15.1 백테스트에서 운영 규칙으로

예측 점수와 주문 승인 사이에 한도 두기

예측 모델이 순자산 1억 원인 계좌에 매수 1억 원과 매도 1억 원을 제안했다고 하자. 방향을 더한 순노출은 0원이지만, 절댓값을 합친 Gross Exposure(총노출)는 2억 원이다. 매수 종목이 하락하고 매도 종목이 상승하면 두 쪽에서 모두 손실이 날 수 있다. 그날 총노출 상한이 순자산의 150%라면, 비중을 같은 비율로 줄이는 규칙에서 양쪽 주문의 목표는 각각 7,500만 원이다.

주문 단계	백테스트에서 확인하는 값	운영에서 추가로 집행하는 규칙
비중 결정	예측 점수와 최적화 비중	종목·업종·요인별 상한과 승인 비중
주문 송신	목표 비중과 가정한 체결가	총노출 상한, 시장 상태에 따른 축소
손실 발생	손익과 낙폭	사전에 정한 감축·중단 단계
장애 발생	전략 수익률 계산 가능 여부	신규 주문 차단, 체결 대사와 담당자 호출

결정 시각을 고정하고 판단을 재현하기

오전 주문에는 전일 종가까지 확정된 수익률과 주문 전에 공개된 시장 지표를 사용할 수 있다. 오늘 종가를 포함해 계산한 변동성으로 오전 한도를 정하면 Look-ahead Bias(미래 정보 편향)가 들어간다. 데이터에 날짜만 저장하면 같은 날짜 안에서 발생한 이 순서 오류가 숨어 버린다.

1. ●전일 장 마감
   마감 수익률이 확정된다.↓
2. ●당일 주문 직전
   수신 완료된 데이터와 한도 버전으로 총노출을 150%까지 허용한다.↓
3. ●주문 후
   제안 비중, 승인 비중, 체결 결과를 각각 기록한다.

당일 장 마감 데이터는 이 오전 결정이 끝난 뒤에 확정된다.

Risk Term Sheet(위험 조건 명세서)에는 최대 낙폭, 총노출과 집중 한도, 중단 조건과 결정권을 적는다. 로그에는 입력의 관측·수신 시각, 규칙 버전, 원래 주문, 수정 주문과 체결을 남긴다. 담당자는 손실이 난 뒤 어떤 값이 어떤 조치를 일으켰는지 같은 순서로 복원한다. 데이터 오류, 과적합과 운영 장애는 예측의 검증 성적이 좋더라도 따로 감시해야 한다.