⚠ 정정 (2026-06-11): 이 글의 이전 버전(2026-05-25)은 NDX→옥수수 변동성의 5영업일 지연 음의 전이와 이를 활용한 헷징 전략·성과 개선 주장을 제시했습니다. 2000–2026년 6,467 거래일 풀샘플 DCC-GARCH 재검증 결과 해당 구조는 실데이터로 재현되지 않았고, 이전 표의 GARCH 열은 파이프라인 오류로 확인되어 본문 전체를 정정된 수치 기준으로 다시 썼습니다. 재검증 절차와 3중 포렌식 증거는 DCC-GARCH 재검증 부검 글에 공개합니다. ...
💡 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. ...
💡 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. ...
💡 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. ...