earticle

한국어

본 연구는 머신 러닝이 기존 예측 모델로 처리하기 어려운 고차원 데이터를 효과적으로 활용하며, 포트폴리오 전략의 성능을 향상시킬 수 있는지 살펴본다. 본 연구에서는 잘 알려진 All-weather 포트폴리오의 자산 구성인 S&P 500, 장기 국채, 금을 대상으로 7개의 머신 러닝 모델을 비교 분석하였다. 본 논문의 발견은 다음과 같다. 첫째, LASSO 및 Elastic Net 모델이 다른 머신 러닝 모델에 비해 S&P 500 및 금 수익률 예측에 있어 우수한 성능을 보였으며, 트리기반 모델은 장기 국채 수익률 예측에 있어 뛰어난 성과를 나타냈다. 둘째, 예측 정확도가 높았던 LASSO 및 Elastic Net을 활용한 포트폴리오 전략은 기존의 Allweather 포트폴리오를 활용한 정적자산배분 전략 및 전통적인 동적자산배분보다 전략보다 향상된 성과를 보였다.