머신러닝 블랙박스에 빛을 비추다

수석 포트폴리오 관리자, Man Numeric

지금까지 팩터 포트폴리오 속성에 머신러닝 모델을 활용하는 데는 거의 진전이 없었습니다. 우리는 체계적인 투자자가 성과에 대한 세부적이고 지역적인 설명을 어디서, 어떻게 찾을 수 있는지 설명합니다.

2023년 8월

머신러닝 모델이 수익을 향상시켰을 수도 있지만, 현재 투자자들은 그러한 수익이 어디서 나오는지 어느 정도 인식하지 못하고 있습니다.

현대 포트폴리오 관리에서는 요인 간의 복잡한 상호 작용을 포착하는 능력으로 인해 수익을 예측하기 위해 기계 학습(ML) 모델을 점점 더 많이 채택하고 있습니다. 단점은 최종 결과가 고도로 최적화된 출력을 갖춘 블랙박스 모델에 가까운 경우가 많다는 것입니다. 이는 모델의 예측과 의사결정을 이해하는 것이 종종 어렵다는 것을 의미합니다. 이에 대응하기 위해 모델 해석 또는 속성 기술을 사용하여 모델 예측의 근거를 설명하고 결과에 가장 크게 기여하는 기능을 찾아냅니다. 그러나 지금까지 체계적인 포트폴리오 투자의 중요한 구성 요소인 팩터 포트폴리오 속성에 ML 모델을 활용하는 데는 거의 진전이 없었습니다. 이러한 진화 없이는 어떤 요소가 포트폴리오 수익률에 영향을 미치는지 정확하게 이해하기 어렵습니다. ML 모델이 수익을 향상했을 수도 있지만, 현재 투자자들은 이러한 수익이 어디서 나오는지 어느 정도 파악하지 못하고 있습니다.

기존의 선형 요인 기여 방법론은 로컬 상호 작용 효과를 포착하는 능력이 부족하고 단일 글로벌 베타에 대한 암시된 가정과 같은 한계로 인해 어려움을 겪고 있습니다. 대신, 우리는 체계적인 투자자들이 성과에 대한 세부적이고 지역적인 설명을 찾기 위해 기존의 선형 귀속 모델을 넘어설 필요가 있다고 주장합니다.

한 가지 해결책은 Shapley 값을 사용하는 것입니다. 본 논문에서는 Shapley 값이 무엇인지, 모델 출력을 설명하기 위해 이 값을 어떻게 적용할 수 있는지, Shapley 값의 특정 구현인 SHApley Additive exPlanations(SHAP)를 사용하여 Shapley 값을 계산하는 방법을 살펴봅니다. 또한 SHAP 기반 성과 기여 프레임워크가 로컬 및 글로벌 포트폴리오 속성에 어떻게 사용될 수 있는지 설명하고 Shapley 가치와 SHAP를 사용하여 로컬 및 글로벌 포트폴리오의 의사 결정 프로세스와 단면적 수익 변동을 모두 설명하는 혁신적인 포트폴리오 속성 시스템을 소개합니다. 글로벌 수준. 또한 XGBoost와 같은 비선형 ML 모델을 통합하여 SHAP 속성의 향상된 설명력을 보여줍니다.

ML 모델이 계속해서 합리적인 수익을 제공한다면 기여 방법론 개선에 대해 걱정할 이유가 무엇입니까? 한마디로 부족하기 때문입니다. 시계열 회귀, 단면 수익률 귀인, 보유 자산 기반 귀인 등 기존 요인 귀인 방법론은 선형 모델을 기반으로 하기 때문에 글로벌 선형 베타 가정으로 로컬 상호 작용 효과를 포착할 수 없습니다.

예를 들어 시계열 회귀는 차원 문제와 시간 전반에 걸쳐 베타가 일정하다는 가정으로 인해 제한되므로 동적 포트폴리오 관리에 유용하지 않습니다. 반대로 위험 모델 벤더가 일반적으로 사용하는 일련의 위험 요소를 사용한 단면적 수익 귀속은 수익 창출이 선형 글로벌 요소 모델에 기인할 수 있다고 가정합니다. 그것의 가까운 사촌인 보유 기반 속성은 일련의 맞춤형 팩터 포트폴리오에 대한 포트폴리오 보유의 노출을 추정합니다. 세 가지 방법론 모두 동일한 선형 팩터 수익률 구조를 기반으로 하지만 정교함과 맞춤화 유연성 측면에서 다릅니다. 그러나 이러한 방법론은 독립 변수 간의 비선형 관계로 인해 상호 작용 효과를 포착할 수 없습니다.

Shapley 가치는 연합 게임의 지불금에 대한 각 플레이어의 기여도를 측정하는 협동 게임 이론의 개념입니다.

Shapley 가치는 연합 게임의 지불금에 대한 각 플레이어의 기여도를 측정하는 협동 게임 이론의 개념입니다. Shapley 가치1의 4가지 원칙은 플레이어가 연합을 형성할 수 있고 지불금이 연합의 성과에 따라 달라질 때 지불금 분배가 공정하다는 것을 보장합니다. Shapley 가치는 이 네 가지 원칙을 만족하는 유일한 지불 방법입니다. 지불금 분배는 플레이어의 모든 조합을 순열하여 플레이어의 한계 기여도를 기준으로 계산됩니다.