백테스팅 및 검증

아이디어를 테스트하고 근거를 살펴보세요.

팩토리는 설정된 수수료와 체결 가정을 적용해 과거 데이터로 전략 코드를 테스트합니다. 최적화 도구는 매개변수의 안정성을 검증하고, AI 분석가는 근거를 평가해 다음 단계를 제안합니다.

backtest_review.py

net_pnl = gross_pnl - fees
peak = equity.cummax()
drawdown = equity / peak - 1
assert train_end < test_start

예시 · 실제 결과 아님

전략 팩토리가 작동하는 모습을 확인하세요.

예시 · 실제 결과 아님

AI 에이전트가 전략을 구축하고 검토하는 과정을 확인하세요.

AI 에이전트가 아이디어를 발전시키고, 코드를 작성하며, 테스트 결과를 평가합니다. 검토 결과에 따라 전략은 추가 반복 작업을 위해 다시 개발 단계로 돌아갈 수 있습니다.

설명
구현 및 검증
백테스트
스트레스 테스트
모의매매

트레이딩 조건을 모델링하세요

백테스트는 과거 데이터, 설정된 거래소 수수료 및 적용 가능한 체결 가정을 사용합니다. 데이터 커버리지, 펀딩, 슬리피지, 마켓 임팩트에 따라 결과가 크게 달라질 수 있습니다.

수익률 이상을 점검하세요

자산 곡선, 낙폭, 수익률 분포, 개별 거래를 확인하세요. 핵심 지표와 함께 기간, 표본 크기, 가정도 함께 점검하세요.

견고성을 검증하세요

민감도 분석, 워크포워드 최적화, 홀드아웃 검증을 통해 선택한 파라미터와 학습 구간을 벗어났을 때 결과가 어떻게 달라지는지 조사합니다.

가정을 결과와 함께 보관하세요.

매력적인 차트는 검토의 출발점일 뿐입니다. 트레이딩 비용을 기대 엣지와 비교하고, 샘플 외 성과를 점검하며, 소수의 거래나 구간에 집중되어 있지는 않은지 살펴보세요.

입력값
데이터 기간, 거래소, 수수료
테스트
백테스트, 워크포워드, 홀드아웃
검증 결과
지표, 거래 내역, 검토 노트

이후 데이터가 이전 선택에 도전하게 하세요.

워크포워드 테스트는 이전 구간에서 학습하고 이후 구간에서 평가합니다. 예비된 홀드아웃 구간은 최적화 구간 밖에 보관됩니다.

실제 분할 날짜와 거래 수를 확인하세요. 여러 시도에 걸쳐 홀드아웃 피드백을 반복 사용하면 그 독립성이 약해질 수 있습니다.

학습(피팅)검증홀드아웃

개략도: 세 개의 학습-검증 구간이 시간에 따라 앞으로 이동하며, 홀드아웃은 오른쪽에 예비되어 있습니다. 구간 길이와 간격은 설정에 따라 달라집니다.

작은 비용이 큰 엣지를 소진시킬 수 있습니다.

전략이 더 자주 거래할수록 결과는 실행 가정에 더 크게 의존합니다. 슬리피지 조절기를 움직여 동일한 총 수익률이 다른 비용 하에서 어떻게 되는지 확인하세요.

회전율: 시작 자본 대비 총 거래 명목가; 모든 매수와 매도가 포함됩니다.
수수료 및 슬리피지: 실제 보고서에서 설정된 거래소 수수료와 가격 가정을 확인하세요.
순 결과: 남은 엣지를 최대 손실폭(드로다운), 샘플 크기, 아웃오브샘플 결과와 함께 비교하세요.

실행 비용이 결과를 어떻게 바꾸는지 확인하세요.

거래 명목가 대비 슬리피지3 bp

총 수익률12.0%

모델링된 비용2.0%

이 비용을 반영한 순수익10.0%

예시 가정: 총 수익률 12%, 누적 거래 명목가는 시작 자본의 40배, 거래 명목가당 수수료 2bp. 비용 = 회전율 × (수수료 + 슬리피지); 1bp = 0.01%. 복리, 펀딩, 시장 충격은 제외한 선형 예시입니다.

질문에 답해 드립니다.

추가 질문과 답변

좋은 백테스트가 미래 수익을 보장하나요?

아닙니다. 백테스트는 가상의 결과이며 데이터, 가정, 선택 편향에 민감합니다. 검증은 취약점을 조사하는 데 도움이 되지만 트레이딩 리스크를 없애지는 못합니다.

수수료는 제 계정의 실시간 견적인가요?

아닙니다. 이는 설정된 시뮬레이션 기본값입니다. 여러분의 거래소 등급과 상품별 규칙은 다를 수 있습니다. 결과를 해석하기 전에 가정을 검토하세요.

워크포워드 테스트와 홀드아웃 검증은 어떻게 다른가요?

워크포워드 테스트는 앞선 구간의 데이터에 반복적으로 맞춘 후 이후 구간에서 평가합니다. 홀드아웃 검증은 그러한 최적화 구간 밖에 남겨둔 기간에서 선택된 파라미터를 확인합니다. 실제 날짜, 거래 횟수, 보고서를 직접 확인하세요. 홀드아웃 피드백을 반복해서 사용하면 그 독립성이 약해질 수 있습니다.

총 수익 외에 어떤 결과를 봐야 하나요?

낙폭, 거래 비용, 거래 횟수와 그 분포, 보유 기간, 표본 외(out-of-sample) 결과를 검토하세요. 소수의 거래나 하나의 시장 국면에 대한 의존도가 있는지 살펴보세요. 높은 수익률만으로는 전략이 어떻게 그 수익을 얻었는지, 또는 그 과정에서 발생한 손실을 설명해주지 않습니다.

최적의 설정을 유지하는 대신 인접한 파라미터를 테스트하는 이유는 무엇인가요?

결과가 매우 우수해 보이지만 인접한 설정들의 성과가 저조하다면 그 결과는 취약할 수 있습니다. 민감도 분석은 선택된 파라미터 주변에서 결과가 어떻게 변하는지 보여줍니다. 그 패턴이 하나의 선택된 결과보다 더 넓게 적용되는지 평가할 때 워크포워드 및 홀드아웃 증거와 함께 활용하세요.

비슷한 아이디어에 대한 두 백테스트 결과가 서로 다를 수 있는 이유는 무엇인가요?

서로 다른 상품, 데이터 기간, 봉 간격, 진입 및 청산 규칙, 수수료, 체결 가정이 결과를 바꿀 수 있습니다. 차이를 개선으로 해석하기 전에 거래 기록과 함께 구성과 이용 가능한 데이터를 비교하세요.