1 모멘텀이란?

2 모멘텀 유형

3 모멘텀 품질

4 계절성 있다

5 실전에서 써먹기

6 Perry Kaufman의 Efficiency Ratio

7 최근 90일동안의 잘나간 자산

• 1월: 100원
  
• 2월: 150원 -> 전월에 비해 50% 상승
  
• 3월: 120원 -> 전월에 비해 20% 하락
  
• 4월: 150원 -> 전월에 비해 25% 상승
  
  

• 단기(1개월) --> 음의 관계(이전 1개월 상승했으면 다음 1개월 하락)
  
• 중기(12개월) --> 양의 관계 --> 중기가 일정하게 수익률을 준다.
  
• 장기(60개월) --> 음의 관계
  
  

• 윈도우 드레싱(펀드 매니저가 단기 성과 좋게 만들기)
  
• 절세
  
  

• 모멘텀 있는 주식을 고른 후 품질까지 고려해 최대 50개 이하로 뽑아서 투자(종목이 많으면 지수에 투자하는 것과 마찬가지)
  
• 수수료보다 10배 더 버니까 수수료는 고려치 말자.
  
• 모멘텀 몰빵보다는 가치 투자 + 모멘턴 투자
  
• 추세 추종(추세를 봐서 채권으로 갈아 타기)
  
• MDD 제한(예: 10%이상 손해나면 손절하기)
  
  

library(quantmod)
library(PerformanceAnalytics)
library(magrittr)
library('lubridate')
library(dplyr)

ticker = c("QQQ", "DIA", "SPY", "TLT", "VNQ", "IAU", "VWO")
getSymbols(ticker, from= today()-90, to = today(),warnings = FALSE, auto.assign = TRUE, src="yahoo")
prices = do.call(cbind, lapply(ticker, function(x) Ad(get(x))))
rets = Return.calculate(prices) %>% na.omit()
#head(rets)
#head(prices)

lambda <- 0.94
result <- data.frame()
for( n in 1:ncol(prices))
{
  tmp1 <- data.frame(price=prices[,n]) %>% mutate(seq=row_number())
  colnames(tmp1) <- c("price", "seq")
  tmp1$ewma <- NA
  tmp1$diff <- NA
  
  for(i in tmp1$seq){
    if (i > 1){
      ewma <- lambda*tmp1[i,]$price +(1-lambda)*ewma
      end <- tmp1[i,]$price
      tmp1[i,]$diff <- abs(end - yesterday_price)
    } 
    else{
      ewma <- tmp1[i,]$price
      yesterday_price <- tmp1[i,]$price
      start <- tmp1[i,]$price
    }
    tmp1$ewma[i] <- ewma
  }
  
  change <- end - start
  volatility <- sum(na.omit(tmp1$diff))
  efficiency_ratio <- change / volatility
  result <- rbind(data.frame(ticker = ticker[n], efficiency_ratio), result)
}
arrange(result, desc(efficiency_ratio))
charts.PerformanceSummary(rets)