[동퀀트] VAA(Vigilant Asset Allocation) 동적자산배분 파이썬으로 백테스팅

강환국 유튜버께서 소개한 복리 18% 전략 VAA에 흥미가 생겨서 한번 백테스트를 해보고자 한다. 파이썬 실력이 너무 부족해서 백테스트를 하는데 굉장히 힘들었다.(이게 정말로 이렇게 하는 것인지도 잘 모르겠다.)

 

---

 

VAA 전략 소개

공격 자산: SPY, VEA, VWO, AGG

수비 자산: SHV, GOVT(원래는 IEF이지만 출시한 지 얼마 되지 않아서 교체), LQD

 

1. 위 7개 자산의 모멘텀 스코어 계산

(스코어 계산 공식: 최근 1개월 수익률 * 12 + 최근 3개월 수익률 * 4 + 최근 6개월 수익률 *2 + 최근 12개월 수익률 * 1)

 

2. 자산 매수

공격 자산 4개 모멘텀 스코어가 0 이상일 경우 4개 자산 중 가장 모멘텀 스코어가 높은 자산 매수

공격 자산 4개 자산 중 하나라도 모멘텀 스코어가 0 이하일 경우 수비 자산 중 모멘텀 스코어가 높은 자산 매수

 

3. 매월말 리밸런싱

 

---

 

7개 자산별 모멘텀 스코어 계산

 

우선 아래 코드를 통해서 자산별 가격, 기간별 수익률 그리고 모멘텀 스코어를 계산해보도록 하겠다.

import FinanceDataReader as fdr
import pandas as pd

spy = fdr.DataReader('SPY', '2013-01-01', '2022-01-31')
spy['close_1m']=(spy['Close']/spy['Close'].shift(20)-1)*12
spy['close_3m']=(spy['Close']/spy['Close'].shift(60)-1)*4
spy['close_6m']=(spy['Close']/spy['Close'].shift(120)-1)*2
spy['close_12m']=spy['Close']/spy['Close'].shift(240)-1
spy['score']=spy['close_1m']+spy['close_3m']+spy['close_6m']+spy['close_12m']
spy=spy[['Close','score']]
spy.columns=['Close_spy','Score_spy']

vea = fdr.DataReader('VEA', '2013-01-01', '2022-01-31')
vea['close_1m']=(vea['Close']/vea['Close'].shift(20)-1)*12
vea['close_3m']=(vea['Close']/vea['Close'].shift(60)-1)*4
vea['close_6m']=(vea['Close']/vea['Close'].shift(120)-1)*2
vea['close_12m']=vea['Close']/vea['Close'].shift(240)-1
vea['score']=vea['close_1m']+vea['close_3m']+vea['close_6m']+vea['close_12m']
vea=vea[['Close','score']]
vea.columns=['Close_vea','Score_vea']

vwo = fdr.DataReader('VWO', '2013-01-01', '2022-01-31')
vwo['close_1m']=(vwo['Close']/vwo['Close'].shift(20)-1)*12
vwo['close_3m']=(vwo['Close']/vwo['Close'].shift(60)-1)*4
vwo['close_6m']=(vwo['Close']/vwo['Close'].shift(120)-1)*2
vwo['close_12m']=vwo['Close']/vwo['Close'].shift(240)-1
vwo['score']=vwo['close_1m']+vwo['close_3m']+vwo['close_6m']+vwo['close_12m']
vwo=vwo[['Close','score']]
vwo.columns=['Close_vwo','Score_vwo']

agg = fdr.DataReader('AGG', '2013-01-01', '2022-01-31')
agg['close_1m']=(agg['Close']/agg['Close'].shift(20)-1)*12
agg['close_3m']=(agg['Close']/agg['Close'].shift(60)-1)*4
agg['close_6m']=(agg['Close']/agg['Close'].shift(120)-1)*2
agg['close_12m']=agg['Close']/agg['Close'].shift(240)-1
agg['score']=agg['close_1m']+agg['close_3m']+agg['close_6m']+agg['close_12m']
agg=agg[['Close','score']]
agg.columns=['Close_agg','Score_agg']

shv = fdr.DataReader('SHV', '2013-01-01', '2022-01-31')
shv['close_1m']=(shv['Close']/shv['Close'].shift(20)-1)*12
shv['close_3m']=(shv['Close']/shv['Close'].shift(60)-1)*4
shv['close_6m']=(shv['Close']/shv['Close'].shift(120)-1)*2
shv['close_12m']=shv['Close']/shv['Close'].shift(240)-1
shv['score']=shv['close_1m']+shv['close_3m']+shv['close_6m']+shv['close_12m']
shv=shv[['Close','score']]
shv.columns=['Close_shv','Score_shv']

govt = fdr.DataReader('GOVT', '2013-01-01', '2022-01-31')
govt['close_1m']=(govt['Close']/govt['Close'].shift(20)-1)*12
govt['close_3m']=(govt['Close']/govt['Close'].shift(60)-1)*4
govt['close_6m']=(govt['Close']/govt['Close'].shift(120)-1)*2
govt['close_12m']=govt['Close']/govt['Close'].shift(240)-1
govt['score']=govt['close_1m']+govt['close_3m']+govt['close_6m']+govt['close_12m']
govt=govt[['Close','score']]
govt.columns=['Close_govt','Score_govt']

lqd = fdr.DataReader('LQD', '2013-01-01', '2022-01-31')
lqd['close_1m']=(lqd['Close']/lqd['Close'].shift(20)-1)*12
lqd['close_3m']=(lqd['Close']/lqd['Close'].shift(60)-1)*4
lqd['close_6m']=(lqd['Close']/lqd['Close'].shift(120)-1)*2
lqd['close_12m']=lqd['Close']/lqd['Close'].shift(240)-1
lqd['score']=lqd['close_1m']+lqd['close_3m']+lqd['close_6m']+lqd['close_12m']
lqd=lqd[['Close','score']]
lqd.columns=['Close_lqd','Score_lqd']

df=pd.concat([spy,vea,vwo,agg,shv,govt,lqd],axis=1)

위 코드가 잘 돌아간다면 아래와 같이 2013년부터 현재까지 자산별 가격과 모멘텀 스코어를 확인할 수 있을 것이다. 

 

 

공격 vs 수비 자산 구매 여부 확인

 

다음으로 모멘텀 스코어을 통해 매달 공격과 수비 중 어느 자산을 매입해야 되는지 확인하도록 하겠다. 

 

모멘텀 스코어가 양수면 1점 음수면 0점으로 공격자산의 모멘텀 스코어를 더해서 공격자산 매수 여부를 결정하도록 만들었다. 즉 4점이면 공격자산 매수, 4점 미만이면 수비 자산을 매수하게 만들도록 하겠다. 

df['Score_spy_t']=df['Score_spy'].apply(lambda x: 1 if x>0 else 0)
df['Score_vea_t']=df['Score_vea'].apply(lambda x: 1 if x>0 else 0)
df['Score_vwo_t']=df['Score_vwo'].apply(lambda x: 1 if x>0 else 0)
df['Score_agg_t']=df['Score_agg'].apply(lambda x: 1 if x>0 else 0)

df['true_false']=df['Score_spy_t']+df['Score_vea_t']+df['Score_vwo_t']+df['Score_agg_t']
df=df.reset_index()
df['month']=df['Date'].apply(lambda x: str(x.year) + str(x.month) )
df['rank']=df.groupby('month')['Date'].rank(method='first')

dfa=df[df['rank']==1]

dfa['month']=dfa['Date'].apply(lambda x: str(x.year) + str(x.month) )
dfa['rank']=dfa.groupby('month')['Date'].rank(method='first')
dfaa=dfa[dfa['rank']==1]
dfaa=dfaa[~dfaa['Score_spy'].isnull()]

price_dict_=[]
for i in range(len(dfaa)):
    
    price_dict=dict()
    
    price_dict['SPY']=tb['Close_spy'].values[i]
    price_dict['VWO']=tb['Close_vwo'].values[i]
    price_dict['VEA']=tb['Close_vea'].values[i]
    price_dict['AGG']=tb['Close_agg'].values[i]
    price_dict['SHV']=tb['Close_shv'].values[i]
    price_dict['GOVT']=tb['Close_govt'].values[i]
    price_dict['LQD']=tb['Close_lqd'].values[i]
    
    price_dict_.append(price_dict)
    
dfaa['dict']=price_dict_

 

매월 매수 자산

 

매월 공격과 수비 중 한 자산을 매수하기로 결정했다면 다음 스텝으로는 그 중 어떤 자산을 매입해야 할지 결정하는 것이다. 아래 코드와 같이 공격자산으로 결정했다면 공격자산 4개 모두 모멘텀 스코어가 양수여야하고, 하나라도 음수면 수비자산을 매수하기로 코드를 작성했다. 

 

assets_=[]
close_=[]

def get_key(val,dict_):
    for key, value in dict_.items():
         if val == value:
             return key
 
    return "There is no such Key"

for i in range(len(dfaa)):
    if dfaa['true_false'].values[i]==4:
        score={
            'SPY': dfaa['Score_spy'].values[i],'VEA': dfaa['Score_vea'].values[i],
            'VWO': dfaa['Score_vwo'].values[i],'AGG': dfaa['Score_agg'].values[i]
        }
        key=get_key(max(score.values()),score)       
        buy_price=dfaa['dict'].values[i][key]

    else:
        score={
            'SHV': dfaa['Score_shv'].values[i],'GOVT': dfaa['Score_govt'].values[i],
            'LQD': dfaa['Score_lqd'].values[i]
        }
        key=get_key(max(score.values()),score)    
        buy_price=dfaa['dict'].values[i][key]
        
    assets_.append(key)
    close_.append(buy_price)
    
dfaa['assets']=assets_
dfaa['close']=close_

$1000  초기 투자 자금으로 매월 리밸런싱

초기 투하 자본을 1000 달러로 가정하고 2014년 ~ 2022년 CAGR를 계산해보도록 하겠다.

 

dfaa['assets_']=dfaa['assets'].shift(1)
dfaa['close_']=dfaa['close'].shift(1)

profit=[]
amount=1000

for u in range(len(dfaa)):
    if u ==0:
        profit.append(0)
        continue
    else:
        if dfaa['assets_'].values[u] == dfaa['assets'].values[u]:
            
            number=math.floor(amount/dfaa['close_'].values[u])
            temp=dfaa['close'].values[u] * number - dfaa['close_'].values[u] * number

            profit.append(temp)
            amount+=temp

        else:
            number=math.floor(amount/dfaa['close_'].values[u])
            temp=dfaa['dict'].values[u][dfaa['assets_'].values[u]] * number-dfaa['close_'].values[u] * number
            profit.append(temp)
            amount+=temp
            
  dfaa['profit']=profit
  (amount/1000)**(1/8)-1

 

최종적으로 받은 amount를 기준으로 CAGR을 계산하면 약 4.5%에 불과하다. 여기서 배당 수익을 더한더라도 매월 리밸런싱에 따른 거래 비용을 감안한다면 4% 안팍으로 수익률이 결정될 것으로 보인다. 분명히 강환국 유튜브에서는 두 자리 수익률이 나온다고 했는데 내 백테스팅은 다른 결과가 나타났다. 내 코드가 문제가 있는지 모르겠지만 여하튼 지금 결과만 보면 생각보다 너무 별로다.