An Asset Allocation Strategy Recommendation System using Markov Regime Switching and LightGBM
Year: 2026
Type: article
Abstract: 본 연구는 복잡한 금융 시계열에 내재된 비선형성과 급격한 구조 변화에 보다 효과적으로 대응하기 위하여, 통계적 기법인 마르코프 국면전환 모형과 머신러닝 기법인 LightGBM을 유기적으로 결합한 하이브리드 동적 자산배분 전략 추천 시스템을 제안한다. 기존의 전통적 자산배분 전략은 변동성이 큰 시장 변화에 적응하지 못하는 근본적인 한계점이 존재한다. 이를 극복하고자 본 연구에서는 마르코프 국면전환 모형을 통해 시장을 상승·하락 국면으로 구분하고, 해당 국면 확률과 기술적 지표를 학습한 LightGBM이 매 시점 최적의 투자 전략을 예측하도록 설계하였다. 2003년부터 2024년까지의 미국 주요 ETF 데이터를 대상으로 확장형 윈도우 검증 방식을 적용해 모델의 일반화 성능을 평가한 결과, 제안 시스템은 연간 수익률 17.45%, 샤프비율 1.655, 최대낙폭 14.22%를 기록하여 전통적 전략 대비 위험조정수익률이 우수함을 입증하였다. 특히 하락 국면에서 변동성을 29% 감소시키고 최대낙폭을 5.47% 개선하였으며, 이는 국면 기반 전략 선택의 실효성을 보여준다. 본 연구는 통계적 국면 식별과 머신러닝 학습의 시너지를 실증하였으며, 실무 적용 가능한 정교한 자산배분 프레임워크를 제시한다는 점에서 학술적·실무적 기여가 있다.
Author: Sang-Jae Shin
Language: English
Field: Decision Sciences
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W7160516908
FWCI:
Cites:
Cited by:
Related to: