일련의 손실은 전략이 더 이상 작동하지 않는다는 근거처럼 느껴질 수 있습니다. 하지만 안정적인 과정에서도 우연히 발생할 수 있습니다. 그 확률은 무엇을 손실로 보는지, 거래를 몇 건 포함하는지, 결과가 독립적인지에 따라 달라집니다. 이것만으로 계좌를 잃을 확률을 알 수는 없습니다.
“파산 위험”은 추정하기 전에 정의가 필요합니다. 파산은 잔액 0, 20% 낙폭(드로다운), 거래소의 유지 요건 미달, 또는 정해둔 계획을 지키지 못하는 상태를 뜻할 수 있습니다. 각각은 서로 다른 사건입니다. 연속 손실 계산은 더 좁은 질문에 답합니다.
5연패 한 구간은 전체 거래 기간이 아닙니다
모든 거래가 독립적으로 40% 확률로 손실이고, 모든 거래에서 이 확률이 같다고 가정해 보겠습니다. 미리 정한 5거래 구간 하나가 다섯 번의 손실로 채워질 확률은 0.40⁵ = 1.024%입니다. 이는 그 다섯 자리에 대한 확률입니다. 더 긴 기록 어딘가에서 5연패를 만날 확률은 아닙니다.
아래의 더 긴 기간 계산에서 각 거래는 승리 또는 손실이고, 무승부는 제외하며, 40% 손실 확률은 변하지 않습니다. 5연패가 없는 경로를 세면서 현재 연속 손실 길이를 0에서 4까지 추적합니다. 승리하면 카운트가 초기화되고, 다섯 번째 연속 손실이 발생하면 해당 사건에 들어갑니다. 이 방법은 각 구간을 독립적으로 취급하는 대신 겹칠 수 있는 시작점을 반영합니다. 베르누이 수열에서 연속 구간 확률에 대한 수학적 처리는 출처에 포함되어 있습니다.
| 기간 내 거래 수 | 5연패가 최소 한 번 발생할 확률 |
|---|---|
| 5 | 1.02% |
| 10 | 4.10% |
| 20 | 10.01% |
| 50 | 25.65% |
| 100 | 45.91% |
| 250 | 79.17% |
이는 명시된 모델에 대한 정확한 결과이며 소수점 둘째 자리로 반올림했습니다. 기간이 길어지면 확률이 오르는 이유는, 5거래에서 이례적으로 보이는 연속 손실이 수백 건을 살펴볼 때는 훨씬 덜 놀랍기 때문입니다. 이 차트는 연속 손실 사건만 설명하며, 예측이나 전략 추정, 계좌 파산 확률이 아닙니다.
손실을 자본 곡선으로 환산하기
확률과 계좌 영향은 별개의 계산입니다. 가상의 $10,000 잔액과 각 거래에서 현재 자본의 1%를 리스크로 감수하는 규칙을 생각해 보겠습니다. 각 손실 거래가 수수료, 슬리피지, 갭 또는 기타 변동 없이 정확히 계획한 금액만큼 손실된다면, 다섯 번의 손실 후 잔액은 $10,000 × 0.99⁵ = $9,509.90이고 낙폭(드로다운)은 4.90%입니다. 열 번이면 $10,000 × 0.99¹⁰ = $9,043.82이고 낙폭은 9.56%입니다.
이 수치들은 가정한 순서에 적용한 포지션 크기 규칙을 설명하며, 40% 손실 확률이 달러 손실을 결정한 것은 아닙니다. 고정 달러 리스크 규칙을 쓰면 다른 경로가 나옵니다. 실제 스탑 주문은 슬리피지가 발생할 수 있고, 비용은 누적되며, 레버리지 상품은 잔액이 0에 도달하기 전에 강제 청산을 요구하는 증거금 규칙을 가질 수 있습니다. 이 단순 계산은 그런 메커니즘을 하나도 모델링하지 않습니다.
손실 후 “만회하려고” 크기를 키우면 계좌가 실수할 여지가 줄어든 바로 그 시점에 노출이 커집니다. 다음 거래의 확률이 좋아지는 것은 아닙니다. 최대 노출과 일시 중단 또는 검토 조건을 미리 정해 두세요. 그런 다음 전략을 바꾸기 전에 규칙 준수, 비용, 시장 상황과 근거의 품질을 평가하세요.
실제 파산 모델이 반드시 명시해야 하는 것
임계값 돌파 확률을 추정하려면 임계값을 정의하고 명시적인 결과 및 포지션 크기 모델 아래에서 전체 자본 경로를 시뮬레이션해야 합니다. 최소한 다음을 기록하세요.
- 실패 사건: 예를 들어 자본이 지정 금액 아래로 내려가거나 정한 한도를 넘는 낙폭(드로다운)이 발생하는 경우입니다. 레버리지 선물의 경우 거래소 증거금 청산과 구분하고 계약 규칙을 확인하세요.
- 거래 결과: 승/패 확률, 손익 크기, 비용과 이러한 입력값을 추정한 방법입니다. 승률만으로는 충분하지 않습니다.
- 의존성: 결과를 독립적으로 볼지, 군집을 허용할지 여부입니다. 인접한 거래는 같은 시장 국면을 공유할 수 있으며, 이를 독립적으로 섞으면 그 구조가 지워질 수 있습니다.
- 포지션 크기와 기간: 고정 달러, 현재 자본의 일정 비율 또는 다른 규칙, 거래 수, 그리고 입금, 출금 또는 중단 조건입니다.
- 모델 불확실성: 표본 길이, 파라미터 선택, 대안 가정과 결과의 민감도입니다.
그런 다음 거래 단위로 순서를 시뮬레이션하면서 자본, 크기와 비용을 갱신하고, 정의한 임계값에 도달했는지 기록하세요. 결과 옆에 가정을 함께 보고하세요. 짧고 선택된 백테스트에서 나온 정확한 백분율은 그 입력값이 정당화하는 것보다 더 확실해 보일 수 있습니다. 재표본 추출은 원본 기록에 없던 시장 국면을 만들어내지 못합니다. 이 한계는 별도의 거래 재표본 추출 가이드에서 설명합니다.
“손실”이라고 부르는 입력값도 주의가 필요합니다. 총 변동이 플러스인 거래도 수수료, 스프레드, 펀딩비 또는 차입 비용을 반영하면 순손실이 될 수 있고, 작은 이익 거래도 이전 낙폭(드로다운)을 회복하지 못할 수 있습니다. 사건을 총 결과 기준으로 정의하는지 순 계좌 변화 기준으로 정의하는지 밝히고, 표본과 시뮬레이션에 같은 정의를 적용하세요. 그렇지 않으면 연속 손실 횟수와 자본 경로가 서로 다른 것을 설명하게 됩니다.
40% 예시는 선택한 입력값이며, 최근 거래 몇 건에서 추론한 값이 아닙니다. 과거 결과에서 승률을 추정하면 그 추정값 자체가 불확실하고 시장 국면이 바뀌면 달라질 수 있습니다. 가능한 확률과 손익 분포의 범위를 비교하고, 의존성이 중요할 때는 시간 순서를 유지하며, 각 시나리오에서 정의한 임계값에 얼마나 자주 도달하는지 보여줍니다. 이런 시뮬레이션은 제공한 가정을 설명할 뿐, 그 가정이 지속된다는 것을 입증하지는 못합니다.
CFTC의 가상통화 권고는 레버리지 선물이 시장이 계좌에 불리하게 움직일 때 추가 증거금이나 포지션 청산을 요구할 수 있고, 손실이 초기 투자금을 초과할 수 있다고 경고합니다. 이 경고는 선물과 증거금 계좌의 리스크에 관한 것이며, 구체적인 계약과 거래소 규칙이 중요합니다. 개별 트레이더를 위한 확률 추정도, 모든 암호화폐 상품이 같은 방식으로 움직인다는 주장도 아닙니다.
SuperQuant의 합성 예시는 산술을 보여줄 수 있지만, 여러분의 파산 확률을 추정하거나 실제 거래소의 청산 경로를 모델링하지는 못합니다. 범위를 정한 계획 연습을 위해서는 포지션 크기, 낙폭과 회복, 암호화폐 청산 가이드를 읽어 보세요. 이 계산은 교육용이며, 거래 추천이나 개인 투자 조언이 아닙니다.