백테스트부터 수익률 분석까지 – 자동매매 전략 검증
백테스트부터 수익률 분석까지 – 자동매매 전략 검증
자동매매 전략을 만들었다고 바로 실전에 투입하는 것은 무모한 베팅입니다.
트레이더에게 있어서 백테스트(Backtest)는 실전에 들어가기 전, 전략이 시장에서 실제로 통했는지를 과거 데이터로 실험해보는 필수 절차입니다.
하지만 막상 백테스트를 시작하려 하면 어디서부터 어떻게 해야 할지 모르는 경우가 많습니다.
이번 글에서는 실전 자동매매 시스템을 설계할 때 반드시 거쳐야 하는 백테스트와 수익률 분석, 그리고 엑셀 기반 리포팅 자동화까지 전 과정을 정리해 보겠습니다.
✅ 백테스트란 무엇인가?
백테스트는 한마디로 말해
“내 전략이 과거 시장에서 어떻게 작동했는가?”를 시뮬레이션하는 과정입니다.
예를 들어,
- RSI가 30 이하일 때 매수하고 70 이상일 때 매도한다
라는 전략이 있다면,
이 조건을 지난 5년간 비트코인 데이터에 적용해봤을 때 - 몇 번의 진입이 있었고
- 승률은 몇 %였으며
- 총 수익은 얼마였는지를 계산합니다.
📌 이 과정을 통해 전략의 안정성, 수익률, 리스크를 사전에 확인할 수 있습니다.
✅ 어떤 데이터가 필요한가?
백테스트에는 최소한 아래의 데이터가 필요합니다:
| OHLCV | 캔들 데이터 (시가, 고가, 저가, 종가, 거래량) |
| 수수료 정보 | 거래소 기준에 맞춘 진입/청산 수수료 |
| 슬리피지 | 체결가 차이 감안 (선택 사항) |
| 거래가능 자산 | 코인별 유동성, 최소 주문단위 등 실전 제약 조건 |
🧠 실전과 가까운 백테스트를 위해선 단순 가격 정보 외에도
슬리피지, 수수료, 주문 딜레이까지 반영하는 것이 중요합니다.
✅ 파이썬 백테스트 프레임워크 비교
1. Backtrader (가장 많이 쓰임)
- 캔들 기반 전략에 최적화
- 전략, 주문, 체결 처리 로직이 명확
- 시각화 기능 탁월 (plot 기능 내장)
📌 단점: 다소 무겁고, 멀티코인 전략 처리에 불편
2. BT (bt)
- 포트폴리오 백테스트에 특화
- 멀티자산, 비중조절, 리밸런싱 구조에 강함
- Quantopian 스타일
📌 단점: 저주기(분봉 이하) 전략에 비적합
3. PyAlgoTrade
- 전략 작성 방식이 직관적
- 실시간 스트리밍 처리도 가능
📌 단점: 유지보수가 멈춰 있어 최신 전략과 API 호환성 낮음
💡 정리:
| Backtrader | 가장 강력한 캔들 기반 전략 | 복잡함 | 분봉 전략, 단일 코인 |
| bt | 포트폴리오 전략에 강함 | 저주기엔 불리 | ETF, 장기 전략 |
| PyAlgoTrade | 직관적 코드 | 업데이트 없음 | 학습용 or 간단 전략 |
✅ 백테스트에서 가장 위험한 함정: 과최적화(Overfitting)
백테스트 수익률이 800%, 실전에서는 -50%?
이런 일이 생기는 주 원인은 **과최적화(Overfitting)**입니다.
▪ 과최적화란?
- 과거 데이터에 맞춰 파라미터를 너무 정교하게 튜닝한 나머지,
미래에는 통하지 않는 전략이 되어버리는 현상입니다.
예:
- RSI 31보다 매수 시 수익률이 더 좋았음 → RSI=31로 고정
- EMA 24.5가 최적 수익률 → 그 값만 넣음
→ 이런 전략은 결국 **‘과거에만 통하는 전략’**이 됩니다.
🔐 방지법:
- 데이터 분리: 훈련 기간 vs 검증 기간 (Train/Test split)
- 월별 백테스트: 시기별로 성과 편차 확인
- Walk-forward test: 일정 기간 전략 적용 → 이동 → 반복
📊 자동매매 수익률 분석: 단순 수익이 전부가 아니다
전략이 작동했다면, 그다음은 성과 분석입니다.
단순히 "돈을 벌었는가?"보다는 어떻게 벌었고, 어떤 리스크를 감수했는가를 봐야 합니다.
▪ 주요 수익률 지표:
| MDD (Max Drawdown) | 전략이 최대 얼마나 손실을 기록했는가 |
| Sharpe Ratio | 수익 대비 변동성 (높을수록 우수) |
| CAGR | 연 복리 수익률 |
| Hit Ratio | 진입 성공률 (승률) |
📌 백테스트 수익률이 높더라도 **MDD가 -60%**라면 실전에서는 버틸 수 없습니다.
📈 월별·연도별 수익률 분석도 중요하다
- 백테스트 수익을 전체 수익률 하나로 보지 마세요.
- **월별, 분기별, 연도별로 나눠서 보아야 전략의 ‘일관성’**을 알 수 있습니다.
예:
- 2022년 7월 +35%, 2022년 8월 -50% → 전략이 매우 불안정
- 2023년 매달 5~10% 수익 → 전략이 실전에서 지속 가능
📁 엑셀 리포트 자동 생성: 결과를 보기 좋게 정리하자
파이썬으로 수익률 데이터를 정리한 후,
엑셀 보고서로 자동 정리하는 기능을 넣으면
→ 투자자에게 보여줄 자료로 활용하거나
→ 전략 간 비교 자료로 사용하기 좋습니다.
▪ 주요 툴:
- openpyxl: 기존 엑셀 파일 열고 수정, 시트 나누기 가능
- xlsxwriter: 새 엑셀 생성 + 서식, 그래프 삽입 가능
▪ 예시 리포트 구성:
| 전략명 | RSI 30/70 전략 |
| 기간 | 2020~2024 |
| 총 수익률 | +326% |
| MDD | -22.5% |
| Sharpe | 1.67 |
| 월별 수익률 시트 | 2020~2024 각 월 수익률 정리 |
| 누적 수익 그래프 | 시각화 삽입 (Line plot) |
📌 리포트는 단순 데이터보다 시각화된 수익률 흐름을 보여주는 것이 중요합니다.
✅ 마무리 요약
| 전략 설계 | 조건 수립 | Backtrader / bt 등 |
| 백테스트 | 실전 적용 전 검증 | OHLCV, 수수료 반영 |
| 과최적화 방지 | 지속 가능성 확인 | 데이터 분리, Walk-forward |
| 수익 분석 | 리스크 포함 평가 | MDD, Sharpe, 월별 수익 |
| 리포팅 자동화 | 공유 및 기록 | openpyxl, xlsxwriter |
💡 단순히 수익률만 높다고 전략이 좋은 것이 아닙니다.
진짜 실전 전략은 백테스트를 통해 검증 가능하고,
성과를 분석하고,
결과를 누구나 이해할 수 있게 리포트로 전달할 수 있어야 합니다.
그게 바로 진짜 ‘자동매매 시스템’입니다.