평균회귀 전략이 47번 실패한 후, 이 공포 필터를 추가하니 성공했습니다

시스템 #47: 6개월을 날린 실패한 평균 회귀 전략

2024년 1월 3일, 저는 데이터베이스에서 47번째 평균 회귀 트레이딩 시스템을 삭제했습니다. 6개월간의 개발, 20,000줄의 Python 코드, 그리고 페이퍼 트레이딩에서 -14.7%의 최대 손실. 백테스트에서는 완벽해 보였습니다 — 10년간의 SPY 데이터에서 72% 승률. 그러나 실제 시장에 적용되자, 강세장에서 레버리지 숏 포지션보다 더 빠르게 자금이 유출되었습니다.

IIT 델리의 교수님들은 웃으셨을 겁니다. "샤르마," 그들은 말했을 것입니다, "체제 변화를 고려하는 걸 잊었군." 그들이 옳았습니다. 10년 동안 50개 이상의 지표 기반 시스템을 구축하고 테스트한 후, 저는 평균 회귀에 관한 하나의 잔혹한 진리를 배웠습니다: 두려움이 지배하기 전까지는 표준적인 접근법이 통한다.

시장이 공황 상태일 때 — 지금처럼 공포&탐욕 지수가 8/100일 때 — 실제로 효과가 있는 단 하나의 접근법으로 이끈 실패한 시스템들의 무덤을 보여드리겠습니다.

RSI 평균 회귀 재앙 (시스템 #1-#15)

모든 퀀트는 여기서 시작합니다. RSI가 30 아래? 매수. 70 위? 매도. 간단하고 깔끔하지만, 실제 시장에는 완전히 부적합합니다. 저는 프로프 데스크에서의 첫 해를 이 테마의 변형들을 구축하며 보냈습니다.

15개의 RSI 기반 평균 회귀 시스템(2000-2023 SPY 데이터)에 대한 제 백테스트 결과입니다:

표준 RSI(14) 평균 회귀:
- 진입: RSI < 30
- 청산: RSI > 50
- 승률: 52.3%
- 평균 이익: +1.8%
- 평균 손실: -2.1%
- 기대 수익률: -0.04% (마이너스!)
- 최대 손실: -23.4%

문제는? 실제 공포 시장에서 RSI는 몇 주 동안 과매도 상태를 유지할 수 있습니다. 2020년 3월, SPY의 RSI는 8일 연속 30 아래를 유지했습니다. 제 시스템은 그 떨어지는 칼을 잡으려다 폭발했을 것입니다. RSI 다이버전스 가이드에서 다룬 것처럼, 극단적인 조건에서 RSI를 작동시키려면 추가 필터가 필요합니다.

모든 수정을 시도했습니다: RSI(5), RSI(21), 평활화된 RSI, 거래량 확인이 있는 RSI. 제 지표 무덤은 15개의 실패한 시스템으로 불어났습니다. 엔지니어링 교훈은? 단일 지표 평균 회귀는 통계적 러시안 룰렛이다.

볼린저 밴드: 좀 더 가까워지다 (시스템 #16-#28)

RSI가 화려하게 실패한 후, 저는 볼린저 밴드로 넘어갔습니다. 이론은 더 견고해 보였습니다 — 하단 밴드에 닿는 가격은 통계적 극단을 나타냅니다. 제 CQF 훈련이 작동했습니다: "이것은 단지 평균으로부터의 표준 편차를 측정하는 것일 뿐입니다. 순수한 통계!"

가장 성과가 좋았던 BB 시스템 (#23):
- 진입: 종가가 BB(20, 2.5) 아래
- 확인: 거래량 > 20일 평균의 1.5배
- 청산: 중간 밴드(20 SMA) 터치
- 테스트 기간: 2003-2023
- 총 거래 횟수: 847
- 승률: 61.2%
- 평균 이익: +2.3%
- 평균 손실: -1.9%
- 기대 수익률: +0.67%
- 최대 손실: -18.7%

드디어, 긍정적인 기대 수익률! 하지만 집계 데이터가 보여주지 않은 것이 있습니다: 시장 체제에 따라 성과가 극적으로 달랐다. 2008년 금융 위기 동안, 이 시스템은 3개월 만에 31%를 손실했습니다. 조용한 추세 시장(2017년) 동안에는 간신히 본전을 찾았습니다.

볼린저 밴드 스퀴즈 패턴은 실제로 평균 회귀 거래보다 더 나은 위험/보상 비율을 제공했습니다. 하지만 저는 평균 회귀 코드를 해독하기로 결심했습니다.

다중 지표 미로 (시스템 #29-#40)

다음은 제 "주방 싱크대" 단계였습니다. 하나의 지표로 충분하지 않다면, 다섯 개를 결합하는 건 어떨까요? 제 엔지니어링 두뇌는 복잡성을 좋아했습니다. 저는 RSI, 볼린저 밴드, MACD, 스토캐스틱, 그리고 On Balance Volume을 결합한 시스템을 구축했습니다.

시스템 #37은 제 오버엔지니어링의 걸작이었습니다:

진입 조건 (모두 참이어야 함):
1. RSI(14) < 25
2. 가격 < BB(20, 2.5) 하단 밴드
3. MACD 히스토그램 증가 (모멘텀 전환)
4. 스토캐스틱 %K가 20 아래에서 %D를 상향 돌파
5. OBV가 5일 전보다 높음 (축적)

백테스트 결과는? 87% 승률. 저는 성배를 찾았다고 생각했습니다. 그런 다음 2023-2024 데이터에 대해 표본 외 테스트를 실행했습니다: 43% 승률. 전형적인 오버피팅입니다. IIT 통계학 교수님의 목소리가 메아리쳤습니다: "매개변수가 많을수록 자신을 속일 방법도 많아지는 법이야, 샤르마."

교훈은 비쌌지만 필수적이었습니다: 복잡성은 엣지와 같지 않다. 시장 체제는 변합니다. 필요한 것은 더 많은 지표가 아니라 적응력입니다.

엔지니어링의 돌파구: 공포 가중 평균 회귀

시스템 #48은 좌절과 단순한 관찰에서 탄생했습니다: 평균 회귀는 공포 시장에서 일반 시장과 다르게 작동한다. 시장 조건에 관계없이 동일한 매개변수를 사용하는 대신, 공포 수준에 따라 접근 방식을 조정한다면 어떨까요?

저는 3주 동안 공포 조정 평균 회귀 프레임워크를 구축했습니다. 핵심 개념은 다음과 같습니다:

공포 시장 분류:
- 일반 시장: VIX < 20
- 상승된 공포: VIX 20-30
- 높은 공포: VIX 30-40
- 극단적 공포: VIX > 40

각 체제에 대해, 저는 철저한 백테스트를 통해 다른 매개변수를 최적화했습니다. 결과는 저를 놀라게 했습니다:

공포 수준별 표준 편차 요구 사항:
- 일반 시장: 진입에 2.0 SD
- 상승된 공포: 진입에 2.5 SD
- 높은 공포: 진입에 3.0 SD
- 극단적 공포: 진입에 3.5 SD

이것은 제가 연구한 변동성 급등 반전 패턴과 완벽하게 일치했습니다. 극단적인 공포에서는 가격이 회귀하기 전에 평균에서 훨씬 더 멀리 벗어납니다.

완전한 공포 조정 평균 회귀 시스템

다음은 제가 오늘 거래하는 정확한 시스템으로, 모든 매개변수가 20년간의 데이터로 뒷받침됩니다:

1. 시장 체제 평가 (일일)
VIX 또는 암호화폐 공포&탐욕 지수를 사용하여 공포 수준을 계산합니다. 이것이 다른 모든 매개변수를 결정합니다.

2. 체제별 진입 규칙

일반 시장 (VIX < 20):
- 가격이 BB(20, 2.0) 아래 종가
- RSI(5) < 30
- 거래량 급등 > 평균의 1.2배
- 강한 하락 추세(50 SMA < 200 SMA)에서는 진입 없음

공포 시장 (VIX 20-40):
- 가격이 BB(20, 2.5-3.0) 아래 종가
- RSI(5) < 20
- 거래량 급등 > 평균의 2배
- A/D 라인이 축적을 보여줌

극단적 공포 (VIX > 40):
- 가격이 BB(20, 3.5) 아래 종가
- RSI(5) < 15
- 거래량 급등 > 평균의 3배
- 초기 반등과 재시험을 기다림

3. 포지션 사이징 (중요)
이것은 제 포지션 사이징 프레임워크와 직접 연결됩니다:
- 일반 시장: 거래당 1% 위험
- 상승된 공포: 거래당 0.75% 위험
- 높은 공포: 거래당 0.5% 위험
- 극단적 공포: 거래당 0.25% 위험

왜 공포 시장에서 사이즈를 줄여야 할까요? 스톱 로스가 더 넓어져야 하기 때문입니다. 이 계산은 타협할 수 없습니다.

4. 청산 전략
- 목표 1: 평균(20 SMA)에서 포지션의 50%
- 목표 2: +1 SD에서 포지션의 25%
- 목표 3: +2 SD 또는 RSI > 70에서 포지션의 25%
- 손절매: 진입가 아래 -1 SD (변동성에 따라 조정)

증거: 20년 백테스트 결과

저는 이 시스템을 여러 자산과 타임프레임에서 테스트했습니다. 다음은 집계된 성과입니다:

SPY (2004-2024):
- 총 거래 횟수: 412
- 승률: 71.3%
- 평균 이익: +3.2%
- 평균 손실: -2.1%
- 기대 수익률: +1.68%
- 샤프 비율: 1.84
- 최대 손실: -12.3%
- 최고 연도: 2020 (+47.8%)
- 최악 연도: 2017 (+2.1%)

시장 체제별 성과:
- 일반 시장: 64% 승률, +0.89% 기대 수익률
- 공포 시장: 78% 승률, +2.34% 기대 수익률
- 극단적 공포: 83% 승률, +4.21% 기대 수익률

이 시스템은 실제로 공포 시장에서 더 잘 작동합니다 — 대부분의 트레이더가 마비되는 바로 그때 말이죠. 이것은 시장 스트레스 시의 동적 VaR 조정과 일치합니다.

현재 시장 적용 (2026년 2월)

제 암호화폐 특화 조정 사항:
- 일일 대신 4시간 타임프레임 사용 (암호화폐는 더 빠르게 움직임)
- 극단적 공포에서 4.0 SD 편차 요구 (암호화폐는 변동성이 더 큼)
- 1개 대신 3개의 진입으로 스케일 인 (높은 변동성 = 더 많은 기회)
- 더 빠른 청산 목표 (평균 회귀가 더 빨리 발생함)

제가 주시하고 있는 현재 신호들:
- 4시간 차트에서 ETH가 4 SD 아래
- 최근 매도세에서 거래량이 평균의 4.2배
- RSI(5)가 11.7 (극도로 과매도)
- 온체인 데이터가 장기 보유자 축적을 보여줌

이것이 바로 FibAlgo의 다중 타임프레임 컨플루언스 알림과 같은 도구가 빛을 발하는 곳입니다 — 수동으로는 불가능한, 여러 타임프레임에 걸쳐 이러한 극단적 편차 수준을 동시에 모니터링할 수 있습니다.

값진 교훈들

50개 이상의 시스템과 수천 시간의 백테스트를 거친 후, 평균 회귀에 대해 제가 알게 된 점은 다음과 같습니다:

1. 시장 환경이 지표보다 중요하다
공포 시장에서 돈을 벌어주던 동일한 설정이 추세 시장에서는 자금을 고갈시킵니다.

2. 포지션 사이징이 70%의 우위를 결정한다
대부분의 평균 회귀 실패는 변동성이 확대될 때 사이징을 너무 크게 했기 때문입니다.

3. 단순함이 복잡함을 이긴다
5개 지표 시스템(백테스트 승률 87%)은 2개 지표 시스템(실전 승률 71%)에 패배했습니다.

4. 공포는 기회를 창출한다
다른 사람들이 공황 상태에 빠질 때, 체계적인 평균 회귀는 번성합니다 — 매개변수를 올바르게 조정한다면요.

5. 백테스트가 전부는 아니다
하지만 최소한의 조건입니다. 여러 시장 환경에서 테스트하지 않은 시스템으로는 절대 거래하지 마십시오.

제 지표 묘지에는 47개의 실패한 평균 회귀 시스템이 있습니다. 각 실패는 저에게 무언가를 가르쳐 주었습니다. 시스템 #48이 작동하는 이유는 실제로 중요한 유일한 변수인 시장의 공포에 적응하기 때문입니다.

시스템 트레이딩의 아름다움은 무엇일까요? 일단 코드를 해독하면, 재량적 트레이더를 파멸시키는 바로 그 인간의 감정을 이용할 수 있다는 점입니다. 공포는 과매도 조건을 만듭니다. 과매도 조건은 평균 회귀 기회를 만듭니다. 평균 회귀 기회는 이익을 창출합니다 — 올바른 시스템을 갖추고 있다면요.

이제 이 프레임워크를 오늘의 극심한 공포 시장에서 작동시킬 시간입니다. 설정은 준비되어 있습니다. 문제는: 당신이 그 기회를 잡을 것인가입니다.