피드로 돌아가기
Dev.toBackend
원문 읽기
paper trading 백테스트가 전략의 실제 성능을 왜곡하는 4가지 원인
"Why Your Paper Trading Backtests Are Lying to You (And How to Fix It)"
AI 요약
Context
기존 백테스트 시스템은 서베이브십 바이어스, 리크어헤드 바이어스, 거래비용 과소평가, 단일 경로 테스트라는 구조적 한계를 내재하고 있다. 이러한 편향으로 인해 높은 샤프 비율과 CAGR이 표시되더라도 실전에서는 전략이 빠르게 붕괴하는 현상이 빈번하게 발생한다.
Technical Solution
- [S&P 500 구성종목] → [포인트인타임 데이터]를 사용하여 상폐 및 파산 기업을 포함한 역사적 데이터셋으로 교체
- [시그널 생성] → [.shift(1) 명시적 적용]으로 미래 데이터 접근을 차단하고 조정 종가 활용 시 부작용을 문서화
- [거래비용] → [슬리피지 0.05~0.1%]를 conservative하게 가정하여 총 수익에서 차감 후 실질 엣지 검증
- [단일 백테스트] → [토너먼트 모드 실행]으로 복수 전략을 동일 시장 조건에서 동시 비교하고 몬테카를로 시뮬레이션 적용
- [파라미터 최적화] → [워크포워드 검증]으로 아웃오브샘플 기간을 내재화하고 특정 기간 곡선 맞춤 차단
Impact
슬리피지 0.1%에 월 50회 거래 시, 총 수익 25%에서 20%로 5% 포인트 감소 발생
Key Takeaway
백테스트의 7가지 체크리스트(서베이브십 바이어스 확인, 리크어헤드 바이어스 검증, 거래비용 현실적 반영, 복수 시작일 테스트, 아웃오브샘플 검증, 시장 환경별 성능 확인)를 모두 충족하지 못하면 결과는 가설일 뿐이며 확증이 될 수 없다.
실천 포인트
Alpaca 기반 거래 시스템 개발 시, 포인트인타임 데이터와 .shift(1) 기반 시그널 생성, 0.1% 슬리피지를 적용한 토너먼트 모드 멀티 strategi 비교 방법으로 실전에서 사라지는 가짜 엣지를 조기에 식별할 수 있다