더 세밀한 시장 데이터가 전략 백테스트의 신뢰도를 떨어뜨릴 수 있습니다. 틱 데이터는 행 수를 늘려 주지만, 측정의 세밀함을 실제로 거래할 수 있었다는 지식으로 착각할 여지도 늘립니다.
봉 기반 테스트가 손절매나 스프레드 확대, 또는 지정가에 잠깐 닿은 상황을 놓치는 걸 본 적이 있다면 이 말이 거꾸로 들릴 수 있습니다. 모두 실제로 중요한 문제입니다. 관건은 더 세밀한 데이터가 문제를 실제로 해결하는지, 아니면 시뮬레이터가 더 자신만만한 이야기를 하게 만들 뿐인지입니다.
틱 데이터로 백테스트에서 무엇을 볼 수 있을까요?
1분 봉은 일련의 거래를 네 가지 가격과 총거래량으로 압축합니다. 봉만으로는 대개 고가와 저가 중 무엇이 먼저 나왔는지, 가격이 양쪽 극값 근처에 얼마나 머물렀는지, 특정 가격에서 주문을 뒷받침할 만큼 충분한 규모가 거래됐는지 알 수 없습니다.
체결 틱은 보고된 거래의 순서를 복원합니다. 호가 데이터에는 시간에 따른 표시 매수호가와 매도호가가 담깁니다. 두 데이터를 함께 사용하면 스프레드와 호가 변화를 더 정밀하게 살피고, 시장가 주문이 그럴듯한 가격에 호가창을 넘었을지 확인할 수 있습니다.
하지만 체결 내역만으로 대기열에서 내 주문의 위치를 알 수는 없습니다. 내 지정가 주문보다 앞서 이미 18 BTC가 대기 중인 가격대에서 0.3 BTC가 거래됐다고 해서 내 주문까지 체결됐다는 뜻은 아닙니다. 체결 기록은 시장에서 일어난 일을 보여 주지만, 가상의 주문이 정확히 어디에 있었는지는 거의 알려 주지 않습니다.
더 세밀한 데이터가 결과를 악화시키는 경우는 언제일까요?
첫 번째 위험은 커버리지의 불균형입니다. 틱 데이터 아카이브에는 누락 구간, 거래소별 공백, 심볼 변경, 시장마다 다른 보관 기간이 있을 수 있습니다. 공급업체가 완전한 과거 데이터를 보유한 구간에서만 전략을 테스트하면, 자신도 모르게 측정하기 가장 쉬운 자산과 기간에만 통하는 전략이 될 수 있습니다.
두 번째 위험은 시간입니다. 타임스탬프는 거래소 이벤트 시각, 공급업체 수신 시각, 또는 파일이 구성된 시각을 나타낼 수 있습니다. 시뮬레이터가 서로 다른 피드의 이벤트를 시계가 완벽히 동기화된 것처럼 정렬하면, 해당 호가가 시스템에 도달하기도 전에 그 호가에 반응할 수 있습니다.
행이 많아지면 구현 오류를 숨기기도 쉬워집니다. 봉 전략은 분당 한 번 의사결정을 내릴 수 있습니다. 틱 기반 버전은 그 1분 동안 수십 번 거래할 수 있고, 매번 스프레드와 수수료, 시장 충격 비용을 부담합니다. 시뮬레이터가 모든 신호를 다음 관측 가격에 체결할 수 있다고 가정한다면, 그 정밀도는 겉치레에 불과합니다.
60개의 관측치가 곧 서로 독립적인 거래 기회 60개를 뜻하지는 않습니다. 관측치 모두 같은 호가의 변화를 설명할 수도 있고, 내 주문이 체결 가능한 물량에 영향을 줄 수도 있습니다. 고빈도 시뮬레이션에서는 추가 세부 정보를 정직하게 반영하는 주문 및 지연시간 모델이 필요합니다.
틱 데이터는 언제 비용을 들일 만한 가치가 있을까요?
현재 데이터로 답할 수 없는 질문부터 시작하세요. “손절매와 목표가 중 무엇이 먼저 닿았을까?”라면 체결 틱이 도움이 될 수 있습니다. “진입 시 스프레드 비용은 얼마였을까?”라면 호가 데이터가 더 적합합니다. “내 지정가 주문이 체결될 수 있었을까?”라면 시장 심도와 대기열 가정이 필요할 수 있지만, 그런 데이터만으로도 과거 대기열 전체를 복원하기는 어렵습니다.
| 리서치 질문 | 유용한 데이터 | 여전히 입증할 수 없는 점 |
|---|---|---|
| 어느 임계값이 다른 임계값보다 먼저 거래됐을까? | 체결 틱 | 두 임계값 중 하나에서 내 주문이 체결됐다는 점 |
| 시장가 주문이 어떤 스프레드를 넘었을까? | 타임스탬프가 있는 매수호가와 매도호가 | 표시된 수량이 계속 체결 가능했다는 점 |
| 지정가 주문이 체결될 수 있었을까? | 호가, 시장 심도, 대기열 모델 | 실제 대기열에서 내 주문이 정확히 어디에 있었는지 |
몇 주간 보유하는 일일 시그널이라면 1분 봉만으로도 의사결정 과정에 필요한 수준보다 세밀할 수 있습니다. 반면 몇 초 단위의 체결에 따라 엣지가 달라지는 전략에서는 봉 데이터가 분석 대상인 효과 자체를 지워 버릴 수 있습니다. 데이터 해상도를 전략의 의사결정 및 체결 주기에 맞추세요.
추가된 세부 정보가 도움이 됐는지 어떻게 판단할까요?
전략과 테스트 기간을 고정하세요. 가능한 범위에서 봉 기반 버전과 더 세밀한 데이터 버전을 같은 의사결정에 적용해 비교하세요. 수익률과 위험 통계뿐 아니라 체결 건수와 회전율, 지불한 스프레드, 수수료, 시장 충격의 변화도 추적하세요. 거래 횟수가 3배로 늘고 체결 모델은 여전히 다음 체결 가격에 주문을 채우는데 Sharpe가 높아졌다면, 그 개선은 의심해 볼 필요가 있습니다.
그다음 세밀한 데이터를 의도적으로 열화시켜 보세요. 이벤트 일부를 무작위로 소량 제거하고, 현실적인 피드 지연을 더하고, 가정한 스프레드나 시장 충격을 키우세요. 몇 밀리초의 지연만으로 결과가 무너진다면, 그 결과는 전략의 지속 가능한 특성이 아니라 시뮬레이터의 이벤트 순서 처리 방식에서 비롯됐을 수 있습니다.
한 번은 눈부신 성과 개선의 원인을 추적하느라 오후 내내 쓴 적이 있습니다. 피드가 짧은 체결 구간을 중복 기록한 탓이었습니다. 모델은 중복 데이터를 거래하는 법을 학습했습니다. 데이터가 늘어나자 버그가 엣지처럼 보였습니다.
봉 데이터에 대한 비판은 일리가 있습니다. 집계 과정에서 경로에 따라 달라지는 체결 정보를 놓칠 수 있습니다. OHLC만으로는 한 봉 안에서 손절매와 목표가 중 무엇이 먼저 닿았는지 알 수 없고, 스프레드 스냅샷은 짧은 이상 변동을 놓칠 수 있습니다. 피드가 완전하고 시뮬레이터가 이벤트 시점을 올바르게 반영한다면 틱 및 호가 데이터로 이런 질문에 더 충실하게 답할 수 있습니다.
실무 기준은 간단합니다. 설명할 수 있는 의사결정을 바꿔 줄 때만 더 세밀한 데이터에 비용을 들이고, 그 세부 정보가 체결 결과로 이어지게 하는 가정도 밝혀야 합니다. 그렇지 않으면 데이터셋과 더 정밀해 보이는 백테스트만 커질 뿐, 그 전략이 실제로 거래될 수 있었다는 근거는 나아지지 않습니다.
← 전체 글


