포트폴리오 분석
전략 간의 관계와 결합이 포트폴리오 특성에 미치는 영향을 탐색합니다.
이 기술이 하는 일
포트폴리오 역학을 이해하는 데 도움이 되는 데이터를 제공합니다:
- 건강 진단(Health Check): 한 번의 호출로 종합적인 포트폴리오 평가
- 상관관계(Correlation): 전략들이 서로 어떻게 움직이는가?
- 구조(Structure): 포트폴리오에 중복되거나 사각지대가 있는 곳은?
- 한계 기여도(Marginal Contribution): 어떤 전략이 위험 조정 수익률에 도움이 되거나 해를 끼치는가?
- 유사성(Similarity): 중복된 전략이 있는가?
- 가상 시나리오 스케일링(What-If Scaling): 자산 배분을 변경하면 포트폴리오에 어떤 영향이 있을까?
전제 조건
- TradeBlocks MCP 서버가 실행 중이어야 함
- 여러 개의 전략 블록 또는 멀티-전략 블록이 로드되어 있어야 함
- 국면(Regime) 범위 및 구조 분석을 위해 전략 프로파일(Strategy Profiles)이 권장됨
프로세스
1단계: 포트폴리오 건강 진단
portfolio_health_check를 사용하여 한 번의 호출로 종합 평가를 실시합니다.
주요 매개변수:
blockId: 블록 폴더 이름correlationThreshold: 이 값을 초과하는 쌍에 플래그 지정 (기본값: 0.5)tailDependenceThreshold: 이 값을 초과하는 꼬리(tail) 쌍에 플래그 지정 (기본값: 0.5)profitProbabilityThreshold: MC 수익 확률 경고 (기본값: 0.95)wfeThreshold: 워크-포워드 효율성 경고 (기본값: -0.15)
도구가 반환하는 계층형 보고서:
- 평결(Verdict): HEALTHY / MODERATE_CONCERNS / SIGNIFICANT_CONCERNS
- 등급(Grades): 9개 차원에 대한 A-F 등급:
| 차원 | 측정 항목 |
|---|---|
| 분산투자(Diversification) | 전략 쌍 간의 상관관계 |
| 꼬리 위험(Tail Risk) | 극단적 동반 하락 위험 |
| 견고성(Robustness) | 워크-포워드 효율성 (OOS 대 IS) |
| 일관성(Consistency) | 몬테카를로 수익 확률 |
| 국면 범위(Regime Coverage) | VIX 국면별 전략 성과 |
| 거래일 범위(Day Coverage) | 주중 거래일 범위 |
| 집중 위험(Concentration Risk) | 구조, 기초자산, DTE별 배분 |
| 상관관계 위험(Correlation Risk) | 프로파일 인식 중복 (동일 기초자산 + DTE + 요일) |
| 스케일링 정렬(Scaling Alignment) | 백테스트 대 실시간 계약당 P&L 편차 |
- 플래그(Flags): 상세 정보가 포함된 특정 경고 (높은 상관관계 쌍, 꼬리 의존도 쌍 등)
- 주요 수치(Key numbers): 샤프(Sharpe), 소르티노(Sortino), 최대 손실폭, 평균 상관관계, 평균 꼬리 의존도, MC 통계, WFE
평결을 제시하고, B 미만 등급에 플래그를 지정하며, 특정 경고 세부 정보를 표면화합니다.
2단계: 상관관계 분석
get_correlation_matrix를 사용하여 상세한 쌍별 상관관계 데이터를 얻습니다.
주요 매개변수:
blockId: 블록 폴더 이름method: "kendall" (강건, 순위 기반, 기본값), "spearman" (순위), "pearson" (선형)alignment: "shared" (두 전략 모두 거래한 날짜만) 또는 "zero-pad" (누락된 부분을 0으로 채움)timePeriod: "daily", "weekly", 또는 "monthly" 집계normalization: "raw" (절대 P&L), "margin" (P&L/증거금), "notional" (P&L/명목금액)minSamples: 유효한 계산을 위한 최소 공유 기간 (기본값: 10)highlightThreshold: 이 값을 초과하는 쌍에 플래그 지정 (기본값: 0.7)
상관관계 값 해석:
| 상관관계 | 의미 |
|---|---|
| < 0.2 | 매우 낮음 - 전략이 독립적으로 움직임 |
| 0.2 - 0.4 | 낮음 - 대체로 독립적인 움직임 |
| 0.4 - 0.6 | 보통 - 일부 공유 행동 |
| 0.6 - 0.8 | 높음 - 상당한 공유 움직임 |
| > 0.8 | 매우 높음 - 전략이 유사하게 행동 |
트레이딩 수익률의 경우 Kendall의 타우가 Pearson보다 더 유용한 이유는 references/correlation.md를 참조하세요.
3단계: 포트폴리오 구조 맵
portfolio_structure_map을 사용하여 프로파일된 모든 전략에 걸친 Vol_Regime x Trend_Direction 매트릭스를 확인합니다.
주요 매개변수:
blockId: 선택사항 — 생략하면 모든 블록을 집계minTrades: 데이터 부족 경고 임계값 (기본값: 10)
도구가 반환하는 항목:
- 전략별 통계가 포함된 18개 셀 매트릭스 (6 Vol_Regimes x 3 Trend_Directions)
- 중복 탐지(Overlap detection): 동일 셀에서 활성화된 2개 이상의 전략
- 사각지대(Blind spots): 모든 전략에서 거래가 0건인 셀
- 데이터 부족 경고(Thin-data warnings): 임계값보다 적은 거래의 셀
이것이 포트폴리오 구성을 이해하기 위한 핵심 도구입니다. 포트폴리오가 어떤 부분에 범위를 가지고 있고, 어디에 그렇지 않은지 알려줍니다.
4단계: 한계 기여도
marginal_contribution을 사용하여 각 전략이 포트폴리오의 위험 조정 수익률에 미치는 영향을 확인합니다.
주요 매개변수:
blockId: 블록 폴더 이름targetStrategy: 특정 전략에 대해서만 계산 (선택사항)topN: 반환할 상위 기여자 수 (기본값: 5)
도구가 반환하는 항목:
- 기준 포트폴리오 샤프 및 소르티노
- 전략별 한계 샤프 및 소르티노 영향
- 가장 유익한 전략과 가장 덜 유익한 전략
해석:
- 음의 한계 샤프(Negative marginal Sharpe): 이 전략을 제거하면 포트폴리오 샤프가 낮아집니다. 즉, 긍정적으로 기여하고 있다는 뜻입니다.
- 양의 한계 샤프(Positive marginal Sharpe): 이 전략을 제거하면 포트폴리오 샤프가 높아집니다. 즉, 위험 조정 수익률을 저해할 수 있다는 뜻입니다.
- 참고: 한계 기여도는 위험 조정된 영향을 측정하며, 절대 P&L을 측정하지 않습니다. 수익성 있는 전략이라도 변동성을 추가한다면 샤프를 낮출 수 있습니다.
5단계: 국면별 자산 배분 조언
regime_allocation_advisor를 사용하여 전략 프로파일의 예상 국면과 실제 성과를 교차 참조합니다.
주요 매개변수:
blockId: 선택사항 — 생략하면 모든 프로파일된 전략을 집계minTrades: 신뢰할 수 있는 통계를 위한 국면 셀당 최소 거래 수 (기본값: 5)
도구가 국면별 전략별로 반환하는 항목:
- 해당 국면이 예상되었는지(프로파일 기준) 또는 예상치 못했는지 여부
- 해당 국면에서의 승률, P&L, 거래 수
- 분류:
thesis_aligned: 전략이 목표 국면에서 예상대로 성과를 냄thesis_violation: 전략이 처리해야 할 국면에서 성과 저조hidden_edge: 전략이 예상으로 표시되지 않은 국면에서 좋은 성과를 냄
논의 위반(thesis violation) 사례(전략이 예상과 달리 실패하는 경우)와 은닉된 기회(프로파일이 포착하지 못한 기회)를 표면화합니다.
6단계: 전략 유사성
strategy_similarity를 사용하여 잠재적으로 중복된 전략을 탐지합니다.
주요 매개변수:
blockId: 블록 폴더 이름correlationThreshold: 플래그 지정할 최소 상관관계 (기본값: 0.7)tailDependenceThreshold: 플래그 지정할 최소 꼬리 의존도 (기본값: 0.5)minSharedDays: 최소 공유 거래일 (기본값: 30)topN: 가장 유사한 쌍의 수 (기본값: 5)
도구가 반환하는 항목:
- 결합 유사성 점수로 순위가 매겨진 가장 유사한 전략 쌍
- 각 쌍에 대한 상관관계, 꼬리 의존도, 거래일 중복
- 분산 효과 없이 위험만 추가할 수 있는 전략에 대한 플래그
두 전략이 높은 상관관계를 가지면서 동시에 높은 꼬리 의존도를 보인다면, 함께 하락할 가능성이 높습니다. 이 경우 두 전략 사이의 '분산투자'는 환상에 불과합니다.
7단계: 가상 시나리오 스케일링
what_if_scaling을 사용하여 자산 배분 변경의 영향을 탐색합니다.
주요 매개변수:
blockId: 블록 폴더 이름strategyWeights: 전략별 가중치, 예:{"5/7 17D": 0.5, "Pickle RIC": 1.5}. 지정되지 않은 전략은 기본값 1.0. 가중치 0 = 제외.strategies: 멀티-전략 모드 — 전략별 블록 소스와 스케일 팩터가 포함된 배열showUncapped: maxContractsPerTrade 상한 없이 결과도 표시
도구가 반환하는 항목:
- 포트폴리오 메트릭의 변경 전/후 비교
- 새 가중치에서의 전략별 분석
- 프로파일 인식: 프로파일의 maxContractsPerTrade 상한을 준수
- ignoreMarginReq가 설정된 경우 플래그
일반적인 시나리오:
- "이 전략을 빼면 어떻게 될까?" → 가중치를 0으로 설정
- "이 전략의 배분을 두 배로 늘리면?" → 가중치를 2.0으로 설정
- "가장 좋은 성과를 내는 전략을 제외하고 나머지를 절반으로 줄이면?" → 그에 맞게 가중치 조정
8단계: 결과 제시
데이터를 종합합니다:
포트폴리오 건강:
- 평결: [HEALTHY / MODERATE_CONCERNS / SIGNIFICANT_CONCERNS]
- 주의가 필요한 차원: [B 미만 등급]
- 주요 플래그: [특정 경고]
상관관계 결과:
- 쌍별 평균 상관관계: [값]
- 가장 높은 상관관계 쌍: [쌍] at [값]
- 가장 낮은 상관관계 쌍: [쌍] at [값]
구조:
- 국면 사각지대: [범위가 없는 셀]
- 중복 영역: [2개 이상 전략이 있는 셀]
- 집중도: [기초자산, DTE, 구조 유형별]
한계 기여도:
- 가장 유익함: [전략] (한계 샤프: [값])
- 가장 덜 유익함: [전략] (한계 샤프: [값])
눈에 띄는 점:
- [주목할 만한 패턴]
- [중복된 전략 쌍]
- [논의 위반 또는 은닉된 기회]
이를 과거 데이터로부터의 인사이트로 제시합니다. 사용자는 자신의 위험 허용 범위와 포트폴리오 목표에 맞게 결정할 수 있습니다.
해석 참고자료
- references/correlation.md - 상관관계 방법 이해
- references/diversification.md - 분산투자 개념 및 꼬리 위험
관련 기술
포트폴리오 분석 이후:
/tradeblocks:compare- 특정 전략 쌍 또는 블록의 심층 비교/tradeblocks:risk- 포지션 사이징 및 켈리 분석/tradeblocks:health-check- 개별 전략의 전체 메트릭
참고사항
- 상관관계는 거래별이 아닌 집계된 수익률로 측정됩니다.
- 과거의 상관관계 패턴이 미래 시장 상황에서 지속되지 않을 수 있습니다.
- 꼬리 상관관계(위기 상황에서의 행동)는 일반적으로 정상 상관관계보다 더 높습니다.
- 낮은 상관관계가 보호를 보장하지는 않습니다. 두 전략이 다른 이유로 동시에 손실을 볼 수 있습니다.
- 표본 크기가 중요합니다. 최소 10개의 공유 데이터 포인트가 필요하며, 더 많을수록 좋습니다.
- 국면 범위, 구조 맵, 스케일링 정렬 분석을 위해서는 전략 프로파일이 필요합니다.