백테스팅 방법론

개요와 원리

백테스팅(backtesting)은 특정 매매 전략을 실제 자금으로 운용하기 전에, 과거 시장 데이터에 그 전략의 규칙을 그대로 적용해 가상으로 거래를 재현하고 성과를 측정하는 절차다. 전략이 실전에서 통할지 미리 가늠해보는 가장 기본적인 검증 수단이며, 퀀트 투자와 시스템 트레이딩의 출발점이라 할 수 있다. 그러나 백테스팅은 “과거에 잘 맞았다”는 사실만 보여줄 뿐 미래에도 통한다는 보장을 주지 않는다. 오히려 검증 절차 자체가 허술하면 실제로는 쓸모없는 전략도 화려한 수익 곡선으로 포장될 수 있다는 점에서, 백테스팅은 결과 자체보다 절차의 엄밀함이 훨씬 중요한 작업이다.

백테스팅의 핵심 원리는 세 가지로 정리할 수 있다. 첫째, 전략 규칙은 사람의 재량이 개입하지 않도록 사전에 명확하게 고정되어야 한다. 둘째, 검증에 사용하는 데이터는 그 시점에 실제로 얻을 수 있었던 정보로 한정해야 한다(미래참조 금지). 셋째, 실제 거래에서 발생하는 수수료·세금·슬리피지 등 비용을 결과에 충분히 반영해야 한다. 이 세 원칙 중 하나라도 무너지면 백테스트 결과는 실전과 무관한 숫자놀음에 그친다.

핵심 규칙

백테스팅 절차는 크게 두 국면으로 나누어 볼 수 있다. 전략을 표본 내(in-sample) 데이터로 설계하고 검증에 들어가는 국면, 그리고 표본 외(out-of-sample) 데이터로 재검증한 뒤 기준에 못 미치면 전략을 폐기하는 국면이다.

진입

표본 내 검증에 들어가기 전에 다음을 먼저 확정해야 한다.

• 매수·매도 조건을 사람이 아니라 컴퓨터가 실행할 수 있을 만큼 구체적인 규칙으로 정의한다. “추세가 좋아 보이면 산다” 같은 모호한 조건으로는 백테스트 자체가 성립하지 않는다.
• 검증 기간을 표본 내 구간과 표본 외 구간으로 미리 나눈다. 예컨대 전체 데이터의 앞부분(가령 70퍼센트)은 전략을 설계·최적화하는 표본 내 구간으로, 나머지(가령 30퍼센트)는 손대지 않고 남겨둔 표본 외 구간으로 쓴다.
• 사용할 데이터셋에 상장폐지·관리종목 지정 이력이 포함되어 있는지 확인한다. 현재 거래되는 종목만 모아 과거로 되돌리면 생존자 편향이 발생한다.
• 거래비용(수수료, 세금)과 슬리피지(체결가와 신호가의 차이) 가정을 구체적인 수치로 못박아 둔다.

청산과 손절

표본 외 구간에서 전략을 재검증한 결과가 기준에 못 미치면 그 전략은 폐기한다는 원칙을 미리 정해둔다.

• 표본 내 성과 대비 표본 외 성과가 지나치게 낮다면(예: 샤프 비율이 절반 이하로 떨어진다면) 과최적화를 의심하고 전략을 접는다.
• 워크포워드 검증(walk-forward analysis)으로 구간을 옮겨가며 반복 검증해, 특정 시기에만 우연히 맞았던 전략은 아닌지 확인한다.
• 몬테카를로 시뮬레이션으로 거래 순서를 무작위로 섞어봐도 성과가 유지되는지 점검한다. 순서를 바꿨을 때 결과가 크게 흔들린다면 우연에 기댄 전략일 가능성이 크다.

실전 적용

한국과 미국은 백테스팅에 쓰이는 데이터와 제도적 조건에 차이가 있다.

한국 시장에서는 코스피·코스닥 종목이 상장폐지되거나 관리종목으로 지정되는 사례가 상대적으로 잦아, 데이터 벤더가 상장폐지 종목을 빠짐없이 포함하는지 반드시 확인해야 한다. 또한 가격제한폭(상하 ±30%)과 매매거래 정지, 서킷브레이커 같은 한국 고유의 시장 안전장치가 체결 가정에 영향을 주므로, 상한가·하한가 근처에서는 실제로 체결이 안 됐을 가능성을 백테스트에 반영해야 한다. 증권거래세와 위탁수수료도 국내 계좌 기준으로 정확히 적용해야 한다.

미국 시장은 CRSP나 Compustat처럼 생존자 편향을 제거한 장기 데이터베이스가 잘 갖춰져 있어 상대적으로 검증이 수월한 편이다. 다만 애프터마켓·프리마켓 거래, 공매도 관련 규제(업틱룰 등), 배당재투자 처리 방식이 한국과 달라 국내 기준을 그대로 가져다 쓰면 오차가 생긴다. 개별 종목 수가 많고 상장폐지·합병이 빈번하다는 점에서 생존자 편향 문제가 한국보다 더 두드러질 수 있는 시장이라는 점도 유의해야 한다.

장단점

흔한 실수

• 생존자 편향: 현재 살아있는 종목만으로 과거를 검증하면, 상장폐지되거나 퇴출된 종목의 손실이 통계에서 통째로 빠져 수익률이 실제보다 부풀려진다.
• 미래참조 편향(look-ahead bias): 그 시점에는 아직 발표되지 않았던 실적치나 사후에 수정된 지표를 신호 계산에 섞어 쓰는 실수다. 예컨대 분기 실적이 공식 발표되기 전 시점에 이미 그 수치를 반영해 매매하는 식이다.
• 거래비용·슬리피지 과소반영: 수수료를 0으로 가정하거나 체결가를 종가로만 계산하면, 회전율이 높은 전략일수록 실전 성과가 백테스트보다 크게 나쁘게 나온다.
• 표본 외 검증 생략: 표본 내 구간에서만 최적화하고 곧바로 실전에 투입하면, 우연히 그 구간에만 맞았던 잡음까지 유효한 전략으로 착각하게 된다.
• 데이터 스누핑: 같은 표본 외 데이터를 여러 차례 재조정에 반복해서 쓰면, 결국 그 데이터에도 과최적화되어 표본 외 검증의 의미 자체가 사라진다.

같이 쓰면 좋은 기법

• 워크포워드 최적화: 검증 구간을 시간순으로 이동시키며 반복 검증해, 특정 시기에만 맞는 전략인지 가려낸다.
• 몬테카를로 시뮬레이션: 거래 순서나 표본을 무작위로 재구성해 성과의 안정성을 통계적으로 재확인한다.
• 손절·포지션 사이징 규칙: 진입 신호 자체뿐 아니라 자금관리 규칙까지 함께 백테스트해야 전략 전체의 견고함을 확인할 수 있다.