과거 데이터 검증(백테스트)을 돌렸을 때 특정 시점에 이익이 나는 거래가 잡혔는데, 실제 시장에서는 그 시간에 주문을 넣어도 성립하지 않는 경우가 있습니다. 이는 시세 데이터에 가격만 존재한다고 해서 실제 매매가 가능하다고 오인하기 때문이며, 특히 단기 매매 전략에서 체결 지연이나 슬리피지(실제 체결가와 주문가의 차이)를 정확히 계산하는 데 치명적인 오류를 유발합니다. 이 글은 데이터 정제 단계에서 '거래 가능 여부'를 어떻게 판별하고, 검증 로직에 이를 반영해야 하는지 개념적으로 설명합니다.
가격 데이터만으로는 알 수 없는 '매매 불가' 구간
주식 시장은 개장 전후, 휴장 시간, 그리고 종목별 거래 정지 등으로 인해 시세가 존재하더라도 실제 매매가 불가능한 구간이 발생합니다. 예를 들어, 전일 종가 기준 가격 데이터가 남아있지만 당일 개장 전인 시간대, 혹은 긴급 공시로 인한 거래 정지 구간에서는 주문이 접수되지 않거나 체결이 보류됩니다. 과거 데이터 검증(백테스트) 시 이 '거래 가능 여부' 플래그를 무시하고 단순히 가격 데이터만 사용하는 경우, 실제로는 체결이 불가능했던 시점에 주문이 성립했다고 오인하는 오류가 발생합니다. 이러한 오인은 전략의 수익성 평가에 직접적인 왜곡을 가져오며, 특히 고빈도로 매매를 시도하는 단기 전략일수록 그 영향은 커집니다.
체결 지연과 슬리피지 계산에 미치는 영향
실제 자동매매 시스템에서는 주문을 넣은 시점과 실제로 체결된 시점 사이에 지연이 발생합니다. 이 지연 시간 동안 시장 가격이 변하면, 주문가와 체결가 사이에 차이가 생기는데 이를 슬리피지(실제 체결가와 주문가의 차이)라고 합니다. 거래 가능 여부를 고려하지 않은 검증에서는, 체결이 불가능한 시간대에도 주문이 즉시 성립한다고 가정하기 때문에 슬리피지 계산이 완전히 무의미해집니다. 결과적으로, 실제 운용에서는 발생할 수밖에 없는 체결 지연과 가격 변동의 영향을 배제한 이상적인 환경에서의 성과만 측정하게 됩니다. 이는 전략의 실제 시장 적응력을 과대평가하는 원인이 되며, 데이터 정제 단계에서 이러한 시간적 제약 사항을 명확히 구분하지 않으면 검증 결과의 신뢰도가 급격히 떨어집니다.
데이터 정제 단계에서의 거래 가능 여부 판별 방법
데이터 정제 단계에서 거래 가능 여부를 판별하기 위해서는 단순히 가격 데이터만 확인하는 것이 아니라, 시장 상태 정보와 종목별 상태 정보를 결합해야 합니다. 시장 상태 정보에는 개장 시간, 휴장 시간, 장 마감 시간 등이 포함되며, 종목별 상태 정보에는 거래 정지, 상장 폐지, 매매 단위 변경 등이 포함됩니다. 이러한 정보를 시세 데이터의 타임스탬프와 매칭하여, 해당 시점에 실제 매매가 가능한 상태인지 여부를 플래그로 표시하는 과정이 필요합니다. 이 플래그는 데이터 정제 단계에서 생성되어야 하며, 이후 검증 로직에서 이 플래그를 기준으로만 주문 성립 여부를 판단하도록 설계되어야 합니다. 아래 표는 가격 데이터만 있는 경우와 거래 가능 여부 플래그를 추가한 경우의 차이점을 비교한 것입니다.
| 구분 | 가격 데이터만 있는 경우 | 거래 가능 여부 플래그 포함 시 |
|---|---|---|
| 주문 성립 판단 | 가격 존재 여부만으로 성립 판단 | 가격 존재 + 거래 가능 플래그 확인 후 성립 판단 |
| 체결 지연 반영 | 지연 시간 무시 또는 고정값 가정 | 실제 시장 상태에 따른 지연 시간 반영 가능 |
| 슬리피지 계산 | 비현실적인 즉시 체결 가정 | 시장 상태에 따른 슬리피지 변동성 반영 |
이러한 판별 방법은 데이터의 품질을 높이는 데 필수적이며, 검증 결과의 현실성을 확보하는 기반이 됩니다.
검증 로직에 거래 가능 여부를 반영하는 구조
검증 로직에는 데이터 정제 단계에서 생성된 '거래 가능 여부' 플래그를 반드시 포함해야 합니다. 주문 실행 모듈은 가격 데이터와 함께 이 플래그를 입력으로 받아, 플래그가 '거래 가능'인 경우에만 주문을 시뮬레이션하는 방식으로 동작해야 합니다. 만약 플래그가 '거래 불가'인 경우, 주문은 성립하지 않고 보류되거나 취소 처리되어야 하며, 이 과정에서 발생하는 시간 지연은 실제 시장 조건에 맞게 모델링되어야 합니다. 이러한 구조는 전략 연구의 주체인 시스템이 실제 시장 환경과 동일한 제약을 받도록 보장합니다. 검증 로직에서 이러한 제약 사항을 무시하면, 연구 결과는 실제 시장에서의 성과와 괴리를 보일 수밖에 없으며, 이는 전략의 신뢰성을 떨어뜨리는 직접적인 원인이 됩니다. 따라서 데이터 정제와 검증 로직의 일관된 설계는 자동매매 연구의 정확성을 높이는 핵심 요소입니다.
개념 설명의 범위와 한계
이 글은 특정 수익이나 성과 보장을 전제로 하지 않으며, 데이터 정제와 검증 로직 설계의 개념적 프레임워크를 제시하는 데 목적이 있습니다. 제공된 수치나 실험 결과가 아닌 개념 설명임을 명확히 하며, 실제 시스템 적용 시에는 각 시장과 종목의 구체적인 규칙에 따라 판별 로직을 조정해야 합니다. 데이터의 품질은 전략의 성능을 보장하는 것이 아니라, 검증 과정이 실제 시장 조건에 얼마나 근접하는지를 높이는 데 목적이 있습니다. 이러한 접근은 AI 자동매매 연구뿐만 아니라, 모든 대용량 데이터 처리 작업에 적용할 수 있는 보편적인 데이터 관리 원칙입니다.
함께 보면 좋은 연구
AI 자동매매 연구, 데이터 수집부터 검증까지 · 고정 시간 간격 가정의 오류와 데이터 정렬 · 시계열 데이터 정렬 오류가 만드는 정보 누출
이어서 볼 연구
데이터 정제 단계의 미세한 시간 불일치가 통계 검증에 미치는 영향
과거 데이터 검증(백테스트)에서 전략이 실제로 작동하는지 판단할 때, 데이터의 미세한 타임스탬프(Time Stamp) 정렬 오류는 결과의 신뢰도를 근본…
고정 슬리피지가 검증 결과를 왜곡하는 구조
주문 규모가 크거나 시장 변동성이 높은 순간, 실제 체결 가격은 예상과 크게 다를 수 있습니다. 그러나 많은 과거 데이터 검증(백테스트) 로직은 이…
백테스트 기간, 주말 포함 여부로 달라지는 이유
주요 거래소가 주말과 공휴일에 휴장한다는 사실은 잘 알려져 있지만, 과거 데이터 검증(백테스트) 시 이 기간을 어떻게 처리하느냐에 따라 검증 대…
본 사이트의 콘텐츠는 정보 및 연구 기록을 목적으로 하며 특정 금융상품의 매수·매도를 권유하지 않습니다. 투자 판단과 결과에 대한 책임은 투자자 본인에게 있습니다. 투자 고지 전문