기술적 분석 10장: 같은 신호가 산업마다 다르게 작동하는 이유
기술적 신호는 모든 산업에서 같은 의미를 갖지 않습니다. 반도체처럼 추세가 빠르게 이어지는 산업과 바이오처럼 급등락이 큰 산업에 같은 돌파 조건을 적용하면 결과가 달라질 수 있습니다.
산업별로 결과를 나누기
Section titled “산업별로 결과를 나누기”selected = df[ (df["composite_entry"] == 1) & (df["date"] >= "20260101")].copy()
industry_result = ( selected.groupby("industry") .agg( events=("code", "size"), positive_rate=("forward_return_20d", lambda x: (x > 0).mean()), mean_return=("forward_return_20d", "mean"), median_return=("forward_return_20d", "median"), ) .query("events >= 5") .sort_values("mean_return", ascending=False))실제 산업별 결과
Section titled “실제 산업별 결과”검증 구간에서 복합 신호가 5회 이상 발생한 산업 중 일부는 다음과 같습니다.
| 산업 | 신호 수 | 양수 비율 | 평균 수익률 | 중앙값 |
|---|---|---|---|---|
| 전자부품 제조업 | 140 | 57.9% | +14.55% | +10.53% |
| 반도체 제조업 | 47 | 59.6% | +14.07% | +11.65% |
| 기타 금융업 | 179 | 55.9% | +9.53% | +3.53% |
| 기타 화학제품 제조업 | 80 | 42.5% | +1.02% | -1.67% |
| 의약품 제조업 | 59 | 33.9% | +6.46% | -3.08% |
| 소프트웨어 개발 및 공급업 | 46 | 37.0% | +4.42% | -3.94% |
전자부품과 반도체는 양수 비율과 중앙값이 함께 높았지만, 소프트웨어와 의약품은 평균과 중앙값의 차이가 컸습니다. 일부 급등 사례가 평균을 만들었을 가능성이 있다는 뜻입니다.
시장 국면도 함께 봐야 합니다. 이번 분석에서는 코스피의 20일 수익률을 양수·음수로 나누고, 각 신호의 이후 수익률을 다시 계산합니다. 개별 종목 신호만으로는 시장 전체의 위험 선호 변화를 설명할 수 없기 때문입니다.
| 코스피 20일 모멘텀 | 신호 수 | 20일 양수 비율 | 평균 수익률 | 중앙값 |
|---|---|---|---|---|
| 양수 | 3,390 | 51.1% | +5.57% | +1.28% |
| 음수 | 1,415 | 47.5% | +3.78% | 0.00% |
“이 지표의 평균 수익률은 얼마인가?”보다 더 좋은 질문은 “어떤 산업과 시장 상태에서 이 지표가 작동했는가?”입니다. 산업 분류와 시장 모멘텀을 추가하면 기술적 신호를 종목의 고유한 패턴과 시장의 공통 움직임으로 나눠 볼 수 있습니다.
산업별 원자료는 industry_summary.csv, 시장 국면 결과는 regime_summary.csv에서 확인할 수 있습니다.