트레이딩에서 가장 흔한 실수가 뭘까요? 미래를 맞추려는 것입니다.
“내일 오를까 내릴까?” — 이 질문에 답하려고 수많은 선행지표를 조합하고, 패턴을 찾고, 예측 모델을 만듭니다. 하지만 솔직히 말하면, 미래는 아무도 모릅니다.
그래서 한 가지 실험을 해봤습니다. 후행지표만으로 매매 전략을 만들면 어떤 결과가 나올까?
선행지표 vs 후행지표 — 무엇이 다른가?
트레이딩 지표는 크게 두 종류로 나뉩니다.
선행지표 (Leading Indicators)
미래 가격을 예측하려는 지표입니다.
- 스토캐스틱 오실레이터
- 윌리엄스 %R
- 피보나치 되돌림
- 엘리엇 파동 이론
매력적이지만 치명적인 단점이 있습니다 — 틀릴 때가 많다는 것. 선행지표가 “과매수”라고 외쳐도 가격은 더 오를 수 있고, “반등”을 예고해도 계속 떨어질 수 있습니다.
후행지표 (Lagging Indicators)
이미 발생한 데이터를 확인하는 지표입니다.
- 이동평균 (MA, EMA)
- RSI (Relative Strength Index)
- MACD
- 뉴스 감성 분석
느리다는 단점이 있지만, 확인된 사실을 기반으로 합니다. “가격이 20일 평균보다 높다”, “시장 분위기가 긍정적이다” — 이건 예측이 아니라 사실입니다.
발상의 전환
“미래를 맞추는 것”이 아니라 “현재 상황에 적절히 반응하는 것”으로 목표를 바꾸면 어떨까?
이 질문이 실험의 출발점이었습니다.
전략 설계 — 예측 없이 규칙만으로
후행지표만을 사용해서 아래 세 가지를 결정하는 규칙을 만들었습니다.
1. 진입 규칙: 분할 매수 (DCA)
“언제 사야 할까?”를 예측하는 대신, 일정 간격으로 분할 매수하는 방식을 택했습니다.
규칙: N시간마다 고정 금액을 매수
조건: 직전 N일 고점/저점 돌파 시 매수 보류
여기서 “고점/저점 돌파 시 보류”가 포인트입니다. 이것도 후행지표입니다 — 과거 N일간의 가격 범위를 벗어났는지 확인만 합니다. 미래에 더 오를지 내릴지는 판단하지 않고, “지금 평소 범위를 벗어났으니 잠깐 기다리자”라는 보수적 반응입니다.
2. 익절 규칙: 동적 목표 수익률
“어디까지 오를까?”를 예측하는 대신, 현재 시장 온도에 따라 익절 기준을 조절합니다.
| 시장 온도 | 익절 기준 | 근거 |
|---|---|---|
| 과열 (RSI 높음) | 낮게 (빨리 확정) | 이미 많이 올랐으니 욕심 부리지 말자 |
| 침체 (RSI 낮음) | 높게 (더 기다림) | 반등 여력이 있으니 좀 더 보자 |
| 보통 | 중간 | 기본값 |
RSI가 “지금 과열이다”라고 알려주면 — 그건 미래 예측이 아니라 현재 상태 확인입니다. 이 확인된 상태에 맞춰 행동 규칙만 다르게 적용합니다.
3. 감성 분석: 뉴스 기반 시장 온도
여기서 한 단계 더 나갔습니다. 가격 지표뿐 아니라 뉴스 감성 분석도 후행지표로 활용했습니다.
뉴스 수집 → AI 감성 분석 → 5단계 점수
매우 긍정 / 긍정 / 중립 / 부정 / 매우 부정
뉴스 감성 분석은 전형적인 후행지표입니다. “어제 이런 뉴스가 나왔다”를 분석하는 것이지, “내일 어떤 뉴스가 나올지”를 예측하는 게 아닙니다. 하지만 뉴스 감성은 단기적으로 시장 방향과 상관관계가 있습니다.
이 감성 점수를 매매 규칙에 연동했습니다:
| 감성 | 진입 | 익절 |
|---|---|---|
| 매우 긍정 | 적극 매수 | 목표 높게 |
| 긍정 | 매수 유지 | 목표 약간 높게 |
| 중립 | 기본 진입 | 기본 목표 |
| 부정 | 매수 축소 | 빠른 익절 |
| 매우 부정 | 매수 중단 | 즉시 익절 |
백테스트 — 과거 데이터로 검증하기
전략을 만들었으면 검증해야 합니다. 첫 번째 단계는 백테스트입니다.
데이터 준비
약 2,000일치(5년) 일봉 데이터를 수집했습니다. 여기에는:
- 시가, 고가, 저가, 종가
- 거래량
- RSI 14일 기준
- 동일 기간 뉴스 감성 데이터 (60건 이상)
백테스트 결과
후행지표 기반 전략을 과거 데이터에 적용한 결과:
총 시행: 3,000회 (랜덤 시작점)
평균 라운드 기간: 약 60일
라운드 승률: 약 55%
연간 ROI 중앙값: -1~+2% 범위
솔직히 말하면, 압도적인 수익률은 아닙니다. 하지만 중요한 발견이 있었습니다.
발견 1: 변동성이 클수록 수익이 증가
| 월간 변동률 | 연간 ROI | 수익 확률 |
|---|---|---|
| ±5% | 약 0% | ~54% |
| ±10% | +0.5~1% | ~65% |
| ±15% | +1~1.5% | ~72% |
| ±20% | +1.5~2% | ~75% |
변동이 커질수록 수익률과 수익 확률이 모두 올라갔습니다. 후행지표 전략은 본질적으로 “움직임에 반응하는” 전략이기 때문에, 움직임이 많을수록 유리합니다.
발견 2: 감성 분석의 효과는 제한적이었다
감성 분석 ON/OFF를 비교해보니:
감성 분석 ON: ROI +1.2%
감성 분석 OFF: ROI +1.0%
차이: +0.2%p
기대보다 적었습니다. 랜덤 시뮬에서는 감성이 실제 가격과 무관하게 변하기 때문입니다. 실전에서는 감성과 가격이 상관관계가 있으므로 더 큰 차이가 날 것으로 예상됩니다.
발견 3: 리스크가 생각보다 작다
손실이 발생한 시행의 평균 손실은 약 -2% 수준이었습니다. 원금 대비 최악의 경우에도 -10% 이내. 이유는 간단합니다 — 분할 매수로 진입하기 때문에 한 번에 큰 손실이 나지 않습니다.
몬테카를로 시뮬레이션 — 1,000가지 미래
백테스트는 과거 하나의 경로만 봅니다. 몬테카를로 시뮬레이션은 수백 가지 가능한 미래를 만들어서 전략의 기대값을 통계적으로 검증합니다.
시뮬레이션 설정
시행 횟수: 500회
기간: 1년 (365일)
가격 모델: 랜덤워크 (실제 변동성 반영)
감성 모델: 랜덤 변경 (12시간 주기)
핵심 결과 (변동 ±20% 기준)
| 지표 | 값 |
|---|---|
| 연간 ROI 중앙값 | +1.5% |
| 수익 확률 | 77% |
| 라운드 승률 | 80% |
| 라운드 수/년 | 8회 |
| 평균 라운드 기간 | 45일 |
| 최악 ROI | -9% |
| 최선 ROI | +3% |
10번 중 8번은 수익으로 끝납니다. 중앙값 +1.5%는 은행 예금(3~4%)보다 낮지만, 의미 있는 점이 있습니다:
- 스케일링 가능 — 원금을 키워도 ROI는 유지됩니다
- 자동화 가능 — 사람의 판단이 전혀 필요 없습니다
- 감정 배제 — 공포/탐욕에 흔들리지 않습니다
은행 예금과의 비교
| 항목 | 은행 예금 | 후행지표 전략 |
|---|---|---|
| ROI | 3~4% (확정) | ~1.5% (중앙값) |
| 리스크 | 0% | 23% 확률로 손실 |
| 자동화 | ✅ | ✅ |
| 원금 손실 가능성 | 0% | 최악 -10% |
| 원금 스케일링 | ROI 동일 | ROI 동일 |
솔직히, 현재 수치만 보면 은행이 낫습니다. 하지만 이건 감성 분석이 완전 랜덤인 시뮬레이션 결과입니다. 실전에서 감성 분석이 동전던지기보다 약간이라도 정확하다면, 수익률은 올라갑니다.
페이퍼 트레이딩 — 실전 없이 실전처럼
시뮬레이션으로 가능성을 확인한 후, 페이퍼 트레이딩(모의 거래)으로 넘어갔습니다.
페이퍼 트레이딩이란?
실제 돈을 넣지 않고, 실시간 가격 데이터로 가상 매매를 하는 것입니다.
실시간 가격 데이터 수신
↓
전략 로직 실행 (진입/익절 판단)
↓
가상 포지션 기록
↓
실제와 동일한 수수료 차감
↓
성과 리포트 자동 생성
왜 페이퍼 트레이딩이 필요한가?
백테스트와 시뮬레이션에서는 보이지 않는 실전 변수들이 있습니다:
| 변수 | 백테스트 | 페이퍼 | 실전 |
|---|---|---|---|
| 슬리피지 | ❌ 미반영 | ⚠️ 부분 반영 | ✅ 실제 발생 |
| API 지연 | ❌ | ✅ 실제 발생 | ✅ |
| 거래소 에러 | ❌ | ✅ 실제 발생 | ✅ |
| 감성 분석 정확도 | 랜덤 | ✅ 실제 뉴스 | ✅ |
| 심리적 압박 | ❌ | ❌ | ✅ |
페이퍼 트레이딩 중 발견한 것들
약 1개월간 페이퍼 트레이딩을 돌리면서 알게 된 것들:
1. 감성 분석이 시뮬보다 효과적이었다
시뮬에서는 감성이 랜덤이라 효과가 미미했지만, 실제 뉴스 기반 감성은 단기 가격 방향과 상관관계가 있었습니다. 긍정 뉴스 후 가격이 오르는 확률이 50%보다 높았고, 이는 익절 타이밍 조절에 실질적인 도움이 되었습니다.
2. 4시간 주기의 한계
가격을 4시간마다 체크하는 구조에서, 그 사이에 급등/급락이 발생하면 놓칠 수 있었습니다. 이를 보완하기 위해 거래소에 미리 지정가 주문을 걸어두는 방식을 추가했습니다. 체크 주기 사이의 기회를 자동으로 잡을 수 있게 된 셈입니다.
3. 수수료가 생각보다 중요하다
지정가 주문으로 전환하면서 수수료가 절반 이하로 줄었습니다. 연간 라운드가 8회라면, 매번 절감되는 수수료가 누적되면 ROI에 유의미한 차이를 만듭니다.
향후 수익 가능성 — 현실적으로 얼마나?
보수적 시나리오 (시뮬 기준)
원금: 300만원
변동률: ±20% (역사적 중앙값)
연간 ROI: +1.5%
연간 수익: 약 +45,000원
솔직히 이것만 보면 “은행에 넣겠다”는 반응이 자연스럽습니다.
현실적 시나리오 (실전 보정)
페이퍼 트레이딩에서 확인한 실전 보정 요소를 반영하면:
| 보정 요소 | 추가 ROI |
|---|---|
| 감성 분석 정확도 (55%) | +0.5~1.0%p |
| 지정가 자동 체결 | +0.3~0.5%p |
| 수수료 절감 | +0.1%p |
| 합계 | +1~1.5%p |
보정 후 ROI: +2.5~3.0%
300만원 기준: 연 +75,000~90,000원
→ 은행 예금과 비슷한 수준에 도달
원금이 커지면?
| 원금 | 은행 (3%) | 이 전략 (2.5%) |
|---|---|---|
| 300만 | 9만 | 7.5만 |
| 1,000만 | 30만 | 25만 |
| 5,000만 | 150만 | 125만 |
비율은 은행이 약간 유리하지만, 핵심은 완전 자동화라는 점입니다. 한 번 세팅하면 코드가 알아서 돌아갑니다. 거기에 변동성이 높은 시기를 만나면 수익률은 3%를 넘을 수도 있습니다.
이 실험에서 배운 것
1. 예측을 포기하면 오히려 안정적이다
“맞추려는” 전략은 틀렸을 때 큰 손실을 봅니다. “반응하는” 전략은 틀려도 손실이 제한됩니다. 최악의 시뮬에서도 -10% 이내였습니다.
2. 후행지표는 “느리지만 정직하다”
이동평균이 “지금 상승 추세”라고 말하면, 그건 사실입니다. 미래에도 계속 오를지는 모르지만, 지금 오르고 있다는 건 확실합니다. 이 “확실한 현재”에 기반한 규칙은 “불확실한 미래”에 기반한 예측보다 안정적이었습니다.
3. 변동성은 적이 아니라 연료다
대부분의 투자자는 변동성을 두려워합니다. 하지만 후행지표 기반 전략에서 변동성은 수익의 원천입니다. 시장이 움직여야 진입/익절 기회가 생기기 때문입니다.
4. 감성 분석의 진짜 가치
감성 분석은 “내일 오를지”를 예측하는 게 아니라, “지금 시장 분위기가 어떤지”를 확인하는 후행지표입니다. 이 확인을 바탕으로 “좀 더 기다릴까, 빨리 정리할까”를 결정하면 — 그것만으로도 랜덤보다 나은 결과를 만들 수 있었습니다.
5. 과정이 결과보다 중요하다
전략 설계 → 백테스트 → 시뮬레이션 → 페이퍼 트레이딩. 이 과정을 거치면서 전략의 약점을 하나씩 보완할 수 있었습니다. 처음 설계한 전략과 최종 전략은 상당히 달랐습니다. 검증 과정 자체가 전략을 개선하는 메커니즘이었습니다.
결론 — 후행지표만으로 수익이 가능한가?
가능하지만, 압도적이지는 않습니다.
- 시뮬 기준 연 +1.5%, 실전 보정 시 +2.5~3%
- 은행 예금과 비슷한 수준
- 단, 완전 자동화 + 리스크 제한 + 감정 배제라는 장점
“예측하지 않는 트레이딩”은 대박을 노리는 전략이 아닙니다. 안정적으로 시장에서 작은 수익을 반복적으로 수확하는 농사에 가깝습니다. 화려하지 않지만, 지속 가능합니다.
그리고 한 가지 더 — 이 전략의 최대 장점은 밤에 편하게 잔다는 것입니다. 내일 시장이 폭락해도, 코드가 규칙대로 반응할 테니까요.
참고 자료
- Investopedia - Leading vs Lagging Indicators
- Monte Carlo Simulation in Trading
- RSI (Relative Strength Index) 설명
- Paper Trading이란?