몬테카를로 자산 시뮬레이션: 트레이딩 전략 스트레스 테스트

트레이딩에서 몬테카를로 시뮬레이션이란?

몬테카를로 시뮬레이션은 트레이딩 전략의 과거 결과 분포에서 무작위로 샘플링하여 수천 개의 가능한 미래 자산 경로를 생성하는 통계 기법입니다. "무슨 일이 일어났는지"를 묻는 대신, 타당한 시퀀스의 전체 범위에 걸쳐 "무슨 일이 일어날 수 있는지"를 묻습니다.

작동 원리는 이렇습니다. 전략의 실제 승/패 결과(또는 가정한 승률과 R:R)를 가져와서 해당 결과들의 시뮬레이션 시퀀스를 1,000~10,000회 실행합니다. 각 시뮬레이션은 기초가 되는 엣지는 동일하지만 승패의 순서가 무작위로 달라지는 상황에서 다음 100회(또는 500회, 1,000회) 거래가 어떻게 전개될 수 있는지를 보여주는 가능한 "평행 우주"를 나타냅니다. 결과는 단일 자산 곡선이 아니라 최선, 최악, 중앙값 사례를 동시에 보여주는 자산 곡선의 분포입니다.

이것은 실제 자본을 어떤 전략에 투입하기 전에 사용해야 할 올바른 도구입니다. 왜냐하면 백테스트된 자산 곡선은 동일한 거래가 다른 순서로 발생했다면 어떤 일이 있었을지 알려주지 않기 때문입니다. 순서는 중요하며, 몬테카를로는 그 순서가 만들어낼 수 있는 결과의 전체 범위를 보여줍니다.

백테스팅만으로는 충분하지 않은 이유

백테스트는 정확히 하나의 자산 곡선, 즉 과거에 실제로 발생한 순서대로의 곡선만을 생성합니다. 이 단일 곡선에는 미래 성과 추정치로서 몇 가지 문제가 있습니다.

• 시퀀스 리스크: 20번의 최악의 손실이 백테스트 전반에 분산되지 않고 초반에 발생했다면 계좌가 살아남았을까요? 백테스트는 이를 알려주지 않습니다 — 과거의 시퀀스만 보여줄 뿐입니다.
• 선택 편향: 백테스트는 일반적으로 과거에 좋은 성과를 냈다는 이유로 선택된 전략에 대해 실행됩니다. 이는 향후 성과에 비해 기대치를 부풀립니다.
• 단일 경로 낙관론: 과거 시퀀스가 해당 전략에 유난히 유리했을 수 있습니다. 몬테카를로는 타당한 결과의 범위가 실제로 얼마나 넓은지 드러냅니다.
• 파산 확률 부재: 백테스트는 파산 확률에 대해 아무것도 알려주지 않습니다. 몬테카를로는 시뮬레이션된 경로 중 초기 자본의 50%(또는 설정한 파산 임계값) 미만으로 끝나는 비율로 이를 직접 수치화합니다.

몬테카를로는 백테스팅을 대체하지 않고 보완합니다. 백테스트로 엣지가 존재하는지 검증하고, 몬테카를로로 선택한 포지션 크기에서 그 엣지를 트레이딩할 때의 리스크 프로필을 이해하세요.

몬테카를로 시뮬레이션의 핵심 통계

잘 설계된 몬테카를로 결과는 몇 가지 실행 가능한 통계를 제공합니다.

• 중앙값 자산(50백분위수): "평균" 결과 — 시뮬레이션의 50%가 위에서 끝나고 50%가 아래에서 끝나는 수준입니다. 단일 백테스트 자산 곡선보다 더 나은 중심 추정치입니다.
• 5백분위수 자산: 다운사이드 시나리오 — 이 전략과 포지션 크기를 따르는 트레이더 중 최악의 5%가 경험하게 될 상황입니다. 이 값이 여전히 0보다 높다면 전략은 불운한 시나리오에서도 살아남습니다.
• 95백분위수 자산: 업사이드 시나리오 — 최상의 5% 트레이더가 경험하게 될 상황입니다. 5백분위수와 95백분위수 사이의 간격은 결과가 얼마나 운에 의해 결정되는지, 엣지에 의해 결정되는지를 보여줍니다.
• 중앙값 최대 낙폭: 일반적인 시뮬레이션에서 경험하는 최악의 고점 대비 저점 하락입니다. 이는 대개 단일 백테스트 자산 곡선의 최대 낙폭보다 상당히 큽니다.
• 파산 확률: 최종 자산이 파산 임계값(일반적으로 초기 자본의 50%) 아래로 떨어지는 시뮬레이션 경로의 비율입니다. 이것이 리스크 평가의 핵심 지표입니다.

자산 분포 차트 읽는 법

자산 분포 차트는 지정된 거래 횟수 이후 모든 시뮬레이션에 걸친 최종 자산 값의 히스토그램을 보여줍니다. 올바르게 읽는 방법은 다음과 같습니다.

• 녹색 막대는 초기 자본보다 높게 끝난 시뮬레이션, 즉 수익이 나는 결과를 나타냅니다.
• 빨간색 막대는 초기 자본보다 낮게 끝난 시뮬레이션, 즉 손실이 나는 결과를 나타냅니다.
• 초기 자본보다 훨씬 위에 집중된 좁고 촘촘한 분포는 견고하고 일관된 높은 엣지를 가진 전략을 나타냅니다. 불운조차도 관리 가능한 수준입니다.
• 넓게 퍼진 분포는 높은 변동성을 나타냅니다. 중앙값이 양수라 하더라도 꼬리가 극단적입니다 — 일부 경로는 매우 좋게 끝나고, 일부는 파산으로 끝납니다.
• 왼쪽으로 치우친 분포(두꺼운 왼쪽 꼬리)는 경고 신호입니다 — 다운사이드 시나리오가 업사이드 시나리오보다 더 나쁘다는 것을 시사하며, 이는 포지션 크기가 엣지에 비해 너무 공격적임을 의미합니다.

분포의 형태는 개별 통계만큼이나 많은 것을 알려줍니다. 깔끔하고 촘촘하며 오른쪽으로 치우친 분포가 목표입니다.

표본 크기(거래 횟수)의 영향

대수의 법칙에 따르면 표본 크기가 증가함에 따라 평균 결과의 분포는 실제 기대값으로 수렴합니다. 트레이딩 용어로 말하면, 더 많은 거래는 시뮬레이션 전반에 걸쳐 더 일관된 결과를 의미하며, 최종 자산에 대한 운의 영향을 줄입니다.

단 50회의 거래만 시뮬레이션할 경우 최종 자산 값의 분포는 매우 넓습니다 — 연속된 몇 번의 손실이 결과를 좌우할 수 있습니다. 500회 거래에서는 분포가 상당히 좁아집니다. 2,000회 거래에서는 진정한 엣지가 있다면 거의 모든 시뮬레이션이 수익을 냅니다.

이는 실질적인 시사점을 갖습니다. 저빈도 트레이더(월 5~10회 거래)는 엣지가 통계적으로 발현되도록 더 오래 포지션을 유지해야 합니다. 고빈도 트레이더는 대수의 법칙이 더 빨리 유리하게 작용하는 것을 볼 수 있습니다. 표본 크기가 작다면 몬테카를로 신뢰구간이 넓어질 것입니다 — 이것은 버그가 아니라 통계적 불확실성을 정직하게 반영한 것입니다.

거래당 리스크의 영향: 1% 대 3%

포지션 크기는 자산 분포에 비선형적인 영향을 미칩니다. 승률 55%, 평균 승리 1.5R인 전략을 생각해 보세요.

• 거래당 리스크 1%로 200회 거래 시: 분포가 촘촘하고, 파산 확률은 거의 0에 가까우며, 중앙값 낙폭은 약 8~12%, 중앙값 자산은 초기 자본의 약 1.5~2배입니다.
• 거래당 리스크 3%로 200회 거래 시: 분포가 크게 퍼집니다. 중앙값 자산은 더 높지만(복리 효과가 더 빠르게 작동), 5백분위수는 급격히 하락합니다. 파산 확률은 3~8%까지 상승할 수 있습니다. 중앙값 최대 낙폭은 25~35%로 확대됩니다.

이 트레이드오프는 대칭적이지 않습니다. 리스크를 높였을 때의 업사이드는 잘해야 선형적으로 확장되지만, 퍼센트 손실과 이익의 비대칭성 때문에 다운사이드는 훨씬 빠르게 확대됩니다. 3% 리스크에서는 동일한 퍼센트 낙폭에서 회복하기 위해 더 큰 이익률이 필요합니다.

승률 대 R:R: 시뮬레이션이 보여주는 것

두 전략이 동일한 기대값을 가지더라도 몬테카를로 프로필은 매우 다를 수 있습니다.

• 승률 40%, 보상 3.0R인 경우 기대값 = (0.40 × 3.0) - (0.60 × 1.0) = 거래당 0.60R입니다. 하지만 이 전략의 자산 곡선은 변동이 심합니다 — 긴 연패는 통계적으로 정상이며, 최대 낙폭이 크고, 많은 트레이더가 엣지가 결실을 맺기 전에 포기합니다.
• 승률 60%, 보상 1.0R인 경우 기대값도 동일하게 거래당 0.60R입니다. 이 전략의 자산 곡선은 더 매끄럽고, 낙폭이 더 얕으며, 장기 기대 수익이 동일함에도 불구하고 5백분위수 결과가 훨씬 더 좋습니다.

몬테카를로는 이를 구체적으로 보여줍니다. 동일한 포지션 크기로 두 전략을 실행하고 파산 확률, 중앙값 최대 낙폭, 5백분위수 자산을 비교해 보세요. 기대값이 동일하더라도 더 매끄러운 전략이 리스크 지표에서 거의 항상 승리합니다.

실전 투입 전 실질적인 활용법

몬테카를로 시뮬레이션은 트레이더에게 세 가지 직접적인 활용법이 있습니다.

• 실전 투입 전 검증: 실제 자금으로 어떤 전략을 트레이딩하기 전에 계획한 포지션 크기로 몬테카를로를 실행하세요. 파산 확률이 5%를 초과하면 2% 미만으로 떨어질 때까지 포지션 크기를 줄이세요.
• 연패 스트레스 테스트: "20연패를 당하면 어떻게 될까?"를 물어보세요. 모든 시뮬레이션이 20연패로 시작하도록 설정하세요. 중앙값 자산이 여전히 회복된다면 시스템은 견고합니다. 그렇지 않다면 승률에 비해 포지션 크기가 너무 공격적입니다.
• 포지션 크기 보정: 시뮬레이터를 리스크 수준 0.5%, 1%, 1.5%, 2%, 3%로 실행해 보세요. 파산 확률이 2% 미만으로 유지되는 가장 높은 리스크 수준을 찾으세요. 그것이 생존과 양립하는 최대 성장률, 즉 최적의 포지션 크기입니다.