전략의 근거를 먼저 확인하고,실패 조건을 찾습니다.
수익률은 결과일 뿐입니다. AlgoRover는 출처, 데이터 기간, 비용 가정, 재현 결과와 스트레스 테스트를 한 기록에 보관해 결과가 어디서 왔고 어디서 실패할 수 있는지 보여 줍니다.
전략을 검토하는 순서
가장 좋아 보이는 결과만 남지 않도록 모든 전략에 같은 순서를 적용합니다.
- 결과: 추적 가능한 전략 버전
출처와 버전 기록
제작자, 연구 출처, 코드 또는 패키지 버전과 매개변수 범위를 보관합니다.
- 결과: 비교 가능한 백테스트 가정
기준선 설정
데이터 기간, 주기, 초기 자본, 수수료, 슬리피지와 아직 반영하지 않은 비용을 기록합니다.
- 결과: 반복 확인 가능한 결과
과거 결과 재현
종료된 과거 데이터로 같은 설정을 실행하고 수익률, 낙폭과 위험 조정 지표를 보관합니다.
- 결과: 알려진 한계와 실패 조건
의도적으로 압박
표본 내외 결과를 비교하고 비용과 실행 지연을 높이며 불리한 시장 환경을 분리합니다.
스트레스 테스트에서 실제로 바꾸는 것
같은 백테스트를 반복하는 대신 기준선에 유리했던 가정을 의도적으로 약화합니다.
| 검토 항목 | 기준 기록 | 압박 조건 | 확인할 질문 |
|---|---|---|---|
| 데이터 | 표본 기간과 시장 주기 | 표본 외 데이터와 다른 기간 | 기간이 달라도 결과가 재현되는가? |
| 비용 | 수수료, 슬리피지와 펀딩 가정 | 더 높은 마찰과 누락 비용 | 현실적인 마찰을 견딜 수 있는가? |
| 실행 | 신호 빈도와 체결 조건 | 지연, 미체결과 불리한 체결 | 현실 제약에서도 실행 가능한가? |
| 시장 환경 | 추세, 변동성과 유동성 | 불리하거나 극단적인 환경 | 특정 시장 상태에만 의존하는가? |
지표의 계산 기준부터 통일합니다
이름이 같아도 계산 방식은 다를 수 있습니다. 정의가 공개되어야 전략을 비교할 수 있습니다.
- Return
- 초기 자산 대비 최종 자산의 순변화입니다.
- Sharpe
- 주기 수익률 평균을 변동성으로 나눠 연환산하며 현재 기준 무위험 수익률은 0입니다.
- Max Drawdown
- 자산 곡선의 고점 대비 가장 큰 하락폭입니다.
- Win Rate
- 개별 거래 승률이 아니라 포지션 보유 구간 중 수익 구간의 비율입니다.
제3자 전략이 라이브러리에 등록되는 과정
공개 연구를 재구성한 전략은 원문 출처를 유지합니다. KOL이 제작해 제출한 맞춤 전략도 제작자와 버전을 보존하며, AlgoRover가 출처, 버전, 가정과 알려진 한계를 검토한 뒤에만 등록됩니다.
출처와 버전 제출
제작자, 원문 연구 출처, 코드 또는 전략 패키지 버전과 적용 가능한 매개변수 범위를 기록합니다.
검토·재현·스트레스 테스트
공통 기준선에서 과거 결과를 재현하고 비용과 데이터 누락을 확인하며 표본 외 성과와 실패 조건을 테스트합니다.
명확한 출처 상태와 함께 등록
제3자 표기를 유지하고 확인된 범위, 미확인 항목과 알려진 한계를 공개하며 AlgoRover의 독립 검증 성과로 소개하지 않습니다.
스트레스 테스트는 취약성을 드러내지만 안전을 증명하지 않습니다.
생존자 편향, 모델 위험과 미래 시장 변화를 제거할 수 없으며 사용자의 포지션 규모나 실행 여부를 대신 결정하지 않습니다. 숨겨진 의존 조건을 확인 가능한 사실로 만드는 것이 목적입니다.