보를 이용하는 데이트레이딩 전략을 제안하고, 2001년부터 2018년까지의 코스피200 주가지수선물시장에 적용하여 과연 꾸준하게 돈을 벌 수 있는지를 분석하였다. 구체적으로 매수강도지수가 50% 이상이면 가격이 상승할 것으로 예상하고, 반대로 매수강도지수가 50% 미만이면 가격이 하락할 것으로 예상하여 각각 매수포지션과 매도포지션을 진입하여 수익성을 검증하였다. 실증분석 결과는 거래에 수반되는 거래비용을 제하고도 연 평균 71% 이상의 매우 높은 수익을 보여주고 있다. 발생된 수익 역시 분석 기간 전체에서 장기적, 안정적으로 나타나고 있음을 밝혔다. 유전자알고리즘을 이용하여 제안된 투자전략의 수익성을 개선함으로서, 호가잔량정보를 이용하는 투자자들에게 많은 도움이 될 것으로 기대된다.

Keywords

CCTHCV_2019_v19n7_36_f0001.png 이미지

그림 1. BSI 변동 진입전략의 연도별 성과

CCTHCV_2019_v19n7_36_f0002.png 이미지

그림 2. dt-BSI 전략의 연도별 성과

CCTHCV_2019_v19n7_36_f0003.png 이미지

그림 3. ga-BSI 데이트레이딩전략의 수익곡선

표 1. 삼성전자의 Limit Order Book

CCTHCV_2019_v19n7_36_t0001.png 이미지

표 2. 지표 BSI 기초통계량

CCTHCV_2019_v19n7_36_t0002.png 이미지

표 3. BSI변동을 이용한 진입전략의 성과

CCTHCV_2019_v19n7_36_t0003.png 이미지

표 4. st-BSI전략의 성과

CCTHCV_2019_v19n7_36_t0004.png 이미지

표 5. dt-BSI전략의 성과

CCTHCV_2019_v19n7_36_t0005.png 이미지

표 6. 유전자알고리즘을 이용한 전략의 성과 비교

CCTHCV_2019_v19n7_36_t0006.png 이미지

표 7. 유연진입전략의 성과 비교

CCTHCV_2019_v19n7_36_t0007.png 이미지

References

  1. E. F. Fama, "Efficient capital markets: A review of theory and empirical work," Journal of Finance, Vol.25, No.2, pp.383-417, 1970. https://doi.org/10.1111/j.1540-6261.1970.tb00518.x
  2. 이은정, 박경서, 장하성, "한국주식시장에서 데이트레이딩의 수익성에 관한 연구," 한국증권학회지, 제36권, 제3호, pp.351-385, 2007.
  3. 이지윤, 정현철, "시장효율성연구: 주식시장의 월요일 효과를 중심으로," 경영사학, 제23집, 제2호, pp.253-281, 2008.
  4. 박경서, 조영현, "데이트레이더의 성과지속성과 시장효율성," 한국증권학회지, 제39권, 제3호, pp.367-395, 2010.
  5. 우민철, 최혁, "데이트레이딩 전략의 수익성 분석," 한국증권학회지, 제41권, 제5호, pp.677-704, 2012.
  6. L. Harris and V. Panchapagesan, "The information-content of the limit order book: Evidence from NYSE specialist trading decisions," Journal of Financial Markets, Vol.8, No.1, pp.25-67, 2005. https://doi.org/10.1016/j.finmar.2004.07.001
  7. C. Cao, O. Hansch, and X. Wang, "The information content of an open limit-order book", The Journal of Futures Markets, Vol.29, No.1, pp.16-41, 2009. https://doi.org/10.1002/fut.20334
  8. R. Kozhan and M. Salmon, "The information content of a limit order book: The case of an FX market," Journal of Financial Markets, Vol.15, No.1, pp.1-28, 2012. https://doi.org/10.1016/j.finmar.2011.07.002
  9. 이우백, 최혁, "공개주문원장 정보의 단기수익률 예측력 분석," 한국증권학회지, 제36권, 제6호, pp.963-1007, 2007.
  10. 한상범, "외국인 공매도 거래와 일중 가격반전 분석," 산업경제연구, 제30권, 제6호, pp.2119-2139, 2017.
  11. 김선웅, "호가잔량정보를 이용한 데이트레이딩전략의 수익성 개선: 유전자알고리즘 filtering," 한국지능정보시스템학회 2019 춘계학술대회, Session E, pp.56-57, 2019.
  12. A. Ranaldo, "Order aggressiveness in limit order book markets," Journal of Financial Markets, Vol.7, No.1, pp.53-74, 2004. https://doi.org/10.1016/S1386-4181(02)00069-1
  13. M. C. Wang, L. P. Zu, and C. J. Kuo, "The state of the electronic limit order book, order aggressiveness and price formation," Korean Journal of Financial Studies, Vol.37, No.2, pp.245-296, 2008.
  14. 양훈석, 김선웅, 최흥식, "M&W 파동패턴과 유전자 알고리즘을 이용한 주식 매매시스템 개발," 지능정보연구, 제25권, 제1호, pp.63-83, 2019. https://doi.org/10.13088/jiis.2019.25.1.063
  15. 이종식, 안현철, "입력변수 및 학습사례 선정을 동시에 최적화하는 GA-MSVM 기반 주가지수 추세 예측모형에 관한 연구," 지능정보연구, 제23권, 제4호, pp.147-168, 2017. https://doi.org/10.13088/JIIS.2017.23.4.147
  16. 조기환, 정승환, 김경섭, 오경주, "매매시점 파악을 위한 유전자 알고리즘 기반 스코어링 모델," 한국데이터정보과학회지, 제29권, 제3호, pp.735-745, 2018.
  17. 김선웅, 안현철, "Support Vector Machines와 유전자 알고리즘을 이용한 지능형 트레이딩시스템 개발," 지능정보연구, 제16권, 제1호, pp.71-92, 2010.