기술적 지표의 한계

마지막 업데이트: 2022년 6월 18일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
교대역 지점 서울 서초구 서초대로 320

더 나은 마케팅 측정(애널리틱스) 문화를 위한 지표와 프레임웍

디지털 커뮤니케이션이 등장하고 우리 삶에 깊숙이 자리잡은 지난 20년. 마케팅도 엄청난 변화를 겪었습니다. 디지털 마케팅은 더 많은 회사가 더 많은 사람들에게 자신을 알리고 메시지를 전할 수 있게 만들어주었습니다.

디지털 마케팅이 빠르게 확산되고 자리잡게 된 또다른 이유는 데이터입니다. 디지털 마케팅과 플랫폼의 노력 덕에 과거에는 추정만 하거나 몇 달이 걸리는 데이터들을 실시간으로 축적하고 확인할 수 있게 되었습니다. 모두가 데이터를 공유하며 마케팅 의사결정을 할 기반이 마련되었습니다.

많은 기업들이 데이터의 중요성을 인식하고 관련하여 예산을 투입하고 노력을 기울입니다. 그 예산으로 사람을 고용하고, 툴을 사고, 분석 서비스를 이용하기도 합니다. 그리고 이렇게 수집, 가공, 분석한 데이터로 다양한 활동에 대해 결정합니다. 어떤 마케팅 채널에 어떤 예산과 자원을 투입하고 바꿀 것인지, 단기와 장기간 마케팅의 방향을 어떻게 설정할 것인지를 데이터에 의해 결정합니다.

데이터 측정의 한계와 역설

그런데 실제로 디지털 마케팅은 더 좋은 마케팅 의사결정에 도움이 될까요? 데이터를 잘 이해하는 소수의 조직에게는 큰 도움이 될 것입니다. 하지만 대부분의 조직에게는 그렇지 않습니다. 데이터 수집과 가공 기술은 단기간에 굉장히 좋아졌지만, 사람들이 이것을 이해하고 다루는 능력은 제자리이기 때문입니다.

측정의 한계

그러나 새로운 세계를 열어준 디지털 마케팅 데이터에는 명백한 한계가 있습니다. 디지털로 수집할 수 있는 데이터는 “디지털”에 국한됩니다. 또한 개인정보 보호 등의 규제와 기술적 한계도 있기 때문에, 모든 디지털 채널의 데이터가 호환되지도 않습니다.

데이터 측정의 역설: 가용성 휴리스틱(availability heuristic)

이 한계보다 더 중요한 문제는 디지털 데이터의 장점으로 여겨지는 수집 용이성, 실시간, 투명성 입니다. 눈에 명백히 보이는 디지털 데이터가 반드시 가장 중요한 데이터라고 하기는 어렵습니다. 또한 디지털 데이터가 마케팅 전체의 맥락을 말해주지 못하는 경우도 많습니다. 하지만 디지털 이외의 다른 데이터는 잘 보이지 않기 때문에, 눈에 잘 띄고 손에 잡히는 디지털 데이터가 마케팅 의사결정의 기준이 되기 쉽습니다.

디지털

디지털 마케팅의 데이터는 빙산의 윗부분 같기도 합니다. 디지털 데이터를 통해 최대한 빙산 아래를 파악해보려는 노력이 필요하지만, 우리는 수면 위만 쳐다보고 있습니다.

인간이 저지르기 쉬운 인지 오류를 연구하여 노벨 경제학상을 받은 다니엘 카느만은 이것을 가용성 휴리스틱(availability heuristic) 이라고 합니다. 인간은 원래 가장 쉽게 떠오르는 것을 기준으로 생각하고 잘못된 결정을 내리기 쉽습니다.

휴리스틱은 우리말로 옮기자면 어림셈법 정도가 될 듯합니다. 카느만에 따르면 우리의 뇌는 빨리 생각하는 모드(system1 thinking)와 깊이 생각하는 모드(system 2 thinking)가 있습니다. 생존을 위해서는 많은 정보를 빠르게 처리해야 하고, 이 때 system 1 thinking 이 작동하고 휴리스틱을 이용합니다. 문제는 신중하고 깊이 생각해야 할 때도 system 1 thinking 에서 사용하는 방법들을 차용하는 습관입니다. 이 때문에 우리의 사고에는 오류가 많습니다. 알면서도 항상 당하는 습관이자, 인간의 숙명이기도 합니다.

내용은 조금 다르지만 “목소리 기술적 지표의 한계 큰 놈이 이긴다”는 말도 디지털 데이터의 역설을 잘 표현해준다고 생각합니다. 생각의 타당함과 관계 없이 주장이 강하고 말을 많이 하는 사람의 의견이 돋보이고 관철되는 현상은 주변에서 흔히 눈에 띕니다.

조직 내에서 마케팅에 관여하는 많은 사람들이 디지털 데이터를 접하고 다루며 의사결정의 근거로 활용하지만, 섬세한 고려와 이해 없이는 잘못된 의사결정을 내리기 쉽습니다. 디지털과 이를 둘러싼 다양한 맥락과 데이터를 함께 이해하는 대신 디지털 데이터만을 봅니다. 그리고 디지털 데이터 중에서도 가장 눈에 띄는 데이터만에 주목합니다. 이런 데이터들은 대부분 기업이 고객에게 주는 가치, 기업의 지속성과 성장, 작게는 매출과 이익과 관련이 없습니다.

더 큰 문제는 그것이 잘못인지도 모르고 지나가는 일이 너무 많다는 점입니다. 아주 부정적인 시각으로 보면 21세기 초를 살고 있는 사람들 모두가 디지털 데이터 마케팅이라는 거대한 사기를 당하고 있는지도 모릅니다. 물론 저는 기술적 지표의 한계 이렇게 까지 생각하지는 않습니다. 하지만 P&G가 디지털 마케팅에 대한 문제를 제기하고 총 수조원의 디지털 예산을 삭감한 이유를 곱씹어볼 필요가 있습니다. 참고로 P&G는 세계에서 가장 유능한 마케팅 인력, 엄청난 유무형의 마케팅 자산, 그리고 200년의 경험을 가진 회사입니다.

조직 내 디지털 데이터 활용의 문제

실제로 조직 내에서의 디지털 데이터 활용을 생각해보면 양상은 이렇습니다. 이것도 그나마 마케팅 자원이 풍부하고 고도화된 마케팅을 잘하는 조직의 양상입니다.

의사결정권자 : 데이터가 중요한 것은 안다. 하지만 어떤 디지털 데이터가 있고, 어떻게 수집하고 활용할지는 잘 모른다.

데이터를 활용하여 일을 하는 마케터 : 데이터를 활용하는 툴을 잘 다룰 줄 안다. 그래서 많은 디지털 데이터를 수집하고 정리하고 나름의 분석도 한다. 하지만 시야가 너무 좁고 디지털 데이터의 맥락을 이해하지 못한다.

여담: 일부 마케팅 교육기관은 데이터와 퍼포먼스 마케팅 능력을 익히면 연봉을 두 배 올려받을 수 있다고 광고합니다. 저는 그런 종류의 직무능력’만’을 갖춘 인력은 5년에서 10년 내에 AI가 대체할 가능성이 높다고 생각합니다. 그 이유는 뒤에서 더 언급하겠습니다.

흔히 통용되는 데이터 기반 마케팅이나 퍼포먼스 마케팅의 문제도 동일합니다. 데이터에 대한 시야가 너무 좁고, 맥락을 이해하지 못합니다. 그래서 데이터로 가공하기 쉽고, 개선과 발전을 보여주는 것 같은 지표가 많이 나오는 마케팅 활동만이 강화됩니다. 그리고 극히 일부의, 성공 확률이 낮지만 눈에 띄는 좋은 사례를 많은 회사가 모델로 채택하여 똑같이 수행합니다. 성공 확률은 낮아지고, 예산 투입은 많아지며, 고민은 깊어지는데 문제를 정확히 규명하기 힘들어집니다.

더 나은 디지털 마케팅 데이터 측정을 위한 프레임웍

그렇다면 디지털 데이터를 어떻게 측정해야 더 좋을까요? 데이터 측정을 통해 더 나은 의사결정을 하는 방법은 무엇일까요? 진정한 데이터 기반 마케팅은 어떻게 실천할 수 있을까요?

데이터 해석과 이에따른 행동은 결국 사람이 결정하고 실행합니다. 조직에서 데이터 측정을 더 잘 하려면

측정 가능한 데이터를 모두 펼쳐본 다음, 누가 언제 어떻게 이 데이터들을 측정하고 분석할지를 나눠야 합니다.

이렇게 역할 분담을 하고 나면 각자의 역할에 맞게 분석을 수행하고, 더 나은 의사결정을 기술적 지표의 한계 위한 프로세스를 갖춰 실행합니다.

결국 어떤 데이터를 갖고 무엇을 할 수 있는지를 알아야 합니다. 이를 위해 데이터 측정 프레임웍을 제시해봅니다. 이 프레임웍과 관련 자료는 Avinash Kaushik 가 제시한 내용입니다. 예시로 든 이미지는 모두 Kaushik의 자료를 우리말로 바꾼 것입니다. 저는 기술적 지표의 한계 이런 자료를 볼 때마다 거인의 어깨를 빌리는 일의 힘을 느낍니다.

디지털 마케팅 지표의 좌표축(axis)

다양한 지표는 두 가지 기준에 따라 나눕니다.

첫째 축은 시간입니다. 실시간으로 측정할 수 있는 것부터 반기나 연간으로 측정할 수 있는 지표까지 나열해봅니다.

전략전술의 축

두 번째 축은 전략-전술 입니다. 다양한 지표는 전술적인 것부터 전략적인 것으로 나눌 수 있습니다. 전략-전술 축의 기준은 지표의 영향력이자, 복잡한 정도(분석력을 요구하는 정도)이기도 합니다.

전략 축에서 높이 있는 지표일수록 다른 하위 지표들과 상황을 이해해야 합니다. 따라서 전략 축에서 높이 있는 지표들은 측정이 어렵거나, 측정은 쉬워도 이유를 설명하기 어렵습니다.

장바구니-미구매 비율 을 예로 들어보겠습니다. Kaushik 는 이탈률이라는 간단한 지표가 얼마나 복잡한지를 설명하는데, 저는 좀 더 복잡한 지표를 예로 들어봅니다. 장바구니에서 미결제한 비율 이라는 지표는 쇼핑몰 솔루션 제공 업체에서 주는 툴이나 구글 애널리틱스 등에서 쉽게 알 수 있습니다. 하지만 실제 이 미결제 비율에 대해 이해하려면 다양한 하위 지표와 정보를 알아야 합니다. 몇 가지만 예를 들면 다음과 같습니다.

  • 상세페이지의 내용 – 감성적, 기능적 측면과 가치
  • 고객의 구매 사이클
  • 사이트와 관련 페이지의 다양한 전환율
  • 사이트의 관련 페이지 전환율과 최적화
  • 결제 방식의 UI, UX, 편의성

위의 내용들도 미결제 비율의 하위지표일뿐 다시 다양한 하위지표로 구성됩니다.

온라인 커머스를 운영하는 어떤 조직에서 장바구니 미결제율이 높아져서 이에 관한 논의와 의사결정을 한다고 가정해봅니다. 아마도 다양한 산발적인 내용과 의견들이 나올 것입니다. 하지만 구성원들이 해당 지표를 구성하고 영향을 주는 하위 지표들의 층위를 체계적으로 이해한 바탕으로 논의를 하고 의사결정을 할까요? 99%의 조직은 그렇게 하지 못할 것입니다.

전략적인 지표는 이렇게 측정과 평가가 어렵지만 영향력도 큽니다. 방금의 예시에서 어떤 방법으로건 장바구니-미결제 비율을 낮추게 되었다면, 하위 지표들 대부분 역시 개선되었을 것입니다. 반대로 하위지표가 개선된다고 상위 지표가 꼭 좋아지지는 않습니다. 페이스북의 좋아요 나 사이트 방문자 지표가 높아진다고 전환율이 높아지거나 이탈률이 낮아지지는 않습니다.

시간과 전략전술의 축으로 보는 현재 국내의 마케팅 측정 문제

앞서 언급한 국내 데이터-퍼포먼스 마케팅의 문제도 이 축으로 쉽게 설명할 수 있습니다. 많은 회사, 대행사, 마케터, 경영자들이 단기-전술 지표를 중심으로 마케팅을 하고 경영을 합니다.

이 경우 해결도 단기적이고 전술적입니다. 단기 전술적인 대응을 반복하는 일은 개인에게도 조직에게도 무척 피곤하고 진 빠지는 일입니다. 또한 광고비용, 각종 거래비용(transaction cost)이 많이 듭니다. 사이트의 방문을 높이려면 온라인에 광고비만 많이 쓰면 됩니다. 하지만 방문한 사이트에 문제가 있다면 방문자 증가의 효과는 거의 없습니다.

좀 더 전략적인 지표인 이탈률은 어떨까요? 이탈률을 낮추려면 랜딩페이지의 콘텐츠 구성, 사이트의 UX, CTA 등을 수치화하거나 평가하고, 측정하고 개선해야 합니다. 대신에 이탈률을 낮출만큼 사이트를 개선했다면 방문자나 세션 수, 페이지 조회수는 증가할 것입니다.

고객 평생가치나 충성도 같은 것은 단기간에 한 두 가지를 개선해서 쉽게 달라지지 않습니다. 하지만 고객 평생가치가 높아진다면 매출, 이익, 지속성 등 사업에 핵심적인 요인들도 함께 개선됩니다.

더 중요한 지표들을 규명하고, 그 지표들에 영향을 주는 지표들을 함께 이해하며, 중요한 지표들(대개 전략-장기의 축에 있습니다)을 개선하기 위한 행동을 한다면 하위의 많은 문제는 쉽게 해결될 것입니다.

마케팅 측정 프레임웍 만들기

이렇게 좌표축을 만들어 놓고 평소에 쓰는 지표들을 나열해봅니다. 예를 들어 페이지 방문자나 조회수는 실시간-전술 적인 지표입니다. 반면 고객의 평생가치는 장기-전략적인 지표입니다. 구글 애널리틱스, ERP 시스템, 기타 다양한 툴에서 제공하는 지표들을 모두 열거해보고 채워보면 좋습니다. 아래의 그림은 예시입니다. 이 지표들은 회사마다 실제 사용하고 수집 가능한 데이터로 직접 채우는 것이 좋습니다.

지표 예시

예시에 쓰이는 지표는 40여가지 입니다. 이 40여가지는 모두 필요하고 중요한 지표입니다. 측정 문화가 잘 정착되지 않은 조직에서는 이 중 3-4 가지만을 사용하며, 업무나 직급에 관계 없이 이 3-4가지 지표만 함께 고려합니다.

측정 문화가 잘 갖춰져 있는 조직도 3-4가지를 핵심 지표로 사용할지 모릅니다. 다만 이 3-4가지 지표를 설명하는 하위지표들 수십 가지를 모두 이해하고 측정하며 체계 속에서 연결되어 있을 것입니다. 그리고 맡은 업무와 의사결정 수준에 따라 집중하는 지표가 다를 것입니다.

지표들을 몇 가지 열거하면 다음과 같습니다.

  • 노출
  • 방문
  • 신규방문%
  • CTR
  • AVOC
  • 아웃바운드 클릭
  • 획득비용
  • 페이지 값
  • 상점 방문
  • 장바구니-미구매 비율
  • 목표완료율
  • 전환
  • 세션 퀄리티
  • 방문당 목표값
  • 일간 활성사용자
  • 매출총이익
  • A/B 테스트 매출 차이
  • 인당 순이익
  • 최근 방문, 빈도
  • Nonline 매출
  • Nonline 채널별 이익
  • 고객 충성도
  • LTV

프레임웍 형태

앞에서 말한 축 위에 위의 지표들을 알맞게 나열해봅니다. 이커머스 사이트의 예를 들면 아래와 같을 것입니다. 이것은 예시일뿐입니다.

프레임웍 확장 : 차원 더하기

이렇게 기본적인 프레임웍을 만들었다면 몇 가지 차원을 더해볼 수 있습니다.

현재상황 파악

이 작업의 목적은 의사결정을 위해 얼마나 데이터를 폭넓게 체계적으로 사용하는지를 파악하기 위함입니다.

다양한 데이터 중 조직에서 주로 살펴보고 의사결정에 주로 사용하는 데이터는 무엇인가요? 이것을 파악하면 좀 더 중요한 지표를 측정하고 분석하고 이를 마케팅에 적용하기 위한 행동들을 실천에 옮기기 쉬워집니다.

여태까지 노출과 방문자 수, 매출 만을 주요 지표로 삼았다면 이것을 확실히 표시해보세요. 그리고 좀 더 장기적이고 전략적인 지표를 측정하고 개선할 방법이 있는지를 찾아보세요.

아래 그림에서 초록색으로 표시한 것이 전체 데이터 중 일반적으로 많이 쓰는 데이터의 예시입니다. 초록색으로 표시한 것이 많을수록 좋지만, 대부분의 조직은 전체 중 극히 일부만 초록색으로 표시하게 됩니다.

지표들을 난이도별로 나눠보면 다음과 같습니다. 당연히 전략적이고 장기적인 고려가 지표들의 측정과 개선이 훨씬 어렵(지만 의미있)습니다.

직급별로 신경 써야 할 지표를 나눠보면 다음과 같습니다.

쉽게 말해 의사결정의 영향력이 클수록 더 전략적인 지표에 신경 써야 합니다. 그리고 이를 개선하기 위해 고민해야 합니다. 물론 전략적인 지표를 개선하기 위해서는 관련된 하위 지표에 대한 이해가 함께 필요합니다.

마케팅 팀장이라면 소셜미디어의 좋아요 나 인게이지먼트, 사이트 방문자, CTR 을 넘어선 지표 이해와 행동 계획이 필요합니다.

경영자라면 고객의 충성도나 LTV에 대한 나름의 정의와 값을 설정해야 합니다. 정확한 값을 정할 필요는 없고, 매기기도 불가능합니다. (제품이나 서비스에 따라 조금 쉬운 것도 있고 많이 어려운 것도 있습니다)

다만 나름의 경험과 이해도, 상황 변화에 따라 이런 값을 매겨보고, 수정하고, 동일 조건에서 개선하기 위한 노력을 해야 합니다.

분석 종류별

장기, 전략적인 지표일수록 분석과 메타분석이 필요합니다. 즉 여러 상관관계와 인과관계를 따져 현상을 설명하고 원인을 규명하는 작업이 필요합니다. 단순히 숫자나 툴을 안다고 되는 문제는 아닙니다. 숫자와 툴에 더해 통찰과 사고력, 상상력과 경험을 동원해야 합니다.

번외 : 자동화

위의 그림들을 보면 자동화 라는 항목이 등장합니다. 현재 마케팅에서 주요 지표로 많이 언급하는 것들은 측정과 해석 모두 자동화로 해결됩니다. 즉 사람이 신경쓸 필요가 거의 없습니다. 현재 퍼포먼스 마케팅, 데이터 분석이라고 일컫는 행위들 중 상당 부분이 AI로 대체될 것이라고 생각하는 이유이기도 합니다. 자동화의 영역은 갈수록 커질 것이며, 그만큼 사람 실무자의 역할은 줄어듭니다. 사람이 더 전략적이고 장기적인 지표에 집중해야 할 이유입니다.

더 나은 측정 문화, 더 나은 마케팅, 더 나은 비즈니스

현재의 디지털 기술적 지표의 한계 마케팅과 측정에는 분명 문제가 많습니다. 그리고 이 글에서 이야기하는 측정 방식을 사용하려면 여러 가지로 장벽이 많습니다.

하지만 조금씩이라도 일의 효과와 효율을 높이는 노력을 해보면 좋겠습니다. 지금 수준의 AI가 파악하고 이해하는 수준의 지표 측정에서 아주 조금 더 전략적인 지표를 개선하기 위한 시도, 단기 지표에서 조금 더 호흡이 긴 지표를 살펴보려는 시도가 필요합니다.

조직 구성원들이 함께 이런 노력을 기울인다면 1년 후, 3년 후, 5년 후 개개인의 구성원 회사 모두 훨씬 성장해 있을 가능성이 높습니다.

기술적 지표의 한계

기술적 분석이란 주가와 거래량의 과거흐름을 분석하여 주가를 예측하는 방법입니다

이 글은 맹목적인 가치투자를 하여 손해를 보신 분이나 투자에 처음 뛰어드는 초심자가 보기에 좋은 정보가 될 것입니다

1. 기술적 분석의 구분

2. 기술적 분석을 사용해야 하는 이유

3. 마치며

기술적 분석의 구분

1.추세분석 - 가격이 일정기간 일정한 추세를 보이며 움직이는 성질을 이용하는 기법

상승추세인지 하락추세인지 횡보추세인지 흐름을 보는 방법이며 지지선 , 저항선 , 이동평균선 등을 주로 이용합니다

2.지표분석 - 시장의 수급상태를 파악하여 매매시점을 판단하는 기법

다양한 지표가 존재하나 대부분 시장의 과열을 체크하는 용도로 사용되며 과매도 , 과매수 구간을 확인할 수 있습니다

3.패턴분석 - 가격 움직임의 특별한 모양(패턴)을 통해 향후 가격 동향을 예측하는 기법

가격이 일정한 패턴을 그리며 움직이는 상황에서 패턴이 완성된 후 진입을 할 수 있습니다 주로 삼각수렴 , 헤드 앤 숄더를 이용합니다

기술적 분석을 사용해야 하는 이유

1. 증권의 시장가치는 수요와 공급에 의해 결정됩니다

2. 수요와 공급의 변동은 그 이유에 상관없이 시장의 움직임을 나타내는 차트에 의하여 추적될 수 있으며, 차트에 나타나는 패턴을 반복하는 경향이 있습니다 (다우이론)

3. 기본적 분석의 한계 보완

구분 기본적 분석 기술적 분석
분석목적 저평가종목 선정 매매시점 포착
분석대상 내제 가치(Value) 주식 가격(Price)
활용수단 재무제표 차트
이용정보 현재 정보 과거 정보
주요 특징 주가 변화원인 주가 변화방향

기본적 분석은 기업의 내제 가치를 분석하여 투자하는 방법으로 손절선을 정하기 어렵고 주가에 영향을 미치는 심리적 요인을 대처하기 어렵다는 단점이 있습니다

반면 기술적 분석은 객관적인 데이터가 모여있는 차트를 통해 감정을 제외한 기계적인 매매가 가능하다는 장점이 있습니다

마치며

기술적 분석의 장점은 감정을 제외한 기계적인 매매가 가능하다는 점입니다 여기서 말하는 기계적인 매매란 매수 진입가격과 매도 진입가격 뿐 아니라 손절가격까지 포함된 것이기 때문에 100% 승률이란 존재하지 않는 다는 점을 아셔야 합니다

트레이딩이란 더 높은 확률과 손익비에 의해 셋업되고 거기에 기술적 분석이 가이드 라인을 제시해 주는 것 입니다 기술적 분석이라 해서 모든 정보를 맹신하지 마시고 시드머니의 기술적 지표의 한계 점진적인 우상향을 노릴 수 있는 트레이더가 되길 바랍니다

KDI 경제정보센터

옛사람들은 주변의 자연 현상을 보고 날씨를 예측했다. 이는 ‘달무리가 지면 비가 온다.’, ‘서리가 많이 내린 날은 날씨가 좋다.’ 등과 같은 속담에도 잘 녹아있다. 일상에서 예측 가능한 것은 비단 날씨만이 아니다. 우리는 일상생활의 소비 경향을 보고 경기를 전망하기도 한다. ‘립스틱 효과(lipstick effect)’가 대표적이다. 립스틱 효과는 경기가 불황일수록 립스틱과 같은 저가의 화장품이 많이 팔리는 현상을 가리키는 용어로서, 1930년대 미국 대공황 때 저가 화장품이 잘 팔렸던 것에서 유래했다. 이외에도 기술적 지표의 한계 불황일수록 미니스커트가 유행하고 소주가 잘 팔린다는 등 경기를 진단하는 재미있는 이야기가 많다.

또한 미국에서는 맥도날드 구인광고가 감소하면 경기가 나빠진다든지, 스타벅스 커피 맛이 싱거워지면 경기가 후퇴한다고 여기기도 한다. 그러나 한 나라의 경기를 살피는 데 스커트의 길이를 체크하고 소주 판매량을 점검하는 것에 의존할 수는 없는 노릇이다. 객관적으로 경기를 가늠하기 위해 활용하는 것이 경기종합지수(Composite Economic Index)다.


| 경기 전체를 본다, 경기종합지수


경기종합지수란 경기 상황을 잘 반영하는 고용·생산·소비·투자·대외·금융 지표를 가공 및 종합해서 작성한 종합경기지표로서, 선행·동행·후행 종합지수 세 가지로 구성된다. 선행종합지수는 실제 경기순환에 앞서 변화하는 경제지표를 이용해 만든 지수로 향후 경기가 어떻게 변동 할지 예측하는 데 사용한다. 동행종합지수는 실제 경기순환과 함께 변동하는 경제지표를 활용해 작성한 지수로 현재의 경기가 어떤지 판단하는 데 활용한다. 마지막으로 후행종합지수는 실제 경기순환보다 나중에 변동하는 경제지표를 종합해 만든 지표로 현재 경기를 나중에 확인하는 데 쓰인다. 이렇게 작성된 경기종합지수는 경기변동의 국면 및 전환점을 파악하고 경기변동 속도 및 진폭을 측정하는데 주로 활용한다.

선행종합지수가 앞으로의 경기가 어떻게 변화할지 알아보는 데 쓰이고, 동행종합지수가 현재의 경기가 호황인지 불황인지 알려준다면 그것이 가능한 이유는 무엇일까? 그 비밀은 종합지수를 구성하는 지표들에 숨겨져 있다. 다시 말해 선행종합지수는 경기가 상승하기 전 미리 상승할 수 밖에 없는 지표를 종합해서 만들었고, 동행종합지수는 현재 경기 상황을 파악하는 데 도움이 되는 지표만 골라 담았다. 그런 만큼 경기변동을 정확히 파악하기 위해서 적절한 지표를 선정하는 것은 매우 중요하다. 현재 사용하는 경기종합지수의 구성 지표는 2012년 2월 공표된 제8차 경기종합지수 개편결과가 반영된 것으로, 최근 경제 환경의 변화를 반영하고 경기설명력을 높이기 위해 변경됐다. 선행종합지수는 기존10개에서 9개로, 동행종합지수가 기존 8개에서 7개로 변경됐으며, 후행종합지수는 구성 지표는 바뀌었으나 지표수는 5개로 기존과 동일하다. 또한 선행종합지수의 보조지표가 기존의 전년 동월비에서 순환변동치로 변경해 동행지수 순환변동치와 직접 비교할 수 있도록 했다.

현재 경기종합지수는 기준시점인 2010년을 100으로 환산한 것으로 통계청·한국은행·관세청 등의 통계작성기관에서생산한 주요 경제지표를 종합해 통계청에서 매월작성 및 발표한다. 이때 선행종합지수는 최근 2개월, 동행종합지수는최근 3개월, 후행종합지수는 최근 2개월이 잠정치(p)다.

| 매력적인 보조지표, 선행·동행 지수 순환변동치

선행종합지수와 동행종합지수는 장기적으로 상승 추세를 띤다. 그래서 선행·동행 종합지수의 수치만을 놓고 논하는 것에는 한계가 있다. 오히려 과거에 비해 얼마나 증가했고, 감소했냐가 더 중요하다. 경기를 판단하는 데 추세변동을 제거한 순환변동치를 보조지표로 활용하는 것도 그런 까닭에서다. 순환변동치를 사용함으로써 우리는 장기 추세를 제거하고 경기변화를 더 뚜렷하게 알아볼 수 있다.

일반적으로 선행지수 순환변동치가 100 이상이면 장기추세보다 더 성장하고, 100 이하면 추세보다 낮게 성장할것이라고 예측한다. 또한 동행지수 순환변동치가 100 이상이면 경기가 호황이고 100 미만이면 경기가 불황이라고 여긴다. 닫기

교대역 지점 서울 서초구 서초대로 320

[강좌] 트레이딩 전략의 구성요소

facebook 공유 twitter 공유 kakaotalk 공유

▶ 시스템 트레이딩은 효과적인 매매신호,위험의 측정/관리,이익관리 등 포함

시스템 트레이딩을 단지 기술적 지표에 의한 매매타이밍을 제공하는 전략으로 생각하고

효과적인 매매신호를 제공하는 기술적 지표만을 탐색하는 경우가 종종 있다.

그러나 좋은 트레이딩 시스템은 단순히 적절한 매매신호를 제공하는 것만을 의미하는

것은 아니며 매매시 발생하는 각종 위험(잠재적인 위험도 포함한다)을 측정하고

이를 조정할 수 있도록 하는 위험관리, 이미 발생한 수익을 방어할 수 있는 효과적인

이익관리 방법 등 많은 부문을 고려하여 개발된 시스템이다.

▶ 추세추종형, 역추세추종형 등 기본적전략의 결정이 우선

시스템 트레이딩에서 가장 중요한 것은 추세추종형의 전략을 이용할 것인지 역추세

추종전략을 취할 것인지 등 기본적인 전략의 형태를 결정하는 것이다.

이는 단순히 사용할 기술적 지표의 결정 뿐만 아니라 위험관리, 수익관리 등의 시스템의

모든 부문에 영향을 미치게 된다.


▶ 시스템은 진입/청산, 손익/위험의 관리, 신호 확인/필터링 등 여러 요소들 갖춰야..


트레이딩 시스템은 시장에의 진입시기 및 가격에 대한 결정방식, 청산시기 및 가격의 결정,

적절한 손익 및 위험관리 수준의 결정, 발생한 신호의 신뢰성 제고를 위한 확인 방법 및

필터링 방법, 최대 손실 및 누적 손실의 한계 결정, 발생 이익 관리 등의 요소로 구분할 수

있으며 각 요소들이 일관성을 갖도록 구성하여야 한다.

▶ 기술적 지표는 추세파악, 가격수준의 측정, 가격의 변동성관련 지표로 구분됨


많은 기술적 지표들이 개발되었으나 현재 널리 이용되는 지표는 그다지 많지 않으며

비교적 뚜렷한 특성들을 지니고 있다. 기술적 지표를 특성별로 구분하면 추세를 파악하기

위한 지표, 현재의 상대적인 가격수준을 측정함으로써 시장의 과열 또는 침체를

진단하고자 하는 지표, 가격의 변동성을 측정/분석하여 추세의 변화를 재빨리

감지하고자 하는 지표 등이 있다.


▶ 추세파악형 지표는 이동평균, DMI 등,가격수준의 측정에는 스토캐스틱, RSI등이 이용된다.


추세를 파악하는 지표로는 이동평균이 대표적이며 이동평균을 보완한 MACD와 파라볼릭,

DMI, ADX, 선형회귀선 등이 포함된다. 스토캐스틱, 상대강도지수(RSI) 등은 일정기간

동안의 가격변동폭에 대비하여 현재의 가격이 어느 수준에 위치하는 지를 분석하여

시장의 과열 또는 과냉을 알려준다. 가격의 표준편차, ATR(평균가격변동범위) 등 가격의

변동성을 측정하는 지표는 손절매 수준을 결정하는 데 중요한 역할을 하며 또한

이동평균의 기간을 결정하거나 필터 및 확인지표의 설정 유무의 결정 등 트레이딩 전략

구성에 많은 영향을 미친다. 마지막으로 변동성을 직접적으로 이용하는 Envelope,

볼린저 밴드, 채널 돌파전략 등으로 분류할 수 있다.

▶ 매매룰 결정은 시장/상품의 결정,매매룰의 구축/평가,최적화 등의 단계로 ..


시스템 트레이딩을 위한 매매룰의 개발은 먼저 거래대상 시장 및 상품을 선정하는 것으로

출발한다. 다음 단계에서는 자신의 아이디어를 바탕으로 매매룰을 구축하게 되며

과거자료를 이용하여 매매룰을 평가하는 과정을 거친다. 이후 평가결과를 이용하여

최적의 매매룰을 세우는 최적화 과정을 거치며 동시에 전진 분석을 통해 매매룰이

다른 상황에서도 적용이 가능한 지를 검증하는 단계를 거친다.

▶ 추세추종형 전략과 역추세추종형 전략을 구성, 분석

본 글에서는 선물시장을 대상으로 1996년 이후의 일별 KOSPI200 지수 및 선물 최근월물의

가격을 연결한 자료를 이용하여 추세추종형 전략과 역추세추종형 전략을 각각 구성하고

이의 성과를 분석하여 최적의 매매룰을 구성하는 과정을 보임으로써 독자적인 매매룰의

구성시 참조할 수 있도록 하고자 한다.

▶ 추세추종기법은 이동평균을 이용

시장의 추세를 파악하기 위해 사용되는 대표적 기법인 이동평균을 이용한 전략을 평가하고

이동평균의 후행성을 보완하기 위해 개발된 MACD와 필터지표를 이용한 전략도 함께

분석하여 기술적 지표의 특성에 따른 매매룰의 구성변화를 살펴보았다.

▶ 이동평균기간이 길수록 성과가 좋음

이동평균을 이용할 때에는 일반적으로 2개의 이동평균이 교차하는 것을 매매신호로

이용하며 추세전환의 중요한 신호로 간주한다. 이 전략의 성과는 이동평균기간이

길어질수록 우수하여 단기 20-장기 40일 조합에서 51.85%의 매매성공율과 36.22p의

누적이익을 기록한 반면 이동평균기간이 짧은 조합은 저조한 결과를 나타내었다.

손절매를 통해 성과를 향상시킬 수 있는 지를 분석하였을 경우에는 성과가 좋지 않았던

기간이 짧은 조합에서는 뚜렷한 성과의 향상을 기록하였지만 20-40일 조합의 성과는

반대로 성과가 낮아지는 결과를 보였다.

▶ 추세추종형 전략의 이용 시에는 손절매에 주의

추세추종형 전략은 일시적인 가격의 움직임은 배제하고 추세의 큰 흐름만을 추적하고자

하는 전략으로 이동평균이 장기일수록 시장의 추세를 확실히 추적하는 결과를 보이며

손절매 등을 통한 위험관리는 작은 가격의 변동에도 거래를 종료하도록 하여 도리어

추세의 흐름을 놓치는 결과를 가져올 수도 있음을 알 수 있다.

▶ MACD는 이동평균의 후행성을 보완

이동평균은 계산이 간단하고 이해하기 쉬우며 추세를 효과적으로 표현하지만 이동평균을

구하는 기간이 길어지면 신호의 발생이 그만큼 늦어지게 되는 약점이 있다.

이를 보완하기 위해 단기와 장기이동평균의 차이가 변화하는 모습을 분석함으로써 추세의

변경시점을 보다 빨리 포착하고자 개발된 지표가 MACD로서 흔히 MACD의

이동평균선과의 교차를 매매신호로 이용한다.

▶ MACD가 이동평균보다 효과적이나 잘못된 신호가 자주 발생

MACD를 이용한 전략은 장/단기 이동평균의 교차를 이용하는 전략에 비해 매매신호가

빨리 발생하여 추세에 먼저 동행할 수 있어 추세가 확실한 경우에는 보다 큰 이익을

얻을 수 있다. 이동평균기간이 길수록 좋은 성과를 보였으며 기간이 짧은 경우에는

잘못된 신호로 인하여 성과가 낮고 손절매의 효과도 거의 없음을 알 수 있었다.

▶ ADX를 필터로 이용 잘못된 신호를 제거

이러한 점을 보완하기 위해 ADX를 필터로 사용할 경우, 잘못된 신호를 걸러내 향상된

성과를 얻을 수 있었고 이동평균기간이 짧은 경우에 더 큰 효과를 나타내었다.

▶ 추세가 분명하지 않을때 활용가능

추세추종기법은 추세가 강할수록 우수한 성과를 보이지만 일정한 등락을 거듭하는

보합내지는 혼조의 상황에서는 잘못된 신호를 계속 보내는 약점이 있다.

또한 시장이 뚜렷한 추세를 형성하지 않는 기간도 적지 않은 점을 고려하면 역추세

추종기법의 활용도는 매우 높다고 할 수 있다.

▶ 손절매 등 청산시기의 결정방식이 매우 중요한 요인임

역추세추종기법에는 스토캐스틱, 상대강도지수 등이 대표적이다. 스토캐스틱을 이용한

전략을 2000년 1~10월의 선물 5분 자료를 대상으로 적용하여 보았으나 예상보다 저조한

성과를 보여 주었다. 대상기간에 추세가 강한 시기가 많이 포함되었기 때문으로 판단되어

추세의 강도를 나타내는 ADX 지표를 필터로 사용하여 추세가 약한 시기에만 매매한

경우에는 성과가 상당히 개선되었다. 이 경우 위험관리를 위한 손절매를 좁게 적용할수록

성과가 향상되어 역추세추종기법에서는 손절매 등 청산시기의 결정방식이

매우 중요한 요인임을 알 수 있었다.

▶ 추세가 강할 때에는 추세추종형 전략으로 활용이 가능

추세가 강한 시기에는 스토캐스틱을 이용하여 추세추종형 전략을 구성할 수도 있으며

이 경우 역추세추종기법으로 구성한 경우보다 탁월한 성과를 보여 주는 결과를 얻을 수도

있어(2000.8월호 참조) 기술적 지표에 대한 이해를 바탕으로 시장상황에 따른

다양한 활용이 가능하다.

▶ 기술적 지표에 대한이해와 계속적인 분석이 필요

시스템 트레이딩을 위한 매매룰의 결정과정을 실제 자료를 이용하여 살펴보았다.

최근에 기술적 지표의 한계 기술적 지표의 한계 다양한 형태의 시스템 트레이딩을 위한 도구들이 소개되고 있고 관련 도서들이

많이 출간되어 있다. 시스템 트레이딩이란 황금알을 낳는 마법의 주문이 아니라

기술적 지표에 대한 깊은 이해와 많은 분석과정을 통해 자신에 알맞은 지표를

개발하는 것이라는 점을 인식하고 끊임없이 연구/분석하는 자세를 가져야 할 것이다.

▶ 단순-가중 이동평균 조합으로 구성한 트레이딩 시스템

선물의 위험을 회피하면서도 원하는 수익을 올리고자 하는 욕구가 투자가들 사이에서

높아지기 시작하면서 System Trading(이하 ''''''''시스템 트레이딩'''''''')이란 말 자체는

하나의 시류처럼 사용되고 있다. 따라서 단순-가중 이동평균조합으로 구성한 트레이딩

시스템을 바탕으로 Day Trading을 중심으로 한 시스템 트레이딩의

적용 사례를 분석하고자 한다.

▶ 선물 최근월물의 분단위 가격을 연결한 자료 사용

본 분석에서는 실제 매매에 참고만 될 수 있는 KOSPI 200 자료는 배제하고

선물 최근월물의 분단위 가격을 연결한 선물 자료만을 사용하였다.

기간은 2000년 8월 23일부터 동년 12월 14일까지이며 시간 간격은

5분, 10분, 30분 간격의 자료를 사용하였다.

앞서 언급한 것처럼 본 분석은 Day Trading만을 위한 것이기 때문에 포지션을

오버나잇하는 경우는 배제하였으며 일중 시간 간격을 감안하여 각 분단위 자료당

적용 이동평균기간을 약간씩 달리하였다.

▶ 초기 시작금액 1억원, 위탁증거금율 각각 15%, 30%, 50%, 100% 적용

초기 시작금액은 1억원으로 설정하였으며 위탁증거금율을 각각 15%, 30%, 50%, 100%를

적용하였다. 체결 원칙은 매매 신호 발생시 그 다음 시가에 포지션을 취하고 기존 신호에

반대되는 신호가 발생시에는 해당 종가에 포지션을 해소하고 그 다음 시가에 새로운

포지션을 설정하는 원칙을 견지하였다. 또한 체결시 현실성을 반영시키기 위하여

1 Tick(0.05p) 불리하게 체결되도록 설정하였으며 위탁수수료율은 0.045%를 반영시켰다.

▶ 매매할 때마다 위탁증거금율에 맞춰 주문가능 계약수를 재산출하여 매매

오직 Day Trading에 중점을 두었기 때문에 15:00 이후에는 신규 포지션을 취하지 못하도록

하였으며 장 마감 동시호가에는 기존에 가지고 있던 포지션을 청산시키도록 설정하여

분석을 시도하였다. 또한 익일 매매 신호가 발생할 경우 바로 매매에 들어가도록 하였다.

한 번 매매시(신규⇒전환매) 이로 인한 손익을 예탁금액에 반영시켜 다시 매매하기 전에

주문 가능한 계약수를 각 위탁증거금율을 근거로 재산출하여 그때그때 매매에 임하도록

▶ 1% ~ 5% 범위 내에서 1%씩 증가시키면서 체결금액 대비 손절매 적용

손절매는 1%~5% 범위 내에서 1%씩 증가시켜 적용하였으며 이때 체결금액에 각 손절매

비율을 적용시킨 손절매금액을 이용하여 매매하도록 설정하였다. 또한 손절매에 의해

기존 포지션을 해소하는 경우에 현실성을 반영하도록 반대 포지션을 취할 때마다

1 Tick 불리하게 체결되도록 설정하였다.

(매수의 경우: 손절매(매도) 가격-1 Tick, 매도의 경우: 손절매(매수) 가격+1 기술적 지표의 한계 Tick)

분단위 자료를 대상으로 한 분석 결과

▶ 손절매 비율 1%를 포인트로 환산하면 0.13% ~ 0.17%에 그쳐 현실성 부족

현실적으로 100계약을 초과하여 주문 내는 경우 자신이 원하는 가격과 평균 체결단가와의

편차가 커지기 때문에 이를 방지하고자 각 분단위 자료를 대상으로 손절매를 적용할 때

주문가능한 최대 계약수를 100계약수로 제한하여 적용시켰다. 모든 분단위 자료에서

손절매 비율이 1%일 경우 가장 높은 성과를 보였으나(5분: 기간 18, 이익 14억,

10분: 기간 9, 이익 16억, 30분: 기간 6, 이익 17억) 체결금액 대비 손절매를 적용하였기


0 개 댓글

답장을 남겨주세요