Backtest

💡 요약 / TL;DR - 백테스트 미래 참조 편향 및 ATR 왜곡 디버깅 핵심 요약 (BLUF) 미래 참조 편향의 폐해: 백테스트 설계 시 발생하는 미래 참조 편향과 실시간 데이터 모델링 모순은 알고리즘 성과를 가공해 과대평가함으로써 실전 투자 시 즉각적인 파산 경로를 유발합니다. 인공지능의 맹점: ChatGPT, Claude 등 AI 코딩 비서는 문법적 컴파일 정합성만 검증할 뿐, 시간 역전 논리 오류(Look-Ahead Bias)를 인지하지 못해 왜곡된 수익률을 그대로 방치합니다. 인과성 교정 프로토콜: 진입 시점 확정형 가격 설정(Constant TP/SL)과 전일 자 완성 변동성 대입(t-1), Pandas 인과율 검증 유닛 테스트 마스크를 엄격히 작동시켜야만 실전 생존성을 증명할 수 있습니다. 인공지능 코딩 도구가 외면하는 백테스트의 3대 설계 결함 인공지능 코딩 도구(예: ChatGPT, Claude 등)에 트레이딩 봇 백테스트 코드를 요청하는 경우, 제공되는 코드는 구문(Syntax) 상 오류가 전혀 없습니다. 그러나 실전 매매에서 파산을 유발하는 세 가지 통계적 왜곡이 코드 이면에 완벽히 매립됩니다. ...

💡 요약 / TL;DR - 호가창 매물대 및 실질 슬리피지 실측 시뮬레이션 핵심 요약 (BLUF) 체결 왜곡의 실체: 백테스트에서 지정가 100% 체결을 가정하거나 고정 슬리피지(Fixed) 모델을 사용하는 것은 실전 암호화폐 시장의 얕은 유동성과 변동성 폭발 시 발생하는 시장 충격 비용을 완전히 누락하여 심각한 과적합화 수익을 만들어냅니다. 대기 큐 및 비선형 모델: 실제 체결 확률은 대기 순번($Queue_Pos$)에 따라 지수 감쇠하며, 슬리피지는 주문 크기($Q$)에 따른 비선형 거듭제곱 법칙($Power-Law$)을 따릅니다. 이를 백테스트 엔진에 주입해야 실전 통계적 생존율을 판독할 수 있습니다. 알고리즘적 대응: 가용 깊이($Pool Depth$) 대비 진입 수량을 지수 감쇠 제어하는 프롬프트 명세(Adaptive Sizing)를 주입하고, 변동성 폭발 국면에서 주문 크기를 실시간 통제해야 파산 경로를 원천 차단할 수 있습니다. 지정가 체결의 치명적 착시: 백테스트의 100% 체결 무결성 모순 인공지능 코딩 도구에 “TradingView Pine Script 또는 Python 환경에서 지정가 주문으로 백테스트를 수행하는 코드를 작성해달라"고 요청하면, 대부분 다음과 같은 기본 체결 엔진을 반환합니다. ...

💡 요약 / TL;DR 캔들은 경로가 아니라 요약입니다. 시가·고가·저가·종가는 네 개의 스냅샷일 뿐, 고가와 저가가 어떤 순서로 찍혔는지는 버려집니다. 손절과 익절이 한 봉 안에 같이 들어오면, 캔들은 “둘 다 닿았다"까지만 말합니다. 무엇이 먼저인지는 알려주지 못합니다. 엔진은 그 빈자리를 고정된 가정으로 메우고, 그 가정은 측정이 아니라 선택입니다. 타임프레임을 바꾸면 이런 모호한 거래 수가 달라지므로 결과가 움직입니다. 매매하는 봉과 같거나 더 잘게 백테스트하고, 엔진이 어떤 체결 가정을 쓰는지 확인하십시오. 1시간봉에선 수익인데 15분봉으로 바꾸니 손실이 나는 전략 전략을 하나 설계했다고 가정해 보겠습니다. 1시간봉으로 백테스트를 수행하면 수익을 기록합니다. 다른 설정은 유지한 채 캔들 타임프레임만 15분으로 조정하여 동일한 규칙으로 다시 실행합니다. 이번에는 손실로 결과가 바뀝니다. 다른 변수는 전혀 변경하지 않았습니다. 동일한 시장, 동일한 분석 기간, 동일한 진입 및 청산 조건입니다. 달라진 점은 오직 캔들의 크기 하나뿐입니다. ...

💡 요약 / TL;DR — 셀프 오딧 핵심 요약 (BLUF) 발단: 독자 한 명이 “그 상관, DCC-GARCH로 다시 보라"고 제안 → 2000–2026년 6,467 거래일 전면 재검증으로 확대됐습니다. 판정: 원글의 핵심 주장(5영업일 시차 음의 전이, r=−0.6355) 반박 — 풀샘플 변동성 크로스상관은 전 lag(±10)에서 +0.07~+0.09로 평평하고, lag-5 DCC는 상수 상관 ≈0.001로 퇴화합니다. 원인: 원글 표의 ‘GARCH’ 열은 log-선형 R² 0.99987의 순수 지수감쇠 — 쇼크 반응이 전혀 없는 파이프라인 오류였습니다. 소표본의 함정: 17일 윈도우 상관은 −0.95~+0.99를 오가며, 전체 윈도우의 **12.3%**가 우연만으로 원글 수준(≤−0.6355)에 도달합니다. 2026년 5월 25일, 우리는 나스닥-100 변동성 쇼크가 5영업일 시차를 두고 옥수수 선물로 음의 전이된다고 주장하는 분석(상관 −0.6355, N=11,149)을 발행했습니다. 발행 17일 뒤, 독자 한 명이 물었습니다. “그 상관, DCC-GARCH로 다시 보셨습니까?” 2000–2026년 6,467 거래일을 처음부터 다시 돌린 답: 그 구조는 실데이터에 존재하지 않습니다. ...

💡 핵심 요약 (Key Takeaways) 높은 샤프 비율은 그 자체로 증거가 아닙니다. 디플레이티드 샤프 비율(DSR)은 백테스트 샤프를 두 가지 부풀림에 대해 동시에 보정합니다. 여러 전략을 시도한 데서 오는 선택 편향과, 비정규(왜도·첨도가 큰) 수익률입니다. 기준선은 시도 횟수에 따라 올라갑니다. 참 샤프 비율이 0이어도 N회 독립 시도의 기대 최대 샤프는 양수입니다. DSR은 기각 임계값을 그 기대 최대값으로 두므로, 더 많이 탐색할수록 넘어야 할 선이 높아집니다. 예시 수치는 뼈아픕니다. 일별 5년·왜도 −3·첨도 10인 샤프 2.5를 N=1000회 시도 끝에 발견하면 DSR은 약 0.90에 그쳐 95% 기준을 통과하지 못합니다. 같은 결과를 단 N=46회 시도만에 얻었다면 0.9505로 통과했을 것입니다. 본 해설은 1차 출처인 Bailey·López de Prado, “The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting and Non-Normality”(Journal of Portfolio Management, 2014)만을 근거로 재구성했습니다. 이 글은 해당 지표가 잡아내려는 실패들을 실측한 백테스트 부검 시리즈와 짝을 이룹니다. ...

💡 요약 — 7가지 구조적 실패 패턴, 각각 측정됨 (BLUF) 룩어헤드 바이어스: 트레일링 스탑이 93.3% 승률을 보여줄 수 있습니다. 그 승률은 스탑이 막아야 했던 움직임 이후에 스탑이 설정됐기 때문에 생긴 수학적 허상입니다. 장내 모호성: 손절과 익절이 하나의 캔들 안에 모두 포함될 경우, 캔들에는 어느 것이 먼저 체결됐는지에 대한 정보가 없습니다. rollbrains가 BTC 1,820개 거래를 측정한 결과 실제 답은 동전 던지기였습니다. 슬리피지: rollbrains의 알트코인 그리드 테스트에서 동적 슬리피지를 무시했을 때 승률이 48.2%에서 31.5%로 떨어졌고 순 기대값이 마이너스로 반전됐습니다. 진입가: 두 가지 합리적인 진입 방식, 동일한 로직, 동일한 청산. 하나는 거래당 +0.875R, 다른 하나는 +0.046R. 하나의 결정에서 19배 차이입니다. 생존자 편향: 크립토 펀딩 수수료는 마진이 아닌 명목 계약 금액에 부과됩니다. 0.5% 스탑로스로 3일 보유 시 펀딩만으로 1R의 ~18%가 소진됩니다. 레짐 변화: 한 변동성 레짐에서 최적화된 전략은 다른 레짐에서 실패합니다. 나스닥-옥수수 연구의 “5일 지연 r = −0.6355” 주장은 6,467 거래일 DCC-GARCH 재검증에서 재현되지 않아 정정됐습니다 — 17일 소표본 상관이 만든 결과였고, 그 정정 과정 자체가 이 시리즈의 측정 사례입니다. 상관관계 ≠ 방향성: FX 평균회귀 모델이 98.01% 확률로 수렴했습니다. 개별 트레이드 승률은 47.47%였습니다. 이 두 숫자는 서로 다른 것을 측정합니다. 백테스팅 실수에 관한 대부분의 가이드는 걱정해야 할 것들의 목록입니다. 이 글은 다릅니다. 여기서 설명하는 모든 실패 패턴은 rollbrains 실험에서 실제 데이터로 측정됐으며, 그 결과는 단순한 백테스트가 보여줬을 것과 달랐습니다. ...

💡 핵심 결론 크립토 무기한 선물 백테스트는 다섯 가지 주요 원인으로 인해 실거래에서 실패합니다. 이 중 오직 두 가지만이 크립토 시장 고유의 문제에 해당합니다. 레버리지가 반영된 명목 계약 가치 기준의 펀딩 드래그(Drag) 현상과 소리 없이 발생하는 데이터 결손(Data Gap)입니다. 이 두 문제에 대한 구체적인 분석과 해결책을 본문에서 다룹니다. 나머지 세 가지 함정(지정가 체결 착시, 슬리피지와 네트워크 지연, 데이터 병합 과정에서의 미래 참조 편향)은 주식, 외환(FX), 일반 선물 시장 등 자산을 가리지 않고 발생하는 보편적인 백테스트 오류입니다. 백테스트 부검 시리즈에서 실제 시장 데이터를 토대로 이미 심도 있게 실측한 내용이므로, 본문에서는 중복 설명을 피하고 해당 스포크 링크로 대체합니다. 아래 제시된 펀딩 관련 수치들은 가정을 전제로 도출한 단순 계산 예시이며, 백테스트 실측 결과가 아닙니다. 엄밀한 실측 데이터와 분석 방법론은 링크된 부검 스포크 글에 수록되어 있습니다. 이 글은 방법론적 가이드라인을 제공합니다. 실측 부검 보고서가 아닙니다. 실측 통계가 필요한 항목은 수치를 직접 측정한 백테스트 부검 스포크로 대체하며 본문에서 수치를 중복 제공하지 않습니다. ...

💡 핵심 요약 (Key Takeaways) 평균회귀의 함정: 롤링 상관관계 Z-score의 정상 범위 수렴 확률은 **98.01%**로 매우 높았으나, 실제 진입한 개별 크로스 포지션의 **거래 승률은 47.47%**에 불과했습니다. 방향 신호의 부재: 상관관계가 수렴하는 경로는 다양하며(Dynamic Drift), 스프레드 축소 사건이 개별 자산의 특정 방향 이동을 보장하지 않습니다. 관계형 지표로 단일 자산의 방향을 베팅하는 것은 통계적으로 동전 던지기와 다름없습니다. 엔화(JPY) 안전자산 노이즈: 엔화 크로스 자산은 위험 회피 국면 시 강력한 추세를 형성하여 평균회귀 가정을 정면으로 파괴하며, 수수료와 슬리피지 비용 드래그가 결합되면 미세한 알파조차 모두 잠식당합니다. 본 리포트는 퀀트 전략 리서치 허브에서 투명하게 공개하는 COREX 프로젝트의 실패 사례 연구 시리즈의 첫 번째 파트입니다. 아티클에서 제시하는 모든 수치는 임의의 상용 전략이나 마케팅 제휴 상품과 무관하며, 실제 PRISM-R 프레임워크 v4.6.0 하에서 10개년 FX 고해상도 데이터를 바탕으로 직접 수행한 계량적 연구 리포트의 무결성 검증 실측값입니다. ...

💡 요약 / TL;DR - 진입가 엣지 실측 핵심 요약 (BLUF) 진입 위치가 엣지를 지배: 다른 매개변수가 완벽히 같아도, 진입 위치만 피봇 계산 진입에서 구간 중심 진입으로 바꿨을 때 기대값이 +0.875R에서 +0.046R로 19배 폭락했습니다. 선택 편향의 패러독스: 더 깊은 진입 위치(구간 중심)는 더 저렴한 매수를 유도하지 못하고, 오히려 가격 반전 규칙이 붕괴하여 손실을 보는 최악의 실패 거래만 골라 체결합니다. 주문 체결의 통계적 실증: 총 11,149건의 반전 실측 데이터를 분석하여 지정가 진입점 최적화의 수학적 필연성을 규명했습니다. 하모닉 패턴 백테스트 분석 결과, 다른 모든 전략적 매개변수를 완전히 동결한 상태에서 진입 주문 위치만 피봇 계산 진입(+0.875R, 73.6% 승률)에서 구간 중심 진입(+0.046R, 56.1% 승률)으로 변경했을 때 거래당 기대값이 무려 19배 급감하는 통계적 실측값(N=11,149)이 확인되었습니다. 이는 지정가 주문의 진입점 위치 선정 자체가 매매 승률의 절대적 지배 변수(Edge)임을 통계적으로 실증합니다. 본 백테스트 분석서는 하모닉 반전 패턴의 진입가 최적화 메커니즘을 규명하고 선택 편향의 실체를 증명합니다. ...