본문으로 건너뛰기
RAISE LABRAISE LAB

VIDEO NOTE

클로드 코드로 구축하는 트레이딩 전략 전진 분석 백테스팅 엔진

AI Pathways · 16분 · 고급 · 26. 11. 18. · 분야별 AX 사례 › 투자

YouTube 에서 보기 · AI Pathways (새 탭에서 열림)

단순 과거 데이터 전체를 대상으로 최적화하는 전통적 백테스팅은 과적합(커브 피팅) 함정에 빠져 실전에서 실패하기 쉽다. 영상에서는 VS Code 확장 프로그램 Claude Code를 활용해 12개월 학습과 3개월 블라인드 테스트를 순환 반복하는 전진 분석(Walk-Forward Analysis) 웹 앱을 구축한다. RSI 전략과 변동성 스케일드 모멘텀 전략을 검증하며, 수학적 복잡도와 무관하게 전진 분석으로 미래 구간 성과를 엄격히 검증해야 하는 이유를 보여준다.

핵심

  • 전체 기간 데이터를 한 번에 최적화하는 일반 백테스팅은 과거를 암기하는 과적합(Curve Fitting)을 유발한다.
  • 전진 분석(Walk-Forward Analysis)은 12개월 학습 구간에서 최적화한 매개변수를 3개월의 보지 못한 데이터에만 적용해 실전 생존력을 검증한다.
  • 소매 RSI 전략은 백테스트 수익률 199.2%를 보였으나, 전진 분석 블라인드 테스트에서는 5.8%로 급감했다.
  • Claude Code 프롬프트를 통해 Streamlit, Plotly, yfinance 기반의 인터랙티브 전진 분석 대시보드를 파이썬 코딩 없이 구현했다.
  • 미래 데이터를 참조하는 룩어헤드 편향(Look-ahead bias)을 막기 위해 필터 연산 시 filtfilt 대신 순방향만 연산하는 lfilter를 적용했다.
  • 버터워스 필터와 ATR 기반의 기관급 모멘텀 전략도 인샘플 수익률은 1505.9%에 달했으나 전진 분석 실현 수익률은 7.4%에 그쳤다.

RAISE LAB 에서 배우는 사람에게

Claude Code를 활용해 복잡한 금융 데이터 파이프라인과 대시보드 코드를 자동 생성하고, AI 에이전트가 흔히 범하는 룩어헤드 편향(look-ahead bias) 같은 도메인별 논리적 결함을 프롬프트로 통제하는 방식을 배울 수 있다.

챕터

  1. 0:00전통적 백테스팅의 한계와 과적합 함정 (새 탭에서 열림)
  2. 1:24전진 분석(Walk-Forward Analysis)의 동작 원리 (새 탭에서 열림)
  3. 4:43RSI 전략의 인샘플 환상과 아웃오브샘플 현실 비교 (새 탭에서 열림)
  4. 8:53VS Code에서 Claude Code 환경 설정 (새 탭에서 열림)
  5. 10:02전진 분석 엔진 구축을 위한 프롬프트 작성 및 실행 (새 탭에서 열림)
  6. 12:14버터워스 필터와 ATR 기반 모멘텀 전략으로의 고도화 (새 탭에서 열림)
  7. 14:36고도화된 전략의 전진 분석 결과 및 교훈 (새 탭에서 열림)

이 노트는 RAISE LAB 운영팀이 고른 영상을 AI(Gemini)가 보고 한국어로 정리한 것입니다. 영상의 저작권은 원작자에게 있고, 자막·대본은 싣지 않습니다. AI Pathways 원작자 채널 (새 탭에서 열림)

투자