용어집
전략 판매자들이 사용하는 용어들을 알기 쉽게 정의하고, 1,000개 이상의 전략과 1,700개 이상의 지표를 대상으로 각 용어를 테스트했을 때 실제로 발견한 내용을 담았습니다. 단순히 전문 용어를 나열하는 데 그치지 않습니다. 모든 용어는 해당 용어에 대한 분석 결과가 있는 경우, 그 결과로 연결되는 링크가 제공됩니다.
전략이 당사의 심사를 통과하지 못하는 경우
전략은 비용이 1센트도 발생하기 전에, 동일한 바(bar)에서 무작위 동전 던지기로 진입하는 것보다 규칙이 더 나은 성과를 낼 때 우위를 가집니다. 총 우위가 없다는 것은 신호가 아무것도 예측하지 못했다는 뜻입니다. 진입 시점은 논리인 척 위장한 잡음에 불과했습니다. 이것이 우리가 전략을 기각하는 가장 흔한 이유이며, 사람들이 가장 예상치 못한 결과이기도 합니다. 우리가 배제하는 전략의 거의 절반은 슬리피지, 스프레드, 수수료가 계산에 반영되기 전인 바로 이 단계에서 실패했습니다. 흔히 전략은 비용 때문에 망한다는 말이 있습니다. 하지만 대부분은 그럴 기회조차 얻지 못합니다. 거부된 시스템의 대부분은 실제로 작동해 본 적이 없습니다. 자산 곡선을 분석하여 규칙이 실제로 다음 움직임을 예측했는지 여부를 확인하면, 대답은 대개 ‘아니오’입니다.
해당 전략이 수익을 낸 이유는 우연히 롱 포지션을 유지하던 중 시장이 상승세를 보였기 때문입니다. 이것이 바로 기술인 척 위장한 베타, 즉 시장 노출입니다. 매수 후 보유 전략도 규칙을 어길 일이 더 적으면서 동등하거나 더 나은 성과를 냈을 것입니다. 이는 강세장이 지속된 10년 동안 백테스트된 롱 전용 시스템에서 끊임없이 나타나는 현상입니다. 저희 감사 결과에서 트렌드-베타는 전략을 기각하는 두 번째로 흔한 이유이며, 이는 ‘전혀 우위가 없는 경우’에 이어 두 번째로 많은 이유입니다. 검증 방법은 간단합니다. 해당 시스템을 동일한 기간 동안 해당 상품을 단순히 보유하는 경우와 비교하면 됩니다. 수동적 포지션이 수익 곡선과 일치한다면, 규칙은 아무런 가치를 더하지 못한 것입니다. 상승하는 시장은 거의 모든 롱 전략을 좋게 보이게 만듭니다. 우리의 임무는 이러한 시장 흐름에 의한 편향을 제거하고, 과연 무엇이 남는지 확인하는 것입니다.
거의 모든 수익이 극소수의 특이치 날짜에서 발생했습니다. 가장 좋은 몇 날을 제외하면 수익 곡선은 평평해지거나 마이너스로 돌아섭니다. 이 전략은 시간 전반에 걸쳐 우위를 가진 것이 아니라, 몇 번의 대박을 터뜨리고 그 여파에 편승했을 뿐입니다. 우리는 수익이 가장 높은 상위 일수를 제거하고 다시 시뮬레이션을 실행하여 이를 검증합니다. 진정한 우위는 상위 10%를 잃어도 살아남지만, 복권 당첨은 그렇지 않습니다. 테일 집중형 수익은 우리가 가장 흔히 거절하는 세 번째 이유이며, 표면상의 수익률이 눈부시게 보이기 때문에 가장 유혹적입니다. 문제는 그런 날들을 미리 계획할 수 없다는 점이며, 실제 거래에서는 갭, 시스템 중단, 또는 불량 체결로 인해 가장 큰 수익을 놓치는 경우가 흔합니다. 5개의 상승 캔들에 의존하는 수익 곡선은 시스템이 아닙니다.
해당 전략은 이론상으로는 확실한 우위를 가졌으나, 실제 스프레드, 수수료, 슬리피지가 그 우위를 통째로 잠식해 버렸습니다. 총수익은 플러스지만 순수익은 마이너스인 경우죠. 이는 모두가 가장 치명적인 실패로 예상하는 유형입니다. 하지만 실제로는 그렇지 않습니다. ‘비용 치명적’은 우리가 전략을 기각하는 네 번째로 흔한 이유일 뿐입니다. 거래 비용이 좋은 시스템을 조용히 죽인다는 더 많이 회자되는 이야기는 사실이지만 과장된 면이 있습니다. 애초에 잃을 우위조차 없었던 전략이 훨씬 더 많았습니다. 비용이 치명적인 경우, 그 원인은 대개 시간대 때문입니다. 막대(bar)가 짧을수록 스프레드의 영향이 더 커집니다. 15분 미만의 외환(FX) 전략은 여기서 너무나 확실하게 실패하기 때문에, 우리는 더 이상 30분 차트보다 짧은 시간대의 외환이나 CFD 전략을 테스트하지 않습니다. 시스템이 방향성을 정확히 예측했더라도, 자체 거래 비용 때문에 매달 손실을 볼 수 있습니다.
매개변수를 충분히 조정하면 어떤 전략이든 과거 데이터에 완벽하게 부합하게 될 수 있으며, 이는 다시는 반복되지 않을 무작위 잡음까지 포함됩니다. 이것이 바로 커브 피팅입니다: 이미 지나간 과거에 최적화된 시스템입니다. 인샘플(in-sample)에서는 흠잡을 데 없이 보이지만, 한 번도 접해본 적 없는 데이터에서는 무너져 내립니다. 그 징후는 바로 취약성입니다. 설정값 하나를 살짝만 조정해도 아름다운 곡선은 산산조각 난다. 시스템은 과거 데이터를 암기했을 뿐, 규칙을 학습한 것이 아니다. 우리는 최적화 도구가 한 번도 다루지 않은 연도와 금융상품에 대해 아웃오브샘플 테스트를 수행함으로써 이를 방지한다. 순수한 과적합 사례는 생각보다 적습니다. 대부분의 과적합 시스템은 애초에 진정한 우위를 갖지 못하고, 단지 잘 맞춘 듯한 신기루에 불과하기 때문에, 초기 검증 단계에서 이미 걸러지기 때문입니다. 14개의 조정된 입력 변수를 가진 전략은 우위를 찾지 못한 것입니다. 그저 기억하고 있을 뿐입니다.
백테스트는 거래가 이루어지는 시점에는 아직 존재하지 않았을 정보를 사용합니다. 당일 종가에 계산되었지만 당일 시가에 실행되는 신호. 과거 바를 은밀하게 수정하는 리페인팅 지표. 그 결과, 실제로는 절대 거래할 수 없었던 곡선이 만들어집니다. 룩어헤드는 가장 설득력 있는 가짜 결과를 만들어내기 때문에 백테스팅에서 가장 위험한 결함입니다. 저희 프로세스에서는 수치 분석에서 살아남은 모든 전략에 대해 두 번째 검토 단계를 거치며, 이때 가장 강력한 모델이 바로 이것—미리 엿본 체결, 미래에서 유출된 값—을 적대적으로 추적합니다. 이는 ‘노-엣지(no-edge)’보다 거부되는 전략의 비중은 작지만, 훨씬 더 큰 대가를 치르게 됩니다. 왜냐하면 이 전략들은 실제로 거래에 들어가기 전까지는 가장 훌륭해 보이다가, 막상 거래를 시작하면 무너져 내리기 때문입니다.
데이터를 섞거나, 거래 순서를 무작위로 바꾸거나, 신호를 뒤섞은 다음, 우위가 유지되는지 확인합니다. 만약 전략이 실제 시계열에서와 마찬가지로 노이즈 데이터에서도 똑같이 좋은 성과를 보인다면, 그 결과는 단순한 운이었습니다. 이는 대부분의 발표된 백테스트에서 완전히 생략되는 위약 대조군 테스트입니다. 우리는 모든 전략에 대해 이 테스트를 수행합니다. 수익성이 있어 보였던 상당수의 시스템은 타이밍이 무작위화되는 순간 무너집니다. 패턴이 시장이 아닌 모델링 과정에서만 존재했기 때문입니다. 순열 검정은 화려하지도 않고, 예쁜 곡선들을 많이 사라지게 만듭니다. 바로 그 이유 때문에 이 과정이 분석 파이프라인에 반드시 포함되어야 합니다. 만약 여러분의 전략이 무작위로 섞인 자신의 버전조차 이기지 못한다면, 그것은 우연의 일치를 발견하고 이를 시스템이라고 명명한 것에 불과합니다. 실행 비용은 저렴하지만, 실패하면 그 대가는 혹독합니다.
한 바(bar)가 가격 범위를 포괄할 때, 백테스터는 그 범위 내에서 고가, 저가, 시가, 종가가 발생한 순서를 결정해야 합니다. 이 순서를 잘못 판단하면, 트레일링 스톱이나 바 내 매도 주문이 해당 순서에서는 절대 발동되지 않았을 가격에 체결됩니다. 바로 이 지점에서 많은 트레일링 스톱 시스템이 은밀하게 부정행위를 저지릅니다. 순진한 바별(bar-by-bar) 가정은 실제 거래에서는 포착할 수 없었던 청산 시점을 그들에게 제공해 줍니다. 우리는 그 격차를 측정해 보았습니다. 바별 체결 방식은 현실적인 바 내 모델에 비해 트레일링 스톱 전략의 성과를 42~84% 과대평가합니다. 이는 단순한 반올림 오류가 아닙니다. 일부 시스템의 경우, 이러한 과대평가가 바로 판매되는 상품 그 자체입니다. 경쟁 우위는 캔들 내부의 가정에만 존재하며, 실제 티크 데이터와 마주치면 사라집니다.
트레이딩 및 백테스팅 용어
매번 손실이 발생할 때마다 포지션을 두 배로 늘려 다음 승리로 모든 손실을 만회한 뒤, 다시 시작하는 전략입니다. 이론상으로는 손실을 인정하지 않기 때문에 계좌 잔고가 꾸준히 증가하는 것처럼 보입니다. 실제로는 연패가 이어질 때마다 포지션 규모가 기하급수적으로 증가하다가, 결국 한 번의 연패로 계좌 자금이 바닥나게 됩니다. 마틴게일은 용어를 명시하든 그렇지 않든, 대부분의 그리드 및 DCA 봇의 핵심 원리입니다. 이것이 바로 이 봇들이 거의 완벽한 승률을 보이다가 단 한 번의 추세에 휩쓸려 무너지는 이유입니다. 우리는 선물, 외환, 암호화폐 시장에서 76개의 그리드, DCA, 마틴게일 시스템을 테스트했습니다. 모든 시스템이 실패했으며, 100% 불합격률을 기록했는데, 이는 전체 감사에서 유일하게 이 같은 결과를 보인 범주였습니다. 이 수학적 문제는 그리드 폭을 넓히는 등 조정만으로 해결할 수 있는 문제가 아닙니다. 설계 자체의 문제입니다.
그리드는 시장의 등락폭을 활용하기 위해 고정 간격으로 매수 및 매도 주문 사다리를 배치합니다. 횡보 구간에서는 꾸준한 소폭 수익을 기록하며 막을 수 없는 것처럼 보입니다. 그러다 시장이 추세로 전환되면 사다리의 손실 구간이 쌓이기 시작하고, 개방 드로다운이 그리드가 지금까지 기록한 모든 수익을 앗아갑니다. 우리는 세 가지 자산군에 걸쳐 실제 매수/매도 호가를 바탕으로 76개의 그리드 및 DCA 시스템을 테스트했습니다. 모든 시스템이 실패했으며, 실패율은 100%였고, 살아남은 시스템은 단 하나도 없었습니다. 이는 이번 감사에서 가장 극명한 단일 결과였습니다. 실패의 원인은 잘못된 설정이 아닙니다. 이는 구조적인 문제입니다. 그리드는 변동성을 숏 포지션으로 잡고 희망을 롱 포지션으로 잡는 방식이며, 결국 변동성이 대가를 치르게 만듭니다. 깔끔해 보이던 자산 곡선은 더 이상 유지되지 않는 그날까지 실재합니다.
투자에서 달러 코스트 애버리징(DCA)은 일정 기간 동안 고정된 금액을 매수하는 것을 의미하며, 이는 합리적이면서도 지루한 습관입니다. 하지만 트레이딩 봇 세계에서는 이 용어가 원래의 의미를 벗어나 사용되고 있습니다. 여기서 DCA는 이미 손실을 보고 있는 포지션에 대해 평균 단가를 낮추기 위해, 가격이 하락할 때마다 더 매수하여 진입 가격을 낮추는 것을 의미합니다. 이는 품위 있는 이름을 빌린 마틴게일 전략에 불과합니다. 봇이 높은 승률을 보이는 이유는 가격이 결국 반등할 때까지 포지션을 유지하고 매수를 추가하여, 표면적으로는 흑자로 마감하는 동안 숨겨진 손실이 조용히 불어나기 때문입니다. 우리는 이 전략들을 그리드 전략과 함께 테스트했습니다: 76개의 시스템 중 실제 비용을 고려했을 때 단 하나도 성공하지 못했습니다. 손실 포지션에 평균 매수하는 전략은 손실이 계속되는 동안만 효과가 있으며, 시장은 당신의 평균 가격에 맞춰 반등해 줄 의무가 없습니다. 항상 이기는 전략은 대개 청산하지 않는 거래 속에 손실을 숨기는 전략입니다.
승률은 매도 시 수익이 난 거래의 비율을 말합니다. 이는 모든 전략 판매자가 가장 먼저 인용하는 지표이자, 그들이 선택할 수 있는 가장 오해의 소지가 큰 지표이기도 합니다. 어떤 시스템은 95%의 승률을 기록하더라도, 드문 손실이 모든 작은 수익을 삼켜버릴 만큼 크다면 확실한 패배자가 될 수 있습니다. 바로 그 격차가 마틴게일과 그리드 전략의 핵심 속임수입니다. 평균 매수(DCA)를 통해 손실을 줄이려 하고 적자 포지션을 청산하지 않음으로써, 봇은 화려한 승률을 만들어내지만 단 한 번의 나쁜 추세만으로도 계좌를 탕진시켜 버립니다. 높은 승률은 설계상의 선택일 뿐, 경쟁 우위가 아닙니다. 우리가 주목해야 할 것은 수익이 난 거래에서 얻은 수익과 손실이 난 거래에서 발생한 손실의 비교이며, 이는 오픈 드로다운 기간 전반에 걸쳐 분석되어야 합니다. 단순히 수익이 난 거래의 비율에 주목해서는 안 됩니다. 99% 승률을 광고하는 어떤 봇에게든, 최악의 단일 손실이 어느 정도인지 물어보세요.
드로우다운은 순자산의 최고점에서 다음 최저점까지의 하락폭, 즉 새로운 최고점을 기록하기 전까지 손실 상태가 얼마나 깊어졌는지를 백분율이나 통화 단위로 측정한 값입니다. 이는 시스템이 파산하거나 청산되지 않고 실제로 유지될 수 있었는지를 알려주는 수치입니다. 청산된 거래의 드로우다운은 정직합니다. 미청산 포지션의 드로우다운은 그리드 및 DCA 봇이 실적을 숨기는 부분입니다. 이 봇들은 손실 포지션을 청산하기를 거부하기 때문에, 장부에 기록된 순자산은 매끄러워 보이지만 실제로는 장부에 여전히 남아 있는 미청산 포지션에서 미실현 손실이 급증하고 있습니다. 거래 내역에는 끊이지 않는 연승 기록이 나타나더라도 계좌 잔고는 재앙적인 수준으로 떨어질 수 있습니다. 우리는 보기 좋은 청산 곡선이 아닌, 미청산 드로다운을 측정합니다. 100%에 가까운 승률과 계좌를 파산시킬 수 있는 드로다운은 단지 두 가지 방식으로 설명된 동일한 전략일 뿐입니다.
슬리피지는 예상 가격과 실제 체결 가격 사이의 차이를 말합니다. 시장은 결정 시점부터 체결 시점까지 변동하며, 그 차이는 거래가 이루어질 때마다 계좌에서 빠져나갑니다. 대부분의 백테스트는 신호 가격과 정확히 동일한 가격에 체결된다고 가정하지만, 실제 브로커 중 누구도 그런 혜택을 주지 않습니다. 이를 정직하게 모델링하면, 얇은 시장, 빠른 속도, 또는 짧은 시간 프레임의 시스템은 애초에 여유로 삼을 수 없었던 경쟁 우위의 상당 부분을 잃게 됩니다. 슬리피지는 스프레드와 수수료와 함께, 총수익은 양수였으나 순수익은 음수였던 시스템—즉, 비용 문제로 인해 치명적인 결함을 보인 시스템들—을 낳는 세 가지 비용 중 하나입니다. 슬리피지는 거래 빈도가 높고, 미결제 잔고에 비해 거래 규모가 클 때 가장 큰 타격을 줍니다. 무료라고 가정했던 체결 가격은, 실제 거래에서는 결코 상환되지 않을 곡선에서 빌려온 숫자에 불과합니다.
스프레드는 최상의 매수 호가와 최상의 매도 호가 사이의 차이를 말합니다. 매수는 더 높은 가격에, 매도는 더 낮은 가격에 이루어지며, 그 차액은 승패와 관계없이 매 거래 시마다 지불하는 비용입니다. 수천 번을 반복하기 전까지는 사소한 문제로 보일 수 있습니다. 우리는 종가에 고정된 단순한 가정이 아닌, 실제 호가 데이터를 기반으로 이를 모델링합니다. 시간 단위가 짧을수록 그 영향은 더 크게 나타납니다. 15분 미만의 외환 거래는 거의 전적으로 스프레드로 인해 무너지는데, 수익성은 존재하지만 이를 실현하는 데 드는 비용보다 작기 때문입니다. 이것이 바로 저희가 30분 차트 미만의 외환 및 CFD 전략 테스트를 중단한 이유입니다. 중간 가격을 기준으로 백테스트를 수행하면 이 비용이 은연중에 제거되지만, 실제 계좌에서는 그렇지 않습니다.
틱 데이터는 매 순간의 실제 매수 호가와 매도 호가를 반영한 개별 호가 및 거래 내역으로, 막대 하나당 한 번씩 샘플링된 단일 가격이 아닙니다. 이는 정확한 비용 모델링에 실제로 필요한 원자료입니다. 정돈된 캔들 종가를 기준으로 백테스트를 수행하면 실제로 지불하게 될 스프레드나 실제로 체결될 가격을 결코 확인할 수 없습니다. 외환(FX)의 경우, 실제 매수/매도 호가를 반영한 틱 데이터를 사용하므로 스프레드와 슬리피지는 추측이 아닌 정확한 수치로 측정됩니다. 선물의 경우, 13년 치 CME 데이터를 분석합니다. 이 차이는 단순한 이론적 문제가 아닙니다. 캔들 중간 가격을 기준으로 청산하는 시스템이라도, 모든 진입 및 청산 시점에 실제 비용을 반영하는 순간 손실 상태가 될 수 있습니다. 값싼 데이터는 값싼 답만 제공합니다. 비용 모델이 추측에 불과하다면, 전략에 대한 평가 역시 추측에 불과합니다.
워크포워드 테스트는 과거 데이터의 한 구간에서 전략을 조정한 후, 이전에 본 적 없는 다음 구간에서 테스트하고, 이 창을 시간의 흐름에 따라 앞으로 이동시킵니다. 아웃-오브-샘플이 바로 핵심입니다. 만약 우위가 실재한다면, 최적화 도구가 미리 엿볼 수 없었던 데이터에서도 효과가 나타나야 합니다. 만약 해당 전략이 튜닝에 사용된 연도에서만 뛰어난 성과를 보인다면, 그것은 단순히 노이즈를 암기했을 뿐입니다. 이것이 진정한 규칙과 화려하게 포장된 우연을 구분해 주는 검증 단계이며, 결과를 더 나쁘게 보이게 만들기 때문에 대부분의 공개된 백테스트에서 생략하는 부분입니다. 우리는 어떤 튜닝 과정에서도 제외된 연도와 금융상품에 대해 테스트합니다. 테스트 전에 정답을 미리 알아야 하는 전략은 예측이 아닙니다. 진정한 우위는 그런 면에서 지루합니다. 그 우위는 아무도 그 전략에 맞춰 훈련시키지 않은 데이터에서도 계속 효과를 발휘합니다.
선물 계약은 만기가 도래하므로, 여러 해에 걸쳐 백테스트를 수행하려면 만기되는 계약을 다음 계약에 이어 붙여 하나의 연속적인 시계열로 만들어야 합니다. 이 작업을 부주의하게 수행하면, 실제 트레이더가 결코 실현하지 못한 롤오버 시점마다 유령 같은 갭이나 수익이 발생하게 됩니다. 백조정을 통해 이음새가 매끄럽게 보이도록 기존 데이터를 이동시키면 차트는 정리되지만, 방법을 소홀히 처리하면 과거 가격이 마이너스로 바뀌거나 수익률 백분율이 왜곡될 수 있습니다. 이는 눈에 띄지 않는 데이터 함정입니다. 전략이 수익을 낸 것처럼 보이지만, 실제로는 시계열을 이어 붙인 방식에서 비롯된 인공적인 결과일 뿐입니다. 저희는 13년 치 CME 선물을 분석하며 롤오버를 신중하게 처리합니다. 부실한 연결은 아무것도 아닌 곳에서 우위를 만들어낼 수 있기 때문입니다. 백테스트에 사용하는 계약은 실제로 거래할 수 있었던 계약과 일치해야 합니다.
감사 관련 추가 용어
샤프 지수는 트레이더들이 분석의 엄밀성을 강조하기 위해 자주 인용하는 수치로, 위험 단위당 수익률을 하나의 명확한 수치로 나타냅니다. 또한 트레이딩에서 가장 쉽게 과대평가되기 쉬운 수치 중 하나이기도 합니다. 샤프 지수는 위험 단위당 수익률을 측정합니다. 즉, 전략의 평균 수익률에서 무위험 금리를 뺀 값을 해당 수익률의 변동성으로 나눈 값입니다. 급격한 등락을 보이며 연간 20%의 수익을 올리는 전략은, 안정적으로 12%의 수익을 올리는 전략보다 낮은 점수를 받을 수 있습니다. 이 지표는 바로 그 변동성을 반영하기 위해 존재합니다.
다중 검정(Multiple testing) 때문에, 훌륭한 백테스트 결과가 감사 과정에서 가장 놀랍지 않은 결과로 여겨집니다. 충분한 수의 전략을 테스트하면 우연만으로 수익성이 있어 보이는 전략이 몇 개는 나오기 마련입니다. 문제는 그런 전략을 찾았느냐가 아니라, 넘은 기준이 의미 있는 수준만큼 충분히 높았느냐입니다. 전략 하나를 테스트하면 동전 던지기보다 약간 높은 승률만으로도 우위(edge)가 있는 것처럼 보입니다. 천 가지 전략을 테스트하면, 우연만으로도 그중 몇 가지는 여유 있게 그 기준을 넘을 것입니다. 그중 어느 것도 진정한 우위를 발견한 것은 아닙니다. 누군가는 복권에 당첨된 것과 마찬가지입니다. 다중 검정(데이터 스누핑이라고도 함)은 이러한 시도 횟수가 유의성 계산에서 제외될 때 발생하는 현상입니다. 백테스트의 일반적인 합격/불합격 기준선인 t-통계량 2 근처의 값은 한 번에 하나의 아이디어만 테스트할 때를 위해 설정된 것입니다. 같은 기준선을 적용해 천 가지 아이디어를 테스트하면, 분석조차 시작하기도 전에 오탐이 실제 신호보다 더 많아집니다.
리페인팅 지표는 실시간에 표시된 것과는 다른 과거 기록을 보여줍니다. 거래를 실행한 시점은 대개 뒤돌아볼 때쯤이면 이미 가격이 움직인 후입니다. 리페인팅 지표는 오늘 차트에는 한 가지를 보여주다가 내일 같은 봉에서는 다른 것을 보여주는데, 그 사이에 코드가 변경된 적은 없습니다. 화요일 종가 시점에 완벽한 저점을 표시했던 화살표는 목요일이 되면 위치가 바뀌거나 사라질 수 있는데, 이는 화살표가 처음 나타났을 때 그 배후의 계산이 완료되지 않았기 때문입니다. 실시간으로 보았던 것과 현재 기록에 나타나는 것은 동일한 캔들에 대한 두 가지 서로 다른 기록입니다.
수익 계수는 총 수익을 총 손실로 나눈 값으로, 단 하나의 거래 규칙도 변경하지 않고도 부풀리기 가장 쉬운 백테스트 지표 중 하나입니다. 수익 계수는 총 수익을 총 손실로 나눈 값입니다. 모든 수익 거래를 합산하고, 모든 손실 거래를 합산한 뒤, 전자를 후자로 나누면 됩니다. 크로스 1.0 전략은 적어도 이론상으로는 손실보다 더 많은 수익을 냈습니다. 이 수치는 계산하기 쉽고, 판매 페이지에 쉽게 내세울 수 있는 하나의 지표일 뿐입니다.
이것이 바로 전략들이 ‘The No List’에 오르는 이유입니다 — 전체 감사 결과, 모든 전략의 명단, 판정 결과, 그리고 해당 전략이 선정되거나 탈락한 정확한 사유가 담겨 있습니다.
'The No List' 확인하기 →