딥러닝의 Conditional Auto Encoder 기법을 적용한다.

일반적인 오토인코더와는 달리 Conditional AutoEncoder은 종가 또는 수익률 변수를 고려하되 데이터 셋의 다른 변수(거래량 추이, 외국인보유 수 등)을 함꼐 고려하여 만들어 진 모델이기 때문에 데이터의 활용성이 더 높다.

과거의 문헌들은 특정 이유(저가 주식, 회귀한 주식)로 종목의 필터링 과정을 진행시켰지만 Conditional AutoEncoder 모델은 우수한 능력 덕분에 별다른 필터를 하지 않았다.

3가지의 특성 범주가 영향력이 있다고 판단하였다. 첫번째는 가격트렌드 범주로 여기에는 단기반전, 주식모멘텀, 모멘텀 변화, 산업모멘텀, 최근수익 및 장기반전을 포함한다. 두번째 범주에는 유동성변수인 거래 회전율 및 거래 회전율 변동성, 로그 시장 자본, 거래금액, 제로거래일수, 매수-매도 스프레드가 포함된다. 마지막으로는 리스크 지표로 수익변동성, 시장베타이다.

다른 논문의 수익률 예측 모델을은 다양한 가정(리스크-수익 트레이드오프 혹은 리스크 노출에 대한 수익률 알파)간에 구분을 두지 않는다. 하지만 이 모델은 모든 리스크 요인 노출을 통해서 전달되도록 한다. 또한 무위험 차익거래의 경제적 제한도 부과한다.

샤프 ratio 성과기반으로 보면 Conditional AutoEncoder이 1.53이고 두번째로 높은 IPCA가 0.96으로 계산되었다.