「XYZ 시장에서 어떤 전략이 살아남는가」의 후속 분석이다. 앞선 글에서 도출했던 다음 행동을 실제로 비교했다. 원천 TradingBot Forward 기록에서 전략별 현재 XYZ 상태를 복원하고, 과거에 종료된 거래에서 정한 전략 적격 조건이 그다음 거래일에도 통하는지, 그리고 같은 종목·진입시각의 Smart Entry/Exit 변형이 무엇을 개선했는지를 검증했다.
XYZ는 시장의 미래 상승·하락을 예측하려는 모델이 아니다. 지금까지 시장이 어떻게 흘러왔고 현재 L1(15분)이 어떤 상태인가를 분류한 다음, 그 상태에서 어떤 전략이 유효하고 어떤 전략을 제한해야 하는가를 결정하는 기준이다. 따라서 이번 실험은 시장의 미래 방향 적중률이 아니라 전략×현재 시장 상태의 실제 Forward 순손익과 게이트 적용의 경제적 효과를 측정한다.
결과를 먼저 말하면, 과거에 잘 나온 XYZ 구역만 허용하는 일반적인 게이트는 새 거래일에서 실패했다. 반면 Smart Entry가 원형 전략의 좋은 거래를 선별한 증거는 발견됐다. 그래서 개선의 방향도 바뀐다. XYZ를 없애거나 단순한 전역 필터로 축소하지 않고, 전략별 XYZ 적합성 평가와 같은 레짐 내부에서의 진입 품질 판별을 연결해야 한다.
1. 제안에서 실험으로: 실제로 네 가지 비교를 수행했다
| 검증 | 수행한 비교 | 확인하려는 질문 |
|---|---|---|
| 전략×XYZ 순차 게이트 | 이전에 청산된 거래로 전략별 유효 구역 결정 → 다음 거래일 신호에만 적용 | 과거 고성과 구역이 새로운 날짜에도 유효한가 |
| 15분 상태 분류법 비교 | 같은 거래에 Sliding15 XYZ·XY·Z, Fixed15 XYZ, Rolling XYZ, 1H, L1+1H Z 사용 | 어느 현재 상태 표현 방식이 전략 선별에 실제로 도움이 되는가 |
| 동일 신호 진입·청산 비교 | 같은 코인, 15초 이내의 진입시각, 0.2% 이내 진입가격으로 원형과 변형 매칭 | 개선 원인이 좋은 기회의 선별인가 청산 정책인가 |
| 레짐×전략의 날짜별 재검증 | 눈에 띈 유리·불리 구역을 거래일별로 분해 | 여러 거래일에서 반복되는가, 우연한 한두 건인가 |
2026년 10월 12일 14:26 KST 기준, 유효하게 종료된 Forward는 117,514건이다. Sliding15·Fixed·Rolling·1H 등 필요한 상태 지문을 모두 가진 공통 비교 집단은 117,383건이며, 131건은 태그가 부족해 분류법 A/B에서 제외했다. 거래소 체결과 대조한 Actual은 71건, 그중 L1 상태 연결은 33건이었다.
주요 게이트 성능 평가는 10월 9·10·11일, 완전히 종료된 세 거래일을 대상으로 했다. 각 날짜를 평가하기 전에 그날 0시 이전에 이미 청산된 거래만 학습에 사용했다. 10월 12일은 하루가 완료되지 않은 상태이므로 별도 민감도 비교다.
이것은 실제 주문을 재실행하거나 다른 포지션으로 바꿔 투자한 백테스트가 아니라, 기존에 실제로 기록된 Paper Forward 후보들의 허용/제외 효과를 재생한 읽기 전용 연구다. 제외한 거래의 자금으로 새 거래를 만들었다고 가정하지 않는다.
2. 첫 번째 검증 결과: XYZ의 과거 양수 구역만 허용해도 손실이었다
비교하기 전에 게이트 규칙을 고정했다.
- 기본 허용: 해당 전략×현재 레짐의 과거 종료 거래 10건 이상, 서로 다른 거래일 2일 이상, 평균 순익 양수, PF 1 이상.
- 엄격 허용: 20건 이상, 거래일 3일 이상, 평균 순익 양수, PF 1.1 이상.
- 불리한 상태 제외: 15건 이상, 거래일 2일 이상, 평균 순익 −0.5% 이하, PF 0.85 미만인 조합의 다음 진입을 제외.
10월 9~11일에 나온 결과
| 적용 규칙 | 남은 거래 | 전체 대비 | 남은 거래 평균 순익 | PF |
|---|---|---|---|---|
| 기준: 모든 원형 신호 실행 | 63,900 | 100% | −0.415% | 0.325 |
| Sliding15 XYZ 기본 허용 | 989 | 1.55% | −0.460% | 0.267 |
| Sliding15 XYZ 엄격 허용 | 74 | 0.12% | −0.326% | 0.402 |
| Sliding15 XY 기본 허용 | 933 | 1.46% | −0.410% | 0.521 |
| Sliding15 Z 기본 허용 | 852 | 1.33% | −0.336% | 0.553 |
| Fixed15 XYZ 기본 허용 | 1,061 | 1.66% | −0.454% | 0.280 |
| Rolling XYZ 기본 허용 | 1,215 | 1.90% | −0.469% | 0.241 |
| 1H XYZ 기본 허용 | 632 | 0.99% | −0.430% | 0.338 |
| L1 XYZ + 1H Z 기본 허용 | 149 | 0.23% | −0.462% | 0.238 |
| Sliding15 XYZ 손실 구역 제외 | 61,653 | 96.48% | −0.413% | 0.327 |
실제로 확인한 결론은 명확하다. 전략별 과거 평균이 양수인 XYZ 칸만 선별해도 새 거래일에서 양수 수익으로 이어지지 않았다. Sliding15 기본 허용은 거래를 98.45%나 줄였는데도 평균 손실이 기존보다 커졌다.
엄격 허용은 손실의 크기가 줄었지만 전체의 0.12%, 74건만 남기고도 여전히 손실이었다. Core와 ML에서는 허용된 거래가 0건이었다. 이런 식으로 좋은 거래 기회까지 없애는 알고리즘을 성공한 전략 선별기라고 할 수 없다.
손실 레짐 Veto는 총 2,247건을 차단했고 그 안에는 손실 1,691건뿐 아니라 수익 556건도 있었다. 남은 거래 평균은 −0.415%에서 −0.413%로 아주 조금 개선됐지만 PF는 여전히 0.327이다. 손실을 피한 양과 놓친 이익을 함께 봐야 한다는 사실이 숫자로 확인됐다.
10월 12일 하루만 보면 거꾸로 보일 수도 있다
| 평가일 | 전체 신호 평균 | Sliding15 기본 허용 평균 |
|---|---|---|
| 10월 9일 | −0.379% | −0.436% |
| 10월 10일 | −0.375% | −0.450% |
| 10월 11일 | −0.482% | −0.490% |
| 10월 12일, 일부 시간 | −0.367% | −0.235% |
완료된 3일은 모두 악화, 미완료 1일은 상대적으로 개선이었다. 특정 한 날짜의 성적만 선택하면 XYZ 게이트를 좋다고도 나쁘다고도 마음대로 설명할 수 있다. 그 방식은 고도화가 아니라 결과를 보고 규칙을 고르는 과최적화다.
결정: XYZ80과 Sliding15의 현재 시장 상태 분류 기능은 유지한다. 다만 과거 양수 평균만으로 전 전략에 허용 구역을 자동 생성하는 방식은 채택하지 않는다. 이것은 XYZ가 무용하다는 결론이 아니라, 현재 표본에서 어떤 전략이 같은 XYZ 안에서 좋은 진입을 찾는지까지 봐야 한다는 결론이다.
3. 왜 단순 레짐 게이트가 실패했나?
첫째, 전략×80개 상태의 독립 증거가 너무 부족하다. 엄격 허용이 겨우 74건이고 L1 XYZ+1H Z의 엄격 허용은 0건이었다. 더 많은 레짐을 조합해 L2·L3을 만든다고 정보가 자동으로 늘어나지는 않는다. 대부분의 칸이 판단 불가능해질 뿐이다.
둘째, 거래 63,900행은 독립된 시장 기회 63,900개가 아니다. 이 기간의 거래는 종목×진입 분 기준 11,325개 시장 사건에 걸쳐 있다. 평균적으로 하나의 가격 움직임에 여러 전략 변형이 함께 반응했다. 같은 손실을 다른 전략 ID로 반복 집계하면 표본의 확실성이 과장된다.
셋째, XYZ는 그 안의 개별 진입 품질을 대체할 수 없다. 한 레짐에서 Breakout이 늦게 진입해 손실을 볼 수도 있고 다른 전략은 유리한 위치에서 진입할 수도 있다. 같은 전략 안에서도 Smart Entry가 허용한 신호와 그렇지 않은 신호의 성과가 다르다.
가장 중요한 문제는 ‘진입한 거래만 기준으로 평균 승률을 계산했다’는 것과 ‘진입을 제한해서 최종 자본성과를 개선했다’는 것 사이의 차이다. 앞으로는 수익 거래 누락, 차단된 손실, 체결 비용, 자본 재배분을 모두 포함해야 진짜 게이트의 우위를 평가할 수 있다.
4. 두 번째 검증 결과: Runner의 개선은 출구가 아니라 좋은 진입의 선택이었다
Runner Elevated Liquidity를 Smart Entry와 같은 진입 신호로 연결했다. 같은 종목·시각·진입가격뿐 아니라 원형과 자식 전략의 Signal ID도 일치하는 42건을 확보했다.
| 같은 가족의 Forward | N | WR | 평균 순익 |
|---|---|---|---|
| 원형 전체 | 113 | 36.3% | −0.257% |
| Smart Entry와 동일 신호로 매칭된 원형 | 42 | 54.8% | +0.687% |
| Smart Entry 기록에서 대응 신호를 찾지 못한 원형 | 71 | 25.4% | −0.815% |
| 위 42건에 해당하는 Smart Entry 결과 | 42 | 54.8% | +0.684% |
| Smart Entry 변형 전체 | 97 | 44.3% | +0.174% |
원형의 같은 신호 42건과 원형에만 남은 71건의 차이는 +1.503%p였고, 선택 집단이 더 나았던 날은 6일 중 5일이었다. 거래일 단위 재표본의 참고 구간은 약 +0.456~+2.699%p였다. 이는 선별된 거래가 유리했다는 강한 관측 단서지만, 거절이 무작위 배정된 실험이라는 의미는 아니다.
더 중요한 사실은 같은 신호 42건의 원형과 Smart Entry 청산 차이가 −0.004%p였다는 것이다. 이 사례에서 큰 차이를 설명하는 것은 청산 규칙이 아니라 어떤 기회에 들어갔는가다.
똑같은 XYZ 안에서도 선별 차이가 나타났다
| Runner가 관측했던 현재 L1 XYZ | Smart Entry와 대응된 원형 신호 | 대응 기록이 없는 원형 신호 |
|---|---|---|
| DEAD_CAT_BOUNCE · FLAT | 5건, +1.128% | 5건, −2.385% |
| SELECTIVE_INFLOW · STRONG_UP | 5건, +1.301% | 3건, −2.094% |
이것이 XYZ와 전략을 결합할 가장 유용한 방식이다. DEAD_CAT_BOUNCE · FLAT이라는 레짐 전체를 막으면 +1.128% 집단도 놓친다. 모두 허용하면 −2.385% 집단도 실행한다.
시장 상태를 판단하는 XYZ와, 그 상태 안에서 실제로 좋은 기회를 찾아내는 Smart Entry를 결합해야 하는 이유가 이 결과에 있다.
개선 결정: Runner Smart Entry를 검증 기준 모델로 보존한다. 원형에만 존재한 71건에 대해 필터가 실제로 거절한 것인지, 기존 포지션이나 실행 순서 때문에 매칭되지 않은 것인지를 다음 실험에서 분리한다. 같은 부모 Signal ID에 XYZ 상태, 유동성, 호가 스프레드, 거래대금의 속도, 진입가격의 과열 정도, 허용/제외 사유를 보존한다. 새로운 데이터로 XYZ 단독 / Smart Entry 단독 / 둘의 결합을 비교한다.
5. 세 번째 검증 결과: Fibonacci 역시 신호 선별에서 개선 가능성이 확인됐다
| Fibonacci Forward | N | WR | 평균 순익 |
|---|---|---|---|
| 원형 전체 | 49 | 32.7% | −0.569% |
| Smart Entry와 Signal ID가 일치한 원형 | 11 | 54.5% | +0.787% |
| 같은 Smart Entry 기록이 없는 원형 | 38 | 26.3% | −0.961% |
| 위 11건에 대응하는 Smart Entry 결과 | 11 | 54.5% | +0.894% |
| Smart Entry 전체 | 46 | 43.5% | +0.119% |
원형에서 구분된 두 집단의 차이는 +1.748%p였고, 6일 중 5일에서 일치 집단의 성적이 더 나았다. 날짜 재표본 구간은 +0.061~+3.378%p로 넓어 안정적인 우위라고 단정하기는 어렵다.
동일한 11건을 따로 짝지어 청산 수익만 비교하면 평균 차이는 +0.107%p다. 이 차이에 대한 거래일별 불확실성 범위에는 0이 포함됐다.
결정: Fibonacci의 우선 과제는 청산 변형을 더 많이 만드는 것이 아니라 Smart Entry가 원형에서 구분한 성공하는 되돌림과 실패하는 되돌림의 조건을 밝혀내는 것이다. 그 판단에 진입 전 회복 구조, 원래 하락 압력, 피보나치 수준에서의 실제 가격 수용, 1H 문맥과 실행 가격을 이용한다. 매칭이 11건뿐이므로 현재 수치로 실거래 확대는 하지 않는다.
6. 네 번째 검증 결과: Ignition Persistent는 나아졌지만 아직 손실 전략이다
Ignition Breakout 1H Persistent 원형과 Smart Entry B의 동일 신호를 매칭하면 58건이 확인됐다. 그 58건의 원형 평균은 −0.110%, 원형에서 대응 거래가 없는 63건은 −0.852%였다. 양쪽 차이는 +0.742%p였고, 거래일 재표본 참고 구간은 +0.237~+1.035%p였다.
같은 58건을 Smart Entry B로 처리한 결과는 −0.054%다. 원형에 비해 약 +0.056%p 개선됐지만, 결과는 여전히 음수다.
‘원형 대비 개선됐다’와 ‘투자할 전략이 됐다’는 다르다. Persistent의 Smart Entry는 손실을 일부 줄였을 수 있지만 아직 수익성까지 개선하지는 못했다.
특정 전략×XYZ에 대한 실제 실패 패턴
Persistent 원형의 SELECTIVE_INFLOW · STRONG_UP에서는 11건·5거래일·WR 0%·평균 −1.093%였다. 시장이 앞으로 하락할 것이라는 예측이 아니다. 이 현재 상태에서 이 전략을 실행한 결과가 11번 모두 손실이었다는 관측이다.
이것은 해당 전략에만 적용할 Shadow Veto의 구체적인 첫 후보가 된다. 상태를 제한하는 가상 정책을 만들어 이후 독립 날짜의 모든 원형 신호를 Paper로 계속 추적하면, 차단했을 손실과 놓쳤을 이익을 양쪽 모두 계산할 수 있다.
결정: Persistent 전체를 무조건 Archived로 보내는 것도, 해당 XYZ를 전 전략 금지 상태로 만드는 것도 아니다. 오직 Persistent × 이 XYZ 조합을 다음 기간에 비교한다. 이번 11건은 이미 조건을 고르는 데 썼으므로 신규 검증 건수로 다시 세지 않는다.
7. 다섯 번째 검증 결과: Predictive Exit B는 좋아 보였지만 C와의 차이는 예상보다 작다
전체 성적만 보면 Adaptive Predictive Model 기본형은 약 +0.323%, Exit B는 +0.625%, Exit C는 +0.391%로 보여 B가 압도적이다. 그러나 서로 다른 신호 집단의 평균을 비교하면 출구 개선 효과와 진입 선정 효과가 뒤섞인다.
같은 종목·시각·진입가격으로 연결한 64개의 B/C 거래를 직접 비교했다.
| 같은 진입 기회의 청산 | 매칭 N | 평균 순익 |
|---|---|---|
| Exit B | 64 | +0.625% |
| Exit C | 64 | +0.543% |
| B − C | 64 | +0.082%p |
47건은 결과가 같았고, B가 더 나은 거래는 10건, C가 더 나은 거래는 7건이었다. 거래일별 재표본 구간은 B−C 기준 약 −0.017~+0.172%p로 0을 포함한다.
기본형과 Exit B를 대응시킬 수 있었던 33건에서는 기본형 +0.093%, B +0.204%, 차이 +0.110%p였다. 전체 평균끼리 비교하면 +0.302%p 이상 차이가 나지만, 실제로 비슷한 진입끼리 비교하면 그 차이가 훨씬 작아졌다.
이 B/C 매칭은 경제적으로 같은 진입에 가까운 시각·가격 매칭이지, 모든 거래의 부모 Signal ID가 동일하다고 확인된 매칭은 아니다. 따라서 최종 출구 우열을 단정하지 않는다.
결정: B와 C는 둘 다 별도 Forward 실험으로 유지한다. 동일 부모 신호 ID를 모든 자식 Exit 변형에 이어 붙이고, 어떤 상태에서 B가 먼저 이익을 잠그는 것이 좋았는지, 어떤 상태에서 C의 추가 보유가 좋았는지를 완전히 일치한 거래쌍으로 재평가한다. 현재 데이터만으로 C를 폐기하거나 B를 전 전략의 기본 출구로 만들지 않는다.
8. 전략별 XYZ 상태를 날짜로 나눠 보니 살아남는 것과 위험한 것이 달랐다
높은 평균 순익을 보인 칸만 고르지 않고, 각 칸의 거래일과 손실 날짜까지 확인했다.
| 전략 × 관측된 현재 XYZ | 결과 | 날짜별 확인 | 다음 결정 |
|---|---|---|---|
| Predictive c0005 × SELECTIVE_INFLOW · UP | 12건, WR 75%, +1.994% | 5일 중 10월 11일은 −0.1% | 적격 후보 동결, 신규 날짜만으로 재평가 |
| Runner × SELECTIVE_INFLOW · UP | 11건, +1.434% | 5일 중 10월 12일은 −0.194% | Smart Entry와 결합한 선별 효과 검증 |
| Relative Strength × SELECTIVE_INFLOW · STRONG_UP | 10건, +1.341% | 일부 날짜는 손실 | 전략별 적격 후보, 자동 허용 금지 |
| Persistent Ignition × SELECTIVE_INFLOW · STRONG_UP | 11건, WR 0%, −1.093% | 5거래일 모두 손실 | 전략 한정 Shadow Veto |
| Liquidity/Inflow × SELECTIVE_INFLOW · FLAT | 27건, −1.661% | 8거래일 중 여러 날짜에 큰 손실 | 특정 구역의 실패 원인 우선 조사 |
| Liquidity/Inflow × SELECTIVE_INFLOW · STRONG_UP | 15건, +0.367% | 하루 +7.974%, 다른 날 −3.908% | 평균값이 불안정, 승격 금지 |
주의할 결론: 같은 SELECTIVE_INFLOW에서도 FLAT과 STRONG_UP 결과가 다르지만, STRONG_UP이 항상 안전한 상태라는 뜻은 아니다. 특히 Liquidity/Inflow는 한 번의 큰 수익 거래가 구역 평균을 바꿀 수 있다.
Runner의 같은 레짐 안에서 선택·비선택 신호의 수익이 갈린 결과까지 합치면 방향이 명확하다. XYZ는 전략의 현재 시장 적합성을 고르는 틀이고, Smart Entry는 같은 틀 안에서도 실행할 기회의 질을 구분해야 한다.
9. Scalp와 L2에 대한 결론도 숫자로 확정했다
완료된 세 거래일에서 Scalp는 59,547건·평균 −0.414%였다. Sliding15의 전략별 기본 허용 게이트는 이 가운데 954건(1.60%)만 선택했고, 그 954건은 평균 −0.444%였다. 새 날짜에서 검증된 고성과 Scalp 필터는 확보하지 못했다.
몇 가지 개별 Scalp에서는 선택 집단이 양수였지만 최대 10건·2거래일 정도로 작아 Live 근거가 되지 않았다. 이는 아직 중복된 부모 종목×분 시장 사건을 제거하지 못한 문제와 연결된다. 같은 가격 하락을 많은 자식 전략의 실패로 중복 집계하면 조건별 적합도를 왜곡할 수 있다.
L2 대안 역시 유리하지 않았다. 1H XYZ 기본 허용은 632건·−0.430%, L1 XYZ+1H Z는 149건·−0.462%, 엄격 L1×1H Z는 0건이었다.
결정: L1=15분 상태 분류를 유지한다. 전체 전략에 동일한 L2 게이트를 추가하지 않는다. 1H·4H·1D·7D는 특정 전략의 L1 상태별 성과를 추가로 구분한다는 다음 기간의 실증 근거가 있을 때만 해당 전략에 선택적으로 사용한다.
10. 실제 체결과 데이터 결함을 그대로 두면 개선을 잘못 평가한다
같은 전략이 어느 XYZ에서 수익을 내는지 검증하려면 현재 상태가 진입 결정시각에 실제로 알려져 있었는가, 계산한 매도가가 거래소 체결가격인가가 맞아야 한다.
이번에는 검증된 Actual 71건 중 33건만 L1 연결이 가능했다. 따라서 이 후속 분석의 긍정적인 Forward 결과를 곧장 실거래 XYZ 적격성으로 바꿔서는 안 된다. CPOOL·APT에서 이미 확인했던 동일 진입, 더 나쁜 실제 매도 같은 집행 오차도 먼저 연결해야 한다.
또한 단기 Feature Mart 오류로 별도 분류된 57,334건, 이번 상태 비교에서 태그가 부족했던 131건을 숨기거나 정상 거래로 간주하면 안 된다.
결정: 다음 검증에서는 부모 Signal ID → 결정시각 → 당시 X/Y/Z → 원형·자식 Smart Entry/Exit → 주문·체결·비용 → Forward·Actual 순익을 한 번에 추적하는 레코드가 필요하다. 실행되지 않은 후보도 Paper 후속 결과를 기록해야 실제로 회피한 손실과 놓친 이익을 비교할 수 있다.
11. 검증 후 확정한 개선방향과 액션 아이템
아래의 ‘결정’은 이번 분석 결과에 근거한 연구·구현 우선순위다. 아직 TradingBot Live 설정이나 자동 승격을 바꿨다는 뜻은 아니다.
| 우선 | 전략·시스템 | 이번에 확인한 사실 | 개선 결정 | 다음 실험의 통과 기준 |
|---|---|---|---|---|
| P0 | 모든 전략의 신호 연결 | Runner/Fibonacci는 신호 ID 매칭 가능, Predictive B/C는 시각·가격 매칭만 가능 | 부모·자식·체결을 동일 Signal ID로 추적, 허용·거절 사유 저장 | 모든 신규 후보에서 선택/미선택 및 실행 결과 확인 |
| P0 | Actual·Feature Mart | Actual 71 중 L1 연결 33, 131개 레짐 태그 결측 | 원천시각과 체결을 대조해 누락 원인 제거 | 시점 역행·임의 레짐 보정 없이 완전 추적 |
| P1 | Runner Smart Entry | 동일 신호 42건 +0.687%, 원형 비매칭 71건 −0.815% | 선별 로직 보존, XYZ 상태별·유동성별 허용 효과 분리 | 신규 ≥10거래일, 동일 신호 ≥100건, 회피손실·놓친 이익과 비용 차감 기대수익 재현 |
| P1 | Fibonacci Smart Entry | 11건 +0.787% vs 38건 −0.961% | 되돌림 성공을 구분한 신호 특성 분석 | 새 ≥10거래일, 원형 신호 매칭 최소 50건에서 개선 유지 |
| P1 | Persistent Ignition | 원형 선별 개선에도 순익 음수; 특정 XYZ에서 11전 11패 | 그 전략에 한한 Shadow Veto, 전체 전략 아카이브·전 레짐 금지 아님 | 이후 독립 ≥10일에 회피 손실·누락 수익 비교 |
| P1 | Predictive B/C | 64건에서 B 우위 +0.082%p, 확정 불가 | 둘 다 유지, 완전 동일 신호·청산경로 병렬 검증 | 신규 ≥15일·100개 이상 동일 부모 신호, 비용·MFE·최대 역행 동시 평가 |
| P1 | Predictive c0005 | 한 XYZ에서 12건 +1.994%, 일부 손실 날짜 존재 | 상태별 적격 후보 동결 | 원래 선별한 기간 제외하고 신규 Forward·실행가격으로 확인 |
| P2 | Scalp 전체 | 과거 적격 구역만 허용한 954건도 평균 손실 | 부모 종목×분 사건 단위로 중복 제거, 빠른 실패 예측 강화 | 독립 사건 기준 순익 개선, 실제 계좌형 자본·체결 비용 통과 |
| P2 | L2 이상 | L1×1H Z 필터 149건도 손실·엄격 기준 0건 | 전역 L2 추가 보류, 전략별 필요할 때만 적용 | 해당 전략에서 L1 단독 대비 신규 기간 순익·하방위험 개선 |
다음 구현에서 지켜야 할 운영 원칙
① 모든 전략은 XYZ80에서 유효 / 부적합 / 근거 부족을 각각 가진다. 일부 상태에서 실패한다고 전략 전체를 Archived로 보내지 않는다. 모든 주요 시장 상태에서 충분한 실패 근거가 있을 때에만 전체 전략의 생애주기를 재검토한다.
② 현재 유효해 보이는 칸은 즉시 Live가 아니다. 연구에 사용된 날은 이미 결과를 보고 선택한 날이다. 새로운 날짜와 실제 체결로 적합성이 확인돼야 한다.
③ 제한 정책도 계속 평가한다. 차단한 부모 신호의 종목·시각·레짐과 가상 후속 수익을 남겨 막은 손실과 놓친 이익을 한 쌍으로 계산한다.
④ 진입·청산·레짐 제한을 한 번에 바꾸지 않는다. Runner는 먼저 진입 선별, Fibonacci는 반등 확인, Ignition은 특정 XYZ 제약, Predictive는 B/C 출구를 각각 독립 비교한다. 그래야 개선 이유가 남는다.
12. 최종 의사결정
이번 후속 연구에서 검증에 실패한 개선안은 분명하다. 과거 성과가 양수인 전략×XYZ 구역만 거래시키는 단순 게이트는 완료된 세 거래일에서 더 좋은 순익을 만들지 못했다. Fixed나 Rolling, 1H로 바꿔도 그 문제가 자동으로 해결되지 않았다.
반면 계속 살려서 검증할 가치가 확인된 것도 분명하다. Runner와 Fibonacci의 Smart Entry는 같은 시장 상태와 동일 부모 기회를 비교했을 때 더 유리한 거래 집단을 선별했다. Predictive B/C의 출구 차이는 전체 평균에서 보이는 것보다 작았고, Ignition Persistent에는 전략 한정으로 시험할 구체적인 손실 레짐이 있었다.
따라서 후속 고도화의 방향은 다음 하나다.
시장이 지금 어떤 상태인지는 XYZ가 분류한다. 그 상태에서 어떤 전략이 유효한지는 실제 전략별 Forward·Actual 성과로 판단한다. 그리고 같은 상태에서 어떤 거래까지 실행할지는 Smart Entry와 실제 체결 조건으로 다시 걸러낸다.
이렇게 현재 상태 분류 → 전략별 적합성 → 신호별 품질 → 실행된 순익을 분리해야, 승률이 높아 보이는 연구가 아니라 실제로 나아지는 매매 시스템을 만들 수 있다.