ROA와 비슷한 영업 효율의 지표(GP/A) 백테스트 - 슬기로운 퀀트투자 6장 우량주를 찾는 기술(finterstellar)

 

미국 주식으로 시작하는 슬기로운 퀀트투자

이 책은 서학개미를 위한 미국 주식 퀀트투자 입문+실습서이다. 퀀트투자는 수학적, 통계적 기법을 활용해 투자 종목을 발굴하는 투자 방법이다. 퀀트투자 전략을 만들기 위해서는 유명한 전략들이 어떻게 만들어졌는지 개념을 이해하고, 어떻게 구현됐는지 기본기를 따라 하며 배워야 한다. 다만 투자 대가들의 전략을 소개한 책은 쉽게 찾아볼 수 있지만, 그 전략을 구현한 기술적인 방법을 담은 책은 매우 찾아보기 어렵다. 또한 퀀트투자 전략을 공부하기 위해서는 코딩이나 수학 등 부가적인 배경지식이 필요하다. 이 책은 이미 잘 알려진 투자 대가들의 전략을 소개하고 자신의 컴퓨터에서 이 전략을 구현해보며 응용하는 방법을 알려준다. 책을 따라 미국 주식 퀀트투자 과정을 배우고 나면 자신만의 투자 전략을 스스로 개발할 수 있을 것이다.

저자

김용환, Yubin Kim

출판

한빛미디어

출판일

2021.09.30

● 영업 효율이 좋은 기업을 찾는 지표 GP/A

 처음 들어보는 지표인데, 매출총이익(Gross Profit)을 총 자산(Total Asset)으로 나눈 값이라고 한다. 이익을 자산으로 나눈 것이라 ROA랑 비슷한 개념인데, 당기순이익까지 계산하기 전 딱 영업이익만 보는 느낌이다.

 

GP/A = ( 매출액 - 매출원가 ) / 총 자산

 

 ROA에서 당기 순이익(Net Income)은 여러 가지 것들이 묻어있는데, GP/A는 정말 기업의 영업 활동에 의한 매출 이익만 볼 수 있는 점이 장점이라고 한다.

 

 또한, 가치투자 지표에 GP/A를 투자하면 싸지만 수익성이 떨어지는 종목을 매수하거나 비싸지만 수익성이 높은 종목을 매도하는 것을 방지할 수 있다고 한다. ROA는 별로였는데, GP/A를 확인해 보자.

 

pip install finterstellar
import finterstellar as fs
df=fs.fn_single(otp='otp', symbol='ASML',window='T')
df['Avg Assets']=(df['Total Assets'] + df['Total Assets'].shift(4))/2
df['GP/A']=df['Gross Profit']/ df['Avg Assets']

#ROA
df['ROA']=df['Net Income']/df['Avg Assets']

#그래프 GP/A, 가격
fs.draw_chart(df,left='GP/A', right='Price')

#GP/A, ROA
fs.draw_chart(df,left=['GP/A','ROA'])

 

그래프를 그려보면, GP/A와 주가가 어느 정도 상관관계는 있어 보이긴 한다.

 

ROA와 비교를 해보자. GP/A와 ROA가 아주 똑같이 같은 방향으로 움직이고 있다. 하지만, 어떤 종목에 한해서는 세금을 몰아내거나 기타 다른 영향으로 트렌드가 달라질 수 있다.  GP/A가 높은 종목 30개에 대한 백테스트 진행해 보자.

 

terms=fs.set_terms(trade_start='2011Q1', trade_end='2023Q1')
data={}
for t in terms:
  data[t]=fs.fn_consolidated(otp='otp', term=t)
  prev_t=fs.quarters_before(terms,t,4)
  data[t]['Avg Assets']=(data[t]['Total Assets']+data[prev_t]['Total Assets'])/2
  data[t]['GP/A'] = data[t]['Gross Profit']/ data[t]['Avg Assets']
  data[t].loc[(data[t]['Gross Profit']<0) | (data[t]['Avg Assets']<0) | (data[t]['Total Assets']<0), 'GP/A']=float('nan')
  
s={}
signal = {}
for t in terms :
  s[t]=fs.fn_filter(data[t], by='GP/A', floor = 0, n=30, asc=False)
  signal[t]=list(s[t].index)


df=fs.backtest(singal=signal, data=data, m=3, cost=0.001)

 

결과는 아래와 같다. 이게 fs.draw_return(df)로 수익률을 그려보면, 2020년까지는 기가 막히게 수익률을 추월하는 듯하였으나, 장이 박살 나면서 굿바이 마이 프렌드 하는 형상이 된다.

CAGR: 6.91%
Accumulated return: 123.17%
Investment period: 12.0yrs
Sharpe ratio: 0.39
MDD: -39.64%

● 가치주 지표와의 결합 (PER, PBR)

 예전에 했던 백테스트 기법에서 시그널 항을 2개 만들어서 상대 점수 혹은 교집합으로 순서를 내는 방식으로 결합할 수 있다. 위에 terms로 돌려놨으니 바로 이어서 진행해 보자.

 

s={}
signal={}
for t in terms:
   data[t]['PER']=data[t]['Price_M3']/data[t]['EPS']
   s[t]=fs.fn_filter(data[t],by='PER',floor=1, cap=10,n=30, asc=True)
   signal[t] = list(s[t].index)

df=fs.backtest(signal=signal, data=data,m=3,cost=0.001)

CAGR: 0.96%
Accumulated return: 12.22%
Investment period: 12.0yrs
Sharpe ratio: 0.04
MDD: -46.61%

 

 30개 하위 PER에 대한 3개월 리밸런싱 전략은 결과가 매우 별로이다.

 

s={}
s1={}
s2={}
signal={}
for t in terms:
  prev_t = fs.quarters_before(terms, t, 4)
  data[t]['PER'] = data[t]['Price_M3'] / data[t]['EPS']
  data[t]['Avg Assets'] = ( data[t]['Total Assets']+ data[prev_t]['Total Assets'])/2
  data[t]['GP/A']=data[t]['Gross Profit']/data[t]['Avg Assets']
  data[t].loc[(data[t]['Gross Profit']<0) | (data[t]['Avg Assets']<0) | (data[t]['Total Assets']<0), 'GP/A'] = float('nan')
  s1[t] = fs.fn_score(data[t], by='PER', method='relative', floor=1, cap=10, asc=True)
  s2[t] = fs.fn_score(data[t], by='GP/A', method='relative', floor=0, asc=False)
  s[t]=fs.combine_score(s1[t], s2[t], n=30)
  signal[t] = list(s[t].index)

df= fs.backtest(signal=signal, data=data, m=3, cost=0.001)

CAGR: 0.80%
Accumulated return: 10.04%
Investment period: 12.0yrs
Sharpe ratio: 0.03
MDD: -55.31%

 

 합쳐도 별로이다. PBR로 해보자

 

s={}
signal={}
for t in terms:
  data[t]['PBR']=data[t]['Price_M3'] / (data[t]['Shareholders Equity']/ data[t]['Shares'])
  s[t] = fs.fn_filter(data[t], by='PBR', floor=0.1, cap=1, n=30, asc=True)
  signal[t]=list(s[t].index)

df=fs.backtest(signal=signal, data=data, m=3, cost=0.001)

CAGR: 26.98%
Accumulated return: 1661.13%
Investment period: 12.0yrs
Sharpe ratio: 2.99
MDD: -43.98%

 

 오 PBR을 꽤 의미가 있다. PBR 전략으로 계좌를 하나 파야 되나 싶을 정도로 괜찮은 것 같다. 물론 MDD를 버텨야 하는 문제가 있긴 하다. 여기에 GP/A를 섞어보자. 큰 개선이 되진 않을 것 같긴 하다.

 

s={}
s1={}
s2={}
signal={}
for t in terms:
  prev_t = fs.quarters_before(terms, t, 4)
  data[t]['PBR'] = data[t]['Price_M3'] / (data[t]['Shareholders Equity']/data[t]['Shares'])
  data[t]['Avg Assets'] = ( data[t]['Total Assets']+ data[prev_t]['Total Assets'])/2
  data[t]['GP/A']=data[t]['Gross Profit']/data[t]['Avg Assets']
  data[t].loc[(data[t]['Gross Profit']<0) | (data[t]['Avg Assets']<0) | (data[t]['Total Assets']<0), 'GP/A'] = float('nan')
  s1[t] = fs.fn_score(data[t], by='PBR', method='relative', floor=0.1, cap=1, asc=True)
  s2[t] = fs.fn_score(data[t], by='GP/A', method='relative', floor=0, asc=False)
  s[t]=fs.combine_score(s1[t], s2[t], n=30)
  signal[t] = list(s[t].index)

df= fs.backtest(signal=signal, data=data, m=3, cost=0.001)

CAGR: 16.17%
Accumulated return: 504.62%
Investment period: 12.0yrs
Sharpe ratio: 1.19
MDD: -48.90%

 

오히려 수익성이 떨어졌다. 좋은 전략을 섞는다고 무조건 좋은 것은 아니라는 것을 알 수 있었다.

 

 

EV/EBITA EV/Sales, NCAV(안전마진, 1170%의 수익률), PEG(주가수익성장비율)로 백테스트 해보기 (feat. 핀터

 

가치지표 결합하기 (PER , PBR 등) - 파이썬 Finterstellar 모듈 활용하기

 

미국주식으로 시작하는 슬기로운 퀀트투자 5장(1) - 가치주를 찾는 기술 (feat. PER Band Chart 핀터스

 

단기 투자의 기술 편 (보조지표를 통한 백테스팅) - 슬기로운 퀀트투자 3장

 

슬기로운 퀀트투자 - 2장 일단 해보자 편