고급 자금관리 시스템 (Advanced Money Management Systems)

1. 개요

자금관리(Money Management)는 트레이딩에서 가장 중요하면서도 간과되기 쉬운 영역입니다. 많은 트레이더가 진입 신호와 기술적 분석에 집중하지만, 실제로 장기 수익성을 결정짓는 것은 "얼마나 걸 것인가"에 대한 답, 즉 자금관리입니다. 고급 자금관리 시스템은 단순히 손실을 제한하는 수준을 넘어, 복리의 힘을 활용하여 수익을 극대화하는 동시에 시스템의 생존성을 보장하는 체계적인 프레임워크를 제공합니다.

이 챕터에서는 동적 사이징의 수학적 원리, 기하 기댓값과 선형 기댓값의 본질적 차이, 그리고 실전에서 활용 가능한 하이브리드 접근법(GMMS)까지 다룹니다. 핵심은 "수익을 내는 전략도 잘못된 사이징으로 파산할 수 있다"는 사실을 수학적으로 이해하고, 이를 방지하는 구조를 설계하는 것입니다.

2. 핵심 규칙/원칙

2.1 동적 사이징의 비대칭 효과 (Asymmetry Effect in Dynamic Sizing)

기본 개념:

동적 사이징(Dynamic Sizing)이란 현재 계좌 잔고에 비례하여 포지션 크기를 조절하는 방식입니다. 예를 들어 "계좌의 10%를 리스크로 설정"하면, 계좌가 커질수록 절대 금액도 커지고, 계좌가 줄어들면 절대 금액도 줄어듭니다. 이 방식은 복리 효과를 누릴 수 있다는 장점이 있지만, 동일한 승수와 패수가 있어도 원금으로 돌아오지 않는 비대칭 현상이 발생합니다.

비대칭 현상이 발생하는 이유:

• 10% 손실 후 원금 복구에는 11.1%의 수익이 필요합니다
• 20% 손실 후에는 25%, 50% 손실 후에는 100%의 수익이 필요합니다
• 이것이 복리 환경에서 반복되면 평균 회귀 편향(Mean Reversion Bias)과 손실 촉진 편향(Loss Acceleration Bias)이 동시에 작용합니다

수학적 공식:

리턴 비율 = (리워드 비율)^승수 × (리스크 비율)^패수
기하 기댓값 = 리턴 비율^(1/T)

여기서:

• 리워드 비율 = 1 + (리스크 비율 × R/r 비율의 R 부분), 즉 승리 시 자본 배수
• 리스크 비율 = 1 - %risk, 즉 패배 시 자본 배수
• T = 총 거래 횟수 (승수 + 패수)

예시 계산:

• R/r = 2:1, %risk = 10%, 75거래 (37승 38패)
• 리워드 비율 = 1 + (0.10 × 2) = 1.2
• 리스크 비율 = 1 - 0.10 = 0.9
• 리턴 비율 = (1.2)^37 × (0.9)^38 = 0.7156
• 기하 기댓값 = 0.7156^(1/75) = 0.99554 (< 1)

이 결과의 의미: 선형 기댓값으로는 양의 기댓값을 가진 시스템(승률 49.3%에 R/r 2:1)이, 동적 사이징을 적용하면 매 거래마다 평균 0.045%씩 자본이 감소합니다. 75거래 후 약 28.4%의 자본 손실이 발생하는 것입니다.

2.2 기하 기댓값 대 선형 기댓값 (Geometric vs Linear Expectancy)

자금관리에서 가장 중요한 구분은 고정 사이징(Fixed Sizing)과 동적 사이징(Dynamic Sizing)에 각각 적용되는 기댓값의 차이를 이해하는 것입니다.

선형 기댓값 (고정 사이징에서 적용):

선형 기댓값 = (R × 승률) - (r × 패률)

고정 사이징에서는 매 거래마다 동일한 금액을 걸기 때문에, 개별 거래의 기댓값을 단순 합산할 수 있습니다. 거래 크기를 늘리면 기댓값도 비례하여 증가합니다.

기하 기댓값 (동적 사이징에서 적용):

기하 기댓값 = (리턴 비율)^(1/T)

동적 사이징에서는 각 거래가 곱셈적으로 연결되므로 기하 평균이 적용됩니다. 산술 평균과 기하 평균은 본질적으로 다르며, 기하 평균은 항상 산술 평균 이하입니다.

두 기댓값의 핵심 차이:

가장 위험한 함정:

실전 시사점: 백테스트에서 높은 수익률을 보여주는 시스템이 실전에서 실패하는 주요 원인 중 하나가 바로 이것입니다. 백테스트가 선형 기댓값 기반으로 결과를 보여주는 경우, 동적 사이징 환경의 실전과 괴리가 발생합니다. 반드시 기하 기댓값으로 전환하여 검증해야 합니다.

2.3 동적 사이징의 최소 승률 (Minimum Win Rate for Dynamic Sizing)

동적 사이징 환경에서 시스템이 수익을 내려면(기하 기댓값 > 1), 특정 최소 승률을 충족해야 합니다. 이 최소 승률은 R/r 비율과 리스크 비율의 함수입니다.

공식:

W = -L × (ln(리스크 비율) / ln(리워드 비율))
최소 승률 = W / (W + L) × 100%

여기서:

• W = 손익분기를 위한 최소 승리 횟수
• L = 패배 횟수
• ln = 자연로그
• 리스크 비율 = 1 - %risk (패배 시 남는 자본 비율)
• 리워드 비율 = 1 + (%risk × R배수) (승리 시 자본 배수)

실제 계산 예시:

케이스 A: R/r = 2:1, %risk = 10%, L = 49

• 리워드 비율 = 1.2, 리스크 비율 = 0.9
• W = -49 × (ln0.9 / ln1.2) = -49 × (-0.1054 / 0.1823) = 28.31승 필요
• 최소 승률 = 28.31 / (28.31 + 49) × 100% = 36.6%

케이스 B: R/r = 2:1, %risk = 20%, L = 49

• 리워드 비율 = 1.4, 리스크 비율 = 0.8
• W = -49 × (ln0.8 / ln1.4) = -49 × (-0.2231 / 0.3365) = 32.49승 필요
• 최소 승률 = 32.49 / (32.49 + 49) × 100% = 39.9%