[심층분석] 잠자는 동안 돈 버는 코드? 퀀트 트레이딩 입문자를 위한 보물지도가 공개됐어요

개발자라면 한 번쯤 꿈꿔본 그것

개발자라면 한 번쯤 이런 상상 해보셨을 거예요. "내가 짠 코드가 새벽에도 알아서 매매하면서 돈을 벌어다 주면 얼마나 좋을까?" 그런데 막상 퀀트 트레이딩을 시작해보려고 검색하면 바로 벽에 부딪히거든요. 백테스팅 라이브러리만 수십 개가 쏟아지고, 어떤 건 관리가 멈춘 지 몇 년 됐고, 논문은 어디서 찾아야 할지 모르겠고, 책은 뭐부터 읽어야 할지 감이 안 와요.

오늘 소개할 awesome-systematic-trading은 바로 이 "어디서부터 시작하지?" 문제를 정면으로 해결해주는 큐레이션 저장소예요. 시스터매틱 트레이딩이라는 건, 쉽게 말해서 감이나 뉴스에 의존하지 않고 미리 정해둔 규칙(코드)대로만 기계적으로 매매하는 방식을 말해요. 흔히 퀀트 트레이딩이라고 부르는 그것과 거의 같은 개념이죠. 이 저장소는 그걸 하는 데 필요한 라이브러리 97개, 기관과 학계에서 검증한 전략 40여 개, 책 55권, 영상 23개를 카테고리별로 정리해놨어요. 인터넷의 흩어진 지식을 한 장의 지도로 만들어놓은 셈이에요.

백테스팅 프레임워크, 두 가지 유파를 알아야 해요

이 저장소에서 가장 공들인 부분이 백테스팅 라이브러리 분류인데요. 백테스팅이 뭐냐면, 과거 데이터를 가지고 "내 전략을 그때 돌렸다면 얼마를 벌었을까?"를 시뮬레이션하는 것이에요. 실제 돈을 넣기 전에 하는 리허설이죠. 그런데 저장소가 이걸 두 유파로 나눠놓은 게 핵심 포인트예요.

첫 번째는 이벤트 드리븐(Event Driven) 방식이에요. backtrader, zipline, vnpy 같은 프레임워크가 여기 속하는데요. 과거 데이터를 마치 실시간 시장처럼 한 틱씩 재생하면서 전략이 그때그때 반응하게 만드는 방식이에요. 영화를 처음부터 끝까지 실시간으로 보는 것과 비슷해요. 느리지만 현실과 가까워서, 백테스트한 코드를 거의 그대로 실전 매매에 연결할 수 있다는 게 큰 장점이거든요.

두 번째는 벡터 기반(Vector Based) 방식이에요. vectorbt 같은 라이브러리가 대표적인데, 전체 데이터를 하나의 큰 행렬로 놓고 NumPy 연산으로 한 방에 계산해버려요. 영화를 보는 게 아니라 결말표만 엑셀로 뽑아보는 느낌이죠. 수백 개의 파라미터 조합을 몇 초 만에 테스트할 수 있을 만큼 빠른데, 대신 "미래 데이터를 실수로 미리 봐버리는" 룩어헤드 편향(lookahead bias)이 생기기 쉬워요. 이게 뭐냐면, 시험 전에 답안지를 슬쩍 본 학생처럼 백테스트 성적은 좋은데 실전에서는 처참해지는 함정이에요.

실무에서는 보통 이렇게 조합해요. 아이디어 탐색 단계에서는 벡터 기반으로 빠르게 훑고, 살아남은 전략만 이벤트 드리븐으로 정밀 검증한 뒤 실전에 투입하는 거죠. 저장소가 이 두 유파를 명시적으로 나눠놓은 것 자체가 초보자에게 좋은 가이드가 돼요.

진짜 보물은 "전략" 섹션이에요

라이브러리 목록은 다른 곳에도 있지만, 이 저장소가 특별한 이유는 학술 논문에 기반한 전략 40여 개를 자산군별로 정리해놨다는 점이에요. 채권, 원자재, 통화, 주식, 리츠(REITs), 암호화폐까지 자산 조합별로 분류돼 있는데요.

왜 이게 중요하냐면, 초보자가 가장 많이 하는 실수가 유튜브에서 본 "RSI가 30 밑으로 가면 매수" 같은 검증 안 된 규칙으로 시작하는 거거든요. 반면 여기 정리된 건 모멘텀, 평균 회귀, 캐리 같은 수십 년간 학계에서 논쟁하고 검증해온 팩터 기반 전략들이에요. 예를 들어 모멘텀 전략이 뭐냐면, "최근에 오르던 자산은 당분간 더 오르는 경향이 있다"는 통계적 현상에 베팅하는 건데, 이건 1993년 논문 이후 수백 편의 후속 연구가 쌓인 주제예요. 근거 있는 출발점과 감에 의존한 출발점의 차이는 생각보다 커요.

저장소 이름의 paperswithbacktest도 이 철학을 담고 있는데요. 머신러닝 하시는 분들이 아는 Papers With Code, 그러니까 "논문에 구현 코드를 붙여주는" 그 컨셉을 트레이딩 논문에 적용한 거예요. 논문의 전략을 실제 백테스트 코드로 재현해보자는 거죠.

업계 맥락: 왜 이런 큐레이션이 필요해졌나

퀀트 오픈소스 생태계에는 아픈 역사가 있어요. 한때 가장 유명했던 zipline은 개발사 Quantopian이 2020년에 문을 닫으면서 공식 개발이 멈췄고, 지금은 커뮤니티 포크인 zipline-reloaded로 명맥을 잇고 있거든요. backtrader도 원작자의 활동이 뜸해진 지 오래예요. 그러니까 이 판에서는 "스타 수가 많은 라이브러리 = 지금 쓰기 좋은 라이브러리"가 아니에요. 어떤 도구가 살아있고 어떤 도구가 유산으로 남았는지 맥락을 알려주는 큐레이션의 가치가 다른 분야보다 훨씬 큰 이유죠.

또 하나 눈여겨볼 건 이 저장소가 백테스팅뿐 아니라 데이터 소스, 브로커 API, 지표 계산, 리스크 관리, 시계열 분석, 시각화까지 파이프라인 전체를 커버한다는 점이에요. 퀀트 트레이딩은 사실 전략 코드가 전체 일의 20%밖에 안 되거든요. 나머지 80%는 데이터를 구하고, 정제하고, 주문을 안정적으로 넣고, 장애에 대응하는 전형적인 데이터 엔지니어링 + 백엔드 일이에요. 그래서 역설적으로 개발자에게 유리한 분야이기도 해요.

한국 개발자를 위한 활용법과 학습 로드맵

한국에서 시작한다면 이렇게 접근해보시길 추천해요.

• 1단계 (첫 주말): pandas로 주가 데이터를 다뤄보고, backtrader로 이동평균 크로스 전략(단기 평균선이 장기 평균선을 위로 뚫으면 매수하는 가장 고전적인 규칙)을 백테스트해보세요. 결과가 형편없어도 괜찮아요. 파이프라인을 한 바퀴 돌려보는 게 목적이거든요.
• 2단계 (한 달): 저장소의 전략 섹션에서 논문 하나를 골라 직접 재현해보세요. 논문의 그래프와 내 백테스트 결과가 왜 다른지 파고드는 과정에서 수수료, 슬리피지(주문 가격과 실제 체결 가격의 차이), 생존 편향 같은 진짜 중요한 개념을 몸으로 배우게 돼요.
• 3단계: 국내 실전 연결이에요. 한국투자증권의 KIS Developers처럼 REST API를 제공하는 증권사가 생겨서 예전보다 진입장벽이 많이 낮아졌고, 암호화폐 쪽은 업비트 API로 24시간 굴러가는 시장에서 소액 실험이 가능해요. 저장소의 브로커 API 섹션은 해외 중심이라, 국내 연동부는 직접 구현해야 한다는 점은 미리 알아두세요.

마무리: 코드는 공짜지만, 알파는 공짜가 아니에요

이 저장소가 상징하는 흐름은 분명해요. 10년 전엔 헤지펀드 내부에만 있던 도구와 지식이 이제 오픈소스로 다 풀렸다는 것. 진입장벽은 자본에서 학습 의지와 엔지니어링 실력으로 옮겨왔어요. 다만 냉정하게 말하면, 도구가 공짜라고 수익(알파)까지 공짜인 건 아니에요. 모두가 같은 도구를 쓸수록 초과수익의 원천은 남들과 다른 데이터, 다른 아이디어, 그리고 끝까지 규칙을 지키는 규율에서 나오거든요.

그래도 개발자에게 이만큼 좋은 사이드 프로젝트 주제도 드물어요. 데이터 엔지니어링, 통계, 시스템 설계, 리스크 관리까지 한 프로젝트에서 다 경험할 수 있으니까요. 여러분은 어떠세요? 자동 매매 시스템을 직접 만들어본 경험이 있으신가요? 백테스트와 실전의 갭 때문에 고생했던 이야기가 있다면 댓글로 나눠주세요.