Quant Analyst

• 거래 비용과 슬리피지를 반영한 백테스팅이 필요한 알고리즘 트레이딩 전략을 개발하거나 개선하는 경우.
• 포트폴리오 또는 개별 전략에 대한 VaR, 샤프 비율, 최대 낙폭 등의 리스크 지표를 계산하는 경우.
• Markowitz 평균-분산 또는 Black-Litterman과 같은 프레임워크를 사용하여 포트폴리오 최적화를 실행하는 경우.
• 시계열 분석 및 공적분 검정을 통해 통계적 차익거래 또는 페어 트레이딩 기회를 탐색하는 경우.

• 해당 작업은 계량 금융, 트레이딩 또는 리스크 분석과 무관하며, 범용 또는 도메인 특화 스킬이 더 적합합니다.
• 데이터 기반의 모델 분석이 아닌 기초적 또는 정성적 주식 리서치가 필요한 경우입니다.
• 이 스킬의 모델링 및 분석 범위를 벗어나는 실시간 거래 실행 또는 브로커리지 연결이 필요한 경우입니다.

벡터화 연산을 활용하여 고성능 알고리즘 트레이딩 전략을 설계하고 구현합니다. 백테스트는 거래 비용 및 슬리피지를 포함한 현실적인 시장 미시구조 가정을 반영하며, 과적합을 방지하기 위한 표본 외 테스트(out-of-sample testing)를 포함합니다.

Value at Risk(VaR), 샤프 비율, 최대 낙폭 등 업계 표준 리스크 지표를 계산합니다. 산출 결과에는 정보에 기반한 의사결정을 지원하기 위한 구조화된 리스크 분석 및 익스포저 보고서가 포함됩니다.

마코위츠 평균-분산 최적화 및 블랙-리터만 모델을 적용하여 효율적인 포트폴리오를 구성합니다. 이 스킬은 최적화 과정 전반에 걸쳐 절대 수익률보다 위험 조정 수익률을 중시합니다.

옵션 계약의 가격을 산정하고 그릭스를 계산하여 파생상품 분석 및 헤징 전략을 지원합니다. 산출 결과는 명확하게 명시된 가정을 바탕으로 검증된 금융 모델에 근거합니다.

pandas, numpy, scipy를 활용하여 금융 시계열 데이터에 대한 통계 분석을 수행합니다. 공적분 검정을 통한 페어 트레이딩, 추세 식별, 수익률 예측을 지원합니다.

데이터 품질 우선 접근 방식을 통해 시장 데이터 수집 파이프라인을 구축하며, 분석 전에 모든 입력 데이터를 정제하고 검증합니다. 수익률, 성과 지표, 파라미터 민감도 분석에 대한 시각화 결과물을 제공합니다.

트레이더가 두 개의 상관된 주식에 대한 페어 트레이딩 아이디어를 평가하고자 합니다. 이 스킬은 공적분 검정, 시그널 구성, 거래 비용을 포함한 전체 백테스트를 안내하며, 성과 지표와 민감도 분석을 제공합니다.

애널리스트는 분기 검토 전에 포트폴리오 리스크에 대한 보고서를 작성해야 합니다. 이 스킬은 VaR, 샤프 비율 및 최대 낙폭을 계산한 후, 포지션 또는 자산 클래스별로 세분화된 익스포저 보고서를 생성합니다.

포트폴리오 매니저가 Markowitz 또는 Black-Litterman 프레임워크를 활용하여 리밸런싱을 원합니다. Quant Analyst 스킬은 최적화를 실행하고, 효율적 투자선(Efficient Frontier)을 도출하며, 후보 자산 배분의 위험-수익 트레이드오프를 명확하게 제시합니다.

퀀트 애널리스트는 옵션 포트폴리오의 가격을 산정하고 델타, 감마, 베가 익스포저를 모니터링해야 합니다. 이 스킬은 행사가격과 만기에 걸쳐 Greeks를 계산하고 헤징 의사결정을 지원하기 위한 주요 민감도를 도출합니다.