조건검색식을 실시간 자동매매(알고리즘 트레이딩)와 연동할 때, 백테스트 결과와 실전 성과가 괴리되는 과최적화(overfitting) 문제는 어떻게 점검하고 줄일 수 있나요?
전문가스크리닝·조건검색최종 수정일
과최적화 문제는 검증 구간을 완전히 분리한 워크포워드(walk-forward) 검증과, 시도한 전략·파라미터 개수를 반영한 통계 보정, 그리고 현실적인 거래비용·세금 반영을 통해 점검하고 줄일 수 있습니다. 과최적화(overfitting)란 조건검색식이나 매매 전략의 파라미터를 과거 특정 구간의 우연한 노이즈에까지 지나치게 맞춰, 백테스트 성과는 화려하게 나오지만 실전(out-of-sample)에서는 성과가 급격히 떨어지는 현상을 말합니다. Bailey·Borwein·López de Prado·Zhu(2014)의 백테스트 과적합 확률 연구에 따르면 많은 전략 구성을 시도하면 높은 in-sample 성과는 손쉽게 달성되며, 과적합된 전략은 실전에서 단순히 초과수익을 못 내는 데 그치지 않고 체계적으로 성과가 저조해지는 경향이 있습니다[1].
점검·완화 방법은 다음과 같이 정리할 수 있습니다. ① 학습(in-sample) 구간과 검증(out-of-sample) 구간을 완전히 분리하고, 검증 구간에서는 재튜닝을 하지 않으며, 롤링 윈도우 방식으로 학습→직후 구간 검증을 반복하는 워크포워드 분석을 통해 여러 시장 국면에서 전략이 반복적으로 입증되는지 확인합니다. 이는 트레이딩 전략 검증의 사실상 표준으로 평가됩니다. ② 여러 전략·파라미터를 시도할 때 발생하는 선택 편향을 반영해 Sharpe 지표를 하향 보정하는 Deflated Sharpe Ratio[2]나, 과적합 확률을 정량화하는 PBO·CSCV(조합적 교차검증) 같은 기법을 활용하면 거짓 양성 결과를 걸러낼 수 있습니다[4]. 다중검정 보정 차원에서 유의성 판단 기준(t-통계량)을 통상 2.0이 아닌 3.0 이상으로 높여 잡는 방식도 제안됩니다[3](예: Harvey·Liu·Zhu(2016) 등 학계에서 제안된 값으로, 전략·검증 규모에 따라 달라질 수 있습니다). ③ 그 시점에 실제로 알 수 없던 정보를 사용하는 미래참조 편향(look-ahead bias)과, 상장폐지·부도 종목을 제외해 성과를 과대평가하는 생존편향을 제거해야 합니다. 조건검색식이 실시간에 아직 확정되지 않은 값을 참조하지 않도록 하는 규율이 특히 중요합니다. ④ 수수료·슬리피지·증권거래세를 빠짐없이 반영해야 하며, 슬리피지는 보수적으로 잡는 것이 안전합니다. 특히 2026년 1월 1일 양도분부터 증권거래세가 인상되어 코스피는 0%에서 0.05%(농어촌특별세 0.15% 포함 합계 0.20%)로, 코스닥·K-OTC는 0.15%에서 0.20%로 오르며 매도금액에 손익과 무관하게 부과되므로[5], 조건검색식 기반으로 잦은 회전매매를 하는 전략일수록 세부담이 누적되어 실전 괴리가 커질 수 있습니다. ⑤ 파라미터가 적고 단순한 전략일수록 과적합 위험이 낮으므로 미세조정을 경계하고, 파라미터를 조금 바꿔도 성과가 급변하지 않는지, 상승·하락·횡보 등 다양한 국면에서도 성과가 유지되는지 교차 검증하는 것이 좋습니다. ⑥ 전략 설계 후 백테스팅에 그치지 않고 모의(페이퍼) 투자, 이어서 소액 실거래 순으로 단계적으로 검증하며, 실전 기대치는 백테스트 성과보다 보수적으로 잡는 것이 바람직합니다.
국내 제도 측면에서도 참고할 점이 있습니다. 증권사의 시스템매매 위험고지는 시스템매매가 지나친 매매를 유발할 수 있고, 과도한 매매는 수수료·증권거래세 부담으로 손실을 키우거나 이익을 감소시킬 수 있으며, 과거 성과가 미래 성과를 보장하지 않는다는 점을 명시하고 있습니다. 자본시장연구원의 「알고리즘 매매(algorithmic trading)의 현황과 전망」은 알고리즘·고빈도 매매가 유동성 공급이나 가격발견 같은 순기능과 함께 불공정거래 연계, 급격한 시장변동 유발 같은 위험을 동시에 지닌다고 지적합니다[6]. 2013년 한맥투자증권의 대규모 오주문 사태 이후 알고리즘 계좌 등록제와 kill switch가 도입된 만큼, 자동매매를 운영할 때는 주문 상한, 최대낙폭(MDD) 한도, 단일거래 리스크 제한 같은 리스크관리 체계를 함께 갖추는 것이 좋습니다. 이러한 검증 절차를 거치더라도 백테스트가 실전 수익을 보장하는 것은 아니며, 조건검색식·자동매매 전략을 실제로 적용할지 여부와 그에 따른 투자 판단과 책임은 투자자 본인에게 있습니다. 본 답변은 일반적인 정보·교육 목적이며 특정 종목이나 특정 자동매매 전략의 매수·매도를 추천하는 것이 아닙니다.
본 콘텐츠는 일반적 정보·교육 목적이며 특정 종목의 매수·매도 추천이 아닙니다. 세부 조건과 제도는 기관·시점에 따라 다를 수 있으므로 실제 거래 전 해당 기관의 안내를 확인하시기 바랍니다. 투자 판단과 책임은 투자자 본인에게 있습니다.
참고 자료
- [David H. Bailey / Jonathan Borwein / Marcos López de Prado / Qiji Zhu] The Probability of Backtest Overfitting - https://www.davidhbailey.com/dhbpapers/backtest-prob.pdf - 2014
- [David H. Bailey / Marcos López de Prado] The Deflated Sharpe Ratio: Correcting for Selection Bias, Backtest Overfitting, and Non-Normality - https://www.davidhbailey.com/dhbpapers/deflated-sharpe.pdf - 2014
- [arXiv] Interpretable Hypothesis-Driven Trading: A Rigorous Walk-Forward Validation Framework for Market Microstructure Signals - https://arxiv.org/html/2512.12924v1 - 2025
- [ScienceDirect] Backtest overfitting in the machine learning era: A comparison of out-of-sample testing methods - https://www.sciencedirect.com/science/article/abs/pii/S0950705124011110 - 2024
- [네이트뉴스/EBN] 내년부터 증권거래세 인상…코스피 0.05%·코스닥 0.20% - https://news.nate.com/view/20251201n26338 - 2025
- [자본시장연구원(KCMI)] 알고리즘 매매(algorithmic trading)의 현황과 전망 - https://www.kcmi.re.kr/common/downloadw?fid=447&fgu=002001&fty=004003 - 연구기관