백테스트에서 기술적 지표 전략의 성과를 평가할 때 워크포워드 최적화(walk-forward optimization)를 쓰는 이유와, 이를 생략하면 어떤 과최적화(overfitting) 문제가 생기나요?

워크포워드 최적화(WFO)를 쓰는 이유는 학습 구간과 검증 구간을 시간 순서대로 엄격히 분리해, 전략이 실제로 처음 보는 데이터에서도 통하는지 확인하기 위해서입니다. WFO는 전체 데이터를 한 번에 최적화하지 않고, ①앞쪽 구간(In-Sample)에서 파라미터를 최적화하고 ②바로 다음의 미사용 구간(Out-of-Sample)에서 이 파라미터를 검증하며 ③창을 앞으로 밀어(rolling 또는 anchored) 이 과정을 반복해, 여러 아웃오브샘플 결과를 이어 붙여 실전에 가까운 성과 곡선을 만드는 방식입니다. 이렇게 하면 미래 정보가 검증에 새어드는 look-ahead bias를 막고, 단일 운 좋은 구간이 아니라 여러 구간에서 반복적으로 살아남는지를 확인하며, 시장 국면 변화에 맞춰 파라미터를 주기적으로 갱신할 수 있습니다.

이를 생략하고 전체 기간을 한꺼번에 최적화하면 과거의 무작위 잡음까지 전략이 학습해버리는 과최적화(overfitting)가 발생합니다. 대표적으로 백테스트 성과는 화려하지만 실거래에서는 급격히 무너지는 현상, 결과를 보며 파라미터를 반복 조정해 테스트 데이터가 사실상 학습 데이터로 오염되는 문제, 그리고 수많은 조합 중 우연히 좋았던 결과만 골라내는 선택 편향과 p-해킹이 나타납니다. 실제로 개별 유의수준 5% 기준으로 1,000회 넘게 조합을 시도하면 약 99.9% 확률로 최소 하나는 거짓 양성이 나온다는 지적도 있습니다^[1].

다만 전문가 관점에서 WFO도 완전하지는 않습니다. 단일 역사 경로만 검증하므로 성과 추정 분산이 크고 국면 전환에는 반응형일 뿐 예측형이 아니며, look-ahead·p-hacking 위험을 완전히 제거하지는 못합니다. 이 때문에 학술 쪽에서는 여러 경로를 조합적으로 검증하는 CPCV, 그리고 Deflated Sharpe Ratio·Probability of Backtest Overfitting 같은 통계적 보정 도구를 함께 쓸 것을 권합니다. WFO는 여전히 실무 표준이지만, 통계적 검증을 병행하는 것이 최근 흐름입니다. 어떤 방법을 쓰더라도 백테스트는 실전 수익을 보장하지 않습니다. 본 콘텐츠는 일반적 정보·교육 목적이며 특정 종목의 매수·매도 추천이 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.