Momentum Strategies

27 분
13383 단어
카테고리:
paper-review with-gpt finance

논문 링크

Q : 이 논문을 아주 자세하게 읽고 논문의 강점과 독창적인 지점을 설명해주고 핵심 알고리즘을 예시 입력을 들어서 전체적인 과정을 설명해줘 추가적으로 논문의 한계점에 대해서도 알려줘

논문 **“Momentum Strategies” (1996)**를 분석하고 요청하신 내용을 자세히 설명드리겠습니다.

1. 논문의 강점과 독창적인 지점

이 논문은 주식 시장에서 모멘텀 효과를 체계적으로 분석한 대표적인 연구입니다. 논문은 다음과 같은 강점과 독창성을 가지고 있습니다:

2. 핵심 알고리즘 설명 (예제 포함)

논문의 주요 전략은 **“과거 성과 기반 포트폴리오 구성 및 수익률 평가”**입니다. 알고리즘의 주요 단계는 다음과 같습니다:

알고리즘

  1. 주식 데이터 수집: 과거 3~12개월 동안의 주식별 수익률을 계산합니다.
  2. 순위 결정: 각 주식을 과거 수익률 기준으로 오름차순 정렬합니다.
  3. 포트폴리오 구성:
    • 상위 10% (Winner 포트폴리오)와 하위 10% (Loser 포트폴리오)를 선택합니다.
  4. 미래 수익률 평가: 다음 3~12개월 동안 두 포트폴리오의 성과를 측정합니다.
  5. 초과 수익률 계산: Winner 포트폴리오의 평균 수익률에서 Loser 포트폴리오의 평균 수익률을 뺍니다.

예제

가상의 주식 데이터를 사용해 과정을 간략히 설명하면:

3. 논문의 한계점

이 논문은 모멘텀 투자 전략의 기초를 확립하며, 자산 가격 연구에 중요한 기반을 제공했지만, 실질적 투자 적용에서는 추가적인 연구와 검증이 필요합니다.

Q : 이 논문에서 제시한 결과를 자세하게 보고 다른 방법론에 비하여 특출난 점과 논문에서 제기하는 어떠한 방법이 이러한 결과를 도출하게 되었는지 논문에서 제시하는 이유와 너의 생각을 알려줘

이 논문에서 제시한 결과와 그 결과를 도출한 방법론, 그리고 이러한 결과가 다른 방법론과 비교해 가지는 특출난 점을 다음과 같이 정리하겠습니다.

논문에서 제시한 주요 결과

  1. 모멘텀 효과의 강력한 실증:

    • 지난 312개월 동안 수익률이 높은 주식(Winner)은 이후 312개월 동안 높은 수익률을 지속하는 경향이 있으며, 반대로 수익률이 낮았던 주식(Loser)은 이후에도 낮은 수익률을 기록함.
    • Winner 포트폴리오와 Loser 포트폴리오 간의 초과 수익률(spread)은 **연평균 약 12%**에 달함.

  2. 초과 수익률의 일관성:

    • 다양한 투자 기간(3개월, 6개월, 12개월)에 대해 모멘텀 효과가 관찰됨.
    • 초과 수익률은 특정 산업, 회사 규모, 그리고 시장 상황과 관계없이 강력하게 나타남.

  3. 기존 자산 가격 모델로 설명 불가:

    • 모멘텀 전략의 초과 수익률은 CAPM(자본 자산 가격 모델)이나 Fama-French 3요인 모델로 설명할 수 없음. 이는 모멘텀 효과가 단순히 알려진 리스크 요인에 의해 발생하지 않음을 암시함.

방법론의 특출난 점

  1. 포괄적인 데이터 분석:

    • 1965년부터 1989년까지의 대규모 데이터셋을 활용하여 결과의 신뢰성을 강화.
    • 모든 뉴욕증권거래소(NYSE), 아메리칸 증권거래소(AMEX), 그리고 NASDAQ에 상장된 주식을 포함.

  2. 단순하지만 강력한 포트폴리오 구성 방법:

    • 과거 수익률 기준으로 주식을 나누고, 초과 수익률을 단순 비교하는 방법론을 통해 전략의 효과를 직관적으로 보여줌.
    • Winner와 Loser 포트폴리오의 비교는 쉽게 이해할 수 있으면서도 설득력이 높음.

  3. 리스크 요인에 대한 심층 분석:

    • 단순히 초과 수익률을 보고하는 것에 그치지 않고, 다양한 리스크 요인과의 관계를 분석하여 결과의 견고성을 입증.

  4. 거래 비용 고려:

    • 거래 비용을 반영한 후에도 초과 수익률이 긍정적으로 남아 있음을 입증하여 실제 투자 가능성을 강조.

이러한 결과를 도출한 방법의 근본적인 이유 (논문이 제시하는 이유)

  1. 심리적 요인:

    • 투자자들의 **과잉반응(hyper-reaction)**이나 **지연반응(delayed reaction)**이 모멘텀 효과의 주요 원인으로 제시됨.
    • 예를 들어, 투자자들은 긍정적 뉴스에 과잉반응하여 주가가 과대 평가되거나, 부정적 뉴스에 반응이 지연되어 저평가가 지속될 수 있음.

  2. 시장의 비효율성:

    • 시장이 효율적이지 못하다는 가정을 기반으로 하며, 주식 가격이 정보의 완전한 반영 없이 조정되기 때문에 과거 수익률이 미래 수익률을 예측할 수 있다고 설명.

  3. 리스크 요인에 대한 미반영:

    • 기존 모델이 설명하지 못하는 리스크 요인이나 정보의 미반영이 모멘텀 효과의 근본적 원인으로 제안됨.

나의 생각 (이 방법론의 장점 및 논문의 설득력에 대한 의견)

  1. 장점:

    • 이 논문은 단순하면서도 강력한 데이터 기반 분석으로 모멘텀 효과를 입증하였으며, 결과가 매우 설득력 있음.
    • 심리적 요인 및 시장 비효율성과 같은 흥미로운 가설을 제시하여 투자 행동과 시장 구조에 대한 학문적 논의를 이끌어냄.
    • CAPM과 Fama-French 모델의 한계를 지적하며 새로운 투자 아이디어를 제공.

  2. 논문의 설득력:

    • 논문의 결과는 기존 효율적 시장 가설(EMH)에 정면으로 도전하며, 실증적인 데이터에 기반하여 강력히 이를 뒷받침함.
    • 특히, 다양한 시장 환경에서 일관된 결과를 보여줌으로써 모멘텀 효과가 단지 특정 상황에서만 발생하는 현상이 아님을 설득력 있게 제시.

  3. 개선 및 추가 연구 필요성:

    • 논문이 제시한 심리적 요인이나 리스크 미반영 가설은 흥미롭지만, 이를 실증적으로 뒷받침하기 위한 심층 분석은 부족함. 예를 들어, 투자자의 실제 행동 데이터나 심리적 편향을 직접적으로 측정하여 이를 보강할 필요가 있음.
    • 거래 비용이 낮아진 현재의 금융 시장 환경에서도 동일한 결과가 지속되는지 검증하는 후속 연구가 필요.

다른 방법론 대비 특출난 점

종합적으로, 이 논문은 모멘텀 효과의 실증 및 이론적 토대를 제공하는 매우 중요한 연구로, 투자 및 자산 가격 이론 발전에 큰 영향을 미쳤습니다.

Q : 파이썬으로 이 논문에서 제시하는 방법론을 구현해줄 수 있겠니? 예시 입력도 추가해주면 좋겠어

PLAINTEXT
import pandas as pd
import numpy as np

# Step 1: Create example stock return data
np.random.seed(42)
dates = pd.date_range(start="2023-01-01", end="2023-12-31", freq="M")
stocks = ["Stock_A", "Stock_B", "Stock_C", "Stock_D", "Stock_E"]

# Simulated monthly returns for 5 stocks
returns_data = np.random.uniform(-0.05, 0.05, size=(len(dates), len(stocks)))
returns_df = pd.DataFrame(returns_data, index=dates, columns=stocks)

# Step 2: Calculate momentum (past 6 months' returns)
momentum_period = 6
returns_df["Momentum_Score"] = returns_df.sum(axis=1).rolling(window=momentum_period).sum()

# Step 3: Ranking stocks based on Momentum Score
latest_momentum = returns_df.iloc[-1, :-1]
ranked_stocks = latest_momentum.sort_values(ascending=False)

# Step 4: Split into Winner and Loser portfolios
top_20_percent = int(0.2 * len(ranked_stocks))  # Top 20%
bottom_20_percent = top_20_percent  # Bottom 20%

winners = ranked_stocks[:top_20_percent]
losers = ranked_stocks[-bottom_20_percent:]

# Step 5: Calculate future performance for Winners and Losers
future_period_returns = returns_df.iloc[-momentum_period:, :-1]

winner_returns = future_period_returns[winners.index].mean(axis=1).mean()
loser_returns = future_period_returns[losers.index].mean(axis=1).mean()

# Step 6: Calculate Momentum Strategy Return
momentum_strategy_return = winner_returns - loser_returns

# Prepare output data for user visualization
results = {
    "Ranked_Stocks": ranked_stocks,
    "Winners": winners,
    "Losers": losers,
    "Winner_Avg_Return": winner_returns,
    "Loser_Avg_Return": loser_returns,
    "Momentum_Strategy_Return": momentum_strategy_return,
}

import ace_tools as tools; tools.display_dataframe_to_user(name="Momentum Strategy Analysis", dataframe=ranked_stocks)
클릭하여 더 보기

Q : CAPM과의 차이점을 설명해줘

CAPM(자본자산가격결정모형)과 모멘텀 전략을 비교하면 다음과 같은 차이점과 특징이 있습니다.

1. 목적

2. 방법론

3. 가정

4. 결과

5. 결과 비교

핵심 요약

CAPM은 전통적이고 이론적인 리스크-수익 관계를 설명하지만, 모멘텀 전략은 시장의 비효율성과 투자자 행동의 심리적 요인을 활용하여 초과수익을 추구합니다. 이는 시장이 완전히 효율적이지 않다는 점을 보여주는 실증적 사례로, 두 접근 방식은 서로 다른 투자 관점을 제시합니다.

Q : CAPM의 한계점을 momentum으로 설명 가능할까?

CAPM의 한계점은 모멘텀 효과를 통해 설명 가능하며, 이는 주로 CAPM의 기본 가정과 현실 간의 괴리에서 비롯됩니다. 다음은 CAPM의 주요 한계와 모멘텀 효과로 이를 설명하는 방법입니다.

1. CAPM의 한계점과 모멘텀의 설명

(1) 시장 효율성 가정

(2) 리스크 요인의 단순화

(3) 비체계적 위험의 과소평가

(4) 투자자 행동의 무시

2. CAPM과 모멘텀 간의 핵심 차이

CAPM의 가정모멘텀이 설명하는 현실
시장이 효율적이고 모든 정보가 반영된다.시장이 비효율적이며, 정보 반영이 느리거나 왜곡될 수 있다.
베타(시장 리스크)가 수익률을 결정한다.베타 외의 요인(모멘텀, 가치, 규모 등)도 수익률에 영향을 미친다.
투자자는 합리적이며 감정적이지 않다.투자자는 심리적 편향(과잉반응, 지연반응)을 보인다.

3. 모멘텀 전략이 CAPM의 한계를 보완하는 방법

  1. 베타로 설명되지 않는 초과수익 발견:

    • 모멘텀 전략의 수익은 CAPM에서 설명되지 않는 잔차(Return Residual)로 남습니다.
    • 이는 CAPM 외의 요인이 자산 수익률에 영향을 미친다는 것을 입증합니다.

  2. 시장 비효율성을 활용:

    • CAPM의 효율적 시장 가정을 넘어, 모멘텀 전략은 시장의 비효율성을 체계적으로 활용합니다.

  3. 투자자 행동 패턴 반영:

    • CAPM은 투자자 행동을 무시하지만, 모멘텀 전략은 투자자의 비합리적인 행동에서 기회를 찾습니다.

결론

CAPM은 단순하고 이론적으로 강력한 모델이지만, 모멘텀 효과는 CAPM이 설명하지 못하는 현실적인 수익률 패턴과 시장 비효율성을 잘 보여줍니다. 모멘텀 전략은 CAPM의 한계를 실증적으로 보완하며, CAPM이 간과한 시장 비효율성과 투자자 행동 요인을 강조합니다.

Q : 모멘텀 전략의 실제 사례 알려줘

모멘텀 전략의 실제 사례는 여러 금융 시장에서 관찰되고 있으며, 투자 펀드나 헤지펀드에서도 널리 활용되고 있습니다. 다음은 역사적으로 주목할 만한 사례들과 모멘텀 전략이 성공적으로 활용된 경우를 소개합니다.

1. 미국 주식 시장의 모멘텀 전략

2. 2010년 이후 기술주 모멘텀 사례

3. 상품 시장에서의 모멘텀

4. 환율 시장에서의 모멘텀

5. 헤지펀드의 활용 사례

6. 2020년대 사례: 코로나 팬데믹과 모멘텀

7. 암호화폐 시장에서의 모멘텀

모멘텀 전략 성공의 조건

모멘텀 전략은 주식, 상품, 외환, 암호화폐 등 다양한 자산군에서 성공적으로 활용되고 있으며, 시장의 비효율성을 활용하는 강력한 도구로 자리 잡고 있습니다.

Q : 모멘텀 전략의 리스크는 무엇인가?

모멘텀 전략은 높은 잠재적 수익을 제공하지만, 다음과 같은 리스크를 수반합니다. 이러한 리스크는 전략을 실행하거나 유지할 때 투자자들이 고려해야 할 중요한 요소들입니다.

1. 급격한 시장 반전 리스크

2. 거래 비용 리스크

3. 심리적 리스크 및 군중 심리

4. 자산군의 유동성 부족

5. 시장 환경 변화

6. 리스크 분산의 한계

7. 행동재무학적 리스크

8. 데이터 및 모델 리스크

9. 거품 붕괴 위험

리스크를 줄이는 방법

  1. 포트폴리오 다각화:

    • 모멘텀 전략 외에 가치주 전략이나 저변동성 전략과 결합해 리스크를 분산.

  2. 거래 비용 최적화:

    • 거래 빈도를 줄이고 유동성이 높은 자산에 집중.

  3. 시장 환경 분석:

    • 추세가 강한 시장에서만 전략을 실행하거나, 반대 트렌드 위험에 대비한 헤지 전략을 사용.

  4. 백테스팅 및 실시간 테스트:

    • 과거 데이터를 통한 검증(백테스트)뿐 아니라, 실제 시장 환경에서 모델 성과를 지속적으로 평가.

모멘텀 전략은 강력한 수익 잠재력을 제공하지만, 위의 리스크를 이해하고 관리해야 안정적이고 지속 가능한 성과를 달성할 수 있습니다.

Q : 모멘텀 전략과 가치 투자의 비교?

모멘텀 전략과 가치 투자는 모두 널리 사용되는 투자 접근법이지만, 서로 완전히 다른 철학과 방법론을 따릅니다. 다음은 두 전략을 비교한 내용입니다.

1. 핵심 철학

2. 방법론

3. 투자 기간

4. 리스크 관리

5. 심리적 접근

6. 시장 효율성 가정

7. 성과와 사례

8. 장단점 비교

특성모멘텀 전략가치 투자
장점빠른 수익 실현 가능, 상승 추세를 활용한 높은 잠재적 수익리스크 대비 높은 안정성, 장기적 수익성
단점급격한 시장 반전 리스크, 높은 거래 비용가치 함정 위험, 장기 보유로 인한 자금 회전율 감소
적합 시장 환경강한 추세가 있는 시장가격 왜곡이 큰 비효율적 시장

9. 결론

모멘텀 전략과 가치 투자는 각각의 시장 환경과 투자자 성향에 따라 선택될 수 있습니다. 모멘텀 전략은 시장 추세를 활용하며 단기 수익을 목표로 하지만, 거래 비용과 반전 리스크가 높습니다. 반면, 가치 투자는 안정성을 중시하며 장기적인 성과를 추구하지만, 저평가된 자산이 회복되지 않을 위험이 있습니다.

두 전략은 서로 상보적일 수 있으며, 투자자들은 자신의 투자 목표와 리스크 선호도에 따라 두 접근법을 적절히 혼합해 사용할 수 있습니다.

Q : 모멘텀 전략의 장기 성과 분석?

모멘텀 전략의 장기 성과를 분석할 때, 과거 데이터를 기반으로 전략이 어떤 성과를 보여왔는지, 그리고 장기적인 관점에서 가지는 장단점을 살펴보는 것이 중요합니다.

1. 장기 성과에 대한 연구 결과

(1) Jagdish and Titman (1993):

(2) Moskowitz, Ooi, and Pedersen (2012):

(3) Fama and French (1996):

2. 장기 성과의 주요 요인

(1) 시장 환경

(2) 거래 비용 관리

(3) 시장 반전 효과

3. 장기 성과의 장단점

장점

  1. 강력한 초과 수익:

    • 여러 연구에서 장기간 동안 모멘텀 전략이 시장을 초과하는 수익률을 보여왔음.
    • 주식뿐만 아니라 원자재, 통화 등 다양한 자산군에서도 유효.

  2. 다양한 시장에서 일관성:

    • 미국, 유럽, 아시아 등 전 세계 주요 시장에서 모멘텀 효과가 관찰됨.
    • 글로벌 포트폴리오에 적용할 경우 리스크를 분산하면서 성과를 극대화 가능.

  3. 리스크 조정 수익률(Sharpe Ratio):

    • 모멘텀 전략은 단순 시장 수익률 대비 높은 Sharpe Ratio를 기록.
    • 이는 단위 위험당 더 높은 수익을 의미.

단점

  1. 시장 반전 리스크:

    • 장기적으로 시장이 반전되는 시점에 큰 손실을 입을 가능성이 존재.
    • 예: 금융위기, 팬데믹 등의 급격한 시장 충격.

  2. 거래 비용 증가:

    • 모멘텀 전략은 자산 교체 빈도가 높아 장기적으로 거래 비용이 누적될 가능성이 큼.
    • 특히 소규모 자산에서는 이로 인해 초과 수익이 감소할 수 있음.

  3. 리스크 집중:

    • 특정 섹터나 스타일(성장주, 기술주 등)에 과도하게 집중될 가능성이 있어 장기적으로 리스크 분산이 어려움.

4. 실제 사례: 장기 성과

(1) AQR Momentum Fund

(2) FAANG 주식의 장기 추세

5. 장기 성과를 유지하기 위한 조건

  1. 리스크 관리:

    • 시장 반전 시기를 포착하거나, 헷지 전략을 통해 손실을 줄여야 합니다.

  2. 거래 비용 최적화:

    • 거래 빈도를 줄이고 유동성이 높은 자산에 집중.

  3. 다양한 자산군 적용:

    • 주식뿐만 아니라 채권, 원자재, 외환 등으로 자산군을 확장하여 리스크 분산.

  4. 시장 환경 분석:

    • 모멘텀 전략이 효과적인 환경(강한 추세가 있는 시장)에서 실행.

6. 결론

모멘텀 전략은 장기적으로 강력한 성과를 보여주는 검증된 전략입니다. 그러나 급격한 시장 반전이나 거래 비용 증가와 같은 리스크를 관리해야 합니다. 장기 성과를 극대화하기 위해서는 시장 환경, 포트폴리오 다각화, 거래 비용 관리와 같은 요소를 신중히 고려해야 합니다.

Q : 이 논문의 한계를 극복하기 위한 방법으로 어떤 연구흐름이 있는지 정리해서 자세하게 설명해 줘

“Momentum Strategies” 논문은 모멘텀 전략의 강력한 성과를 실증적으로 보여주었지만, 몇 가지 한계점도 존재합니다. 이를 극복하기 위한 연구 흐름은 주로 다음과 같은 방향으로 발전해왔습니다.

1. 거래 비용 문제 극복

한계:

연구 흐름:

  1. 거래 비용을 포함한 수익 분석:

    • Frazzini, Israel, Moskowitz (2018): 거래 비용이 모멘텀 전략에 미치는 영향을 분석하고, 높은 거래 비용을 최소화하는 방법을 제시.
    • 솔루션:
      • 거래 빈도를 줄이기 위한 리밸런싱 간격 확대.
      • 유동성이 높은 자산에 집중하여 거래 비용 감소.

  2. 최적화된 포트폴리오 재조정:

    • 최소 거래 비용을 목표로 포트폴리오 변경을 최적화하는 알고리즘 개발.
    • 거래량 기반 전략: 특정 주식의 거래량이 낮은 경우 매매를 제한.

2. 시장 반전 리스크 완화

한계:

연구 흐름:

  1. 반대 모멘텀 전략(Contrarian Momentum):

    • 설명:
      • 모멘텀 전략이 약세장과 같은 시장 반전 상황에서 손실을 줄이기 위해, 특정 시장 조건에서 반대 방향으로 투자.
    • 예:
      • Grinblatt and Moskowitz (2004): 강한 상승 추세가 멈추는 지점을 포착해 반대로 포지션을 잡는 전략 연구.

  2. 시장 환경 변화 탐지:

    • 솔루션:
      • 시계열 분석이나 머신러닝을 사용하여 추세의 지속 여부를 예측.
      • 시장 변동성을 실시간으로 감지하여 리스크를 줄이는 동적 포트폴리오 관리.
    • 예: Daniel and Moskowitz (2016): **모멘텀 크래시(Momentum Crash)**를 피하기 위한 시장 동향 예측 모델.

3. 리스크 요인의 보완

한계:

연구 흐름:

  1. 다요인 모델 확장:

    • Carhart (1997): 모멘텀을 포함한 4요인 모델 개발.
      • 기존 Fama-French 3요인 모델에 모멘텀 요인을 추가하여 초과 수익 설명력을 강화.
    • 결과:
      • 모멘텀 효과는 독립적인 요인으로 작용하며, 기존 리스크 요인으로 설명되지 않음을 입증.

  2. 리스크 프리미엄 해석:

    • Solnik (2000): 모멘텀이 정보 비대칭성이나 유동성 위험과 같은 추가 리스크 요인을 반영한다고 주장.
    • 예: 시장의 변동성 리스크를 포함한 다요인 모델 연구.

4. 모멘텀과 가치 투자 결합

한계:

연구 흐름:

  1. 모멘텀-가치 혼합 전략:

    • Asness et al. (2013): 모멘텀과 가치 전략을 결합한 다각화 투자 모델.
      • 모멘텀과 가치가 낮은 상관관계를 보여, 두 전략을 혼합할 경우 리스크가 줄어들고 수익이 안정적.
    • 실행 방식:
      • 가치 투자로 기본 포트폴리오를 구성하고, 모멘텀 전략으로 추가 수익을 추구.

  2. 동적 전략 전환:

    • 시장 상황에 따라 모멘텀 전략과 가치 전략을 교대로 사용하는 하이브리드 모델.

5. 행동재무학적 해석

한계:

연구 흐름:

  1. 심리적 요인 기반 모델:

    • Barberis, Shleifer, Vishny (1998): 투자자의 과잉반응과 지연반응을 수학적 모델로 설명.
      • 모멘텀 효과는 투자자들이 과거 성과에 지나치게 의존하는 심리적 편향에서 기인한다고 주장.

  2. 행동 데이터 활용:

    • 투자자 행동 데이터를 사용하여 모멘텀 전략의 심리적 원인을 분석.
    • 예: 뉴스 흐름, 소셜 미디어 데이터를 기반으로 투자 심리 측정.

6. 데이터와 기술의 발전 활용

한계:

연구 흐름:

  1. 머신러닝 기반 모멘텀 모델:

    • 머신러닝과 AI를 활용해 비정형 데이터(뉴스, 소셜미디어)를 분석하고, 더 정교한 모멘텀 신호를 생성.
    • 예:
      • Gu, Kelly, Xiu (2020): 머신러닝으로 모멘텀 신호를 강화한 모델 개발.

  2. 대체 데이터 활용:

    • 신용카드 거래 데이터, 위성 이미지, 검색 트렌드 등의 대체 데이터를 활용하여 더 나은 모멘텀 신호를 탐지.

7. 글로벌 자산군 적용

한계:

연구 흐름:

  1. 다양한 자산군에서의 테스트:

    • 원자재, 외환, 채권 등 다양한 자산군에 모멘텀 전략을 적용하여 성과를 검증.
    • 예: Asness, Moskowitz, Pedersen (2013): 글로벌 자산군에서 모멘텀 전략이 일관되게 작동함을 입증.

  2. 크로스 섹터 모멘텀:

    • 산업 간 모멘텀(예: IT vs. 에너지)을 활용하여 분산 투자 전략 개발.

8. 결론

모멘텀 전략의 한계를 극복하기 위한 연구 흐름은 다음과 같은 방향으로 발전해왔습니다:

이러한 발전은 모멘텀 전략을 보다 견고하고 지속 가능하게 만들며, 현대 금융 시장에서도 효과적인 투자 전략으로 자리잡게 하고 있습니다.

라이선스

저작자: Jaehun Ryu

링크: https://jaehun.me/posts/momentum-strategies/

라이선스: CC BY 4.0

이 저작물은 크리에이티브 커먼즈 저작자표시 4.0 국제 라이선스에 따라 이용할 수 있습니다. 출처를 밝히면 상업적 목적을 포함해 자유롭게 이용 가능합니다.

댓글

검색 시작

검색어를 입력하세요

↑↓
↵
ESC
⌘K 단축키