교훈
상위 타임프레임, 큰 fractal 반경, 진입 필터는 반복해서 "덜 나빠 보이는" 결과를 냈다. 하지만 원인은 대부분 거래가 줄어 비용과 손실 노출이 줄어든 것이었다. 트레이드당 품질은 그대로이거나 오히려 나빠졌다.
근거
- 타임프레임 비교 두 건: 4h가 30m보다 덜 잃는 이유를 리포트가 직접 "거래가 적어서이지 trail이 작동해서가 아니다"라고 결론냈다.
- fractal 반경을 단계적으로 키운 비교: 거래 수는 3,338 → 1,886으로 줄었지만 모든 행이 계좌의 약 99%를 잃었고 PF는 더 나빠졌다.
- impulse A에서 fractal 반경을 키운 비교: 같은 진입을 늦출 뿐 트리거를 개선하지 못했다.
- 구버전 config의 필터 분석: CT와 HMA-MACD gate가 막은 786건의 합은
+13.7R로 noise band(σ 약 41R) 안이다. 필터는 payoff가 아니라 노출 감소로 PF와 DD를 개선했다.
메커니즘
손실이 나는 진입을 무작위로 일부 지워도 총손실과 수수료는 줄어든다. 그래서 거래 수가 줄어든 변경은 진입 구별력이 없어도 지표상 개선처럼 보인다.
클럭 비교에는 기계적 비용 차이도 섞인다. 1R당 수수료 중앙값이 30m 0.056R, 4h 0.018R로 약 3배 차이다 (C-003). 상위 클럭이 덜 나빴던 이유는 거래 수 감소와 이 R당 비용 감소가 합쳐진 것이다.
경계
트레이드당 기대값이 0 근처이거나 음수인 경로에서 특히 강하다. 기대값이 뚜렷하게 양수인 경로에서는 거래를 줄이면 오히려 손해다.
전략에 주는 함의
- 필터나 클럭 변경 아이디어는 총합 지표가 아니라 트레이드당 R과 PF 변화로 설명해야 한다.
- 가능하면 거래 수를 맞춘 대조군을 요구한다. 같은 수의 트레이드를 무작위로 제거한 경우보다 나은지 비교하는 것이다.
- 필터의 가치가 위험 형태(DD, FSL)에만 있다면 그렇다고 명시하고 payoff 개선으로 표현하지 않는다.
열린 질문
- 무작위 솎아내기(random thinning) 대조군을 LAB 표준 보고에 넣을 가치가 있는가.
- 구버전 분석에서 4H 정렬 상태(flat PF가 가장 높음)가 실제 분리 축으로 보였다. 현재 Claim B에서도 같은지는 미확인.