Bluewhale

Bluewhale은 금융 데이터 분석기술과 자산 배분 이론을 결합하여 최적의 자산 조합을 산출 해 내는 fount의 로보어드바이저 엔진의 이름입니다.

 
 
 
 
 
 

Filtering

Vendor로부터 미국 및 한국 상장 ETF DB 및 Fund를 업데이트 / 점검하고 적합한 투자 후보군을 위한 필터링을 진행합니다.

Static Filtering

확정적인 성격에 따른 필터링입니다. Inverse나 Leverage 상품, 아프리카, 남아메리카와 같이 위험도 파악이 어려운 지역 상품 등을 필요에 따라 제외합니다.

Dynamic Filtering

시간 및 상황에 따라 가변적으로 적용되는 필터링입니다. Bid-Ask Spread가 높은 ETF 제외, AUM 필터 등, 최적의 필터링 구현

Asset Clustering

머신러닝 기술을 적용하여 전통적 자산군을 해체하고 분산효과를 극대화할 수 있는 자산군으로 재설정합니다.
계층적 군집 분석 기반(Hierarchical Cluster Analysis) 자산 재분류
상관관계 거리는 상관성이 높을수록 가까운 거리로 계산하고 기존 군집에 대한 사전 정보 활용없이 시장 데이터 만으로 자산을 재분류 하기 위하여계층적 군집 분석 기법 사용
포트폴리오 분산효과 극대화
자산 간의 상관관계를 활용하여 가능한 낮은 상관관계를 가진 자산군들로 포트폴리오를 구성하여 포트폴리오의 분산효과 극대화

Selection

마켓 타이밍 로직보다 중장기 성과를 높일 수 있는 변동성/상관성/시장 트렌드를 고려하여 자산을 선정합니다.
포트폴리오 변동성 관리
동일 클러스터에서 변동성/MDD 측면에서 상위 자산을 후보군으로 선정
Commodity와 같이 변동성이 큰 자산은 Risk Measure로 Value at Risk를 사용하는 등 Tail Risk의 관리에 집중
포트폴리오 상관성 관리
클러스터링에 의한 자산군 분류로 종목들 간의 상관성을 관리
시장 트렌드에 맞게 베타 선택
다양한 섹터 및 테마 ETF들을 활용하여 시장 트렌드에 맞는 베타를 찾아서 투자

Allocation

글로벌 대형운용사들에 의해 검증된 안정적인 퀀트 모델 기반으로 자산 배분을 수행합니다.
목표변동성을 설정하여 맞춤형 관리
고객위험성향에 맞추어 목표변동성을 설정하고 관리해 나가고, 합리적인 리스크 대비 수익을 추구합니다.

Risk Allocation모델 : 리스크를 resource로 보고 각 투자대상에 할당하여 관리

변동성 및 타 자산과의 correlation이 클수록 실제 비중 축소
리스크(변동성) 할당 및 분산에 초점을 맞춘 모델로 리스크 관리에 강점

Rebalancing
월단위 정기 그리고 포트폴리오 괴리 추적 및 파운트 리스크 인덱스 기준으로 수시 리밸런싱을 수행합니다.
정기 리밸런싱
시장 변화 및 각 자산의 거래 비용을 고려하여 1개월에 한번씩 정기 리밸런싱 실시 여부 판단
모델 포트폴리오 괴리율
포트폴리오 현재 비율이 모델 포트폴리오 비율과 일정수준 이상 차이 날 때 리밸런싱 실시
파운트 리스크 인덱스
시장 리스크 수준을 파악하는 인덱스를 통해 시장상황을 모니터링 하면서 위험자산 비중을 조절