6.7 요약

거래 판단을 계산 규칙으로 남긴다

다음 시가부터 20거래일의 수익률을 예상할 때, 먼저 오늘까지 관측 가능한 자료에서 후보를 만든다. 세 필터는 관측 기간과 주문 지연이 라벨에 맞는지, 어떤 주문이나 위험 보상이 움직임을 설명하는지, 그 값으로 방향을 고를지 환경을 판단할지 정하는 데 쓰인다. 최근 수익률을 순위로 바꾸거나 되돌아올 앵커를 바꾸면 검증할 주장도 달라진다. 동일한 앵커의 잡음을 줄이는 평활에서는 반응 속도와 안정성을 비교한다.

같은 동인에서 출발한 지표는 특성군으로 모은다. 추세 점수가 여러 종류여도 모두 지속을 가정한다면 먼저 차이를 기록하고 비슷한 후보를 덜어 낸다. 가격·거래량 외에 선물 만기 구조, 옵션, 공시와 거시 자료를 쓸 때는 해당 값이 거래 판단 전에 도착했는지 확인한다.

환경을 결합할 때 후보와 관측 범위도 바뀐다

모멘텀을 변동성 상태와 결합하면 같은 종목도 거래를 멈추거나 금액을 줄일 수 있다. 변동성 문턱 아래에서만 거래하면 표본과 회전율이 바뀌고, 위험으로 나눈 점수는 주문 크기를 바꾼다. 낮은 상태와 높은 상태를 따로 시험하면 후보 수가 늘어난다. 각 조합의 시도 횟수, 검증 구간별 부호, 비용 뒤 성과를 남기고 검증에 쓰지 않은 기간에서 다시 평가한다.

다음 모델 단계에 전달하는 것은 재현 가능한 후보 묶음이다. 이름과 버전, 입력의 공개 시각, 관측 창과 계산 규칙, 역할과 동인, 실패 조건, 검증 결과와 제외 이유를 함께 둔다. 이 기록이 있어야 5장의 단일 특성 점검으로 돌아가거나 여러 특성을 같은 조건에서 비교할 수 있다.

과거 값을 모으는 계산으로 보이지 않는 경우

같은 기간 수익률이라도 중간 경로는 다를 수 있다. 오늘의 변동성이 같아도 어제 충격이 가라앉는 속도는 다를 수 있다. 반복 주기, 잠재 상태, 충격의 지속과 경로 구조가 필요한 경우에는 해당 구조를 드러내는 변환이나 추정 모델을 사용한다. 학습이 필요한 절차에서는 관측 시점뿐 아니라 파라미터를 추정한 시점도 보관한다. 과거 학습 구간에서 적합한 버전을 다음 검증 구간에 적용하고, 운영 중에는 특성 분포와 예측 관계가 달라지는지 추적한다.