초단타 비용 검증과 야간 보유 후보의 장기 검증 | AI 자동매매 연구 일지 #2

AI 자동매매 연구 일지는 국내 주식 단기 매매 아이디어를 실제 데이터로 검증하고, 결과를 있는 그대로 기록합니다. 이번 글에서는 ‘초단타 비용 검증과 야간 보유 후보의 장기 검증’을 살펴봤습니다.

오늘은 국내 증시 휴장일이지만, 기존에 수집된 데이터를 바탕으로 연구를 진행했습니다.

한눈에 보는 오늘의 연구

핵심 요약 — 짧게 사고파는 전략들은 비용을 넘지 못했고, 종가에 사서 다음 날 시가에 파는 야간 보유 후보가 긴 기간 검증을 통과했지만 손실 폭이 커서 아직 실전에는 쓰지 않습니다.
연구 상태 — 미확정 (아직 결론을 내릴 만큼 검증되지 않았습니다)
결과 한 줄 — 가능성은 보였지만 아직 검증이 부족함
실전 반영 — 아직 실전 전략이 아닙니다. 새 거래일 검증을 통과한 경우에만 전략 후보가 됩니다.

오늘은 국내 증시 휴장일이지만, 이미 모인 과거 데이터로 진행한 연구를 정리했습니다.

짧게 사고파는 전략들은 비용을 넘지 못했고, 종가에 사서 다음 날 시가에 파는 야간 보유 후보가 긴 기간 검증을 통과했지만 손실 폭이 커서 아직 실전에는 쓰지 않습니다.

아래 숫자의 단위인 베이시스포인트는 만분의 일을 뜻합니다. 특별히 적지 않은 수익 숫자는 세금·수수료를 뺀 뒤의 값입니다.

왜 이 연구를 했나요?

연구 질문

오늘은 모두 101건의 실험을 기록했고, 그중 77건은 실패로 정리했습니다.
먼저 지금 실전 전략을 같은 방식으로 다시 재 보니 한 번 거래할 때마다 평균 -36베이시스포인트로 손실이었습니다.
한 번 사고팔 때 세금과 수수료만 23베이시스포인트이고, 호가 차이와 체결 지연까지 더하면 실제 왕복 비용은 37~46베이시스포인트 수준이었습니다.

이번 가설

장 중에 짧게 사고파는 여러 방식(장 초반 돌파, 평균가 되돌림, 갭 상승 추격, 기계학습 예측 등)이 이 비용을 넘을 수 있는지 확인했습니다.
그리고 종가 동시호가에 사서 다음 날 시가 동시호가에 파는 '야간 보유' 방식이 비용을 넘는 이익을 남기는지 긴 기간 데이터로 확인했습니다.
과거 데이터를 시간 순서대로 나눠 앞 구간으로 학습하고 바로 다음 구간에서 시험하는 일을 끝까지 반복했습니다. 시험 구간의 정보는 학습에 쓰지 않았습니다.

어떻게 검증했나요?

백테스트 결과만 보지 않고, 실전 검증에 가까운 기준으로 결과를 다시 확인했습니다.

비교 기준 — 거래비용(수수료·세금·체결 차이)을 모두 뺀 뒤에도 수익이 남는지
수치의 출처 — 아래 표의 값은 연구 요약 데이터에서 그대로 옮겼으며, 이 페이지에서 새로 계산하지 않습니다

오늘 확인한 주요 결과

미확정

야간 보유 후보는 하루에 10개 종목을 골라 2381일 동안 23810건을 거래하는 방식으로 검증했습니다.
비용을 뺀 거래당 평균은 12베이시스포인트였습니다 (비용을 빼기 전 35베이시스포인트). 이익으로 끝난 거래는 46.6%였고, 번 돈은 잃은 돈의 1.15배였습니다.
10개 연도 중 8개 연도에서 이익이었습니다.
최근 약 일 년은 거래당 33.4베이시스포인트, 최근 약 이 년은 23베이시스포인트였습니다. 다만 이 구간은 과거에 사라진 종목 정보가 덜 반영돼 실제보다 좋게 나왔을 수 있습니다.
상장폐지 종목까지 모두 포함한 앞쪽 구간에서도 거래당 9.5베이시스포인트였고, 같은 구간에서 종목을 무작위로 골랐을 때는 -9.4베이시스포인트, 전체 종목을 샀을 때는 -12.6베이시스포인트였습니다.

숫자로 보는 이번 연구

아래 표에 나오는 bp(0.01%를 뜻하는 아주 작은 비율 단위)는 수익성이나 비용을 비교할 때 씁니다.

항목	값
검토한 아이디어 수	101건
제외한 아이디어 수	77건
거래비용(수수료·세금·체결 차이)	23bp
거래비용(수수료·세금·체결 차이)	37bp
거래비용(수수료·세금·체결 차이)	46bp
거래비용을 모두 뺀 뒤 남은 수익성	-36bp
검증에 쓴 거래 수	23810건
검증 기간(거래일)	2381일
검증한 종목 수	10개
거래비용을 모두 뺀 뒤 남은 수익성	12bp
거래비용을 빼기 전 가격 움직임	35bp
수익으로 끝난 거래 비율	46.6%
번 돈과 잃은 돈의 비율	1.15배
검증에 쓴 표본 수	10개
검증에 쓴 표본 수	8개
거래비용을 모두 뺀 뒤 남은 수익성	8.3bp
거래비용을 모두 뺀 뒤 남은 수익성	9.5bp
거래비용을 모두 뺀 뒤 남은 수익성	-9.4bp
거래비용을 모두 뺀 뒤 남은 수익성	-12.6bp
거래비용(수수료·세금·체결 차이)	10bp
거래비용을 모두 뺀 뒤 남은 수익성	2bp
거래비용을 모두 뺀 뒤 남은 수익성	-7284bp
거래비용을 모두 뺀 뒤 남은 수익성	-73%
전략을 만든 뒤 새로 쌓인 검증 거래일 수	0일
거래비용을 모두 뺀 뒤 남은 수익성	31.3bp
거래비용을 모두 뺀 뒤 남은 수익성	3.8bp
연구에 쓰지 않은 기간의 검증 거래일 수	2일
거래비용을 모두 뺀 뒤 남은 수익성	33.4bp
거래비용을 모두 뺀 뒤 남은 수익성	23bp

표의 값은 연구 요약 데이터에서 그대로 옮긴 것입니다.

대표 사례 분석

성적이 가장 좋았던 날들을 빼고 다시 재도 거래당 8.3베이시스포인트가 남았습니다. 특정 며칠에만 기대는 결과는 아니었습니다.
하지만 비용을 거래당 10베이시스포인트 더 얹으면 남는 이익이 2베이시스포인트로 거의 사라집니다. 실제 체결이 조금만 불리해도 이익이 없어질 수 있다는 뜻입니다.
가장 큰 누적 하락은 단순 합산 기준 -7284베이시스포인트, 원금 대비로 보면 약 -73%에 달했습니다. 견디기 매우 어려운 수준의 손실 구간이 있었습니다.

전략은 어떻게 진화했나요?

연구 질문
가설
검증
통과 · 기각 · 보류
새 거래일 재검증
통과한 경우에만 전략 후보

짧게 사고파는 방향은 비용 구조 때문에 한계가 분명해졌고, 연구 방향을 하루 이상 보유하는 쪽으로 넓혔습니다.
실전 전략은 바뀌지 않았습니다. 지금 실전 전략을 대신할 만큼 안전한 후보는 아직 없다는 것이 오늘의 결론이며, 새 후보는 충분한 실제 검증을 거치기 전까지 연구 단계에 머뭅니다.

AI는 매일 연구하지만 검증되지 않은 변경을 즉시 실전 전략에 적용하지 않습니다.

새 아이디어는 연구 결과만으로 실전에 반영하지 않고, 새로 쌓이는 거래일 데이터에서 다시 검증을 통과해야 전략 후보가 됩니다.

아직 확인하지 못한 부분

아직 확정할 수 없는 것

야간 보유 후보는 아직 연구 후보입니다. 전략을 고정한 뒤 실제로 지켜본 날은 0일입니다.
동시호가에서 실제로 원하는 가격에 체결되는지는 아직 측정하지 못했습니다.
대체거래소가 문을 연 뒤 구간은 거래당 31.3베이시스포인트로 강했지만, 그 전 이 년은 3.8베이시스포인트로 통계적으로 의미 있는 이익이 아니었습니다. 최근 시장 구조에 기대는 결과일 수 있어 추가 검증이 필요합니다.
우리가 직접 수집한 실제 호가 데이터로 확인한 밤은 2일뿐이고, 그 밤들에서는 이 후보가 고른 종목 순위가 맞지 않았습니다.
과거 데이터에서 나온 결과가 앞으로도 그대로 이어진다는 뜻은 아니며, 이 글은 투자 권유가 아닙니다.

실패한 아이디어

장 중에 짧게 사고파는 규칙과 기계학습 모델은 모두 비용을 뺀 뒤 손실이었습니다.
장 초반 돌파, 평균가 되돌림, 갭 상승 추격은 특정 하루의 큰 움직임에 기대거나 비용에 잠식돼 탈락했습니다.
기계학습 모델은 전체 시장 흐름 같은 정보에 과하게 맞춰져, 처음 보는 데이터에서는 성과가 사라졌습니다.

이 연구는 지금까지의 데이터로 확인한 결과이며, 앞으로의 수익을 보장하지 않습니다.

다음 연구 방향

앞으로 새로 열리는 거래일마다 고정된 야간 보유 후보를 그대로 적용해 실제 성적을 기록합니다.
동시호가 체결이 실제로 가능한 수준인지, 추가 비용을 감당할 수 있는지를 먼저 확인합니다.

오늘의 기록

연구 번호 — Research #2
연구 날짜 — 2026-09-24
리비전 — 2
연구 상태 — 미확정

이 글은 AI 자동매매 연구 과정의 기록이며 투자 권유가 아닙니다. 아직 검증되지 않은 아이디어는 실전 거래에 쓰지 않습니다.

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

[RESEARCH #2] 2026-09-24 AI 연구 일지 — 초단타 비용 검증과 야간 보유 후보의 장기 검증

한눈에 보는 오늘의 연구