같은 전략을 돌렸는데 왜 어떤 계좌에서는 우상향 곡선이 나오고, 다른 계좌에서는 곡선이 바닥을 기는 걸까. 전략 자체를 의심하기 전에 점검해야 할 지점이 하나 있다. 바로 플랫폼에 저장된 과거 시세 데이터의 기간과 정밀도다. 외환거래를 하는 사람들 대부분은 지표 설정값이나 진입 조건을 다듬는 데 몰두하지만, 정작 그 지표가 계산되는 원재료인 시세 데이터가 어디까지 쌓여 있는지, 어떤 단위로 저장되는지는 잘 들여다보지 않는다. 비용을 아끼려는 실속파라면 오히려 이 부분을 먼저 봐야 한다. 데이터가 부실하면 아무리 정교한 전략도 잘못된 검증 결과를 낳고, 그 오류는 결국 실계좌에서 손실로 청구서가 날아오기 때문이다.
왜 지금 시세 데이터 관리가 다시 주목받는가
외환거래 환경은 최근 몇 년 사이 눈에 띄게 달라졌다. 과거에는 차트를 띄우고 지표 몇 개 얹으면 그걸로 충분하다는 인식이 퍼져 있었지만, 지금은 자동매매와 반자동 전략을 병행하는 개인 트레이더가 크게 늘었다. 문제는 이들이 전략 검증에 쓰는 데이터가 대부분 플랫폼 기본 제공 범위에 머문다는 점이다. 메타트레이더 같은 환경에서 차트를 열면 몇 년치 봉이 자동으로 그려지기 때문에, 데이터가 이미 온전히 확보된 것처럼 착각하기 쉽다. 그러나 화면에 보이는 봉의 개수와 실제로 저장·관리되고 있는 데이터의 깊이는 전혀 다른 이야기다.
특히 비용을 중시하는 이용자일수록 데이터 관리에 소홀하기 쉽다. 유료 데이터를 따로 구독하지 않으려다 보니 기본 제공 데이터로만 버티게 되고, 그 한계를 인지하지 못한 채 검증 결과를 신뢰하게 된다. 결과적으로 스프레드나 스왑 같은 명시적 비용은 꼼꼼히 따지면서, 데이터 부족에서 비롯되는 암묵적 비용은 놓치는 셈이다. 이 글은 그 암묵적 비용을 어떻게 인식하고 줄일지, 실제 관찰 사례를 중심으로 비교·평가해 본다.
플랫폼별 시세 데이터 기간, 어디까지 쌓여 있나
외환거래 플랫폼마다 저장하는 과거 시세의 시작 시점은 제각각이다. 어떤 환경은 분봉 기준으로 몇 달치만 쥐고 있고, 어떤 환경은 수년치를 제공한다. 여기서 중요한 건 “몇 년치”라는 숫자 자체가 아니다. 그 기간 안에 어떤 시장 국면이 포함되어 있느냐다. 완만한 추세장만 담긴 데이터로 만든 전략은 급격한 변동성 구간에서 쉽게 무너진다.
실제로 관찰된 사례를 보면, 특정 통화쌍을 대상으로 단순 이동평균 교차 전략을 검증했을 때 데이터 기간이 짧은 환경에서는 안정적인 우상향이 나타났지만, 같은 전략을 더 긴 기간 데이터에 돌리자 특정 분기 구간에서 낙폭이 크게 확대되는 모습이 확인됐다. 전략이 바뀐 게 아니다. 검증에 쓰인 데이터의 시간 범위가 달라졌을 뿐인데 결과의 성격 자체가 뒤바뀐 것이다.
정밀도가 지표 계산에 미치는 실제 차이
봉의 해상도와 지표 왜곡
데이터 정밀도는 크게 두 갈래로 나눠 볼 수 있다. 하나는 시간 해상도, 다른 하나는 가격 소수점 자릿수다. 시간 해상도가 낮으면, 예컨대 일봉만 있으면 분 단위 변동을 반영하는 지표는 아예 계산이 불가능하다. 반대로 분봉이 아무리 촘촘해도 전체 기간이 짧으면 계절성이나 장기 사이클을 읽어낼 수 없다. 두 요소는 서로 대체되지 않는다.
가격 소수점 자릿수 문제는 더 은밀하다. 같은 통화쌍인데도 플랫폼에 따라 호가 단위가 다르게 저장되는 경우가 있다. 이 차이는 평소에는 티끌처럼 보이지만, 손절 폭을 타이트하게 잡는 전략이나 스캘핑 계열에서는 진입·청산 시점 판정을 완전히 바꿔 놓을 수 있다. 지표 값이 소수점 아래에서 미세하게 어긋나고, 그 어긋남이 신호 발생 여부를 뒤집는 식이다.
스프레드와 스왑을 반영하지 않은 데이터의 함정
검증 결과가 실제와 벌어지는 또 다른 원인은 비용 반영 여부다. 시세 데이터에 스프레드가 녹아 있지 않으면, 이론상 진입 가능한 가격과 실제 체결 가격 사이에 간극이 생긴다. 스왑 역시 마찬가지다. 포지션을 며칠 이상 보유하는 전략이라면 스왑 누적액이 손익 구조를 바꿀 수 있는데, 이를 검증에 넣지 않으면 결과가 지나치게 낙관적으로 나온다. 결국 데이터는 가격만 담고 있으면 불충분하고, 거래 비용 구조까지 함께 관리되어야 한다. 이 부분은 FX마진에 좀 더 자세히 설명돼 있다.
데이터 관리 관점에서의 해결책
첫째, 검증에 앞서 플랫폼이 실제로 보유한 데이터의 시작 시점과 해상도를 직접 확인한다. 차트를 최대한 왼쪽으로 밀어 보거나, 데이터 내려받기 기능이 있다면 어느 연도까지 제공되는지 파악하는 것이 출발점이다. 눈으로 보이는 봉의 개수를 신뢰하지 말고, 저장된 이력의 실체를 확인해야 한다.
둘째, 검증 구간과 실전 구간을 분리한다. 전체 데이터 중 앞부분은 전략을 다듬는 데 쓰고, 뒷부분은 손대지 않고 남겨 두었다가 최종 확인용으로 활용하는 방식이다. 이렇게 하면 데이터에 과도하게 맞춰지는 문제를 줄일 수 있다. 데이터 기간이 짧은 환경이라면 이 분리 자체가 어렵기 때문에, 그만큼 검증 결과의 신뢰도를 낮춰 잡아야 한다.
셋째, 스프레드와 스왑을 검증 조건에 명시적으로 포함한다. 변동성이 큰 시간대와 그렇지 않은 시간대의 스프레드 차이도 함께 고려하면 더 현실에 가까운 결과를 얻는다. 경제지표 발표 직후처럼 유동성이 일시에 쏠리는 구간에서는 스프레드가 순간적으로 벌어지는데, 이 구간을 데이터가 제대로 반영하지 못하면 검증은 실제보다 유리하게 나올 수밖에 없다.
넷째, 매매일지와 데이터 기록을 연결한다. 실계좌에서 체결된 가격과 플랫폼 데이터상의 가격을 주기적으로 대조하면, 어느 지점에서 괴리가 생기는지 파악할 수 있다. 이 기록이 쌓이면 자신의 환경에서 어떤 데이터 보정이 필요한지 감이 잡힌다. 금이나 지수, 원자재를 다루는 경우에는 해당 자산의 거래 시간대와 휴장일 정보까지 데이터와 함께 관리해야 한다. 통화쌍과 이들 자산은 변동성 패턴이 다르기 때문에 같은 데이터 기간이라도 검증 결과의 안정성이 달라진다.
비용을 아끼려는 사람이 데이터에 투자해야 하는 이유
데이터 관리에 시간을 쓰는 건 당장 눈에 보이는 수익이 없는 작업이다. 그래서 실속파일수록 “이걸 굳이 해야 하나” 싶어지기 쉽다. 그러나 부실한 데이터로 만든 전략을 실계좌에 올리는 순간, 그 비용은 손실이라는 형태로 되돌아온다. 반대로 데이터의 한계를 정확히 알고 있으면, 그 한계를 감안한 보수적인 포지션 사이징과 손절 설정이 가능해진다. 즉 데이터 관리는 리스크 관리의 출발점이다.
레버리지와 증거금을 아무리 신중하게 조절해도, 검증 자체가 잘못됐다면 그 위의 모든 계산은 모래 위에 세워진 셈이 된다. 데모 계좌로 충분히 연습하는 것도 중요하지만, 그 연습이 어떤 데이터를 기준으로 이뤄지는지까지 확인하는 사람은 많지 않다. 이 지점에서 차이가 벌어진다.
정리하며
외환거래에서 데이터는 눈에 잘 띄지 않는 기반 시설이다. 플랫폼이 저장하는 과거 시세의 기간이 짧으면 시장 국면을 충분히 담지 못하고, 정밀도가 낮으면 지표 계산이 어긋나며, 거래 비용이 반영되지 않으면 결과가 실제보다 낙관적으로 나온다. 이 세 가지를 점검하는 것만으로도 검증 결과의 신뢰도는 크게 달라진다. 비용을 아끼고 싶다면 유료 도구를 늘리는 대신, 이미 손에 쥔 데이터를 제대로 이해하고 관리하는 쪽에 먼저 투자하는 편이 낫다. 외환거래와 관련 상품은 레버리지로 인해 원금을 초과하는 손실이 발생할 수 있으므로, 모든 검증 결과는 참고 자료일 뿐 미래 수익을 보장하지 않는다는 점을 염두에 두고 판단해야 한다.