Skip to content

백테스팅에서 룩어헤드 편향이란 무엇인가?

룩어헤드 편향은 백테스트가 시뮬레이션된 거래를 결정한 시점에 아직 존재하지 않았던 정보를 사용하는 경우입니다. 예를 들어 해당 봉이 마감되기 전에 그 봉의 종가를 사용하는 경우입니다. 그러면 테스트는 실제 전략이 도달할 수 없는 결과를 보여줍니다. EUR/USD 테스트에서 한 봉 너무 일찍 거래하자 비용 차감 전 555핍을 벌던 규칙이 10,782핍을 벌게 되었습니다.

Fintrix trading desk •

룩어헤드 편향이란 무엇인가요?

룩어헤드 편향은 시뮬레이션된 결정이 그 결정 시점에 이용 가능하지 않았던 데이터를 사용하는 백테스트 오류입니다. 누구도 의도적으로 넣지 않습니다. 미래 값은 다른 모든 것과 같은 표에, 한 행 아래나 한 열 옆에 자리하고, 코드가 그것을 읽습니다.

이는 전략이 과거의 노이즈에 맞춰질 때까지 조정되는 과최적화와 다릅니다. 과최적화된 전략은 가질 수 있었던 정보만 사용하지만 그것으로부터 잘못된 교훈을 배웁니다. 룩어헤드 편향이 있는 전략은 가질 수 없었던 정보를 사용합니다. 과최적화는 전략이 실거래를 시작하면 서서히 드러나는 경향이 있습니다. 룩어헤드 편향은 테스트가 의존했던 미래 데이터가 더 이상 존재하지 않기 때문에 즉시 드러나는 경향이 있습니다.

한 봉이 얼마나 차이를 만들 수 있나요?

Fintrix Markets MT5 EUR/USD 시간봉 데이터, 2026년 1월 13일부터 10월 29일까지의 4,980개 봉에서 하나의 단순한 규칙을 테스트했습니다.

  • 시간봉 종가가 20봉 단순이동평균 위에 있으면 매수합니다. 아래에 있으면 매도합니다.

규칙을 두 번 실행했습니다. 유일한 차이는 각 포지션이 어느 봉에 적용되었는지였습니다.

누수 테스트수정 테스트
신호 계산 기준N봉의 종가N봉의 종가
포지션 적용 대상N봉 자체, 시가에서 종가까지N+1봉, 시가에서 종가까지
총계, 비용 차감 전+10,782핍+555핍
봉당 평균+2.17핍+0.11핍
올바른 방향의 봉 비율59.0%48.4%

누수 버전은 N봉을 거래하기 전에 N봉이 어떻게 마감되었는지 압니다. 높게 마감된 봉은 평균 위로 마감될 가능성이 더 높으므로, 규칙은 이미 상승한 봉에서 매수합니다. 그것은 과거를 잘 설명하지만, 누구도 그렇게 거래할 수 없었습니다.

그렇다면 수정된 결과는 우위인가요?

아니요, 산술이 그 이유를 보여줍니다. 이 표본에서 EUR/USD의 시간봉 움직임은 표준편차가 8.51핍이었습니다. 4,980개 봉에 걸쳐 아무런 우위가 없는 규칙은 약 3번 중 2번, 0을 기준으로 약 ±600핍 이내에 들 것입니다 (8.51 × √4,980 ≈ 600). 총 +555핍은 그 범위 안에 있으므로 우연만으로도 나올 수 있습니다.

비용이 결론을 냅니다. 규칙은 방향을 557번 전환했습니다. 각 전환은 한 포지션을 청산하고 다른 포지션을 여는 것을 의미하며, 모든 왕복 거래는 스프레드를 지불합니다. 전환당 0.5핍이면 총계는 약 +277핍으로 떨어집니다. 전환당 1핍이면 약 −2핍입니다. 수정 테스트가 정직한 것이며, 정직한 답은 이 규칙이 비용을 포함하면 이 10개월 동안 돈을 벌지 못했다는 것입니다.

룩어헤드 편향은 어디에서 오나요?

개인 백테스트와 EA에서 가장 흔한 원인은 다음과 같습니다:

원인무엇이 잘못되는가일반적인 해결책
현재 봉의 종가N봉 종가로 신호를 내고 N봉 시가에 포지션 진입N+1봉 시가에 행동
같은 봉의 고가와 저가한 봉 안에 손절과 목표가 모두 있고, 더 유리한 순서로 도달했다고 가정더 낮은 시간프레임이나 실제 틱으로 테스트하거나, 더 불리한 순서를 가정
다시 그려지는 지표ZigZag, 프랙탈, 피벗이 여러 봉 후에 확정되지만 이전 봉에 그려짐봉이 마감되었을 때의 값으로 사용
전체 표본 통계미래를 포함한 전체 데이터셋의 평균이나 범위로 스케일링 또는 정규화과거 데이터만으로 롤링 윈도우에서 계산
수정된 경제 데이터당시 발표된 값 대신 오늘의 수정된 수치를 사용최초 발표(빈티지) 데이터 사용
시간대 불일치한 시간대의 일봉 데이터를 다른 시간대의 장중 데이터와 결합하여 종가가 발생 전에 나타남결합 전에 모든 것을 UTC로 변환

한 봉의 고가와 저가가 어떻게 테스트를 오도하나요?

2026년 10월 14일, EUR/USD의 12:00 UTC 시간봉은 1.11926에 시가를 형성하고 1.11986까지 상승한 뒤 1.11271까지 하락했습니다. 미국 CPI 발표 시간대였습니다.

시가 1.11926에 매도 포지션을 잡고, 손절을 1.11980(5.4핍), 이익실현을 1.11826(10핍)에 둡니다. 시간봉은 가격이 두 수준 모두에 닿았음을 보여줍니다. 시간봉만 보는 테스트는 어느 것이 먼저였는지 추측해야 하며, 거래에 유리하게 추측하는 테스트는 10핍 이익을 기록합니다.

15분봉은 실제로 일어난 일을 보여줍니다. 가격은 12:15봉에서 1.11986까지 상승하여 손절에 닿았습니다. 하락은 포지션이 청산된 후인 12:30봉에서 왔습니다. 실제 결과는 5.4핍 손실이었습니다. MQL5 참고 자료도 MT5 전략 테스터에 대해 같은 점을 지적합니다. 더 빠른 "1분 OHLC" 또는 "시가만" 모드의 결과가 너무 좋아 보이면 "모든 틱" 모드로 다시 테스트하십시오. 틱 데이터, 그리고 가능한 경우 실제 틱이 봉 내부의 사건 순서를 아는 유일한 방법입니다.

수정된 데이터가 왜 룩어헤드 편향을 일으키나요?

오늘날 데이터베이스의 수치가 트레이더들이 그날 본 수치와 다른 경우가 많기 때문입니다. 미국 노동통계국은 월이 끝난 후 약 3주 뒤에 비농업 고용의 최초 추정치를 발표하고, 그 후 2개월에 걸쳐 두 번 수정합니다. 2003년 이후 계절조정된 최초 추정치와 세 번째 추정치 사이의 평균 절대 변화는 51,000개 일자리였습니다.

2026년 5월이 명확한 예입니다. 최초 추정치는 172,000개 일자리 증가를 보여주었고, 두 번째는 129,000개, 세 번째는 63,000개였습니다. 109,000개 삭감입니다. 6월 발표에 대해 오늘날 데이터베이스에서 63,000을 읽는 백테스트는 당시 아무도 갖지 못했던 수치로 거래하는 것입니다. 각 발표를 최초 공개된 그대로 저장하는 아카이브(세인트루이스 연준의 ALFRED가 하나입니다)가 바로 이런 이유로 존재합니다.

왜 AI와 머신러닝 전략에서 더 큰 위험인가요?

머신러닝 모델은 목표를 예측하는 어떤 입력이든 찾아내는 데 매우 능숙하며, 거기에 있어서는 안 되는 입력까지 포함합니다. 코드를 읽는 사람은 어떤 피처가 내일의 종가로 만들어졌다는 것을 알아챌 수 있습니다. 모델은 그것을 그냥 사용할 것이고, 테스트 결과는 훌륭해 보일 것입니다.

알아야 할 네 가지 함정:

  • 무작위 훈련/테스트 분할. 표준 교차 검증은 행을 섞기 때문에, 모델이 수요일로 훈련하고 화요일로 테스트받을 수 있습니다. scikit-learn 문서는 이런 이유로 일반 교차 검증이 시간 순서가 있는 데이터에 부적절하다고 설명하며, 항상 이전 데이터로 훈련하고 이후 데이터로 테스트하는 TimeSeriesSplit을 제공합니다. 그 gap 설정은 둘 사이에 버퍼를 남깁니다.
  • 피처와 겹치는 레이블. 목표가 "다음 10봉에 걸친 가격 변화"이고 피처가 그 10봉 중 어느 것이든 포함하면, 모델은 답의 일부를 봅니다.
  • 전체 세트에 대해 한 번 준비된 데이터. 전체 데이터셋으로 스케일링, 빈칸 채우기, 피처 선택을 하면 테스트 기간의 통계가 훈련으로 누출됩니다.
  • 결과를 이미 알고 있는 언어 모델. 대규모 언어 모델은 컷오프 날짜까지의 텍스트로 훈련됩니다. 그 날짜 이전의 실적 발표나 시장 움직임에 대해 물으면, 알려져 있던 것으로부터 추론하기보다 그 후에 일어난 일을 회상할 수 있습니다. Sarkar와 Vafa(2024)는 이에 대한 직접적인 테스트를 구축하여 기업 실적 발표로 만든 예측에서 그 증거를 발견했습니다. Didisheim, Fraschini, Somoza(Economics Letters, 2025)는 LLM이 과거 주식 수익률에 대해 얼마나 기억하는지 측정하여, 편향이 더 큰 모델, 더 낮은 빈도의 데이터, 지수에서 더 크고, 고빈도 데이터의 작은 모델에서는 무시할 수준임을 발견했습니다.

경고 신호는 각 경우에 동일합니다. 비교 가능한 어떤 것보다 훨씬 좋은 결과가, 모델이 보지 못한 첫 데이터에서 무너지는 것입니다.

EA나 백테스트에서 룩어헤드 편향을 어떻게 확인하나요?

  1. 모든 신호를 한 봉 늦추십시오. 룩어헤드가 없는 전략은 조금만 변해야 합니다. 결과가 무너진다면, 우리의 경우 10,782핍에서 555핍으로 그랬듯이, 원래 테스트가 미래 데이터를 사용한 것입니다.
  2. EA가 어느 봉을 읽는지 확인하십시오. MQL4/5에서 시계열은 최신에서 가장 오래된 순으로 인덱싱되므로, MQL5 참고 자료가 설명하듯이 인덱스 0은 아직 형성 중인 봉이고 인덱스 1은 마지막으로 마감된 봉입니다. 봉 마감만 모델링하는 테스트에서 인덱스 0에서 신호를 읽는 것이 흔한 원인입니다.
  3. 올바른 테스터 모드를 사용하십시오. MT4/5 전략 테스터는 모든 틱을 모델링하거나 봉 시가만 모델링할 수 있습니다. 봉 내부에 손절과 목표를 두는 전략은 틱 데이터가 필요하며, 그렇지 않으면 고가와 저가의 순서를 추측하는 것입니다.
  4. 통계적인 것은 과거 데이터만으로 재계산하십시오. 평균, 범위, z-점수, 머신러닝 스케일러는 현재 봉에서 끝나는 롤링 윈도우를 사용해야 합니다.
  5. 데모 계정에서 포워드 테스트하십시오. 전략을 몇 주간 실행하고 그 거래를 같은 날짜에 백테스트가 했을 것이라고 말하는 것과 비교하십시오. 백테스트가 하지만 실거래 버전이 할 수 없었던 거래는 누수를 가리킵니다.
  6. 단순한 규칙의 높은 적중률을 의심하십시오. 우리의 누수 테스트는 20기간 이동평균을 사용하여 시간봉의 59%에서 올바른 방향이었습니다. EUR/USD처럼 유동성이 높은 통화쌍에서 단순한 규칙이 누수를 제거한 후 그에 근접하는 경우는 드뭅니다. 수정 버전은 48.4%를 기록했습니다.

핵심 요점

  • 룩어헤드 편향은 백테스트에서 시뮬레이션된 거래가 결정되었을 때 이용 가능하지 않았던 정보를 사용하는 모든 경우입니다.
  • EUR/USD 테스트에서 포지션을 다음 봉이 아니라 신호가 측정된 봉에 적용하자 비용 차감 전 결과가 +555핍에서 +10,782핍으로 올라갔습니다.
  • 수정된 결과는 우연이 만들어내는 범위 안에 있었고, 전환당 1핍에서는 약 −2핍으로 떨어졌습니다.
  • 시간봉은 2026년 10월 14일 손절과 목표의 실제 순서를 감췄습니다. 기록된 10핍 이익은 실제로는 5.4핍 손실이었습니다.
  • 머신러닝 모델과 LLM은 특히 이에 취약합니다. 데이터를 시간으로 분할하고, 과거만으로 준비하며, 언어 모델이 이미 알고 있을 수 있는 것을 기억하십시오.

관련 레슨

출처

배운 지식을 실전에 활용하세요

Fintrix Markets 계좌를 개설하거나 로그인하여 외환, 금, 지수 등 다양한 CFD 상품을 거래하세요.