워크포워드 분석으로 커브 피팅 방지하기 - EA 최적화의 올바른 절차

MT5의 Strategy Tester에서 파라미터를 최적화하면 과거 데이터에 가장 좋은 결과를 보이는 파라미터를 찾을 수 있습니다. 그러나 그 "최적 파라미터"는 과거 데이터에 지나치게 특화되어 있을(커브 피팅) 가능성이 있습니다. 워크포워드 분석은 이러한 과최적화를 방지하기 위한 기법입니다.

커브 피팅(과최적화)이란

백테스트 최적화의 문제점：
과거 10년 데이터에 최적인 파라미터 → 미래에는 통하지 않는다

예: EMA 기간을 10~50 범위에서 최적화했을 때

최적화된 값(EMA=21)은 백테스트에서는 최고이지만, 미래에서는 기대에 못 미치는 경우가 있습니다. 이것이 커브 피팅입니다.

워크포워드 분석의 원리

워크포워드 분석은 데이터를 "최적화 기간(인샘플)"과 "검증 기간(아웃오브샘플)"으로 분할하고, 시계열 순서에 따라 반복함으로써 과최적화를 검출합니다.

【데이터 분할 예시（10년 분）】

├─ 최적화 기간 ─┤─ 검증 기간 ─┤
2015~2018년    2019년     → 파라미터 A를 도출하여 2019년에 검증
     ↓
2016~2019년    2020년     → 파라미터 B를 도출하여 2020년에 검증
     ↓
2017~2020년    2021년     → 파라미터 C를 도출하여 2021년에 검증
     ↓
（이후 반복）

각 검증 기간의 결과를 집계함으로써, "이 EA의 파라미터는 시장 환경이 바뀌어도 안정적인가"를 평가할 수 있습니다.

워크포워드 분석 실시 방법（MT5）

MT5의 Strategy Tester는 현 시점에서 워크포워드 분석을 지원하지 않습니다. 다음 방법으로 대체할 수 있습니다.

방법①：수동으로 인샘플 / 아웃오브샘플 분할

절차：

1. 백테스트 기간을 2015~2020년으로 설정하고 최적화
2. 최적화 결과에서 상위 파라미터를 3~5개 선택
3. 선택한 파라미터로 2021~2025년（아웃오브샘플）에서 백테스트
4. 최적화 기간과 아웃오브샘플의 PF를 비교

평가 기준（워크포워드 효율）:
WFE = 아웃오브샘플 PF ÷ 인샘플 PF × 100%

WFE 60% 이상 → 합격（과최적화 없음）
WFE 40~60% → 관찰 필요
WFE 40% 미만 → 커브 피팅 의심（사용 금지）

방법②：서드파티 도구 사용

• Strategy Quant X：워크포워드 분석의 자동화가 가능
• MT5의 워크포워드 최적화（experimental）：일부 버전에서 구현됨

최적화 시 주의사항

주의①：최적화할 변수는 1~2개로 압축

동시에 많은 파라미터를 최적화할수록 커브 피팅의 리스크가 높아집니다.

✅ 좋은 예：EMA 기간만 최적화（10~50, 스텝 5）
❌ 나쁜 예：EMA 기간 × ATR 배율 × RSI 기간을 동시 최적화

최적화 변수를 늘리면 "조합 폭발"로 인해 우연히 최적 조합을 찾을 확률이 올라갈 뿐입니다.

주의②：최적화 결과의 Top1을 사용하지 않기

최적화 결과 목록에서 가장 높은 PF를 보인 파라미터는 커브 피팅되어 있을 가능성이 가장 높은 파라미터입니다.

대신 다음 방법을 사용합니다：

권장 접근법：
1. 상위 20%의 파라미터를 추출
2. 서로 근접한 파라미터 군（클러스터）을 찾는다
3. 클러스터의 중앙값 부근의 파라미터를 채택

예：EMA 기간의 최적화 결과가 PF 높은 순으로 21, 23, 19, 35, 22, 20...으로 나열되는 경우, 2023의 클러스터가 존재합니다. 이 클러스터의 중앙값（2122）을 채택합니다.

주의③：최적화 기간을 길게 잡기

권장 설정：
- 최적화（인샘플）기간：5~7년
- 검증（아웃오브샘플）기간：2~3년
- 비율（인샘플：아웃오브샘플）：70:30~80:20

최적화 기간이 짧을수록 과최적화의 리스크가 높아집니다.

워크포워드 분석 결과 해석 방법

좋은 EA의 특징

• WFE（워크포워드 효율）가 60% 이상
• 아웃오브샘플의 PF가 인샘플의 50~90% 범위 내
• 각 검증 기간에서 PF가 플러스（전 기간에서 플러스）

주의가 필요한 EA의 특징

• WFE가 40% 미만
• 특정 검증 기간만 성적이 좋음（다른 기간은 마이너스）
• 인샘플의 PF가 3.0 이상（과최적화의 전형）

과최적화되기 어려운 파라미터 설계 팁

팁①：파라미터의 감도를 확인한다

최적값의 앞뒤（±10~20%）의 파라미터에서도 PF가 안정적인지 확인합니다.

EMA=21이 최적값인 경우：
EMA=18: PF 1.25
EMA=19: PF 1.31
EMA=20: PF 1.34
EMA=21: PF 1.38  ← 최적값
EMA=22: PF 1.33
EMA=23: PF 1.29
EMA=24: PF 1.24

→ 인근 파라미터에서도 안정적으로 PF가 플러스 = 견고한 전략

앞뒤에서 PF가 급격히 변하는 경우 과최적화의 가능성이 있습니다.

팁②：오버피팅되기 어려운 단순한 로직 사용

파라미터가 적고 단순한 로직의 EA일수록 커브 피팅되기 어렵습니다. EMA 크로스, ATR 기반의 SL/TP 설정 등의 단순한 요소를 조합하세요.

정리

워크포워드 분석 정리：

1. 인샘플（최적화）：아웃오브샘플（검증）= 70:30으로 분할
2. WFE（워크포워드 효율）= 아웃오브샘플 PF ÷ 인샘플 PF × 100%
3. WFE 60% 이상이 합격 라인
4. 최적화 변수는 1~2개로 압축
5. 최적값이 아닌 클러스터의 중앙값을 채택

워크포워드 분석을 수행함으로써, 포워드 테스트에서도 안정적으로 동작하는 EA를 특정할 수 있습니다. 백테스트 성적이 지나치게 좋은 EA일수록 이 검증이 중요합니다.

FAQ

Q: MT5 순정 기능으로 워크포워드 분석이 가능한가요?

MT5의 Strategy Tester는 기본적으로 워크포워드 분석을 지원하지 않지만, 최신 버전에서는 실험적인 기능으로 추가되어 있는 경우가 있습니다. 수동으로 기간을 분할하여 백테스트를 여러 번 실시하는 방법이 확실합니다.

Q: WFE가 50%라도 사용할 수 있나요?

WFE 50%는 경계선입니다. 아웃오브샘플의 PF가 1.2 이상이라면 실운용은 가능하지만, 포워드 테스트에서 6개월 이상의 실적을 쌓은 후 판단할 것을 권장합니다.

Q: 워크포워드 분석 없이 EA를 사용하는 것은 위험한가요?

위험하다고 단정할 수는 없지만, 커브 피팅의 리스크가 높아집니다. 최소한 "최적화 기간의 일부를 아웃오브샘플로 남겨두는" 방법만이라도 실시해 주세요.

관련 페이지

• 워크포워드 검증 실시 절차
• 커브 피팅 과적합 간파하는 법
• GOLD EMA ATR EA — OOS 검증 완료 (PF 1.61)
• EA 목록 · OOS 안정성 랭킹