랜스 최적화 전략 평가 (MACD + Heikin Ashi)

개요

인터넷에서 공유되는 "랜스 최적화" 전략에 대한 비판적 분석.

전략 구성요소

• 최적화된 MACD
• Heikin Ashi 캔들
• Range 기반 변동성 (최근 변동폭 평균)
• 고정 임계치 (±100 / ±150)

🔍 구성요소별 분석

1. MACD 최적화

MACD의 한계

- 추세 시작 후에야 신호 발생 (지연)
- 횡보장에서 빈번한 휩소 (Whipsaw)
- 최적 파라미터는 시장마다, 시기마다 다름

2. Heikin Ashi (하이킨 아시)

Heikin Ashi 계산

HA_Close = (Open + High + Low + Close) / 4
HA_Open = (이전 HA_Open + 이전 HA_Close) / 2
HA_High = Max(High, HA_Open, HA_Close)
HA_Low = Min(Low, HA_Open, HA_Close)

문제점

실제 가격: 100 → 105 → 103 → 108
HA 가격:   100 → 102.5 → 103.5 → 105
                  ↑
           실제 고점을 놓칠 수 있음

3. Range 기반 변동성

ATR과의 차이

Range = High - Low (당일만)
True Range = Max(High-Low, |High-이전Close|, |Low-이전Close|)
           ↑
    갭 발생 시 더 정확

4. 고정 임계치 (±100 / ±150)

왜 고정 임계치가 문제인가?

삼성전자 (7만원대): 일일 변동 ±2,000원
테슬라 (200달러대): 일일 변동 ±10달러
비트코인 (5만달러대): 일일 변동 ±2,000달러

→ 같은 ±100 임계치가 모든 자산에 적용될 수 없음

⚠️ 종합 평가

주요 문제점

┌─────────────────────────────────────────────────────────────┐
│                      핵심 우려 사항                          │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  1. 과최적화 (Curve Fitting) 위험                          │
│     └── "최적화된 MACD"는 과거에만 잘 맞을 가능성          │
│     └── 특정 기간의 데이터에 과적합                        │
│                                                             │
│  2. 지연 지표의 중첩                                        │
│     └── MACD(지연) + Heikin Ashi(지연) = 더 큰 지연        │
│     └── 추세 전환점 포착 어려움                            │
│                                                             │
│  3. 고정 임계치의 취약성                                    │
│     └── ±100/±150는 어떤 종목? 어떤 시장?                  │
│     └── 변동성 높은 시장 vs 낮은 시장에서 다르게 작동      │
│     └── 시장 환경 변화에 적응 불가                         │
│                                                             │
│  4. 이론적 근거 부재                                        │
│     └── "왜 이 조합이 작동하는가?"에 대한 설명 부족        │
│     └── 각 요소의 시너지 효과 불분명                       │
│                                                             │
│  5. 검증 부재                                               │
│     └── Walk-Forward 검증 결과 없음                        │
│     └── 다양한 시장 상황 테스트 결과 없음                  │
│                                                             │
└─────────────────────────────────────────────────────────────┘

📊 에드워드 소프 관점 (Edge 분석)

에드워드 소프(Edward Thorp)의 "에지(Edge)" 개념으로 평가:

에지가 있으려면?

1. 정보 우위: 다른 사람이 모르는 정보 → ❌ 공개된 지표
2. 분석 우위: 같은 정보를 더 잘 분석 → ❓ 불분명
3. 행동 우위: 감정 없이 일관된 실행 → ✅ 가능하지만 전략 자체와 무관
4. 구조적 우위: 시장 구조적 비효율성 → ❌ 없음

🔴 인터넷 전략의 일반적 문제

왜 인터넷 전략을 믿으면 안 되는가?

1. 생존 편향 (Survivorship Bias)
   └── 실패한 전략은 공유되지 않음
   └── 성공 사례만 보임

2. 확증 편향 (Confirmation Bias)
   └── 전략이 맞은 경우만 기억/공유
   └── 틀린 경우는 무시

3. 과최적화된 파라미터
   └── 특정 기간에만 잘 작동
   └── 미래에는 작동 안 함

4. 거래 비용 미반영
   └── 수수료, 슬리피지, 세금 무시
   └── 실제로는 손실

5. Out-of-Sample 검증 없음
   └── 학습 데이터로만 테스트
   └── 새로운 데이터에서 실패

인터넷 전략의 99%는...

"과거 데이터에 곡선을 맞춘 것 (Curve Fitting)"

백테스트 수익률: +150%
실제 운용 수익률: -20%

왜?
→ 과거는 미래를 보장하지 않음
→ 최적화된 파라미터는 미래에 작동 안 함

✅ 이 전략을 사용하려면?

필수 검증 단계

1. Walk-Forward 검증

[2018-2020: IS 최적화] → [2021: OOS 테스트] → 성과 기록
[2019-2021: IS 최적화] → [2022: OOS 테스트] → 성과 기록
[2020-2022: IS 최적화] → [2023: OOS 테스트] → 성과 기록

OOS 성과가 IS의 50% 미만이면 → 폐기
모든 OOS가 양수가 아니면 → 폐기

2. 파라미터 민감도 분석

# MACD 파라미터 변경 테스트
results = []
for fast in [10, 11, 12, 13, 14]:
    for slow in [24, 25, 26, 27, 28]:
        for signal in [7, 8, 9, 10, 11]:
            result = backtest(fast, slow, signal)
            results.append(result)

# 성과 편차가 크면 → 불안정한 전략
std_dev = np.std([r.return for r in results])
if std_dev > 10:  # 10% 이상 편차
    print("⚠️ 파라미터에 민감한 불안정 전략")

3. 다양한 시장 상황 테스트

4. 고정 임계치 → 동적 임계치

# ❌ 나쁜 예: 고정값
threshold = 100

# ✅ 좋은 예: 변동성 기반
threshold = ATR_20 * 2.5

# ✅ 더 좋은 예: 백분위 기반
threshold = np.percentile(abs(macd_history), 90)

💡 개선 제안

만약 이 전략을 쓰고 싶다면?

대안 전략

더 신뢰할 수 있는 접근법:

1. 단순한 전략 (Simple is better)
   └── 골든크로스 (20/60일)
   └── RSI 과매도/과매수

2. 팩터 기반 전략
   └── 모멘텀 + 가치 결합
   └── 학술적으로 검증됨

3. 자산 배분 전략
   └── 듀얼 모멘텀
   └── 올웨더 포트폴리오

📋 결론

🎯 핵심 교훈

"인터넷에서 본 전략은 99% 과최적화된 것이다"

"Walk-Forward 검증을 통과하기 전까지는 실제 자금 투입 금지!"

"단순한 전략이 복잡한 전략보다 더 강건하다"

참고

• Edward Thorp, "A Man for All Markets"
• Robert Pardo, "The Evaluation and Optimization of Trading Strategies"
• 에드워드 소프 에지 분석 (04_에드워드소프_에지분석.md 참조)
• Walk-Forward 검증 (09_워크포워드_검증.md 참조)