백테스트란 무엇인가?
퀀트 투자에서 백테스트(Backtest)는 과거 데이터를 활용해 특정 전략의 수익률을 검증하는 과정입니다. 전략을 실전에 투입하기 전, 역사적 데이터로 시뮬레이션하여 성과를 미리 확인하는 것이죠. 하지만 백테스트 결과가 좋다고 해서 실전에서도 반드시 수익이 나는 것은 아닙니다. 백테스트에는 구조적인 함정이 존재하기 때문입니다.
함정 1: 과최적화 (Overfitting)
가장 흔하고 치명적인 실수입니다. 과거 데이터에 너무 정밀하게 맞춘 전략은 미래에 전혀 통하지 않습니다. 파라미터를 수십 개 조합하며 수익률이 가장 높은 조합을 찾는 행위가 대표적입니다.
- 파라미터 수가 많을수록 과최적화 위험 증가
- 샘플 외(Out-of-Sample) 테스트를 반드시 병행
- 전략의 논리적 근거가 먼저, 수치 최적화는 그다음
예시 코드로 보면 과최적화의 위험이 더 명확합니다:
# 나쁜 예: 파라미터 100개 조합 중 최고 수익률 선택
for ma_short in range(3, 50):
for ma_long in range(20, 200):
result = backtest(ma_short, ma_long)
if result.sharpe > best:
best = result.sharpe # ← 과최적화 함정
함정 2: 생존자 편향 (Survivorship Bias)
현재 시장에 남아 있는 종목만으로 백테스트를 돌리면, 상장폐지되거나 급락한 종목이 빠지면서 수익률이 과대평가됩니다. 2008년 금융위기 때 사라진 수백 개 종목을 제외하고 백테스트하면 당연히 결과가 좋을 수밖에 없습니다.
- 상장폐지 종목을 포함한 전체 데이터(Point-in-Time) 사용
- 코인 시장도 마찬가지 — 소멸된 알트코인 데이터 반영 필수
함정 3: 미래 정보 유입 (Look-Ahead Bias)
백테스트 시점에 아직 알 수 없는 정보가 전략에 포함되는 경우입니다. 예를 들어, 당일 종가를 기준으로 당일 매매 신호를 생성하는 것은 실전에서 불가능합니다.
- 데이터 시점(timestamp)을 철저히 관리
- 재무제표 발표일 기준으로 데이터 반영 시점 확인
- 실시간 데이터 지연(latency)도 고려
함정 4: 거래 비용 무시
수수료, 슬리피지(Slippage), 스프레드를 고려하지 않으면 백테스트 수익률과 실전 수익률의 괴리가 극심합니다. 특히 고빈도(HFT) 전략일수록 거래 비용의 영향이 큽니다.
| 항목 | 국내 주식 | 코인 선물 |
|---|---|---|
| 수수료 | 0.01~0.03% | 0.02~0.05% |
| 슬리피지 | 0.05~0.1% | 0.1~0.3% |
| 스프레드 | 0.02~0.05% | 0.05~0.2% |
하루 10번 매매하는 전략이라면, 슬리피지만으로도 연간 수익률이 20% 이상 감소할 수 있습니다.
함정 5: 유동성 가정 오류
백테스트에서는 원하는 가격에 원하는 수량을 항상 체결할 수 있다고 가정합니다. 하지만 실전에서는 호가 잔량 부족으로 대량 주문이 원하는 가격에 체결되지 않습니다. 소형주나 비인기 코인 전략에서 특히 심각합니다.
실전에서 백테스트를 올바르게 활용하는 법
백테스트는 전략을 검증하는 도구이지, 증명하는 도구가 아닙니다. 아래 체크리스트를 활용하세요:
- 워크포워드 분석(Walk-Forward Analysis) — 학습 기간과 검증 기간을 나누어 반복 테스트
- 몬테카를로 시뮬레이션 — 랜덤 변동을 가정한 수천 회 시뮬레이션으로 최악의 시나리오 확인
- 페이퍼 트레이딩 — 실전 투입 전 최소 3개월 가상 매매
- 소액 실전 투입 — 전체 자산의 5% 이내로 시작
관련 글도 함께 읽어보세요:
결론: 백테스트를 믿되, 맹신하지 마라
퀀트 투자의 핵심은 데이터 기반 의사결정이지만, 백테스트 결과를 그대로 신뢰하는 것은 위험합니다. 과최적화, 생존자 편향, 미래 정보 유입, 거래 비용 무시, 유동성 가정 오류 — 이 5가지 함정을 인지하고 보정하는 것이 실전 퀀트 투자의 첫걸음입니다. 전략의 로직이 먼저이고, 백테스트는 그 로직을 검증하는 수단임을 잊지 마세요.