백테스트 결과 해석: 모든 지표에 대한 양적 가이드

#백테스트 결과 해석: 모든 지표에 대한 양적 가이드

백테스트 보고서는 숫자가 빽빽한 시트입니다. 총 수익률, 샤프 비율, 최대 낙폭, 수익 팩터, 승률 — 각 지표는 전략에 대한 다른 질문에 답합니다. 잘못 읽으면 이론상으로는 훌륭해 보이지만 라이브 시장에서 자본을 출혈시키는 전략을 배포하게 됩니다. 올바르게 읽으면 단돈 한 푼도 들기 전에 취약한 설정을 걸러낼 수 있습니다.

이 가이드는 진정으로 강력한 백테스트와 영리하게 과적합된 백테스트를 구별하기 위한 공식, 벤치마크, 그리고 — 가장 중요한 — 판단 프레임워크를 제공합니다.

아직 백테스트를 실행하지 않았다면, 이 글을 읽기 전에 단계별 백테스트 가이드로 시작하세요.

#공식이 포함된 핵심 성능 지표

#총 수익률 vs. CAGR

총 수익률은 가장 간단한 지표입니다: 전체 백테스트 기간 동안 포트폴리오가 얻거나 잃은 금액.

총 수익률 = (종료 가치 - 시작 가치) / 시작 가치 × 100

$10,000로 시작하여 $11,850로 끝났다면, 총 수익률은 18.5%입니다.

총 수익률의 문제는 시간을 무시한다는 것입니다. 3개월 동안 18.5% 수익은 경이적입니다. 3년 동안 동일한 18.5%는 실망스럽습니다. CAGR(연복리 성장률)은 수익을 연간 기준으로 정규화하여 이를 수정합니다:

CAGR = (종료 가치 / 시작 가치)^(365 / 일수) - 1

예시: 180일 동안 $10,000 → $11,850:

CAGR = (11850 / 10000)^(365/180) - 1 = 1.185^2.028 - 1 = 0.4036 = 40.36%

730일(2년) 동안 동일한 $10,000 → $11,850:

CAGR = (11850 / 10000)^(365/730) - 1 = 1.185^0.5 - 1 = 0.0887 = 8.87%

#샤프 비율

샤프 비율은 리스크 조정 성과의 황금 표준입니다. "내가 견딘 각 변동성 단위당 얼마나 많은 수익을 얻었나?"에 답합니다.

샤프 비율 = (Rp - Rf) / σp

여기서:

• Rp = 연간 포트폴리오 수익
• Rf = 무위험 수익률 (일반적으로 USD의 경우 4-5%, 또는 암호화폐만 비교하는 경우 0%)
• σp = 포트폴리오 수익의 연간 표준편차

예시 계산: 봇이 18%의 표준편차로 연간 42% 수익을 냅니다. 무위험 수익률은 5%입니다.

샤프 = (0.42 - 0.05) / 0.18 = 0.37 / 0.18 = 2.06

#소르티노 비율

샤프 비율은 모든 변동성을 동등하게 페널티화합니다 — 하지만 상방 변동성은 좋습니다. 전략이 하루에 5% 급등하면, 샤프는 5% 하락과 동일하게 처리합니다. 소르티노 비율은 하방 편차만 페널티화하여 이를 수정합니다:

소르티노 비율 = (Rp - Rf) / σd

여기서 σd는 음의 수익만의 표준편차입니다.

왜 중요한가: 큰 상방 움직임을 포착하지만 손실을 제한하는 전략은 샤프 비율보다 상당히 높은 소르티노 비율을 가집니다. 이는 변동성이 "좋은 종류"임을 알려줍니다.

예시: 동일한 봇이 연간 42% 수익률과 5% 무위험 수익률을 가지지만 하방 편차는 11%에 불과합니다:

소르티노 = (0.42 - 0.05) / 0.11 = 3.36

이를 2.06의 샤프와 비교하세요. 큰 격차는 전략 변동성의 대부분이 상방 움직임에서 온다는 것을 알려줍니다 — 바람직한 특성.

#최대 낙폭

최대 낙폭(MDD)은 포트폴리오 가치의 가장 큰 최고점-최저점 하락을 측정합니다. 거래에서 가장 개인적인 질문에 답합니다: "내가 견뎌야 했을 최악의 고통은?"

MDD = (최저 가치 - 최고 가치) / 최고 가치 × 100

예시: 포트폴리오가 $10,000에서 $13,200(최고점)까지 올라간 다음 회복 전에 $10,890까지 떨어집니다:

MDD = (10890 - 13200) / 13200 × 100 = -17.5%

두 가지 중요한 하위 지표:

1. 낙폭 기간: 최고점에서 최저점까지 며칠. 4일 동안 -15% 낙폭은 2개월 동안 -15%보다 심리적으로 더 쉽습니다.
2. 회복 시간: 최저점에서 이전 최고점으로 돌아가는 며칠. 빠른 회복 = 견고한 전략.

#수익 팩터

수익 팩터는 잔인하게 간단하고 즉시 실행 가능합니다:

수익 팩터 = 총 이익 / 총 손실

예시: 봇이 승리 거래에서 $4,200을 벌고 손실 거래에서 $2,100을 잃었습니다:

수익 팩터 = 4200 / 2100 = 2.0

#승률 및 기대값

승률은 수익으로 종료된 거래의 비율입니다:

승률 = 승리 거래 / 총 거래 × 100

승률만으로는 위험하게 오해를 일으킵니다. 90% 승률은 믿을 수 없게 들리지만 — 평균 승리가 $10이고 평균 손실이 $200이라면 돈을 잃고 있는 것입니다. 여기서 기대값이 등장합니다:

기대값 = (승률 × 평균 승) - (패배율 × 평균 패)

예시: 승률 62%, 평균 승리 $85, 평균 손실 $120:

기대값 = (0.62 × $85) - (0.38 × $120) = $52.70 - $45.60 = 거래당 $7.10

각 거래는 $7.10의 양의 기대값을 가집니다. 100건의 거래 동안 ~$710을 벌 것으로 예상됩니다.

#승률 vs. 리스크-보상: 손익분기점 표

이것은 거래에서 가장 중요한 개념 중 하나입니다. 승률과 리스크 대비 보상 비율(RR)은 역관계입니다: 승리가 패배보다 충분히 크다면 낮은 승률로도 수익성이 있을 수 있습니다.

모든 리스크-보상 비율에 대한 손익분기 승률은:

손익분기 승률 = 1 / (1 + 리스크-보상 비율)

실용적 예시: 40% 승률과 1:3 리스크-보상의 DCA 봇:

• 100건 거래 중: 40 승 × $300 = $12,000 수익
• 60 패 × $100 = $6,000 손실
• 순수익 = $6,000 (수익 팩터 = 2.0)

이를 70% 승률과 1:0.5 리스크-보상의 봇과 비교하세요:

• 70 승 × $50 = $3,500 수익
• 30 패 × $100 = $3,000 손실
• 순수익 = $500 (수익 팩터 = 1.17)

40% 승률 전략이 12배 더 많은 순수익을 생성합니다. 승률은 허영이고, 기대값이 진실입니다.

#자산 곡선 분석

자산 곡선은 시간에 따른 포트폴리오 가치를 플롯합니다. 모든 백테스트 보고서에서 가장 정보 밀도가 높은 단일 시각화입니다.

#부드러운 계단 (이상적)

건강한 자산 곡선은 일관된 계단식 증분으로 상승합니다. 각 단계는 완료된 거래를 나타냅니다. 계단은 내려가는 것보다 올라가는 것이 더 많고, 단계 간 낙폭은 얕고 짧습니다.

무엇을 알려주나: 전략이 다양한 시장 상황에서 일관되고 반복 가능한 우위를 생성합니다. 이것은 실제 자본으로 신뢰할 수 있는 전략의 곡선입니다.

#들쭉날쭉한 톱니 (우려됨)

날카로운 상승 움직임 다음에 동일하게 날카로운 하락 움직임이 있어 지그재그 패턴을 만듭니다. 전체 궤적은 위로 갈 수 있지만, 여정은 격렬합니다.

무엇을 알려주나: 수익의 높은 분산. 최대 낙폭이 크고, 샤프 비율은 1.0 미만일 것이며, 라이브 거래는 감정적 한계를 시험할 것입니다. 총 수익이 양수더라도 전략은 취약합니다.

#하키 스틱 (위험함)

대부분의 기간 동안 평평하거나 약간 부정적이다가, 갑작스러운 급등으로 몇 건의 거래에서 대부분의 수익이 발생합니다.

무엇을 알려주나: 전략이 특정 시장 이벤트(폭락, 펌프, 또는 단일 큰 캔들)에 의존합니다. 그 몇 건의 거래를 제거하면 전략은 수익성이 없습니다. 이것은 체계적인 우위가 아닌 — 백테스트 윈도우와 우연히 일치한 운입니다.

#절벽 하락 (치명적)

꾸준한 상승 다음에 대부분 또는 모든 이익을 지우는 갑작스러운 재앙적 하락.

무엇을 알려주나: 전략에 하방 보호가 없습니다. 일반적으로 손절 누락, 과도한 레버리지, 또는 암묵적으로 변동성 매도하는 전략(꼬리 이벤트가 모든 것을 쓸어버릴 때까지 작은 프리미엄을 모으는)에 의해 발생합니다.

#과적합 감지

과적합은 백테스트 전략의 침묵의 살인자입니다. 과적합된 전략은 백테스트에서 경이적으로 보이지만 진정한 시장 패턴을 포착하기보다는 과거 노이즈를 암기했기 때문에 라이브 시장에서 실패합니다.

#과적합의 징후

1. 한 거래쌍에서 작동, 유사한 거래쌍에서 실패. BTC/USDT 전략이 35%를 반환하지만 ETH/USDT에서 정확히 동일한 설정이 -5%를 반환한다면, 전략은 BTC의 특정 가격 내역에 적합되었을 가능성이 높습니다.

2. 한 시간프레임에서만 작동. 최근 6개월에 28%를 생성하지만 그 이전 6개월에 -3%를 생성하는 전략은 한 특정 레짐을 암기했습니다.

3. 너무 많은 최적화된 매개변수. 각 추가 매개변수는 최적화기에 노이즈에 적합하는 더 많은 자유도를 제공합니다. 전략에 모두 개별적으로 최적화된 8개 이상의 매개변수가 있다면, 과적합은 거의 보장됩니다.

4. 비현실적인 지표. 50건 이상의 거래에서 샤프 > 4, 승률 > 98%, 손실 거래 0건, 또는 수익 팩터 > 5 — 모두 데이터에 적합되도록 고문된 전략을 가리킵니다.

5. 사소한 설정 변경에 성능 저하. 견고한 전략은 매개변수를 약간 조정하면 점진적인 성능 변화를 보입니다. 과적합된 전략은 RSI를 27에서 28로, 또는 익절을 1.87%에서 1.90%로 이동하면 무너집니다.

#In-Sample vs. Out-of-Sample 테스트

과적합 감지를 위한 표준 방법:

1. 데이터 분할. 사용 가능한 총 내역(예: 12개월)을 가져와서 나눕니다: 첫 8개월 = in-sample(훈련), 마지막 4개월 = out-of-sample(검증).

2. In-sample에서만 최적화. 첫 8개월만 사용하여 최고의 매개변수를 찾습니다.

3. 변경 없이 out-of-sample에서 테스트. 정확히 그 매개변수를 마지막 4개월에 적용합니다. 아무것도 조정하지 마세요.

4. 결과 비교. out-of-sample 성과가 in-sample 성과의 30-40% 이내라면, 전략에 진정한 우위가 있을 가능성이 높습니다. out-of-sample 성과가 음수이거나 극적으로 더 나쁘다면 전략은 과적합되었습니다.

예시:

• In-sample (1월–8월): 24% 수익, 샤프 1.8, 67% 승률
• Out-of-sample (9월–12월): 11% 수익, 샤프 1.2, 61% 승률
• 판정: 성과가 감소했지만 견고하게 긍정적입니다. 이것은 합법적인 전략입니다.

과적합된 결과와 비교하세요:

• In-sample (1월–8월): 42% 수익, 샤프 3.1, 88% 승률
• Out-of-sample (9월–12월): -4% 수익, 샤프 -0.3, 43% 승률
• 판정: 완전한 붕괴. 전략이 훈련 데이터를 암기했습니다.

#Walk-Forward 분석

단일 in/out 분할보다 더 엄격한 접근:

1. 1-6개월에 최적화, 7개월에 테스트
2. 2-7개월에 최적화, 8개월에 테스트
3. 3-8개월에 최적화, 9개월에 테스트
4. 계속해서 앞으로 굴립니다

각 out-of-sample 기간은 다른 윈도우에서 최적화된 매개변수로 테스트됩니다. 전략이 모든 out-of-sample 기간에서 일관되게 잘 수행되면, 사용 가능한 가장 강력한 과적합 테스트를 통과한 것입니다.

#백테스트 결과의 위험 신호

백테스트 보고서의 특정 패턴은 즉각적인 회의를 유발해야 합니다:

#실제 예시: 전략 A vs. 전략 B

6개월 동안(1월–6월) BTC/USDT에서 $10,000 시작 자본으로 두 가지 실제 백테스트 결과를 비교해 봅시다.

#전략 A: "높은 승률"

#전략 B: "추세 포착자"

#분석

전략 A는 매혹적인 95% 승률을 가지지만, 작은 이익을 취하고 손실자를 보유하여 이를 달성합니다. 각 승리는 평균 $18.40이고 각 손실은 평균 $142입니다 — 약 1:0.13의 리스크-보상 비율. 4건의 나쁜 거래가 31건의 승리 거래를 지울 수 있습니다. 1.38의 수익 팩터는 라이브 거래에서 슬리피지와 수수료를 위한 거의 마진을 남기지 않습니다. 낮은 샤프(0.72)는 약한 리스크 조정 성과를 확인합니다.

전략 B는 55%만 승리하지만, 승리자는 패배자보다 2.3배 큽니다. 거래당 기대값($40.42)이 전략 A($10.86)보다 거의 4배 더 높습니다. 1.64의 샤프와 2.48의 수익 팩터는 강한 리스크 조정 수익을 보여줍니다. 더 높은 최대 낙폭(-11.3% vs -6.8%)은 실제로 의미 있는 포지션을 취하는 전략의 대가입니다.

#스트레스 시나리오에서 무엇이 일어나나?

백테스트 기간 중 갑작스러운 12% BTC 폭락을 상상해 보세요:

• 전략 A: 폭락이 동시에 4개의 손절을 트리거합니다(많은 미체결 마이크로 거래가 있음). 손실: 4 × $142 = $568, $570의 31개 승리 거래를 지웁니다. 하나의 폭락 이벤트가 한 달의 이익을 지웁니다.
• 전략 B: 폭락이 2개의 손절을 트리거합니다. 손실: 2 × $48.50 = $97. 2건의 승리 거래($224)가 손실을 충당하고도 여유가 있습니다. 전략은 구조적으로 회복력이 있습니다.

#모두 합치기: 평가 프레임워크

백테스트 보고서를 받을 때, 다음 순서로 지표를 평가하세요:

1. 기대값 — 양수인가? 거래당 얼마인가?
2. 수익 팩터 — 1.5 이상인가? 2.0 이상인가?
3. 최대 낙폭 — 이 숫자의 1.5배를 심리적, 재정적으로 처리할 수 있나?
4. 샤프 비율 — 1.0 이상인가? 3.0 이상이라면 과적합 조사.
5. 자산 곡선 — 부드러운 계단인가 들쭉날쭉한 엉망인가?
6. Out-of-Sample 성과 — 전략이 보지 않은 데이터에서 유지되나?
7. 승률 — 평균 승 vs 평균 패 맥락에서만 관련.

7가지 검사를 모두 통과하는 전략은 드뭅니다 — 그리고 배포할 가치가 있습니다. 1-3번에서 실패하는 전략은 다른 지표가 어떻게 보이든 폐기되거나 근본적으로 재설계되어야 합니다.

이 프레임워크를 통과하는 전략을 최적화하기 위한 안내는 봇 최적화 가이드를 참조하세요.

#자주 묻는 질문

#암호화폐 트레이딩 봇에 좋은 샤프 비율은?

암호화폐 전략에 대해 1.0에서 2.0 사이의 샤프 비율은 좋다고 간주됩니다. 암호화폐 시장은 전통적인 주식보다 더 변동성이 있으므로, 2.0 이상의 샤프를 일관되게 달성하는 것은 진정으로 어렵습니다. 3.0 이상의 값은 과적합에 대해 검사되어야 합니다. 맥락으로, 많은 성공적인 양적 헤지 펀드는 1.5에서 2.5 사이의 샤프 비율을 목표로 합니다. 암호화폐 봇이 여러 시장 레짐을 다루는 백테스트에서 1.5의 샤프를 달성한다면 강한 결과입니다.

#여러 미체결 포지션이 있을 때 최대 낙폭을 어떻게 계산하나요?

최대 낙폭은 개별 거래가 아닌 총 포트폴리오 자산에서 계산되어야 합니다. 주어진 시점에 포트폴리오 가치는 현금 + 모든 미체결 포지션의 미실현 손익과 같습니다. 시간에 따라 이 결합된 가치를 추적하고, 가장 높은 최고점과 가장 낮은 후속 최저점을 식별하고, 퍼센트 하락을 계산합니다. 많은 트레이더는 실현 손익만 보는 실수를 범하며, 이는 미체결 포지션의 낙폭 리스크를 무시합니다.

#왜 전략이 좋은 샤프지만 나쁜 수익 팩터를 가지나요?

이것은 전략이 많은 작은 수익 거래를 만들 때(낮은 변동성으로 일관된 수익 생성 → 높은 샤프) 발생할 수 있지만, 적은 손실 거래가 개별 승리에 비해 크면(총 이익 / 총 손실 비율을 끌어내림 → 낮은 수익 팩터). 이는 전략이 팻 테일 리스크를 가지고 있음을 시사합니다: 대부분 잘 수행하지만 가끔 큰 손실에 취약합니다. 손절 조이기가 일반적으로 더 낮은 승률의 대가로 수익 팩터를 수정합니다.

#샤프 또는 소르티노 비율을 사용해야 하나요?

둘 다 사용하지만, 비대칭 수익 프로필이 있는 전략에는 소르티노에 더 큰 비중을 두세요. 전략이 큰 상방 움직임을 포착하면서 하방을 제한하면, 소르티노는 샤프보다 상당히 높을 것이며, 상방 변동성이 유익하다는 사실을 반영합니다. 샤프와 소르티노가 비슷하다면, 전략의 변동성은 대략 대칭적입니다 — 상하 움직임이 유사한 크기.

#통계적으로 신뢰할 수 있는 지표에 몇 건의 거래가 필요한가요?

최소한, 30건의 거래는 기본적인 통계적 신뢰성을 제공합니다. 샤프 비율과 수익 팩터가 무작위 노이즈와 의미 있게 다르려면 50건 이상의 거래가 선호됩니다. 승률이 실제 값의 ±5% 이내로 안정화되려면 일반적으로 100건 이상의 거래가 필요합니다. 백테스트에 15건의 거래만 표시된다면, 모든 지표를 신뢰할 수 있는 예측이 아닌 대략적인 추정으로 다루세요. 백테스트 기간을 연장하거나 더 많은 데이터 포인트를 생성하기 위해 더 높은 빈도 전략을 사용하세요.

#같은 총 수익률을 가진 두 전략이 품질이 크게 다를 수 있나요?

물론입니다. 전략 X는 0.6의 샤프, -25%의 최대 낙폭, 절벽 하락 자산 곡선으로 20%를 반환할 수 있습니다. 전략 Y는 1.8의 샤프, -8%의 최대 낙폭, 부드러운 계단 곡선으로 20%를 반환할 수 있습니다. 같은 목적지, 극단적으로 다른 여정. 전략 Y는 모든 리스크 조정 차원에서 우수합니다. 총 수익률은 다른 리스크 프로필의 전략을 비교하기 위해 가장 덜 유용한 지표입니다.