트레이딩 교육
커브 피팅이란 무엇이고, 트레이더에게 왜 위험하나요?
트레이딩에서 커브 피팅이 무엇을 의미하는지, 왜 커브 피팅이 백테스트는 놀라울 정도로 좋아 보이게 하지만 실거래는 실패하게 만드는지, 그리고 전략이 과최적화되는 것을 피하는 방법을 알아봅니다.
이 기사 목차
전략 연구에서 과최적화는 개발 표본의 특이한 패턴을 설명하는 것이 새로운 관측치에 일반화되는 것보다 더 설득력 있는 규칙을 선택하는 것을 뜻합니다. 트레이더들은 흔히 이를 커브 피팅이라고 부릅니다. 과최적화되었다고 해서 전략이 과거 데이터와 완벽하게 일치해야 하는 것은 아닙니다.
탐색이 문제를 만듭니다
이동평균 조합 200가지를 테스트하고 그중 수익성이 가장 높은 조합만 보고한다고 상상해 보세요. 어느 조합에도 지속적인 우위가 없더라도, 그 특정 표본에서는 하나가 매력적으로 보일 수 있습니다. 필터, 시장, 날짜, 손절 거리를 바꾸면 차트를 보면서 수동으로 내리는 선택을 포함해 더 많은 선택 기회가 생깁니다.
승리한 매개변수 조합이 자동으로 무효가 되는 것은 아닙니다. 우려되는 점은 보고된 성과가 지금 증거로 제시하는 동일한 결과를 이용해 그 조합을 선택한 덕분에 이점을 얻었다는 점입니다.
연구 기록부를 유지하세요
가설, 개발 데이터, 매개변수 선택, 테스트한 모든 변형을 기록하세요. 최종 테스트 기간은 별도로 유지하세요. 해당 기간을 검토하고 그에 맞춰 전략을 조정하는 순간, 그 기간은 개발의 일부가 됩니다. 이를 다시 표본 외라고 부른다고 해서 독립성이 회복되지는 않습니다.
워크포워드 프로세스는 반복적인 개발과 이후 평가를 모델링할 수 있지만, 기간 창의 길이와 선택 규칙도 고정하고 문서화해야 합니다. 결합된 결과가 좋아 보일 때까지 프로세스를 반복해서 바꾸면 같은 문제가 다시 생깁니다.
주변 선택을 따져 보세요
매개변수, 비용, 진입 시점을 조금만 바꿔도 결과가 무너지는지 확인하세요. 좁고 고립된 최적점은 조사해 볼 가치가 있습니다. 목표 시장과 관련된 추가 기간을 테스트하고 성공뿐 아니라 실패도 보고하세요.
한 시장을 위해 설계된 전략이 다른 모든 시장에서 통할 필요는 없습니다. 마찬가지로, 매개변수 개수가 얼마를 넘으면 모델이 확실히 과최적화된다고 할 보편적인 숫자는 없습니다. 복잡성, 표본 정보, 시행 횟수, 검증 설계가 모두 중요합니다.
과최적화를 다른 오류와 구분하세요
백테스트는 선택 외의 이유로도 실패할 수 있습니다. 미래 정보, 잘못된 기업 행동 조정, 비현실적인 체결, 누락된 비용 등이 그렇습니다. TradingView는 전략 테스트의 함정을 문서에서 설명합니다. 여기에는 룩어헤드 편향과 과최적화가 포함됩니다. 실거래에서 나타나는 모든 불일치에 똑같은 이름표를 붙이지 말고, 이 원인들을 각각 조사하세요.
AI가 이 과정의 필요성을 없애지는 않습니다. 많은 후보 패턴을 탐색하는 모델에도 여전히 통제된 평가가 필요합니다. 인상적인 차트는 검증의 시작일 뿐, 결론이 아닙니다.
팩트체크: Nadine Wood,
최초 게시 출처 업데이트 번역 업데이트 원문 기사 (영어)

