왜 정적 트레이딩 전략은 비정상적 시장에서 실패하는가

Source: Dev.to

Introduction

시스템 트레이딩에서 가장 지속적으로 가정되는 전제 중 하나는 시장 역학이 정상성(stationary)이라는 것이다. 실제로는 이 가정이 거의 성립하지 않는다—금융 시장은 근본적으로 비정상성(non‑stationary) 시스템이다. 가격 움직임의 통계적 구조는 거시경제 이벤트, 유동성 변동, 참여자 행동, 기술 진화 등에 따라 끊임없이 변한다. 따라서 오늘은 잘 작동하던 전략도 몇 주 혹은 몇 달 안에 성능이 저하될 수 있는데, 이는 전략 자체가 잘못 설계됐기 때문이 아니라 환경이 변했기 때문이다.

Problems with Static Strategies

Traditional workflow

1. 전략 설계
2. 과거 데이터에 대한 파라미터 최적화
3. 전략 배포
4. 주기적인 재최적화

Two major issues

1. 과적합(Overfitting) – 최적화가 특정 과거 기간에 맞춰 파라미터를 조정하므로, 근본적인 시장 역학을 반영하지 못한다.
2. 느리고 수동적인 적응 – 트레이더가 성능 저하를 감지할 때쯤이면, 하락을 일으킨 시장 상황은 이미 변해버렸다.

정적 전략은 안정적인 세상을 전제로 하지만, 실제 시장은 전혀 안정적이지 않다.

Evolutionary Approach

단일 “최고” 모델을 찾으려 하기보다, 진화적 시스템은 모델 집단(population of models) 을 유지하면서 서로 경쟁하게 만든다. 각 모델은 다음과 같은 구성 요소를 포함한다:

• 진입 로직
• 포지션 관리
• 필터

이 구성 요소들의 파라미터는 시간이 지남에 따라 돌연변이(mutate) 할 수 있다. 모델은 최근 시장 데이터를 사용해 지속적으로 평가되며, 적합도 함수는 다음을 고려할 수 있다:

• 수익성
• 안정성
• 손실(드로우다운) 행동

성능이 저조한 모델은 제거되고, 성능이 좋은 모델은 살아남아 계속 진화한다. 시간이 지나면서 집단은 변화하는 환경에 적응하게 되며, 이는 진화가 완벽한 유기체를 만들기보다 지속적으로 적응한다는 생물학적 원리와 유사하다.

What changes

• 목표가 완벽한 전략을 발견하는 것에서 현재 잘 작동하는 모델을 관찰하는 것으로 전환된다.
• 초점이 이동한다:
  • 모델 행동이 시간에 따라 어떻게 변하는가
  • 어떤 구조적 특징이 오래 살아남는가

이렇게 하면 문제는 정적 최적화 과제가 아니라 적응형 모델링 과제로 바뀐다.

A Small Project Example

나는 최근 이 아이디어를 기반으로 가벼운 플랫폼을 구축하기 시작했다. 이 플랫폼은:

• 트레이딩 모델 집단을 유지
• 최근 데이터에 대해 평가(실제 거래 실행은 없음)
• 다음에 대한 인사이트 제공:
  • 현재 가장 성과가 좋은 모델 구조는 무엇인지
  • 파라미터가 어떻게 진화하는지
  • 특정 조건에서 어떤 신호 유형이 우세한지

목표는 고정된 전략에 의존하기보다, 변동하는 시장에서 트레이딩 모델이 어떻게 진화하는지를 관찰하는 것이다.

Further Reading

시스템 트레이딩, 진화 알고리즘, 혹은 적응형 모델 집단 구축에 관심이 있다면 프로젝트 사이트를 확인해 보라.