결론부터 말씀드리면, 봇의 승산(기대값)이 플러스여도 한 번에 거는 돈의 비중을 잘못 잡으면 계좌는 터집니다. 이길 확률과 손익비가 아무리 좋아도, 베팅 크기가 크면 연속된 손실 몇 번에 원금이 회복 불가능한 구간으로 떨어지기 때문입니다. 실전에서 살아남는 봇과 죽는 봇의 차이는 ‘무엇을 사느냐’가 아니라 ‘얼마를 거느냐’에서 갈립니다. 솔직히 고백하면, 저는 이 사실을 책이 아니라 제 두 번째 봇이 무너지는 걸 지켜보고서야 배웠습니다.
포지션 사이징이란 무엇인가 — 한 문장 정의
포지션 사이징(position sizing)은 한 번의 거래에 계좌의 얼마를 투입할지 정하는 규칙이고, 자금 관리(money management)는 그 규칙을 계좌 전체에 걸쳐 일관되게 지키는 체계입니다. 트레이딩 교육 사이트 Babypips는 포지션 사이징을 “살아남기 위해 배워야 할 가장 중요한 기술”로 설명합니다. 진입 신호가 아무리 좋아도, 사이징이 무너지면 그 신호는 의미가 없어집니다.
여기서 꼭 구분해야 할 개념이 ‘파산 확률(Risk of Ruin)’입니다. 파산 확률은 특정 베팅 규칙을 계속 따랐을 때 계좌가 회복 불능 수준까지 줄어들 통계적 가능성을 말합니다. 핵심은, 기대값이 플러스여도 베팅이 크면 이 확률이 0이 아니라는 점입니다.
왜 진입보다 베팅 크기가 먼저인가 — 근거
- 손실은 비대칭입니다. 50%를 잃으면 본전까지 100%를 벌어야 합니다. 한 번의 과도한 베팅이 만든 손실은, 같은 크기의 이익으로는 절대 메워지지 않습니다.
- 연속 손실은 반드시 옵니다. 기대값이 플러스인 전략도 확률적으로 연패 구간을 지납니다. 베팅이 크면 이 정상적인 연패 구간에서 계좌가 파산 임계선을 넘습니다.
- 기대값은 ‘장기 평균’일 뿐입니다. 장기 평균에 도달하기 전에 계좌가 0에 가까워지면, 그 좋은 기대값을 실현할 기회 자체가 사라집니다. 살아남아야 평균이 작동합니다.
- 사이징은 유일하게 내가 100% 통제하는 변수입니다. 시장·체결가·변동성은 못 정하지만, 얼마를 걸지는 내가 정합니다.
제 두 번째 봇이 무너진 자리
제 첫 봇의 백테스트 기록은 참담했습니다. 승률 16.7%, 손익비 0.07. 이길 때 아주 조금 벌고 질 때 크게 잃는, 교과서에 나오는 ‘터지는 계좌’의 표본이었습니다. 실계좌에서도 승률은 약 30%까지 올랐지만 끝내 손실로 마감했습니다. 그때는 원인을 진입 신호 탓으로 돌렸습니다. ‘종목을 잘못 골랐나, 지표가 틀렸나’ 하고요.
두 번째 봇은 신호를 손봤더니 모의투자에서 15.28% 수익이 났습니다. 그런데 실전 감각으로 같은 로직을 돌려보며 제가 저지른 짓은, 자신이 붙었다고 한 번에 거는 비중을 키운 것이었습니다. 결과는 기대값이 플러스였는데도 짧은 연패에 계좌가 회복 불능으로 접어드는 경험이었습니다. 문제는 로직이 아니라 베팅 크기였습니다. 파산 확률이라는 개념을 그때 처음 진지하게 검색했습니다.
(정직하게 밝힙니다: 제가 실계좌에서 실제로 쓰는 회당 리스크 비중·손절 폭 같은 수치는 전략의 핵심이라 공개하지 않습니다. 아래 표의 숫자는 모두 원리를 설명하기 위한 가정치이며, 특정 종목·수익을 보장하지 않습니다.)
같은 기대값, 다른 베팅 크기 — 무엇이 갈리는가 (가정 시나리오)
아래는 동일하게 ‘플러스 기대값’을 가진 전략이, 회당 베팅 비중만 다를 때 어떻게 달라지는지를 보여주는 설명용 가정 예시입니다. 실제 수치가 아니라 원리를 보이기 위한 것입니다.
| 회당 베팅 비중(가정) | 연패 견딤 여력 | 복구 난이도 | 장기 생존 성향 |
|---|---|---|---|
| 소액(예: 계좌의 낮은 비중) | 연패에 크게 흔들리지 않음 | 손실 후 복구가 현실적 | 느리지만 오래 감 |
| 중간 | 일정 수준까지 견딤 | 복구에 시간·규율 필요 | 규율 지키면 생존 |
| 고액(자신감 베팅) | 짧은 연패에도 임계선 근접 | 50% 손실 시 100% 수익 필요 — 사실상 회복난망 | 기대값이 플러스여도 파산 위험 |
세 가지 사이징 방식 — 개념 비교
자금 관리 방식은 크게 세 가지로 정리됩니다. 각각의 정의는 Investopedia·CFI 등 교육 자료의 설명을 따랐습니다.
| 방식 | 핵심 아이디어 | 장점 | 주의점 |
|---|---|---|---|
| 정액(Fixed Amount) | 매 거래에 동일한 금액을 건다 | 단순·직관적 | 계좌가 커지거나 줄어도 비중이 안 맞게 됨 |
| 고정분율(Fixed Fractional) | 매 거래에 계좌의 일정 ‘비율’을 건다 | 손실 시 자동으로 베팅이 줄어 방어적 | 비율을 크게 잡으면 여전히 위험 |
| 켈리 기준(Kelly Criterion) | 승률·손익비로 이론상 최적 베팅 비율을 계산 | 장기 성장률을 수학적으로 최적화 | 추정 오차에 매우 민감 — 실무는 보통 ‘분수 켈리’로 크게 낮춰 씀 |
제가 뼈아프게 배운 건 켈리가 계산해주는 ‘최적값’조차 실전에선 대개 너무 공격적이라는 점입니다. 승률·손익비 추정이 조금만 틀려도 계좌가 크게 흔들리기 때문에, 실무에서는 그 비율을 몇 분의 일로 낮춰 쓰는 분수 켈리(fractional Kelly)가 상식처럼 통합니다. ‘이론상 최적’과 ‘살아남는 선택’은 다릅니다.
코딩을 몰라도 내 베팅 크기를 점검하는 법
비전공자인 제가 실제로 쓰는, 코드를 새로 짜지 않고도 사이징을 감시하는 방법입니다.
- 거래 로그를 AI에게 집계시키기. 봇이 남긴 체결 로그(CSV·텍스트)를 그대로 AI에게 붙여 넣고 “거래별 손익, 최대 연속 손실 횟수, 최대 낙폭(고점 대비 하락폭)을 계산해줘”라고 요청하면, 스프레드시트 함수를 몰라도 핵심 위험 지표가 나옵니다.
- ‘최악의 연패’를 먼저 상상하기. 최근 로그에서 가장 길었던 연패를 찾고, 그 연패가 지금 베팅 비중으로 반복되면 계좌가 어디까지 줄지 AI에게 시뮬레이션시켜 봅니다. 눈으로 보면 베팅이 큰지 작은지 감이 옵니다.
- 규칙을 코드가 아니라 문장으로 먼저 고정하기. “한 거래의 손실이 계좌의 특정 비율을 넘지 않게 한다” 같은 한 문장 규칙을 정해두면, 나중에 AI에게 “이 규칙을 코드로 만들어줘”라고 시키기 훨씬 쉽습니다.
포인트는, 사이징 점검은 화려한 코딩이 아니라 ‘내 로그를 꾸준히 들여다보는 습관’에서 시작한다는 것입니다.
결론과 액션 플랜
- 진입 신호를 다듬기 전에, 회당 베팅 비중부터 점검하세요. 순서가 바뀌면 좋은 신호도 파산으로 끝납니다.
- 손실 시 베팅이 자동으로 줄어드는 고정분율 개념을 기본으로 삼으세요. 정액 베팅은 계좌가 흔들릴 때 취약합니다.
- 켈리를 쓰더라도 그대로 쓰지 말고 크게 낮춘 분수 켈리로 접근하세요. 이론상 최적보다 생존이 먼저입니다.
- 매주 한 번, 거래 로그를 AI에게 집계시켜 ‘최대 연패·최대 낙폭’을 확인하는 루틴을 만드세요.
- 기억할 한 문장: “살아남아야 기대값이 일한다.”
자주 묻는 질문 (FAQ)
승률이 높으면 베팅을 크게 해도 되나요?
아닙니다. 승률이 높아도 이길 때 조금 벌고 질 때 크게 잃으면 기대값이 낮고, 여기에 큰 베팅이 겹치면 짧은 연패에 계좌가 무너집니다. 승률과 베팅 크기는 별개의 문제입니다.
기대값이 플러스면 언젠가는 회복되는 것 아닌가요?
기대값은 ‘충분히 오래 살아남았을 때’의 장기 평균입니다. 그 전에 계좌가 파산 임계선을 넘으면 평균에 도달할 기회 자체가 사라집니다. 생존이 전제 조건입니다.
파산 확률(Risk of Ruin)은 어떻게 낮추나요?
가장 직접적인 방법은 회당 베팅 비중을 낮추는 것입니다. 같은 전략이라도 베팅이 작을수록 파산 확률은 급격히 내려갑니다. 손익비를 개선하는 것도 도움이 됩니다.
켈리 공식만 따르면 최적 아닌가요?
이론상 성장률은 최적일 수 있지만, 켈리는 승률·손익비 추정 오차에 매우 민감해 실전에선 과도하게 공격적입니다. 그래서 대부분 그 비율을 낮춘 분수 켈리를 씁니다.
코딩을 전혀 몰라도 자금 관리를 할 수 있나요?
가능합니다. 규칙을 먼저 문장으로 정하고, 거래 로그를 AI에게 집계·시뮬레이션시켜 위험 지표를 확인한 뒤, 필요한 계산만 AI에게 코드로 만들어 달라고 하면 됩니다. 핵심은 로그를 꾸준히 보는 습관입니다.
면책 및 참고 출처
본 글은 자동매매의 자금 관리 ‘원리’를 비전공자 관점에서 설명한 교육용 콘텐츠이며, 투자 자문이나 수익 보장이 아닙니다. 본문의 베팅 비중·시나리오 수치는 모두 원리 설명을 위한 가정치입니다. 실제 매매의 손실 책임은 투자자 본인에게 있으니 반드시 소액·모의 환경에서 충분히 검증하시기 바랍니다.
참고 출처: Babypips(Position Sizing, Risk of Ruin 교육 자료), Investopedia(Kelly Criterion, Money Management), Corporate Finance Institute(CFI, Position Sizing). 개념 정의는 위 교육기관 자료를 따랐습니다.
답글 남기기