과거 데이터를 일정 구간으로 나누어 최적화(In-Sample)와 전진 검증(Out-of-Sample)을 반복 수행하는 동적 검증 방식입니다. 고정된 기간의 백테스트가 가진 한계를 극복하고 전략의 시계열적 안정성을 확인하는 데 목적이 있습니다.
핵심
- 데이터를 윈도우(Window) 단위로 슬라이딩하며 최적화와 검증을 반복함
- 과최적화(Overfitting)를 방지하고 미래 데이터에 대한 적응력을 측정함
- 전략의 파라미터가 시간에 따라 어떻게 변화해야 하는지(Robustness) 확인 가능
- 단순 백테스트보다 실제 운용 환경에 더 가까운 시뮬레이션 제공
왜 중요한가
시장은 끊임없이 변하므로 과거의 특정 시점에만 맞춘 전략은 실전에서 빠르게 무너집니다. 워크포워드 검증을 통해 전략이 다양한 시장 국면(Regime)에서도 일관된 성과를 내는지 검증함으로써 생존 확률을 높일 수 있습니다.
예시 (가상)
112월 데이터를 3개월 단위로 나누어, 13월에 최적화한 파라미터를 4월 한 달간 적용하고, 다시 2~4월 최적화 값을 5월에 적용하는 과정을 반복하여 전체 수익 곡선을 산출합니다. (가상 예시)
확인법
In-Sample 성과와 Out-of-Sample 성과의 괴리율(Efficiency)을 측정하십시오. OOS 성과가 IS 성과의 일정 비율(예: 50% 이상)을 유지한다면 해당 전략은 통계적 유의미성을 가졌다고 판단할 수 있습니다.
강의 연결
단순한 수익률 예측이 아니라 ‘검증 능력’을 기르는 과정이며, 과최적화 노드와 함께 학습하여 전략의 견고함을 평가하십시오.