랜덤 포레스트 모델을 활용한 채권형펀드 성과 예측 연구 (A Study on Predicting Performance of Fixed-Income Funds Using Random Forest Models)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 24권 / 5호 / 571 ~ 578페이지
· 저자명 : 문종윤, 김선웅, 최흥식

초록

금융투자 상품을 선택할 때 투자자들은 최적의 포트폴리오를 구성하기 위해 어려움을 겪는다. 본 연구에서는채권형펀드에 대한 투자자의 포트폴리오 선택을 돕기 위해 1개월 후의 상대적 성과를 예측하는 기계학습 모델을 제안하였다. 연구에서는 2017년 12월 1일부터 2023년 1월 31일까지의 채권형펀드 성과 자료와 국고채 금리, 원·달러 환율, 국내 성장률, 소비자물가지수 등 매크로 지표 데이터를 활용하여 랜덤 포레스트 모형을 구축하였고, 이를 통해 예측력을검증하였다. 본 연구의 결과는 다음과 같다. 첫째, 제안 모델의 예측 결과는 90% 이상의 정확도와 정밀도를 보였다.
둘째, BorutaPy를 이용하여 특성을 선택했을 때 예측력이 상승하였다. 셋째, 교차검증을 통해 모델의 안정성을 확인할수 있었다. 이전의 학계 연구들은 개별 금융상품의 가격과 수익률을 직접 예측하는 것이 대부분이었지만, 본 연구는 분류기를 활용하여 상대적으로 우수한 성과 그룹을 선택할 수 있도록 가이드를 제공한다. 이러한 점에서 기존 연구들과는많은 차별성이 있다. 따라서, 본 연구는 투자자들이 채권형펀드에 대한 투자 결정에 간접적으로 도움을 줄 것으로 기대된다. 향후 연구에서는 딥러닝, 서포트벡터머신(Support Vector Machine) 등 다양한 기계학습 모형들과 비교하여 최적의 예측모델을 개발하고, 정확도를 높일 필요가 있다.

영어초록

When choosing financial investment products, investors struggle to construct an optimal portfolio. In this study, we propose a machine learning model that predicts the relative performance of fixed income funds one month out in order to help investors make portfolio choices. To verify the predictive power, we build a random forest model using performance data on fixed income funds from December 1, 2017, to January 31, 2023, as well as macro indicator data such as government bond interest rates, the won-to-US-dollar exchange rate, the domestic growth rate, and the consumer price index. The results of this study are as follows. First, the prediction results show accuracy and precision of more than 90%. Second, prediction power increases when characteristics are selected using BorutaPy, and third, cross-validation confirms the stability of the model. While most previous academic studies directly predict the price and return on investment from individual financial instruments, this study utilizes a classifier to guide the selection of relatively good performance groups. In this respect, it differs from previous studies. Therefore, this study is expected to indirectly help investors make investment decisions about fixed income funds. For future research, it is necessary to develop an optimal prediction model and to improve accuracy by comparing various machine learning models, such as deep learning and the support vector machine.

참고자료

· 없음