본문 바로가기

전체 글363

[퀀트 스터디] 주사위는 한 번만 던져지지 않았다: 운과 실력을 가르는 몬테카를로 시뮬레이션 [핵심 요약]우리가 겪은 과거의 역사는 주사위를 딱 한 번 굴려 나온 단 하나의 결과값일 뿐입니다.몬테카를로(Monte Carlo) 시뮬레이션은 이 한 번의 역사를 수천 번으로 불려, 내 수익이 실력인지 단순한 운이었는지 발가벗겨 냅니다.이 테스트의 진짜 목적은 화려한 수익률이 아니라, '최악 5%의 꼬리 위험(MDD)'이 닥쳤을 때 내 멘탈과 계좌가 버틸 수 있는지를 측정하는 것입니다. 13편과 14편을 통해 "본 적 없는 미래의 데이터로 시험하라(OOS, 전진 분석)"는 원칙을 뼈저리게 배웠습니다. 하지만 백테스트가 품고 있는 가장 근본적이고 무서운 문제는 아직 남아있습니다. 바로 "과거는 단 한 줄기의 경로뿐이다"라는 사실입니다.주사위를 한 번 굴릴 것인가, 수천 번 굴릴 것인가?주사위를 한 번 굴.. 2026. 9. 4.
[퀀트 스터디] 한 번의 요행을 허락하지 않는 궁극의 검증 (Walk-Forward 분석) [핵심 요약]단 한 번의 실전 테스트(OOS)가 가진 한계를 극복하기 위해, 시험을 여러 번 치러 그 점수들을 이어 붙이는 프로들의 검증법입니다.과거를 보고 룰을 수정한 뒤 바로 앞의 미래를 테스트하는 과정을 반복하며 '창문(Window)'을 굴려 나갑니다.이 과정을 통해 얻은 최종 수익 곡선은, 단 한 번도 미래를 훔쳐보지 않은 100% 순도 높은 진짜 실력의 결정체입니다.지난 편에서 우리는 데이터를 '훈련장(IS)'과 '실전 코스(OOS)'로 나누는 70:30 분할법을 배웠습니다. 하지만 이 한 번짜리 시험에는 치명적인 약점이 하나 숨어 있습니다. 꽁꽁 숨겨두었던 그 30%의 실전 코스 기간이, 하필이면 내 전략에 우연히 잘 맞는 '운수 좋은 날'이었을 수도 있다는 것입니다.프로 퀀트 투자자들은 이 .. 2026. 9. 3.
[퀀트 스터디] 익숙한 트랙 기록에 속지 마라: 진짜 실력을 증명하는 IS와 OOS [핵심 요약]데이터를 '훈련용(In-Sample)'과 '실전용(Out-of-Sample)'으로 철저히 분리하는 것이 백테스트의 자기기만을 막는 첫걸음입니다.익숙한 과거 데이터에 억지로 꿰맞춘 훈련 기록은, 처음 마주하는 실전(미래) 앞에서는 여지없이 무너집니다.가장 중요한 원칙: 실전용 데이터는 맨 마지막에 단 한 번만 열어봐야 합니다. 결과를 보고 전략을 고치는 순간, 그것은 더 이상 실전이 아닌 두 번째 훈련장이 되어버립니다.지난 글에서 우리는 백테스트 최대의 적, '오버피팅(과최적화)'이라는 무서운 함정을 확인했습니다. 이를 피하기 위한 첫 번째 처방전은 의외로 간단명료합니다. 바로 '데이터를 반으로 쪼개는 것'입니다. 이 단순한 행동 하나가 계좌를 갉아먹는 착각의 90%를 걸러냅니다.동네 트랙 연.. 2026. 9. 2.
[퀀트 스터디]만질수록 예뻐지는 수익 곡선의 함정 (오버피팅의 해부) [핵심 요약]수익률을 높이려 파라미터를 이리저리 만지는 행위는 전략을 개선하는 것이 아니라, 과거의 '운 좋은 값'을 외우는 자기기만입니다.과거의 데이터(점)를 억지로 꿰맞춘 구불구불한 곡선(오버피팅)은 과거에는 완벽해 보이지만 새로운 미래 앞에서는 반드시 무너집니다.전략에 예외 조건이 자꾸 늘어나거나 미세한 값 변화에 성과가 심하게 출렁인다면, 과적합(Overfitting)되었다는 강력한 적신호입니다.지금부터 다룰 내용은 모든 퀀트 투자자와 백테스터들이 가장 빠지기 쉬운 유혹이자 최대의 적, '오버피팅(과최적화)'에 대한 이야기입니다. 똑똑한 사람일수록, 도구를 잘 다룰수록 이 함정에 더 깊이 빠지곤 합니다.함정 1. 점 잇기 비유: "모든 점을 지나는 화려한 곡선"종이 위에 10개의 점이 흩어져 있다.. 2026. 9. 1.
[퀀트 스터디] 완벽한 백테스트가 실전에서 박살 나는 진짜 이유 (비용의 진실) [핵심 요약]화려한 백테스트 수익률이 실전 계좌에서 처참하게 무너지는 가장 큰 이유는 '보이지 않는 비용' 때문입니다.수수료, 슬리피지, 세금이라는 3마리의 기생충은 오직 '잦은 거래 횟수(회전율)'를 먹고 자랍니다.엑셀과 파이썬에 매매당 0.1%의 현실적인 비용을 얹어보면, 내 전략이 진짜 야생용인지 온실 속 화초인지 곧바로 판가름 납니다. 우리가 처음 백테스트를 돌려보고 환호하며 바라보는 수익 곡선은, 사실 세금도 수수료도 없는 아주 '이상적인 무균실' 안에서 만들어진 결과물입니다. 하지만 이제 환상에서 깨어나 현실의 무게를 짊어질 시간입니다.실전 투자에는 내 피 같은 복리 수익을 야금야금 갉아먹는 수수료, 슬리피지, 세금이라는 세 마리의 기생충이 살고 있습니다. 이 녀석들이 곡선을 어떻게 주저앉히는.. 2026. 8. 31.
[부록 2] 구글 시트로 핵심 성과 지표(CAGR, 샤프, 칼마) 완벽하게 계산하기 [핵심 요약]CAGR(연평균 수익률): 시작일과 종료일, 그리고 누적 자산의 변화만 알면 엑셀 수식 하나로 계산할 수 있습니다.샤프 비율(Sharpe): 매일의 수익률 평균을 흔들림(표준편차)으로 나누고, 1년 치 거래일(252일)을 곱해줍니다.칼마 비율(Calmar): 구해둔 CAGR을 MDD의 절댓값으로 나누어주기만 하면 완성됩니다.MDD를 구하셨다면 이미 절반은 성공입니다! 이제 내친김에 내 전략의 엔진 성능(CAGR), 승차감(샤프 비율), 그리고 맷집 대비 타격감(칼마 비율)까지 엑셀로 깔끔하게 뽑아보겠습니다.※ 전제: A열에는 '날짜', F열에는 '내 전략의 일일 수익률', H열에는 '내 전략의 누적 자산'이 들어있고, 본격적인 데이터가 202행부터 시작하여 마지막 행(예: 5000행)까지 채.. 2026. 8. 14.
[부록1] 구글 시트로 MDD(최대 낙폭) 완벽하게 계산하기 [핵심 요약]MDD를 구하려면 먼저 과거의 영광인 '누적 최고점'을 매일매일 추적해야 합니다.그다음, 오늘 내 자산이 그 최고점 대비 얼마나 부서졌는지 '일간 낙폭'을 계산합니다.수많은 낙폭 중 가장 끔찍한(가장 마이너스가 큰) 숫자 하나를 뽑아낸 것이 바로 MDD입니다.지난 편에서 원리만 짚고 넘어갔던 MDD를 구글 시트에서 직접 계산하는 방법입니다. 코딩 없이 엑셀 함수 2개(MAX, MIN)만 알면 내 전략의 뼈아픈 고통을 아주 정확하게 수치화할 수 있습니다. 지난 편에서 만들었던 백테스트 표(H열에 내 전략의 '누적 자산'이 계산되어 있다고 가정)를 그대로 사용하겠습니다.1단계: '지금까지의 최고점' 기록하기 (I열)낙폭을 구하려면 기준점이 필요합니다. "내 계좌가 과거부터 오늘까지 겪어본 가장 .. 2026. 8. 13.
[퀀트 스터디] 수익률에 눈먼 자들의 최후 (진짜 성적표를 해독하는 법) [핵심 요약]수익률(CAGR) 하나만 쳐다보는 것은 가장 위험한 반쪽짜리 분석입니다. 그 이면에 숨겨진 험난한 과정은 보여주지 않기 때문입니다.투자의 진짜 출발점은 '내가 얼마나 벌고 싶은가'가 아니라, '내 계좌가 반토막 나는 고통(MDD)을 두 눈 뜨고 버틸 수 있는가'입니다.어떤 단일 지표도 완벽한 진실을 말하지 않습니다. 수익, 고통, 가성비, 이김의 구조를 반드시 하나의 세트로 묶어서 확인해야 합니다.지난 편에서 우리는 백테스트의 화려한 겉모습을 의심하는 법을 배웠습니다. 용의자(전략)를 똑바로 취조하려면, 우선 그들의 진술(성과)을 정확하게 측정할 줄 알아야 합니다.그런데 성과 지표들은 저마다 예쁜 숫자들로 우리를 홀리려 듭니다. 오늘은 퀀트 투자에서 가장 자주 쓰이는 핵심 지표 5가지를 해부.. 2026. 8. 12.

티스토리툴바