# The strategy that keeps MAKING BILLIONS to INSTITUTIONAL traders: PEAD. https://www.youtube.com/watch?v=EP4ptjamPYA Translation: ko [00:00] Hello gentlemen, my name is Mat Conti. 안녕하세요 신사 여러분, 제 이름은 맷 콘티입니다. [00:02] Hello gentlemen, my name is Mat Conti. 안녕하세요 신사 여러분, 제 이름은 맷 콘티입니다. [00:04] I've been a market maker for 7 years. 저는 7년 동안 시장 조성자로 활동해 왔습니다. [00:07] making more than 30 million euro for a large investment bank. 대형 투자 은행을 위해 3천만 유로 이상을 벌었습니다. [00:09] and now I run my own hedge fund where I automate every single one of my trading strategies. 그리고 지금은 제 자신의 헤지 펀드를 운영하며 모든 거래 전략을 자동화하고 있습니다. [00:15] On the side, I'm trying to kick off this YouTube channel as part of a bigger project properly educating retail traders beyond the misinformation you find online. 부업으로, 온라인에서 찾을 수 있는 잘못된 정보 너머의 개인 투자자들을 제대로 교육하는 더 큰 프로젝트의 일환으로 이 유튜브 채널을 시작하려고 합니다. [00:27] So, I would really appreciate if you follow along and drop around the word in the comments like strategy to make both me and the YouTube algorithm very happy. 그래서, 저와 유튜브 알고리즘 모두를 매우 기쁘게 할 수 있도록 댓글에 '전략'이라는 단어를 남겨주시면 정말 감사하겠습니다. [00:34] Let's ride. 시작합시다. [00:38] Today, I want to talk about one of the first edges I've ever learned about. 오늘, 제가 배운 첫 번째 이점 중 하나에 대해 이야기하고 싶습니다. [00:44] It's called PID post earnings announcement drift. 이는 PID(실적 발표 후 공시) 드리프트라고 불립니다. [00:48] This is one of the most documented market inefficiencies in finance history. 이것은 금융 역사상 가장 문서화된 시장 비효율성 중 하나입니다. [00:54] Institutional traders have been making quietly billions of 기관 투자자들은 조용히 수십억 달러를 벌어왔습니다. [01:00] have been making quietly billions of dollars of this phenomenon since the 1980s. 1980년대부터 이 현상으로 조용히 수십억 달러를 벌어왔습니다. [01:06] And the reason why most retail traders ignore it, it is simply they have never been told it exists. 대부분의 개인 트레이더들이 이를 무시하는 이유는 단순히 그것이 존재한다는 사실을 들어본 적이 없기 때문입니다. [01:12] First, I'm going to explain you what the pit actually is and walk you through the academic research behind it. 첫째, 제가 실제로 피트가 무엇인지 설명하고 그 뒤에 있는 학술 연구를 안내해 드리겠습니다. [01:19] Second, I'm going to show you how anyone with access to the research and the right tools can take that body of work and extract a simple working trading strategy. 둘째, 연구와 올바른 도구에 접근할 수 있는 사람이 누구나 그 연구를 바탕으로 간단한 실제 거래 전략을 추출할 수 있는 방법을 보여드리겠습니다. [01:34] So what is the PID? 그렇다면 PID는 무엇인가요? [01:38] PID stands for post earnings announcement drift. PID는 실적 발표 후의 움직임을 의미합니다. [01:41] It is a market inefficiency where stock prices continue to drift in the direction of the earnings surprise for several weeks after the earnings announcement. 이는 주가가 실적 발표 후 몇 주 동안 실적 서프라이즈 방향으로 계속 움직이는 시장 비효율성입니다. [01:53] In plain English, if a company beats earnings, the stock tends to keep going up for the following weeks. 쉽게 말해, 회사가 예상보다 높은 실적을 발표하면 주가는 다음 몇 주 동안 계속 상승하는 경향이 있습니다. [02:02] up for the following weeks. 다음 몇 주 동안 계속됩니다. [02:05] If a company misses earnings, the stock tends to keep going down. 회사가 실적을 놓치면 주가는 계속 하락하는 경향이 있습니다. [02:08] The price reaction doesn't stop at the moment of the announcement, but it bleeds into the following sessions. 가격 반응은 발표 시점에 멈추지 않고 다음 세션으로 이어집니다. [02:13] And this might sounds obvious, but it shouldn't happen if the markets were truly efficient. 그리고 이것은 당연하게 들릴 수 있지만, 시장이 진정으로 효율적이라면 일어나서는 안 됩니다. [02:19] The efficient market hypothesis, which has dominated the financial literature, says that all the public informations should be reflected into the price immediately. 금융 문헌을 지배해 온 효율적 시장 가설은 모든 공개 정보가 즉시 가격에 반영되어야 한다고 말합니다. [02:35] PID violates this assumption directly. PID는 이 가정을 직접적으로 위반합니다. [02:39] The earning number is public. 수익 수치는 공개됩니다. [02:41] The surprise is measurable and yet the price keeps moving in the same direction for weeks. 놀라움은 측정 가능하지만 가격은 몇 주 동안 같은 방향으로 계속 움직입니다. [02:51] That is the definition of a market inefficiency that you can exploit. 그것은 당신이 이용할 수 있는 시장 비효율성의 정의입니다. [02:54] And the post earning announcement drift is probably the most studied anomaly in the entire academic 그리고 실적 발표 후의 드리프트는 아마도 전체 학술 연구에서 가장 많이 연구된 이상 현상일 것입니다. [03:04] studied anomaly in the entire academic finance literature. 전체 학술 금융 문헌에서 이상 현상을 연구했습니다. [03:07] The first paper where the post earnings announcement drift was introduced was in 1968. 사후 이익 발표 드리프트가 도입된 첫 번째 논문은 1968년에 나왔습니다. [03:14] The paper was an empirical evaluation of accounting income numbers by bull and brown. 이 논문은 불과 브라운이 회계 소득 수치를 경험적으로 평가한 것이었습니다. [03:20] They were the first one to document that the stock market doesn't fully react to earnings on the day where they're announced. 그들은 주식 시장이 발표되는 날에 이익에 완전히 반응하지 않는다는 것을 문서화한 최초의 사람들이었습니다. [03:29] And their chart of cumulative abnormal returns for good news versus bad news became the foundational image of the entire literature. 그리고 좋은 소식과 나쁜 소식에 대한 누적 초과 수익률 차트는 전체 문헌의 기초적인 이미지가 되었습니다. [03:40] In 1989, Bernard and Thomas came out with the paper post earnings announcement drift delayed price response or risk premium where they formalized the methodology by sorting stocks into the sales based on earning surprise showing that the top minus bottom spread generated positive 1989년에 버나드와 토마스는 사후 이익 발표 드리프트 지연 가격 반응 또는 위험 프리미엄이라는 논문을 발표했는데, 여기서 그들은 이익 서프라이즈를 기준으로 주식을 판매량에 따라 분류하는 방법론을 공식화하여 상위 마이너스 하위 스프레드가 긍정적인 것을 보여주었습니다. [04:06] Minus bottom spread generated positive abnormal returns in 41 out of 48 quarters. 하단 스프레드 마이너스는 48개 분기 중 41개에서 긍정적인 비정상 수익률을 생성했습니다. [04:11] With the average drift lasting for about 60 days. 평균 드리프트는 약 60일 동안 지속되었습니다. [04:18] And this was the paper that turned PID into an institutional trading strategy. 그리고 이것이 PID를 기관 거래 전략으로 바꾼 논문이었습니다. [04:25] Livvenel and Mandol in 2006 with comparing the PID for surprises calculated on analyst and time series forecast brought the methodology into the modern era. Livvenel과 Mandol은 2006년에 분석가 및 시계열 예측에서 계산된 놀라움에 대한 PID를 비교하여 방법론을 현대 시대로 가져왔습니다. [04:39] Comparing analyst consensus forecast to time series forecast defining the standard entry and exit windows still used today. 분석가 합의 예측을 시계열 예측과 비교하여 오늘날에도 사용되는 표준 진입 및 청산 창을 정의했습니다. [04:49] Lastly, think in 2021 made a comprehensive review of over 200 papers across 50 years of paid research. 마지막으로, think는 2021년에 50년간의 유료 연구에 걸친 200편 이상의 논문에 대한 포괄적인 검토를 수행했습니다. [05:01] The headline, the effect persist globally. 헤드라인은 효과가 전 세계적으로 지속된다는 것입니다. [05:04] Four papers, 53 years. 4편의 논문, 53년. [05:04] Discovered in 1968, 1968년에 발견된, [05:10] papers, 53 years. 논문, 53년. [05:10] Discovered in 1968, formalized in 1989. 1968년에 발견되었고, 1989년에 공식화되었습니다. [05:14] formalized in 1989, modernized in 2006, and confirmed in 2021. 1989년에 공식화되었고, 2006년에 현대화되었으며, 2021년에 확인되었습니다. [05:22] Most anomalies like this one get easily arbitrageed away within years from their publication. 이와 같은 대부분의 이상 현상은 출판 후 몇 년 안에 쉽게 차익 거래로 사라집니다. [05:28] The post earnings announcement drift has stubbornly refused to disappear and naturally comes to question why does this still exist and the answer is mostly about investors and reaction. 실적 발표 후 수익률의 표류는 사라지기를 완강히 거부했으며, 이는 왜 아직도 존재하는지에 대한 의문을 자연스럽게 제기하며, 그 답은 주로 투자자와 반응에 관한 것입니다. [05:44] When a company reports earnings especially a surprising one the news is processed gradually across market participants. 회사가 실적을 발표할 때, 특히 놀라운 실적일 경우, 그 뉴스는 시장 참여자들에게 점진적으로 처리됩니다. [05:52] Institutional investors update their models and adjust positions over weeks, not minutes like you might expect. 기관 투자자들은 예상하시는 것처럼 몇 분이 아닌 몇 주에 걸쳐 모델을 업데이트하고 포지션을 조정합니다. [06:01] Sellside analysts revise their estimates over the following days. 셀사이드 분석가들은 며칠에 걸쳐 추정치를 수정합니다. [06:09] Retail investors mostly just look at the 개인 투자자들은 대부분 그냥 보고 있습니다. [06:12] Retail investors mostly just look at the headline number and react emotionally. 개인 투자자들은 주로 헤드라인 수치만 보고 감정적으로 반응합니다. [06:15] And all of this creates a slow stream of buying and selling pressure that pushes the price in the direction of the surprise for an extensive period of time. 이 모든 것이 놀라움의 방향으로 가격을 상당 기간 동안 밀어붙이는 느린 매수 및 매도 압력을 만들어냅니다. [06:30] There are also structural limits to this arbitrage. 이 차익 거래에는 구조적인 한계도 있습니다. [06:33] Large funds cannot take massive single name positions on every single earnings events without taking on too much idiosyncratic risk. 대형 펀드는 너무 많은 특이 위험을 감수하지 않고 모든 개별 실적 발표 이벤트에서 막대한 단일 종목 포지션을 취할 수 없습니다. [06:42] transaction cost eat part of the edge. 거래 비용이 이점의 일부를 잠식합니다. [06:45] Risk managers might have cap on exposure and all of these frictions are real and they explain why this anomaly is still around today. 리스크 관리자는 노출에 상한선을 둘 수 있으며, 이러한 모든 마찰은 현실이며 오늘날에도 이 이상 현상이 여전히 존재하는 이유를 설명합니다. [06:54] Now that we understand what the PD is, we know which are the most famous papers around it. 이제 PD가 무엇인지 이해했으므로 주변의 가장 유명한 논문이 무엇인지 알고 있습니다. [06:59] Let's extract a trading strategy from the very same research. 동일한 연구에서 거래 전략을 추출해 봅시다. [07:05] A complete trading strategy needs three things. 완전한 거래 전략에는 세 가지가 필요합니다. [07:07] an entry condition, an exit condition, and 진입 조건, 청산 조건, 그리고 [07:12] condition, an exit condition, and position sizing. 조건, 종료 조건 및 포지션 사이징입니다. [07:14] For the entry conditions, the literature tell us to use both earning surprise and the price reaction. 진입 조건에 대해 문헌에서는 수익 서프라이즈와 가격 반응을 모두 사용하라고 합니다. [07:21] The earning surprise tell us the fundamental news. 수익 서프라이즈는 근본적인 뉴스를 알려줍니다. [07:27] The price reaction confirms how the market interprets it. 가격 반응은 시장이 그것을 어떻게 해석하는지 확인합니다. [07:30] And when both the surprise and the price direction agree, we call it a concordant signal. 서프라이즈와 가격 방향이 모두 일치하면 이를 일치하는 신호라고 합니다. [07:36] And our entry rule is straightforward. 그리고 우리의 진입 규칙은 간단합니다. [07:41] If a company reports earnings above the consensus and the stock reacts positively, we go long. 회사가 컨센서스보다 높은 수익을 보고하고 주식이 긍정적으로 반응하면 우리는 매수합니다. [07:48] If a company reports earnings below consensus and the stock reacts negatively, we go short. 회사가 컨센서스보다 낮은 수익을 보고하고 주식이 부정적으로 반응하면 우리는 매도합니다. [07:58] If the surprise and the reaction disagree, we don't trade. 서프라이즈와 반응이 일치하지 않으면 거래하지 않습니다. [08:01] Now one thing we need to consider is the timing because company can report after market closes or before market opens. 이제 우리가 고려해야 할 한 가지는 타이밍인데, 회사가 시장 마감 후 또는 시장 개장 전에 보고할 수 있기 때문입니다. [08:06] For the after market close 시장 마감 후의 경우 [08:13] Opens. 열립니다. [08:13] For the after market close announcement, the reaction day is the announcement, the reaction day is the next trading day because the news only becomes effective when the market opens. 장 마감 후 발표의 경우, 반응일은 다음 거래일입니다. 왜냐하면 뉴스는 시장이 열릴 때만 효력이 발생하기 때문입니다. [08:23] For before markets open announcements, the reaction day is going to be the same day because the market opens with the news already public. 장 개장 전 발표의 경우, 시장이 이미 공개된 뉴스와 함께 열리기 때문에 반응일은 같은 날이 될 것입니다. [08:31] In both cases, we enter at the open of the following session after the full reaction has been played out. 두 경우 모두, 완전한 반응이 끝난 후 다음 세션의 개장 시점에 진입합니다. [08:40] As exit condition, Bernard and Thomas show that the drift last for around 60 trading days. 종료 조건으로서, Bernard와 Thomas는 추세가 약 60 거래일 동안 지속된다는 것을 보여줍니다. [08:48] So we use a simple timebased exit hold the position for 60 trading days to which at the end we will close it meaning no stop loss no take profit in our basic version and that's because the drift is statistical it is not just directional and putting a tight stop-loss on a 60 days hold would 따라서 우리는 간단한 시간 기반 종료를 사용하여 60 거래일 동안 포지션을 보유하며, 그 끝에 우리는 포지션을 청산할 것입니다. 이는 기본 버전에서 손절매나 이익 실현이 없다는 것을 의미하며, 그 이유는 추세가 통계적이지 방향성만 있는 것이 아니기 때문이며, 60일 보유 기간에 타이트한 손절매를 설정하는 것은 [09:15] Tight stop-loss on a 60 days hold would cut our winners systematically. 60일 보유 기간 동안 엄격한 손절매는 우리의 수익을 체계적으로 줄일 것입니다. [09:19] And cut our winners systematically. 그리고 우리의 수익을 체계적으로 줄일 것입니다. [09:19] And finally, position sizing. 그리고 마지막으로, 포지션 사이징입니다. [09:21] We start simple with a fixed percentage of capital per trade, and we're going to go for 10% per position, and we will run it on a $100,000 account. 우리는 거래당 고정된 자본 비율로 간단하게 시작하며, 포지션당 10%를 적용하고 100,000달러 계좌에서 실행할 것입니다. [09:24] simple with a fixed percentage of capital per trade, and we're going to go for 10% per position, and we will run it on a $100,000 account. 거래당 고정된 자본 비율로 간단하게 시작하며, 포지션당 10%를 적용하고 100,000달러 계좌에서 실행할 것입니다. [09:27] capital per trade, and we're going to go for 10% per position, and we will run it on a $100,000 account. 거래당 자본 비율, 포지션당 10%를 적용하고 100,000달러 계좌에서 실행할 것입니다. [09:30] for 10% per position, and we will run it on a $100,000 account. 포지션당 10%를 적용하고 100,000달러 계좌에서 실행할 것입니다. [09:33] on a $100,000 account. In this way, we won't take any insane single stock exposure. 100,000달러 계좌에서. 이런 식으로 우리는 어떤 무모한 단일 주식 노출도 취하지 않을 것입니다. [09:37] won't take any insane single stock exposure. And that's the full strategy. 무모한 단일 주식 노출을 취하지 않을 것입니다. 그리고 그것이 전체 전략입니다. [09:39] exposure. And that's the full strategy. three rules. 노출. 그리고 그것이 전체 전략입니다. 세 가지 규칙입니다. [09:39] three rules. No discretion, no optimization, pure mechanical execution of what 60 years of academic research suggest should work. 세 가지 규칙입니다. 재량 없음, 최적화 없음, 60년간의 학술 연구가 효과가 있을 것이라고 제안하는 것을 순수하게 기계적으로 실행합니다. [09:42] No discretion, no optimization, pure mechanical execution of what 60 years of academic research suggest should work. 재량 없음, 최적화 없음, 60년간의 학술 연구가 효과가 있을 것이라고 제안하는 것을 순수하게 기계적으로 실행합니다. [09:46] optimization, pure mechanical execution of what 60 years of academic research suggest should work. 최적화 없음, 60년간의 학술 연구가 효과가 있을 것이라고 제안하는 것을 순수하게 기계적으로 실행합니다. [09:50] of what 60 years of academic research suggest should work. And let me stress it again, all we did was taking public research and extracting the elements for our training strategy on an edge that has been known for more than half a century. 60년간의 학술 연구가 효과가 있을 것이라고 제안하는 것. 다시 강조하자면, 우리는 공개 연구를 가져와 반세기 이상 알려진 이점을 바탕으로 훈련 전략을 위한 요소를 추출했습니다. [09:53] suggest should work. And let me stress it again, all we did was taking public research and extracting the elements for our training strategy on an edge that has been known for more than half a century. 효과가 있을 것이라고 제안하는 것. 다시 강조하자면, 우리는 공개 연구를 가져와 반세기 이상 알려진 이점을 바탕으로 훈련 전략을 위한 요소를 추출했습니다. [09:57] it again, all we did was taking public research and extracting the elements for our training strategy on an edge that has been known for more than half a century. 다시 강조하자면, 우리는 공개 연구를 가져와 반세기 이상 알려진 이점을 바탕으로 훈련 전략을 위한 요소를 추출했습니다. [10:00] research and extracting the elements for our training strategy on an edge that has been known for more than half a century. 연구를 가져와 반세기 이상 알려진 이점을 바탕으로 훈련 전략을 위한 요소를 추출했습니다. [10:03] our training strategy on an edge that has been known for more than half a century. 반세기 이상 알려진 이점을 바탕으로 훈련 전략을 수립했습니다. [10:06] has been known for more than half a century. We are literally not reinventing anything here. 반세기 이상 알려져 왔습니다. 우리는 여기서 말 그대로 아무것도 재창조하지 않고 있습니다. [10:08] century. We are literally not reinventing anything here. 세기. 우리는 여기서 말 그대로 아무것도 재창조하지 않고 있습니다. [10:10] reinventing anything here. Just leveraging the work of people which most likely are much smarter than the two of 아무것도 재창조하지 않고 있습니다. 단지 우리 둘보다 훨씬 똑똑할 가능성이 높은 사람들의 작업을 활용하는 것입니다. [10:15] leveraging the work of people which most likely are much smarter than the two of 우리 둘보다 훨씬 똑똑할 가능성이 높은 사람들의 작업을 활용하는 것입니다. [10:18] likely are much smarter than the two of us. 아마 우리 둘보다 훨씬 똑똑할 것입니다. [10:20] And now what is left to do is the practical side gathering the data getting the code and testing the strategy. 이제 남은 일은 실질적인 측면인 데이터를 수집하고 코드를 얻고 전략을 테스트하는 것입니다. [10:28] To develop this strategy, we need two things. 이 전략을 개발하기 위해 두 가지가 필요합니다. [10:30] Price data and I will use daily data from Trade Station directly in multi charts and earnings data. 가격 데이터와 저는 Trade Station의 일일 데이터를 Multi Charts 및 실적 데이터에 직접 사용할 것입니다. [10:35] Which is the tricky part. 이것이 까다로운 부분입니다. [10:39] For earnings data, you need four main columns. 실적 데이터의 경우 네 가지 주요 열이 필요합니다. [10:41] Announcement date, announcement timing flag, if it's before market open or after market close, the actual earning per share, and the consensus estimate before the announcement. 발표 날짜, 발표 시간 플래그, 시장 개장 전인지 또는 시장 마감 후인지, 실제 주당 수익, 발표 전 컨센서스 추정치입니다. [10:55] And the surprise is simply the difference between the reported and the estimate. 그리고 서프라이즈는 단순히 보고된 수치와 추정치 간의 차이입니다. [11:00] And there is many providers you could pay and get all this data from. 그리고 이 모든 데이터를 얻기 위해 비용을 지불할 수 있는 많은 제공업체가 있습니다. [11:07] But here my challenge is proving you can do all of these minimizing the cost of your infrastructure. 하지만 여기서 제 과제는 인프라 비용을 최소화하면서 이 모든 것을 할 수 있음을 증명하는 것입니다. [11:14] So we will gather all these earnings data 100% for free. 그래서 우리는 이 모든 실적 데이터를 100% 무료로 수집할 것입니다. [11:20] These earnings data 100% for free. 이 수익 데이터는 100% 무료입니다. [11:23] One good source is zax.com which gives you all the earnings estimate and surprises. 한 가지 좋은 출처는 zax.com으로, 모든 수익 추정치와 서프라이즈를 제공합니다. [11:27] For individual stocks including the timing flag and that's the data that I'm going to use. 개별 주식에 대한 타이밍 플래그를 포함한 데이터이며, 제가 사용할 데이터입니다. [11:32] Obviously there is the risk that the data quality is not as good as paid providers but this will do for this example. 명백히 데이터 품질이 유료 제공업체만큼 좋지 않을 위험이 있지만, 이 예시에는 이것으로 충분합니다. [11:41] If you just want to be effective without spending a scent, all you need to do is enter in the symbol of the stock you're interested in, copying the data, and pasting them into your Excel. 돈을 전혀 들이지 않고 효과적으로 하려면, 관심 있는 주식의 심볼을 입력하고 데이터를 복사하여 Excel에 붙여넣기만 하면 됩니다. [11:51] Creating a data set with all the earnings events for the stocks you're interested in. 관심 있는 주식의 모든 수익 이벤트를 포함하는 데이터 세트를 만듭니다. [11:57] The question is, which stocks should we use for this big test? 질문은, 이 큰 테스트에 어떤 주식을 사용해야 할까요? [12:02] For this test, I picked 20 US stocks spanning across multiple sectors. 이 테스트를 위해 저는 여러 섹터에 걸쳐 20개의 미국 주식을 선택했습니다. [12:09] Tech, consumers, financial, healthcare, industrial and energy. 기술, 소비자, 금융, 의료, 산업 및 에너지입니다. [12:15] Why these 20 stocks specifically? 왜 하필 이 20개의 주식인가요? [12:19] I deliberately 제가 의도적으로 [12:21] Stocks specifically? 주식에 관한 것인가요? [12:25] I deliberately mixed sectors so we are not just testing on tech stocks. 일부러 섹터를 섞어서 기술주에만 테스트하지 않도록 했습니다. [12:28] I included some stocks which struggled over the past 8 years like Nike, Starbucks and Lily to avoid that the result is going to be just go long stuff that went up. 나이키, 스타벅스, 릴리와 같이 지난 8년간 어려움을 겪었던 일부 주식을 포함시켜 결과가 상승한 종목만 매수하는 것으로 끝나지 않도록 했습니다. [12:38] But there is a selection bias here that however if the strategy works it is likely it will play to our advantage. 하지만 여기서 선택 편향이 있는데, 전략이 작동한다면 우리의 이익에 부합할 가능성이 높습니다. [12:48] All of these stocks are large surviving and well followed companies. 이 모든 주식은 크고 생존력이 있으며 잘 알려진 회사들입니다. [12:56] The post earnings announcement drift is known to work better on smaller, less followed stocks where information uncertainty is higher and where there are fewer professional eyes watching the earnings. 실적 발표 후의 정보 불확실성이 높고 전문적인 시선이 적게 집중되는, 덜 알려진 소규모 주식에서 실적 발표 후의 정보 비대칭이 더 잘 작동하는 것으로 알려져 있습니다. [13:12] Meaning that testing on these large 20 stocks put this strategy in its hardest difficulty. 이는 이 20개의 대형 주식에 대한 테스트가 이 전략을 가장 어려운 난이도에 놓이게 한다는 것을 의미합니다. [13:22] this strategy in its hardest difficulty setting. 이 전략을 가장 어려운 난이도 설정에서 사용합니다. [13:26] If this strategy works here, it should work even better on a broader universe of small and midcaps. 이 전략이 여기서 효과가 있다면, 더 넓은 범위의 소형주 및 중형주에서도 더 잘 작동할 것입니다. [13:33] I got the earnings data for all these stocks from January 2018 to April 2026, which give us 658 earnings events across 20 stocks over the past eight years. 저는 2018년 1월부터 2026년 4월까지 이 모든 주식의 실적 데이터를 얻었으며, 이는 지난 8년간 20개 주식에 걸쳐 658건의 실적 이벤트를 제공합니다. [13:48] With the strategy defined and the data collected, we now move to code. 전략이 정의되고 데이터가 수집되었으므로 이제 코딩으로 넘어갑니다. [13:54] And as I mentioned in my previous videos, now you have access to large language models. 그리고 이전 영상에서 언급했듯이, 이제 대규모 언어 모델에 접근할 수 있습니다. [13:57] Use them clearly. 명확하게 사용하십시오. [14:00] Explain the strategy that you are investigating and if you have them which are the rules that you want to follow and if you want to do it quick and dirty. 조사하고 있는 전략을 설명하고, 가지고 있다면 따르고 싶은 규칙이 무엇인지, 그리고 빠르고 대충 하고 싶다면 설명하십시오. [14:10] You can even load the data set to charge GPT or code for specific data like the earnings events asking to 심지어 데이터 세트를 ChatGPT에 로드하거나 실적 이벤트와 같은 특정 데이터에 대해 코딩을 요청할 수도 있습니다. [14:24] like the earnings events asking to hardcode those data into the script. 수익 이벤트와 같이 해당 데이터를 스크립트에 하드코딩하도록 요청합니다. [14:28] hardcode those data into the script. 해당 데이터를 스크립트에 하드코딩합니다. [14:30] And this is exactly what I did for this example. 그리고 이것이 제가 이 예제를 위해 한 정확한 작업입니다. [14:33] In mind, this is not the most efficient and clean way, but this allow 이것이 가장 효율적이고 깔끔한 방법은 아니지만, 이 방법은 [14:36] you to be effective, especially in a setting where you are researching. 특히 연구 중인 환경에서 효과적일 수 있도록 합니다. [14:39] Doing like this just in minutes, I got a fully 이렇게 하면 단 몇 분 만에 완전한 [14:42] working code with the full strategy fitting in just one script with our 코드를 얻을 수 있으며, 전체 전략이 우리의 진입, 청산 및 포지션 사이징과 함께 [14:46] entry, exit, and position sizing properly encoded. 하나의 스크립트에 제대로 인코딩됩니다. [14:49] Now that we have the code, let's apply it to just one stock. 이제 코드가 있으니, 하나의 주식에 적용해 봅시다. [14:53] And I'm going to take Google as an example. 그리고 예시로 구글을 사용하겠습니다. [14:58] And note that I'm going to use exactly the default settings that we specified from the research. 그리고 연구에서 지정한 기본 설정을 그대로 사용하겠다는 점에 유의하십시오. [15:02] We open a long position if there is a positive surprise in the earnings. 수익에 긍정적인 서프라이즈가 있다면 매수 포지션을 엽니다. [15:04] And on the day of the earnings, the stock moves up. 그리고 수익 발표 당일에 주가가 상승합니다. [15:06] Equally, we open a short position if 마찬가지로, 만약 [15:24] Equally, we open a short position if there is a negative surprise and the stock moves down. 마찬가지로, 부정적인 서프라이즈가 있고 주가가 하락하면 우리는 숏 포지션을 엽니다. [15:31] We will hold that position for the following 60 trading days. 우리는 해당 포지션을 다음 60 거래일 동안 유지할 것입니다. [15:38] No stop losses, no take profits, just like we got it from the insights of the papers. 손절매도 없고 익절도 없으며, 논문에서 얻은 통찰력과 같습니다. [15:43] Let's apply to Google. 구글에 적용해 봅시다. [15:45] And as you can see, trades starts populating. 그리고 보시다시피 거래가 채워지기 시작합니다. [15:48] To do a very quick cross reference, I open Trading View as well where for example we had a positive surprise on the 23rd of July 2025 and the closing price of the following day is above the closing price of the day where the earnings have been released. 매우 빠른 교차 참조를 위해, 저는 또한 트레이딩 뷰를 열었는데, 예를 들어 2025년 7월 23일에 긍정적인 서프라이즈가 있었고 다음 날의 종가가 실적이 발표된 날의 종가보다 높았습니다. [16:08] Meaning that there is a positive reaction in the price. 이는 가격에 긍정적인 반응이 있다는 것을 의미합니다. [16:13] If this holds, we should have open a position into our multi charts. 이것이 유지된다면, 우리는 멀티 차트에 포지션을 열었어야 합니다. [16:21] And indeed, we did open a long position as the earnings has been released. 그리고 실제로, 실적이 발표됨에 따라 우리는 롱 포지션을 열었습니다. [16:24] There has been the price 가격이 있었습니다. [16:26] Released. There has been the price reaction which from close to close the price has been increasing. 발표되었습니다. 종가 대비 종가로 가격이 상승하는 가격 반응이 있었습니다. [16:31] We had a positive surprise. 긍정적인 서프라이즈가 있었습니다. [16:34] So at the opening of the following trading session, we did open a long position which we held for the following 60 days. 따라서 다음 거래 세션 시작 시 롱 포지션을 열었고 다음 60일 동안 보유했습니다. [16:42] Or if you want to use your own data to cross check here on the 2nd of February 2023, we should have for Google an earning release. 또는 2023년 2월 2일에 Google의 실적 발표가 있을 예정이었던 데이터를 직접 사용하여 교차 확인하고 싶으시다면, [16:52] So 2nd of February 2023, we have a miss on the earnings. 따라서 2023년 2월 2일, 우리는 실적 미스를 기록했습니다. [16:56] So a negative surprise and the price reaction it is negative because from close to close the price decreased. 따라서 부정적인 서프라이즈였고, 종가 대비 종가로 가격이 하락했기 때문에 가격 반응도 부정적이었습니다. [17:09] So at the opening of the following session we did open a short position. 따라서 다음 세션 시작 시 숏 포지션을 열었습니다. [17:15] And given the fact that the logics for both the long and the short trades holds, we can apply the strategy to all 20 stocks simultaneously. 그리고 롱 및 숏 거래 모두에 대한 논리가 유지된다는 사실을 감안할 때, 우리는 이 전략을 20개 주식 모두에 동시에 적용할 수 있습니다. [17:21] And if the post earnings 그리고 실적 발표 후 [17:27] simultaneously. 동시에. [17:31] And if the post earnings announcement drift is real, we should see a positive and apprising equity curve. 그리고 만약 실적 발표 후의 변동이 실재한다면, 우리는 긍정적이고 상승하는 주가 곡선을 보아야 합니다. [17:37] Let's run the first back test. 첫 번째 백테스트를 실행해 봅시다. [17:39] And look at this. 이것을 보십시오. [17:42] The equity curve is not perfect, but we do have the result that we're looking for. 주가 곡선이 완벽하지는 않지만, 우리가 찾고 있는 결과를 얻었습니다. [17:45] We have a profit for $131,000 on a $100,000 capital with a 17.4% 4% max portfolio draw down a profit factor of 1.99 a 61% win rate and an annualized result of around 12%. 100,000달러의 자본으로 131,000달러의 수익을 얻었으며, 최대 포트폴리오 하락률은 17.4%이고, 수익률은 1.99, 승률은 61%, 연간 수익률은 약 12%입니다. [18:07] If we have a look at the kalma ratio which is given by the annual return divided by the maximum portfolio draw down it lands at around 0.68 68. 연간 수익률을 최대 포트폴리오 하락률로 나눈 칼마 비율을 살펴보면 약 0.68 68입니다. [18:20] And all of these tell us that this is real. 이 모든 것이 이것이 실재함을 말해줍니다. [18:23] We do have a working strategy at the first try with parameters straight out of 우리는 처음 시도에서 작동하는 전략을 가지고 있으며, 매개변수는 바로 [18:29] Try with parameters straight out of academic research. 학술 연구에서 바로 나온 매개변수로 시도해 보세요. [18:33] No optimization, no core fitting, just the rules as published applied to a basket of US liquid stocks giving us this alone a very meaningful result. 최적화도 없고, 핵심 피팅도 없고, 출판된 규칙을 그대로 미국 유동 주식 바구니에 적용하여 이 자체만으로도 매우 의미 있는 결과를 얻었습니다. [18:47] And now let's have a look if we start tweaking the parameters. 이제 매개변수를 조정하기 시작하면 어떻게 되는지 살펴보겠습니다. [18:52] Let's investigate a second configuration. 두 번째 구성을 조사해 봅시다. [18:54] Let's use exactly the same as configuration one but without the concordant filter. 구성 1과 정확히 동일하게 사용하되, 일치 필터를 제외하겠습니다. [19:01] Meaning that if we have a positive surprise, we go long. 즉, 긍정적인 놀라움이 있으면 매수합니다. [19:04] If we have a negative surprise, we go short. 부정적인 놀라움이 있으면 매도합니다. [19:07] But we don't care about what is going to be the following day price reaction. 하지만 다음 날 가격 반응이 어떻게 될지는 신경 쓰지 않습니다. [19:12] And let's run the big test. 그리고 큰 테스트를 실행해 봅시다. [19:15] Here we get a net profit of $251,000 with a $32.5% draw down. 여기서 우리는 32.5%의 손실률로 251,000달러의 순이익을 얻었습니다. [19:23] Almost double the return but almost double the draw down as well. 수익의 거의 두 배이지만 손실률도 거의 두 배입니다. [19:30] almost double the draw down as well giving us a calm ratio of 0.69. 인출액이 거의 두 배가 되어 0.69의 차분 비율을 제공합니다. [19:34] giving us a calm ratio of 0.69. 0.69의 차분 비율을 제공합니다. [19:37] Let's run a configuration number three with concordant filter still off. 일치 필터가 여전히 꺼진 상태에서 구성 번호 3을 실행해 보겠습니다. [19:40] We don't care if the surprise and the price reaction match in direction but we filter out small surprises below 5%. 놀라움과 가격 반응이 방향이 일치하는지는 신경 쓰지 않지만 5% 미만의 작은 놀라움은 필터링합니다. [19:43] don't care if the surprise and the price reaction match in direction but we filter out small surprises below 5%. 놀라움과 가격 반응이 방향이 일치하는지는 신경 쓰지 않지만 5% 미만의 작은 놀라움은 필터링합니다. [19:47] filter out small surprises below 5%. 5% 미만의 작은 놀라움은 필터링합니다. [19:50] below 5%. 5% 미만입니다. [19:52] And the idea is to focus on high magnitude earnings surprise event. 그리고 아이디어는 높은 규모의 수익 서프라이즈 이벤트에 집중하는 것입니다. [19:55] And the idea is to focus on high magnitude earnings surprise event. 그리고 아이디어는 높은 규모의 수익 서프라이즈 이벤트에 집중하는 것입니다. [20:00] The result is a net profit of 191,000 a 26% draw down giving us a calma ratio of 0.67. 결과는 191,000의 순이익이며 26%의 인출액으로 0.67의 차분 비율을 제공합니다. [20:03] result is a net profit of 191,000 a 26% 결과는 191,000의 순이익이며 26% [20:06] a 26% draw down giving us a calma ratio of 0.67. 26%의 인출액으로 0.67의 차분 비율을 제공합니다. [20:09] draw down giving us a calma ratio of 0.67. 인출액으로 0.67의 차분 비율을 제공합니다. [20:09] 67 configuration number four. 67 구성 번호 4입니다. [20:13] Both filters are on, meaning concurrent filter plus a 5% threshold. 두 필터 모두 켜져 있으며, 이는 동시 필터와 5% 임계값을 의미합니다. [20:16] filters are on, meaning concurrent filter plus a 5% threshold. 필터가 켜져 있으며, 이는 동시 필터와 5% 임계값을 의미합니다. [20:21] And here we get something interesting, a net profit of almost $82,000 and a max portfolio draw down of 20%. 그리고 여기서 흥미로운 점은 거의 82,000달러의 순이익과 20%의 최대 포트폴리오 인출액입니다. [20:23] get something interesting, a net profit of almost $82,000 흥미로운 점은 거의 82,000달러의 순이익입니다. [20:26] of almost $82,000 and a max portfolio draw down of 20%. 거의 82,000달러와 20%의 최대 포트폴리오 인출액입니다. [20:29] and a max portfolio draw down of 20%. 그리고 20%의 최대 포트폴리오 인출액입니다. [20:29] Showing us that the calm ratio dropped 차분 비율이 하락했음을 보여줍니다. [20:32] Showing us that the calm ratio dropped to 0.36. [20:34] to 0.36. So stacking the two filters actually [20:38] So stacking the two filters actually broke this strategy and this is the most [20:41] broke this strategy and this is the most educational moment of this entire [20:44] educational moment of this entire research because it's telling us that [20:46] research because it's telling us that these two filters are doing partially [20:49] these two filters are doing partially overlapping work and combining them [20:53] overlapping work and combining them removes a small but high quality signal [20:58] removes a small but high quality signal that were carrying the strategy and this [21:01] that were carrying the strategy and this is a real finding. Research papers often [21:05] is a real finding. Research papers often suggest [21:06] suggest multiple filters, but they rarely test [21:10] multiple filters, but they rarely test them together. And just as we have seen [21:13] them together. And just as we have seen here, the interaction can have a [21:17] here, the interaction can have a negative result. You can only see this [21:22] negative result. You can only see this running this exact type of test. Now, [21:26] running this exact type of test. Now, look at something interesting as well. [21:28] look at something interesting as well. Every time that we run a big test, our [21:31] Every time that we run a big test, our short legs are always negative between [21:35] short legs are always negative between minus14 and - $19,000. [21:40] minus14 and - $19,000. And this is not a bug. This is a real [21:43] And this is not a bug. This is a real market asymmetry that the modern pedal [21:46] market asymmetry that the modern pedal literature documents clearly. In the [21:50] literature documents clearly. In the post2010 [21:52] post2010 era, positive surprises [21:55] era, positive surprises drift more reliably than negative ones. [22:00] drift more reliably than negative ones. Especially on large cap stocks, [22:03] Especially on large cap stocks, companies often pre-announce bad news. [22:07] companies often pre-announce bad news. Management guides expectations during [22:10] Management guides expectations during the earnings calls. Activist highly [22:14] the earnings calls. Activist highly shorts companies before the earnings is [22:17] shorts companies before the earnings is out and by the time the formal release [22:21] out and by the time the formal release of the earnings is out, most of the [22:24] of the earnings is out, most of the negative reaction is already priced in. [22:26] negative reaction is already priced in. And this inside bring us to remove the [22:31] And this inside bring us to remove the short leg completely. running condition [22:34] short leg completely. running condition five as long only concordant filter [22:39] five as long only concordant filter still on without any threshold because [22:43] still on without any threshold because we have seen that is not adding any [22:45] we have seen that is not adding any value. We get a net profit of $146,000 [22:51] value. We get a net profit of $146,000 a 20% max portfolio draw down a profit [22:56] a 20% max portfolio draw down a profit factor of 2.68 68 a win rate of 63%. [23:02] factor of 2.68 68 a win rate of 63%. Giving us the cleanest by the book [23:07] Giving us the cleanest by the book version we have produced. What this [23:10] version we have produced. What this proves, the post earnings announcement [23:14] proves, the post earnings announcement drift as documented in academia from [23:18] drift as documented in academia from 1968 [23:20] 1968 to 2021 [23:22] to 2021 still works on a diversified basket of [23:25] still works on a diversified basket of large US stocks. The edge is modest, but [23:30] large US stocks. The edge is modest, but it is real with a calma ratio between [23:34] it is real with a calma ratio between 0.66 66 to 0.76 [23:38] 0.66 66 to 0.76 depending on the configuration that you [23:41] depending on the configuration that you want to use. And what matters is that [23:43] want to use. And what matters is that this is just the starting point. From [23:47] this is just the starting point. From here you can extend this strategy in [23:50] here you can extend this strategy in several directions. You can test the [23:53] several directions. You can test the post earnings announcement drift on less [23:56] post earnings announcement drift on less liquid stocks. Given the fact that the [23:59] liquid stocks. Given the fact that the literature strongly suggests that this [24:02] literature strongly suggests that this effect is stronger on small caps, mid [24:06] effect is stronger on small caps, mid caps and stocks with less analyst [24:09] caps and stocks with less analyst coverage. You can test it on stocks [24:12] coverage. You can test it on stocks based on other countries like in Europe [24:15] based on other countries like in Europe or Asia. Or again, you can combine the [24:18] or Asia. Or again, you can combine the PID with other signals. And of course, [24:22] PID with other signals. And of course, as I said before, there is more [24:23] as I said before, there is more sophisticated ways of doing this. You [24:27] sophisticated ways of doing this. You can use Python for proper [24:29] can use Python for proper cross-sectional analysis. Doing a much [24:32] cross-sectional analysis. Doing a much more indepth analysis of this [24:34] more indepth analysis of this phenomenon. But what is relevant here [24:38] phenomenon. But what is relevant here and what I want you to understand is [24:40] and what I want you to understand is that if you knew the process and you [24:43] that if you knew the process and you followed the proper protocol with just [24:46] followed the proper protocol with just using tools that you have access to [24:49] using tools that you have access to without knowing how to code a single [24:52] without knowing how to code a single line. you would have been able to [24:55] line. you would have been able to reproduce this exact research and you [24:59] reproduce this exact research and you would be able to leave all the old [25:02] would be able to leave all the old retail trading methodologies you're [25:04] retail trading methodologies you're relying on today. We took a phenomenon [25:07] relying on today. We took a phenomenon documented in academic research. We [25:10] documented in academic research. We extracted the rules for a simple trading [25:13] extracted the rules for a simple trading strategy. We sourced free data. We coded [25:17] strategy. We sourced free data. We coded the strategy using tools that any single [25:20] the strategy using tools that any single one of you has access to. We tested it [25:24] one of you has access to. We tested it on 20 stocks simultaneously over eight [25:28] on 20 stocks simultaneously over eight years of data and we found the [25:31] years of data and we found the confirmation for a real positive risk [25:35] confirmation for a real positive risk adjusted edge. And this is what I mean [25:39] adjusted edge. And this is what I mean when I say that anyone can do this [25:42] when I say that anyone can do this today. But still you need to know what [25:45] today. But still you need to know what you're looking for, where to find it, [25:48] you're looking for, where to find it, and how to ask the right questions. That [25:52] and how to ask the right questions. That by definition is the institutional [25:54] by definition is the institutional protocol and that's what this channel is [25:58] protocol and that's what this channel is about. If you found this interesting and [26:01] about. If you found this interesting and useful, please drop a comment, subscribe [26:05] useful, please drop a comment, subscribe to the channel because we are just [26:08] to the channel because we are just getting started. That