백테스트 통계: 매매 결과의 실제 의미 검증하기 · 5 / 5
거래 부트스트랩: 재표본추출에서 의존 블록을 보존하기
부트스트랩은 선언한 표본 모형 아래 관측 자료를 다시 뽑습니다. 거래가 같은 일별 충격을 공유하면 개별 독립 추출은 관계를 끊습니다. 화려한 시뮬레이션 수보다 단위 선택이 중요합니다.
Athenum7 분업데이트:
블록 부트스트랩: 의존적인 거래를 재추출하는 방법
일반 독립 부트스트랩은 관측을 복원 추출하고 통계량을 재계산합니다. 블록 방식은 관련 관측을 함께 유지합니다. 세션, 사건, 타당한 시간 창 등이 가능하며 길이와 구성은 보존하는 의존성을 바꿉니다.
이 방법은 경험하지 못한 폭락을 찾거나 선택 편향을 없애거나 잘못된 체결 자료를 고치지 않습니다. 블록 경계도 세션 사이 의존성을 자를 수 있습니다. 여러 정당한 정의를 점검하고 원래 시간순 자산 경로를 보존합니다. 재표본은 검증된 미래 가격 모형과 다릅니다.
블록 크기가 다르면 가중도 달라집니다. A일에 +4R 거래 하나, B일에 −1R 거래 세 개가 있다고 합시다. 거래당 평균은 (4 − 1 − 1 − 1) / 4 = 0.25R이지만 두 일별 거래 평균을 같은 비중으로 평균하면 (4 − 1) / 2 = 1.5R입니다. 서로 다른 통계량입니다. 목표를 명시하고 블록 구성원을 보존해 재추출마다 분자와 분모를 다시 계산합니다. 일별 거래 평균의 평균은 계좌의 일일 수익률 계산과 다릅니다.
작은 사례 전체 열거와 부트스트랩 설정 기록
예는 이틀뿐이므로 현실적인 신뢰구간을 뒷받침하지 못합니다. 각 방식이 허용하는 경로를 정확히 보는 것이 목적입니다. 모든 날짜 선택을 나열해 난수 시드나 수치 잡음이 차이를 가리지 않게 합니다.
실제 추정에는 자료 버전, 통계량, 그룹, 표본 횟수, 난수 생성기, 구간 방법을 기록합니다. 재현성은 검토를 가능하게 할 뿐 타당성을 보장하지 않습니다. 기본 API의 paired 옵션은 대응 배열의 정렬을 유지하며 거래의 시간 블록을 자동으로 발견하지 않습니다.
예시: +2R 날과 −1R 날의 두 가지 재추출
A일에는 +2R 거래 두 개, B일에는 −1R 두 개가 있습니다. 전체 평균은 +0.5R입니다. 날짜 둘을 복원 추출하면 동일 비중의 AA, AB, BA, BB가 나오며 네 거래 평균은 +2R, +0.5R, +0.5R, −1R입니다.
개별 거래 네 개를 독립 추출하면 매번 +2R 또는 −1R가 같은 비중으로 가능합니다. 동일 비중의 부호 패턴은 16개입니다. 전부 승리하거나 패배한 경우는 2/16 = 12.5%, 날짜 블록은 2/4 = 50%입니다. 구성한 두 재표본 모형의 빈도이지 미래 성공 확률은 아닙니다.
| 선택 날짜 | 네 거래 결과 | 거래당 평균 |
|---|---|---|
| AA | 2, 2, 2, 2 | 2R |
| AB | 2, 2, −1, −1 | 0.5R |
| BA | −1, −1, 2, 2 | 0.5R |
| BB | −1, −1, −1, −1 | −1R |
도표 크게 보기- AA 평균: 2 R
- AB 평균: 0.5 R
- BA 평균: 0.5 R
- BB 평균: -1 R
재표본 횟수를 늘려도 늘지 않는 독립 이력
추출 횟수를 늘리면 재표본 계산의 수치 잡음은 줄지만 새 국면이나 독립 이력은 추가되지 않습니다. 좁은 표본을 반복한 정밀한 결과도 표본 모형, 선택 전략, 미래 시장이 다르면 크게 오도할 수 있습니다.
결정 전 확인사항
- 중요한 의존성을 보존하는 단위를 고릅니다.
- 통계량, 자료 버전, 재표본 절차를 기록합니다.
- 모형 빈도와 미래 사건 확률을 구분합니다.
- 블록 선택과 짧은 이력을 중요한 불확실성으로 봅니다.
이해도 확인
네 날짜 블록 평균들의 평균은? 원본 표본과 같으면 양의 미래 기대수익을 증명하나요?
정답과 해설 보기
(2 + 0.5 + 0.5 − 1) / 4 = 0.5R로 원본과 같습니다. 이는 대칭적 재추출 구성의 결과입니다. 관측 이틀을 추출 모집단으로 가정했을 뿐 미래 우위를 증명하지 않습니다.
출처 및 추가 자료
Athenum으로 더 알아보기
관련 수업
- 고정 비율 위험: 진입 전에 연속 손실을 계산하기
고정 금액 위험과 현재 자산에서 다시 계산한 비율 위험을 비교합니다. 복리 손실, 수량 반올림, 이상적 스톱 모형의 한계를 살핍니다.
- 관측된 실패가 0이라고 위험도 0인 것은 아닙니다
실패 없는 표본이 단순 모형에서 무엇을 알려 주는지 계산합니다. 드문 사건, 표본 크기, 신뢰한계의 가정을 구분하세요.