시계열을 위한 이동 표준편차

이동 표준편차란?

이동 표준편차(롤링 SD 또는 후행 변동성이라고도 합니다)는 슬라이딩 윈도우 기간에 대한 표준편차를 계산합니다. 모든 과거 데이터를 동등하게 사용하는 정적 표준편차와 달리, 이동 SD는 최근 관측에 초점을 맞추어 시간에 따른 변동성 변화를 감지하는 데 필수적입니다.

이 기법은 변동성이 일정하지 않은 금융 시장에서 핵심적입니다. 어떤 주식은 몇 달간 잠잠하다가 실적 발표나 시장 위기 때 갑자기 높은 변동성을 보일 수 있습니다. 이동 SD는 이런 역학을 실시간으로 포착합니다.

롤링 표준편차 계산법

각 시점에서 이전 n개 데이터의 표준편차를 계산합니다. 시간이 지나면 윈도우가 이동하며, 항상 가장 최근의 n개 값을 사용합니다. 이렇게 하면 변동성 추정치의 시계열이 만들어집니다.

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

처음 (윈도우-1)개의 값은 최소 n개의 관측이 필요하므로 NaN이 됩니다. 실무에서는 min_periods 매개변수를 사용하여 더 적은 관측으로 조기에 계산을 시작할 수 있습니다.

적절한 윈도우 크기 선택

윈도우 크기는 반응성과 안정성 간의 상충관계를 만듭니다:

• 짧은 윈도우 (5-10일):변동성 변화에 빠르게 반응하지만 노이즈가 많고 거짓 신호를 만들 수 있음
• 중간 윈도우 (20-30일):반응성과 안정성의 균형; 20일은 볼린저 밴드의 업계 표준
• 긴 윈도우 (50-100일):부드럽고 안정적이지만 체제 변화 감지가 느림; 추세 분석에 적합

실전 응용

이동 표준편차는 금융과 데이터 과학에서 폭넓게 활용됩니다:

• 위험 관리:과거 평균이 아닌 최근 변동성을 사용하여 VaR(Value at Risk) 계산
• 옵션 가격 결정:블랙-숄즈 등 모델의 내재 변동성 매개변수 추정
• 포트폴리오 관리:현재 변동성에 따라 포지션 크기 조정; 변동성 급등 시 노출 축소
• 이상 탐지:현재 변동성이 이동 평균에서 크게 벗어나는 비정상 기간 식별
• 기술적 분석:볼린저 밴드, 켈트너 채널 등 변동성 기반 지표

볼린저 밴드 해설

볼린저 밴드는 이동 표준편차의 가장 유명한 응용입니다. 1980년대 존 볼린저가 개발했으며, 변동성에 적응하는 동적 포락선을 가격 주위에 생성합니다.

밴드는 변동성이 큰 기간에는 넓어지고, 안정적인 기간에는 좁아집니다. 트레이더들은 다음과 같이 활용합니다:

• 가격이 밴드에 닿을 때 과매수/과매도 상태 식별
• 돌파에 앞서는 “스퀴즈”(저변동성) 감지
• 현재 시장 상황에 기반한 동적 손절선 설정

변동성 군집화

금융에서 가장 중요한 실증적 사실 중 하나는 변동성이 군집화된다는 것입니다—높은 변동성 뒤에 높은 변동성이, 낮은 변동성 뒤에 낮은 변동성이 따르는 경향이 있습니다. 이는 로버트 엥글(2003년 노벨상)이 ARCH 모델로 공식화했습니다.

이동 SD는 이 군집화를 시각적으로 드러냅니다. 시간에 따른 롤링 변동성을 그래프로 그리면, 무작위 변동이 아닌 고변동성과 저변동성의 명확한 체제가 보입니다. 이는 심대한 의미가 있습니다:

• 예측 가능성:내일의 변동성은 오늘과 비슷할 가능성이 높음—위험을 예측할 수 있음
• 위험 배분:고변동성 체제 진입 시 포지션 축소
• 전략 선택:서로 다른 변동성 환경에서 다른 매매 전략이 더 잘 작동