크립토 트레이딩의 파산 위험: 시장에서 살아남는 법

파산 리스크는 하나의 숫자다 — 0과 1 사이의 확률값으로, 단 하나의 질문에 답한다. 승률, 평균 손익비, 그리고 트레이드당 리스크 비율이 주어졌을 때, 연속 손실이 계좌를 제로로 만들거나 현실적으로 회복 불가능한 수준으로 떨어뜨릴 가능성은 얼마나 되는가?

모든 트레이더는 이 숫자를 품고 있다. 계산했든 하지 않았든. 계산하지 않은 사람들이야말로 그것을 실전을 통해 발견할 가능성이 가장 높다.

공식이 실제로 말하는 것

고정 비율 시스템에 대한 고전적인 파산 리스크 공식은 다음과 같다.

**R = ((1 − 엣지) / (1 + 엣지))^U**

여기서 엣지 = (승률 × 평균 수익) − (패율 × 평균 손실)로, 단위당 리스크 자본의 분수로 표현되며, U는 사용 가능한 리스크 단위 수 — 즉 계좌 크기를 트레이드당 리스크 금액으로 나눈 값이다.

승률 55%, 손익비 1:1의 트레이더는 0.10의 엣지를 가진다. 트레이드당 2%를 리스크로 잡으면 50개의 리스크 단위가 있다. 파산 리스크는 약 (0.90/1.10)^50 ≈ 0.7%로 1% 미만이다. 트레이드당 리스크가 4%로 두 배가 되면 단위 수는 25로 줄고 파산 확률은 약 8%로 오른다. 트레이드당 10%를 리스크로 잡으면 파산 확률이 50%를 넘는다.

수학은 명확하다. 파산 리스크는 포지션 크기에 극도로 민감하다. 반면 통계적 엣지는 느리게 변하는 변수다 — 승률 53%와 57%의 차이는 파산 계산에서 트레이드당 2%와 5% 리스크의 차이에 비해 미미하다.

승률 60%가 안전하지 않은 이유

승률 60%의 전략은 견고하게 들린다. 대칭적인 확률 모델에서는 실제로 그렇다. 그러나 실제 시장에서는 — 특히 변동성 레짐이 예고 없이 전환되는 암호화폐 시장에서는 — 정상성 가정이 무너진다.

트레이드당 5%를 리스크로 잡고, 승률 60%, 손익비 1:1의 트레이더를 생각해보자. 이론적 엣지는 상당하다. 그런데 레짐 변화가 발생한다. 거시 이벤트를 전후로 유동성 조건이 악화되고, 포지션 간 상관관계가 급등하며, 독립적으로 보였던 셋업들이 동시에 손실을 낸다. 해당 20트레이드 구간의 승률이 35%로 떨어진다. 5% 리스크 기준으로 20트레이드 중 12번의 손실 시퀀스는 60%가 넘는 드로다운을 만들어낸다. 이 깊이에서 이전 자산 최고점으로 돌아오려면 산술적으로 150%의 수익이 필요하다. 많은 계좌가, 더 중요하게는 많은 트레이더가 이것을 심리적으로도 재정적으로도 견뎌내지 못한다.

파산 리스크 프레임워크는 직관이 저항하는 현실을 직면하게 만든다. 높은 승률은 파산을 막지 않는다. 포지션 크기가 막는다.

산술 수익률 대 기하 수익률: 숨겨진 침식

표준 수익률 계산은 산술 평균을 보고한다. 한 달에 +20%, 다음 달에 -20%를 기록한 전략은 산술적으로 보합처럼 보인다. 기하학적으로는 계좌가 4% 감소한 상태다. 1.20 × 0.80 = 0.96이기 때문이다.

이 괴리 — 산술 평균과 기하 평균의 차이 — 를 분산 침식(Variance Drain)이라고 부른다. 이론적 호기심이 아니다. 트레이드당 결과 변동성이 높은 모든 트레이더에게 조용히 누적되는 구조적 역풍이다.

주어진 기대 수익률에 대해 분산을 최소화할 때 수익률 시리즈의 기하 평균이 극대화된다. 이것이 분수적 포지션 사이징의 핵심 논거다. 파산 확률을 낮출 뿐 아니라, 각 기간의 기하 수익률에 대한 분산 드래그를 줄여 장기 복리 성장을 능동적으로 개선한다.

산술적 기대 수익률을 극대화하기 위해 공격적으로 사이징하는 트레이더들은 기하 수익률을 체계적으로 희생시키고 있다. 시간이 지남에 따라 성장하는 계좌에 중요한 것은 기하 수익률뿐이다.

켈리 기준과 전문가들이 그것을 축소 적용하는 이유

켈리 기준은 특정 질문에 답한다. 계좌의 장기 기하 성장률을 극대화하기 위해 각 트레이드에서 자본의 어느 비율을 투자해야 하는가?

**켈리 % = 엣지 / 오즈 = (승률 − 패율) / 손익비**

승률 55%, 손익비 1.5:1의 전략에서 켈리는 트레이드당 약 23%의 자본을 리스크로 잡을 것을 권장한다. 이 숫자는 오타가 아니다 — 기하 성장에 대해 수학적으로 최적이지만, 정상적인 결과 분포 안에 있는 연속 손실 구간에서 치명적인 드로다운을 만들어낸다.

풀 켈리가 기관 투자가들에게 거의 사용되지 않는 이유는 세 가지다. 첫째, 엣지에 대한 정확한 지식을 전제로 하는데, 이 숫자는 샘플 데이터에서 추정된 것으로 상당한 불확실성을 지닌다. 추정된 엣지가 과대평가되어 있으면, 풀 켈리는 심각한 과베팅을 의미한다. 둘째, 풀 켈리의 드로다운은 통계적으로 예상 가능한 경우에도 심리적으로 파괴적이다. 40%의 드로다운은 많은 합리적인 전략에서 최적 켈리 사이징과 일치한다. 셋째, 이 공식은 각 트레이드를 통계적으로 독립적으로 취급한다. 실제로 연속 손실은 실행 품질, 의사결정, 리스크 허용도를 변화시킨다 — 모델이 관리해야 할 바로 그 결과들에 의해 모델의 파라미터가 내생적으로 이동한다.

전문가 기준은 하프 켈리 또는 쿼터 켈리다. 이론적 기하 성장의 완만한 감소를 수용하는 대신, 드로다운 깊이를 실질적으로 낮추고 역경 기간을 통해 지급 능력을 유지할 확률을 크게 높인다.

연속 손실과 심리적 문제

통계적으로 손실 시퀀스는 다음 트레이드에 대한 어떤 정보도 담고 있지 않다. 잘 정의된 엣지 하에서 각 결과는 독립적이다. 심리적으로는 연속 손실이 그렇게 경험되지 않는다.

4연속 손실 이후 자연스러운 반응은 세 가지다. 감정적 충격에서 회복하기 위해 사이즈를 줄이거나, 자본을 더 빨리 회수하기 위해 사이즈를 늘리거나, 아니면 전략을 완전히 포기하는 것이다. 세 가지 반응 모두 행동적 관점에서 합리적이고, 세 가지 모두 리스크 관리 관점에서 파괴적이다.

파산 리스크 프레임워크는 심리적 압력을 없애지 않는다. 그것이 하는 것은 그 압력이 만들어내는 질문 — "지금 나는 얼마나 트레이딩해야 하는가?" — 에 대한 사전 약속된 답을 트레이더에게 제공하는 것이다. 드로다운이 시작되기 전에 그 답이 계산되었다면 — 트레이더가 의식적으로 수용한 파산 확률에 기반한다면 — 연속 손실의 심리적 동요는 돌아갈 수 있는 정량적 닻을 갖게 된다.

조용한 상황에서 수립된 사이징 규칙에 대한 사전 약속이, 트레이더들이 파산 계산을 단순히 이론적으로 흥미로운 것이 아닌 실용적으로 유용한 것으로 만드는 메커니즘이다.

생존은 복리의 전제 조건

복리는 연속성을 필요로 한다. 5년간 연 25%의 수익률은 207%의 누적 수익을 만들어낸다 — 단, 계좌가 5년 내내 파산 이벤트나 항복을 유발할 만큼 심각한 드로다운 없이 살아남을 경우에만.

비대칭성은 근본적이다. 50% 드로다운에서 회복하려면 100% 수익이 필요하다. 75% 드로다운에는 300%가 필요하다. 이 깊이에서 예상 회복 기간은 대부분 참가자들의 인내 한계를 초과하고, 실질적인 결과는 포기다 — 이는 기능적으로 파산과 동일하다.

사이징 규율은 단지 최악의 결과 확률을 줄이는 것이 아니다. 복리가 약속대로 작동할 수 있게 하는 메커니즘 자체다. 적당한 엣지로 10년을 생존한 트레이더는, 기하 기댓값 측면에서, 같은 기간에 두 번 파산한 더 강한 엣지의 트레이더를 능가할 것이다.

파산 리스크는 비관적인 통계가 아니다. 셋업 품질과 사이징 규율이 독립 변수가 아닌 이유, 그리고 특정 달의 수익성이 아닌 생존이 올바른 최적화 목표인 이유를 명확히 하는 계산이다.