포트폴리오 백테스트: 데이터로 자산 배분을 검증하라

대부분의 포트폴리오 결정은 감으로 내려집니다. 백테스트는 시장이 조금만 출렁여도 수정하는 계획과, 근거로 방어할 수 있는 계획을 가르는 도구입니다. 이 가이드는 워크플로, 중요한 지표, 그리고 멋져 보이는 자본 곡선을 실제 손실로 만드는 함정들을 다룹니다.

포트폴리오 백테스트와 전략 백테스트

전략 백테스트는 단일 종목 또는 작은 바스켓에 대한 진입·청산 규칙을 평가합니다. 포트폴리오 백테스트는 다수 자산, 리밸런싱 일정, 위험 통제에 걸친 배분 로직을 평가합니다. 수학은 겹치지만 질문은 다릅니다.

포트폴리오 차원의 질문 예시: 리스크 패리티가 지난 30년간 60/40을 이기는가? 금 10% 슬리브 추가가 캐리 드래그를 정당화할 만큼 드로다운을 줄이는가? 목표 배분 위에 변동성 기반 축소 규칙을 얹으면 어떻게 되는가?

7단계 워크플로

반복 가능한 프로세스는 기발한 일회성 테스트를 이깁니다. 모든 아이디어에 이걸 쓰세요.

단계	할 일	왜 중요한가
1. 프레이밍	목적을 한 문장으로 적기	"수익의 80%를 유지하며 드로다운 축소"는 테스트 가능. "수익 개선"은 아님
2. 정의	자산 유니버스, 배분 로직, 리밸런싱 빈도, 위험 한도	구체성 없는 테스트는 의견에 불과
3. 데이터	생존자 편향 제거, 배당 조정, 다양한 레짐	전략적 배분은 15년 이상, 전술적 배분은 일별 단위
4. 비용	수수료, 스프레드, 슬리피지, 해당 시 세금	마찰 없는 백테스트는 허구
5. 실행	자본 곡선과 전체 지표 계산	요약 통계만이 아닌 거래 목록까지 저장
6. 검증	아웃오브샘플, 워크포워드, 시나리오 스트레스	개발 표본에서만 작동하면 작동하지 않는 것
7. 반복	한 번에 가설 기반 변경 하나	모든 변경은 경제적으로 설명 가능해야 함

중요한 지표

하나의 숫자로 전체 이야기를 알기는 어렵습니다. 여러 차원을 보세요.

수익률과 경로

연환산 수익률은 목적지를 알려줍니다. 누적 수익 곡선의 모양은 실제로 투자를 유지할 수 있었는지를 알려줍니다. 동일한 CAGR을 가진 두 포트폴리오라도 보유자에게는 완전히 다른 느낌일 수 있습니다.

드로다운과 회복

최대 드로다운은 고점 대비 최악의 손실입니다. 회복 시간은 신고점까지 걸린 기간입니다. 35% 손실 후 18개월 만에 회복하는 전략과 22% 손실 후 6개월 만에 회복하는 전략은 별개의 상품입니다.

위험조정 수익률

샤프 비율은 초과수익을 총 변동성과 비교합니다. 소르티노는 하방 변동성만 분리합니다. 칼마(수익률 / 최대 드로다운)는 경로를 강조합니다. 여러 개를 함께 쓰세요. 50% 드로다운의 샤프 1.8은 15% 드로다운의 샤프 1.2와는 전혀 다른 짐승입니다.

안정성

전략을 하위 기간에 걸쳐 실행하세요: 2008년 이전, 2008-2010, 2011-2019, 2020-2022, 2023년 이후. 수익이 한 기간에 전적으로 몰려 있다면, 견고한 전략이 아니라 특정 레짐에 대한 베팅입니다.

회전율과 실행 가능성

연환산 회전율은 거래비용의 드래그를 나타냅니다. 규칙이 시장을 흔들지 않고 본인 사이즈로 체결할 충분한 거래량을 가지는지 확인하세요. 10만 달러에서의 백테스트가 500만 달러에서는 의미 있게 저하될 수 있습니다.

외관상 성과를 부풀리는 함정들

이들 중 어떤 것이라도 실제 자금을 날려왔습니다.

룩어헤드 편향

의사결정 시점에 사용할 수 없었던 정보를 백테스트가 사용하는 것. 흔한 원인: 인트라데이 규칙에 종가를 쓰거나, 최초 보고치가 아닌 수정된 실적을 쓰는 것. 시그널과 실행을 현실적인 지연으로 정렬하세요.

생존자 편향

주식 유니버스가 상장폐지·파산·인수된 기업을 제외하는 것. 패자가 사라졌기 때문에 과거 성과가 실제보다 좋아 보입니다. 시점별 지수 구성 데이터를 사용하세요.

과적합

곡선이 깔끔해 보일 때까지 과거 성과를 극대화하도록 파라미터를 조정하는 것. 노이즈를 잡은 셈입니다. 모델을 단순하게 유지하고, 단일 정점보다 파라미터 플래토를 선호하며, 아웃오브샘플로 검증하세요.

비용 낙관론

수수료, 스프레드, 슬리피지, 세금 드래그를 빼먹는 것. 마찰을 제외한 결과는 실제로는 좀처럼 달성되지 않습니다. 유동성과 회전율에 맞춰 스케일되는 스프레드를 모델링하세요.

레짐 맹시

단일 기간은 레짐 변화에 대한 민감도를 가립니다. 시나리오를 돌리세요: 저금리/고금리, 저변동/고변동, 성장/가치, 강달러/약달러. 견고한 포트폴리오는 네 가지 모두에서 버팁니다.

적절한 파라미터 변경에도 수용 가능한 성과가 유지되는 넓은 파라미터 플래토를 목표로 삼으세요. 최적화 격자 위의 날카로운 정점은 대개 신기루입니다.

복잡도 순으로 정렬한 배분 방식

정적. 균등 가중, 시가총액 가중, 60/40, 목표 위험. 고정 일정으로 리밸런싱. 비용 후 가장 이기기 어려운 경우가 많음.

위험 기반. 리스크 패리티, 최소 분산, 최대 분산화. 공분산 추정에 의존. 룩백 윈도우와 슈링키지에 민감.

시그널 주도. 팩터 틸트, 트렌드 오버레이, 레짐 인지 로테이션. 복잡도와 회전율을 대가로 더 높은 기대수익.

최적화 기반. 평균-분산, 블랙-리터만. 이론상 강력하나 입력 추정 오차가 증폭되어 실무에서는 종종 취약. 적극적으로 정규화하세요.

스트레스 오버레이. 실현 변동성이 임계치를 넘으면 주식 비중을 상한 제한하는 규칙. 작은 기대수익 비용으로 승차감을 개선.

작업 예시: 60/40의 세 가지 변형

변형	배분 규칙	무엇을 테스트하는가
바닐라 60/40	SPY 60%, AGG 40%, 월간 리밸런싱	베이스라인
리스크 패리티	6개월 변동성 역수 가중, 월간	더 매끄러운 위험 분배가 샤프를 개선하는가?
모멘텀 틸트	SPY 12개월 수익이 양수면 70/30, 아니면 50/50, 월간	트렌드 확인이 도움이 되는가?

SPY와 AGG의 20년 이상 월간 토털 리턴 데이터를 가져옵니다. 거래당 5bp 슬리피지와 1bp 수수료를 적용합니다. 각 변형에 대해 변동성, 샤프, 최대 드로다운, 수면 아래 시간을 계산합니다. 하위 기간별로 비교(2003-2007, 2008-2010, 2011-2019, 2020-2024).

전형적 결과: 리스크 패리티는 비슷한 수익으로 드로다운 깊이를 줄임; 모멘텀 틸트는 강한 추세에서 수익을 끌어올리지만 회전율을 더하고 횡보장에서는 부진. 무엇이 최선인지는 견딜 수 있는 것에 달려 있습니다.

백테스트에서 실시간 실행까지

배포되지 않는 백테스트는 지적 유희입니다. 검증에서 실자본까지 두 가지 길.

코드 우선. Python, 브로커 API, 자체 스케줄러. 최대 통제, 진짜 엔지니어링 작업. 전략이 맞춤형 로직이나 대체 데이터에 의존한다면 가치 있음.

플랫폼. Obside는 포트폴리오를 일상 언어로 표현하고, 백테스트를 몇 초 만에 실행하며, 연결된 브로커를 통해 주문을 라우팅합니다. 연구부터 실시간까지 동일한 규칙 세트. 예시:

• "BTC 50퍼센트, ETH 25퍼센트, USDC 25퍼센트 유지. 매주 리밸런싱. 일일 변동성이 5퍼센트를 넘으면 리밸런싱 일시 정지."
• "SPY 60퍼센트, AGG 30퍼센트, GLD 10퍼센트 보유. 매 분기 첫 영업일 또는 5퍼센트 드리프트에서 리밸런싱."
• "S&P 500이 일중 10퍼센트 하락하면 모든 포지션 매도. 저점에서 5퍼센트 반등하면 복원."
• "SPY와 AGG의 60일 상관관계가 0.5를 초과하면 알림."

실제 데이터로 포트폴리오를 검증할 준비가 되었나요?

실제로 사용하는 배분 규칙 하나를 고르세요. 7단계 워크플로를 실행하세요. 데이터가 레짐 전반과 비용 후에도 버틴다면 자동화하세요. Obside Copilot은 평이한 영어로 된 포트폴리오 규칙을 받아 몇 초 만에 백테스트를 돌려주고, 동일 로직을 브로커에서 라이브로 실행합니다. 스마트 알림, 즉시 백테스트, 브로커 연결 — 한 곳에서.

무료 Obside 계정 만들기로 오늘 첫 포트폴리오 규칙을 검증하세요.

교육용 콘텐츠일 뿐입니다. 투자 자문이 아닙니다. 투자에는 원금 손실 가능성을 포함한 위험이 따릅니다.