과거 자산 곡선은 실제로 일어난 하나의 결과 순서를 보여 줘요. Monte Carlo 시뮬레이션은 같은 근거가 여러 다른 경로에서 어떤 모습일지 묻는 방법이에요. Trade를 개선하거나 시장을 예측하지는 않아요. 과거 결과의 순서와 반복이 앞으로 감당해야 할 경로를 얼마나 바꿀 수 있는지 보여 줘요.
따라서 전략이 안정적으로 보이는 이유가 우연히 유리했던 결과 순서에 있는지 검증할 때 유용해요. 결과는 조건에 따른 범위이지 예측이 아니에요.
예측: 이 필터링된 표본과 비슷한 결과가 다음 Trade 묶음에서도 반복된다면 어떤 결과 범위가 나올 수 있나요?
재배열: 똑같은 Trade가 다른 순서로 발생했다면 경로가 얼마나 달라질 수 있나요?
두 모드는 같은 원본 데이터를 사용하지만 답하는 질문은 달라요. 둘을 같은 방식으로 해석하면 결과를 잘못 읽기 쉬워요.
Tradeways는 실제로 가져온 Trade를 사용해 두 모드를 브라우저에서 실행해요. 활성 계좌 범위와 실시간 Trade 필터가 입력값을 정하므로 승률과 손익 추정치를 다시 입력하지 않고도 전략, 종목, 매매 방향, 시간대 또는 지원되는 다른 필터를 분리할 수 있어요. Monte Carlo 분석은 범위가 바뀌면 업데이트되며, 결과를 예측이 아니라 과거 Trade를 바탕으로 한 시뮬레이션이라고 표시해요.
예측 모드는 필터링한 과거 결과에서 Trade를 하나씩 뽑아 각 경로를 만들어요. 한 번 실행할 때 같은 결과가 여러 번 뽑힐 수도 있고 전혀 뽑히지 않을 수도 있어요. 이를 복원 추출이라고 해요.
다음 100회 Trade처럼 기간을 선택하면 시뮬레이션이 이 과정을 여러 번 반복해요. 출력은 선택한 과거 기록이 앞으로 반복될 수 있는 결과를 설명하는 데 적합하다는 명시적인 가정 아래, 경로와 최종 결과가 얼마나 넓게 퍼지는지 보여 줘요.
예측 모드는 미래를 다루되 조건을 명시한 질문에 적합해요. 과거 평균이 양수여도 손실 경로, 깊은 Drawdown, 긴 회복 기간이 생길 수 있음을 보여 줄 수 있어요. 전략의 Edge가 유지될지, 시장 상황이 바뀔지, 미래 Trade가 같은 분포를 따를지는 알려 주지 못해요.
재배열 모드는 필터링한 표본의 모든 Trade를 경로마다 정확히 한 번씩 사용하고 순서만 바꿔요. P&L을 더하는 보기에서는 모든 경로가 같은 합계로 끝나요. 달라지는 것은 손실 연속 구간, 최고 자산, 회복 시점, 최대 Drawdown처럼 그 합계에 이르는 과정이에요.
이 모드는 경로의 원인을 묻는 질문에 답해요. 과거 곡선이 매끄럽더라도 다른 순서에서 훨씬 깊은 Drawdown이 많이 나타난다면, 그 매끄러움의 일부는 유리한 결과 순서에서 왔어요. 순서를 바꿔도 Drawdown 분포가 좁다면 관찰된 경로는 수익과 손실의 발생 시점에 덜 의존한 거예요.
재배열은 새로운 Trade 결과를 만들지 않으며 다음 Trade 묶음을 추정하지도 않아요. 원래 순서에 있던 연속 구조도 깨뜨려요. 결과가 시장 국면, 포지션 중첩, 의도적인 수량 변경에 영향을 받는다면 이런 의존 관계의 모형이 아니라 순서 검증으로 해석하세요.
팬 차트는 누적 결과를 보여 줘요. Drawdown 분포는 각 시뮬레이션 경로가 회복하거나 끝나기 전에 이전 고점에서 얼마나 하락했는지라는 다른 질문에 답해요.
시뮬레이션은 매번 해당 경로의 고점 대비 최대 하락을 기록해요. 그런 다음 최대 Drawdown을 구간별로 묶어요. 분포의 중앙은 일반적인 시뮬레이션 최악 하락을 나타내고, 위쪽 꼬리는 더 적은 실행에서 나타난 깊은 하락을 보여 줘요.
같은 실행에서 다른 질문을 살펴봐요. 최악 하락의 중앙값은 11.4R이며, 실행 20회 중 1회는 23.3R을 넘었어요.
평균만 보지 말고 특히 꼬리에 주목하세요. 중앙값 Drawdown은 감당할 만해도 95백분위수 Drawdown은 훨씬 클 수 있어요. 이 차이는 경로 리스크에 관한 정보예요. 자본 제약과 전략을 계획대로 더 이상 실행할 수 없게 되는 지점에 비교하세요.
이는 파산 위험과 관련 있지만 같은 개념은 아니에요. Drawdown은 경로의 고점 대비 하락을 측정해요. 파산은 자본 기준을 정한 뒤 시뮬레이션 경로가 그 기준에 얼마나 자주 도달하는지 물어요. 파산 위험 시뮬레이터는 직접 설정한 승률, 손익, Trade 리스크, 자본 가정을 검증할 때 유용해요. Monte Carlo 분석은 필터링한 실제 Trade 기록의 분포를 사용해요.
출력을 해석하기 전에 표본을 점검하세요. 제외 항목, 누락값, 조건에 맞는 Trade 수가 적절한지 확인하세요.
먼저 재배열 모드를 실행해 전체 성과와 결과 순서의 운을 구분하세요.
최종 결과의 중앙값보다 최대 Drawdown 꼬리와 연속 손실 범위를 먼저 확인하세요.
예측 모드로 전환하고 결정 기간에 맞는 Trade 수를 선택한 뒤 팬이 얼마나 빠르게 넓어지는지 살펴보세요.
근거를 설명할 수 있는 필터를 한 번에 하나씩 바꾸세요. 시장 국면, Setup 또는 계좌 하나를 제외했을 때 분포가 크게 달라진다면 원하는 결과를 고르지 말고 이유를 조사하세요.
시뮬레이션은 관찰된 결과가 표본 추출과 순서에 얼마나 민감한지 보여 줄 수 있어요. 전략의 Edge를 검증하거나, 편향된 입력 데이터를 고치거나, 포지션 크기를 정하지는 못해요. 포지션 크기는 별도의 결정이에요. Kelly 기준은 강한 가정 아래 성장을 극대화하는 비율을 설명하고, 파산 위험 분석은 자본 기준을 넘을 가능성에 집중해요.
Monte Carlo 결과는 입력값을 전제로 한 설명을 뒷받침해요. 이 필터링된 표본, 모드, 기간, 실행 횟수에서 특정 범위가 나타났다고 말할 수 있어요. 미래 수익이나 Drawdown이 보장된다는 주장, 결과가 서로 독립적이라는 주장, 필터링한 표본이 계속 대표성을 유지한다는 주장을 뒷받침하지는 않아요.
이 한계 때문에 분석을 버릴 필요는 없어요. 대신 출처를 표시하고, 꼬리를 살펴보고, 원본 Trade 묶음이 달라질 때 다시 검증해야 해요. 더 보기 좋은 자산 곡선을 만드는 것이 목적이 아니에요. 같은 Trade 근거에 이미 포함된 불확실성을 더 분명하게 보는 것이 목적이에요.
