수익률을 거의 97%로 끌어올리려면 어떤 개념을 더 추가해야 할까? 🤖

요약하면 저는 V75(Volatility 75)에서 양쪽에 동시에 진입하는 듀얼 스트래들 봇을 만들고 있습니다. 각각 $0.35씩, 총 위험은 $0.70이고 이기는 쪽은 약 $0.42를 주므로 한 번 이기면 순이익은 대략 $0.07입니다.

운영 방식은 15초 계약, 3포인트 장벽이고 매 틱마다 거래하지 않고 15틱 롤링 윈도우를 분석해 진입 조건이 최적일 때만 들어갑니다. 점수화(0-100)로 진입을 판단하며 임계값은 현재 70입니다.

점수 항목은 대략 트렌드 강도(30), 모멘텀(25), 변동성(20), 연속성(15), 포지션(10)이고, 횡보·저변동성·저모멘텀 등에는 페널티를 줍니다. 추가로 연속 3회 이상성에는 스킵, 변동성 범위 외일 때 스킵, 전체 범위 중 중간 40% 구간은 진입하지 않습니다.

현재 100거래 성과는 91승·9패, 승률 91%, 총 수익 약 $5입니다. 승리 평균 진입 점수는 78, 패배 평균은 65였습니다.

문제는 9패 중 5패가 ‘가격이 충분히 움직였지만 계약 만료 뒤에 움직인 경우’였습니다(즉 타이밍 문제). 나머지 4패는 콘솔리데이션에서 나왔고 그 부분은 스캐너로 어느 정도 잡아내고 있습니다.

제가 도움을 받고 싶은 부분은 크게 다섯 가지입니다. 1) 만료 내에 가격이 움직일지 아니면 만료 후에 움직일지 예측하는 방법, 2) 진입 점수 임계값 최적화(70 → 75/80 등), 3) 필터 튜닝으로 거래 빈도를 늘릴지 여부, 4) 20~30초 같은 더 긴 기간 테스트 경험(페이아웃/승률 트레이드오프), 5) 방향성 편향 추가(상승 추세면 콜만) 또는 변동성에 따른 동적 장벽 크기 조정.

구체 질문은 다음과 같습니다: 만료 내 이동을 예측하는 방법은? 진입 점수 임계값으로 어떤 값을 권하나요? 틱 기반 계약과 초 기반 계약의 경험 차이는 어떤가요? V75에서 타이밍 예측에 머신러닝(LSTM, 강화학습 등)을 써본 사람 있나요?

배운 점: 지속시간이 중요했습니다(8틱 72% → 10틱 87% → 15초 91%). 콘솔리데이션 감지로 큰 개선이 있었고, 승리는 일관되게 높은 점수를 보였습니다. CSV 로그로 데이터 쌓는 건 필수입니다.

🧐 배경 설명 및 요약

왜 이 글이 올라왔나: 작성자는 V75 같은 고변동성 지수에서 초단타(15초)로 양방향 스트래들을 쓰는 자동매매 봇을 운영하면서, 현재 높은 승률에도 불구하고 일부 손실이 '계약 만료 뒤'에 가격이 움직여 발생하는 타이밍 문제에서 비롯된다는 점을 발견했습니다. 그래서 타이밍 예측과 임계값·필터 조정 방법을 묻기 위해 글을 남겼습니다.

작성자가 실제로 걱정하는 것: 핵심 걱정은 '가격이 충분히 움직이긴 하는데 그 움직임이 만료 이후에 발생해 손실로 이어진다'는 점입니다. 또한 승률을 유지하면서 거래 빈도(수익성)를 늘릴 수 있는지, 임계값을 올렸을 때 수익성·샘플 수가 어떻게 변할지, 그리고 더 긴 계약이나 방향성 편향, 장벽 크기 조정 같은 개선책이 효과가 있을지 궁금해합니다.

어려운 개념 간단 정리:

- 스트래들: 같은 만료 시점에 콜과 풋을 동시에 사는 방식으로, 어느 쪽으로든 큰 변동이 있으면 이기는 구조입니다. 작성자는 ‘양쪽에 소액을 걸어 한 쪽이 이기면 상대 손실을 덮고 잔여 이익을 얻는’ 방식을 사용합니다.

- 틱 vs 초 기반 계약: 틱 기반은 거래소의 틱(체결 단위) 수로 만료를 계산하고, 초 기반은 시간(예: 15초)으로 만료를 계산합니다. 둘은 타이밍 민감도가 달라 같은 전략이 다른 결과를 낼 수 있습니다.

- 장벽(Barrier)과 페이아웃: 장벽은 콜/풋이 유리해지는 기준 가격대이고, 페이아웃은 이겼을 때 돌려받는 금액입니다. 작은 페이아웃에서 잦은 승리가 필요합니다.

- 콘솔리데이션(횡보) 탐지: 변동성이 낮고 범위가 좁을 때는 양쪽 모두 손실이 될 위험이 커서 필터로 진입을 피해야 합니다.

요약 조언 포인트(간단): 1) 만료 내 이동 예측을 위해선 가격 이동 전후의 가속(모멘텀 변화), 큰 틱 변동 패턴, 특정 변동성 임계 도달 시점을 로그로 분석하세요. 2) 임계값 조정은 승률↑와 거래 수↓의 트레이드오프라서 기대값(평균 수익)을 기준으로 백테스트하세요. 3) 더 긴 기간 테스트는 페이아웃·승률 변화를 CSV로 비교하면 답이 나옵니다. 4) 머신러닝은 도움이 될 수 있으나 데이터 양·레이블링(만료 내/후 이동)과 과적합에 주의해야 합니다.