5장 도입. 모델이 배울 문제 정하기

월요일 장이 끝난 뒤 연구자가 거래대금이 늘어난 종목을 발견했다. 화요일 시가에 매수할 수 있다면, 모델이 배울 결과는 화요일 진입 이후에 벌어지는 일이다. 월요일 종가에서 화요일 시가까지 이미 오른 부분을 정답에 넣으면 모델의 점수가 실제로 잡을 수 있는 수익보다 좋아 보일 수 있다.

이때 월요일까지 확인한 거래대금 변화는 Feature(특성)이고, 화요일 진입 이후의 결과는 Label(라벨)이다. 같은 거래대금을 사용해도 다음 날 수익률을 예측하는 일과 보유 중 손절선에 먼저 닿을지 예측하는 일은 서로 다른 학습 과제다.

1. ●월요일 장 마감
   확인한 거래 기록으로 입력을 만든다.↓
2. ●화요일 시가
   주문이 처음 체결될 수 있는 가격을 라벨의 출발점으로 삼는다.↓
3. ●청산 시점
   실제 보유 구간의 가격 변화로 라벨을 확정한다.↓
4. ●과거로 학습하고 이후로 평가
   기간별 예측력, 거래 비용, 후보 수와 작동 조건을 점검한다.

입력을 만들 수 있었던 시각과 정답이 확정된 시각을 구분한다.

모델에 넘기기 전에 확인할 것

연구자는 먼저 과거 학습 구간의 값만 보고 입력을 정리할 기준을 만든다. 이어 라벨이 실제 주문 시점에 맞는지, 여러 라벨이 같은 가격 변화를 반복해서 담는지 확인한다. 정답이 수익률처럼 연속적인 값일 때와 손절 여부처럼 몇 가지 범주일 때는 특성을 평가하는 기준도 달라진다.

여기서 Walk-forward Evaluation(워크포워드 평가)은 먼저 과거에 맞춘 뒤, 시간 순서대로 뒤에 오는 구간에서 확인하는 방법이다. 한 번의 학습·평가 묶음을 Fold(분할)라고 부른다. 한 해 동안 좋은 평균을 냈더라도 마지막 몇 달에 신호의 방향이 뒤집혔다면 분할별 결과를 봐야 그 변화를 찾을 수 있다.

좋은 점수를 낸 후보는 예상 비용, 거래 빈도와 주문을 받아 줄 유동성을 확인한다. 후보 수백 개 가운데 고른 결과라면 시험한 전체 후보 수도 기록한다. 마지막으로 거래대금이 늘어난 이유가 종목 고유의 수급인지, 시장 전체가 흔들려 거래량과 수익률이 함께 변했는지 구분할 검사를 설계한다. 이후 가격, 시계열 모델, 문서에서 새 특성을 만들 때도 같은 기준으로 검토한다.