옵션 백테스트 – 주말 볼륨 판매

트레이드 수 : 212(승 169, 패배 43)
순이익: 1.2485 비트코인(BTC) (+124.85%)
거래당 평균 수익: 0.0059 비트코인(BTC)
연이율: 27.4%
최대 인출률: 23.8%
최대 절대 인출: 0.27 비트코인(BTC)

이 더 긴 기간을 살펴보면, 전반적인 성과는 실제로 개선되었습니다. 그러나 이러한 개선은 전체 기간에 걸쳐 균일하지 않았습니다. 이 전략은 2021년 중반까지 어려움을 겪었지만, 그 이후로는 성과가 강했습니다. 최대 하락률도 더 컸습니다.

매개변수 조정

이것은 확실히 유망해 보이지만, 몇 가지 매개변수를 조정하는 것이 성능에 어떤 영향을 미치는지 살펴보겠습니다. 이 단계는 우리가 보고 있는 것이 실제로 기본 현상의 결과인지, 아니면 우연히 잘 수행된 특정 설정 선택인지 확인하는 데 도움이 될 수 있습니다.

테스트된 전략에는 많은 진입/퇴장 트리거나 추가 필터가 없지만, 델타와 오픈 시간을 변경하면 전략 성과에 어떤 영향을 미치는지 여전히 확인할 수 있습니다. 이러한 매개변수를 변경했을 때 성과가 극적으로 떨어지면 이 데이터 세트에서 초기 설정 선택이 수행된 방식이 운이 좋았을 수 있음을 나타냅니다. 즉, 백테스트는 좋은 성과가 앞으로도 계속될 가능성이 있다는 설득력 있는 증거가 되지 못합니다.

다음 표는 다양한 델타와 다양한 오픈 시간에 대한 APR을 보여줍니다. APR은 백테스트 기간의 연도로 나눈 총 백분율 수익률로 계산됩니다.

보시다시피, 이 전략은 목표 델타와 오픈 시간이 변경되어도 여전히 수익을 냅니다. 이는 정확한 오픈 시간이나 델타와 상관없이 금요일 오후/저녁에 일요일 변동성을 매도한다는 아이디어에 어느 정도 견고성이 있음을 시사합니다.

또한 12:00와 14:00 UTC의 두 가지 더 이른 개장 시간에 대한 수익성이 분명히 낮다는 점에 유의하십시오. 이에 대한 한 가지 가능한 원인은 미국 시장이 연중 시기에 따라 13:30 또는 14:30 UTC까지 개장하지 않는다는 것입니다(이는 일광 절약 시간제로 인해 다릅니다). 즉, 연중 어느 시기이든 16:00 UTC에는 미국 시장이 개장하고 그에 따라 발생한 초기 움직임은 이미 발생했습니다.

델타가 0.25와 0.2로 줄어들면 이익이 낮아진다는 것도 분명합니다. 델타가 낮을수록 옵션은 현재 가격에서 더 멀어지고 따라서 옵션 중 하나가 ITM(in the money)으로 만료될 가능성이 낮아집니다. 그러나 더 낮은 크레딧도 수집됩니다. 이 결과 표는 델타가 더 높은 옵션을 매도할 때 받은 추가 크레딧이 옵션 중 하나가 ITM으로 만료될 가능성이 더 높은 것을 충분히 보상하여 총 이익이 더 커진다는 것을 시사하는 것 같습니다.

인출

다음 표는 각 백테스트에서 비트코인(BTC) 의 가장 큰 하락률을 보여줍니다. 백테스트에서 플랫 포지션 크기가 사용되었기 때문에 백분율 하락률보다는 가장 큰 비트코인(BTC) 하락률을 사용하기로 했습니다.

이 표에서 0.18의 값은 0.18 비트코인(BTC) 의 하락을 나타냅니다. 시작 잔액이 1 비트코인(BTC) 라고 가정했으므로 이러한 값은 시작 잔액의 백분율로도 읽을 수 있습니다. 예를 들어 0.18은 시작 잔액의 18%입니다.

여기에 표시된 가장 큰 하락폭은 백테스트에 시간당 데이터만 사용했기 때문에 약간 과소평가되었을 가능성이 있습니다.

칼마 비율

연간 수익률(APR)을 가장 큰 하락률로 나누면 각 백테스트에 대한 Calmar 비율을 얻습니다. 이러한 Calmar 비율은 다음 표에 표시되어 있습니다.

총 수익률만이 아니라 Calmar 비율도 고려하면 전략의 수익률이 더 많은 가치를 포착한 것인지, 아니면 단순히 더 많은 위험을 감수한 것에 대한 보상인지 더 잘 판단할 수 있습니다. Calmar 비율이 높을수록 위험 조정 수익률이 더 좋다는 것을 나타냅니다. 1보다 큰 값은 연평균 수익률이 해당 기간 동안 가장 큰 하락률보다 컸다는 것을 나타냅니다.

가장 높은 수익률은 더 높은 델타와 미국 시장이 개장한 후의 개장 시간에 달성되었습니다. 표의 오른쪽 하단에 있는 더 높은 칼마 비율은 이러한 더 높은 수익률이 단순히 더 많은 위험을 감수한 결과가 아니라는 것을 보여줍니다. 수익률은 위험 조정 기준으로도 더 좋았습니다.

백테스팅은 얼마나 유용한가요?

백테스팅은 과거 데이터를 사용하여 거래 아이디어가 과거에 효과가 있었는지 여부를 확인하는 방법을 제공하며, 이를 통해 미래에도 효과가 있을지에 대한 통찰력을 제공할 수 있습니다.

저는 향후 몇 달 동안 백테스트에 대한 게시물을 몇 개 더 작성할 예정이지만, 특히 수익성이 있는 백테스트부터 시작했기 때문에 지금 백테스트의 몇 가지 일반적인 함정에 대해 자세히 설명하는 것이 좋을 것 같습니다.

이것은 가능한 문제의 전체 목록이 아닙니다.

• 과거 실적은 미래 실적을 보장하지 않습니다. 백테스트 기간 동안 진정한 우위를 가진 전략을 찾았더라도 시장은 진화하고 전략의 효과는 감소하거나 심지어 부정적으로 바뀔 수 있습니다. 이는 더 많은 트레이더가 동일한 거래에 참여함에 따라 시간이 지남에 따라 느리게 발생할 수도 있고, 특정 이벤트에 대한 반응으로 갑자기 발생할 수도 있습니다.
• 과적합. 이는 백테스트에서 전략의 성과를 과도하게 최적화하는 과정으로, 전략 매개변수가 실제 신호가 아닌 샘플의 노이즈에 맞춰지는 지점까지 이릅니다. 이는 백테스트 성과보다 전략의 미래 성과가 상당히 나빠질 가능성이 높습니다. 데이터에 대한 추가 과적합을 피했더라도 전략은 백테스트 기간 동안 가격이 우연히 취한 한 경로에 대해 여전히 테스트되고 있지만, 이것이 취할 수 있는 유일한 경로는 아니며 미래에 취할 경로와 정확히 동일할 가능성은 없습니다.
• 최대 하락률이 과소평가됨. 저는 이러한 백테스트를 수행하기 위해 시간당 데이터를 사용했는데, 이는 다음 시간당 데이터 포인트 전에 회복된 주식의 큰 하락은 보이지 않음을 의미합니다. 따라서 백테스트의 최대 하락률은 실제로 경험했을 것보다 과소평가될 가능성이 높습니다. 백테스트 기간 동안 하락률을 정확하게 측정하더라도 이것이 가능한 가장 큰 하락률이 아닐 가능성이 큽니다.
• 이전에 본 적이 없는 극단적인 시장 이벤트. 오늘 살펴본 기간에는 코로나 폭락, 루나 붕괴, FTX 붕괴가 포함되지만, 이는 앞으로 훨씬 더 극단적인 이벤트가 발생할 수 없다는 것을 의미하지는 않습니다.
• 샘플 크기. 첫 번째 백테스트의 샘플 크기는 35개 거래였습니다. 백테스트 기간을 4년 이상으로 연장했을 때에도 거래 수는 212개였습니다. 이는 확실히 더 나았지만, 특히 부정적으로 왜곡된 전략의 경우 여전히 큰 샘플 크기는 아닙니다.
• 룩어헤드 편향. 이는 당시 알 수 없었던 데이터가 백테스트에 사용되는 경우입니다. 개별 백테스트 자체에 룩어헤드 편향이 포함되어 있다고는 생각하지 않지만, 주말 변동성을 매도하려는 초기 아이디어가 백테스트와 동일한 기간 동안의 평균 일일 움직임을 살펴보는 데서 나왔다는 것을 알아차렸습니까? 이는 기간의 시작 시에 사용할 수 있었던 정보가 아닙니다. (지난 4년 동안에도 주말 변동성이 낮아지는 유사한 패턴이 있었지만 훨씬 덜 두드러졌습니다.)

이러한 가능한 문제에도 불구하고 백테스팅은 여전히 ​​가능한 거래 전략의 실행 가능성을 확인하는 데 유용한 도구입니다. 향후 기사에서 더 많은 백테스팅을 다루고, 동적 델타 헤지 또는 기본 옵션 전략과 다른 옵션을 결합하여 전략을 헤지하는 아이디어도 소개하겠습니다.

역사적 옵션 데이터

저는 6개월 이상의 데리빗(Deribit) 비트코인(BTC) 옵션 데이터를 제 데이터베이스에 기록하여 여기에서 무료로 공개했습니다. 트윗에 링크된 Parquet 파일에는 2024-01-13부터 2024-07-27까지 데리빗(Deribit) 의 모든 비트코인(BTC) 옵션에 대한 매시간 스냅샷이 포함되어 있습니다. 이는 초기 코딩 및 테스트 작업에 사용하기에 이상적인 데이터 세트입니다.

좀 더 포괄적인 과거 옵션 견적 데이터를 구매하여 자체 백테스팅을 수행하고 싶다면, 이는 Tardis와 Kaiko와 같은 여러 Deribit 데이터 파트너를 통해 제공됩니다. 이 페이지 에서 데리빗(Deribit) 데이터 파트너에 대한 링크를 찾을 수 있습니다.

저자(들)

최근 기사