Build 06. 자동매매에서 먼저 발목을 잡은 건 전략이 아니라 데이터였다 — 정합성과 파이프라인을 맞춰간 기록

자동매매를 처음 코드로 옮기기 시작할 때는 대개 전략에 시선이 먼저 갑니다. 어떤 기준으로 진입할지, 어떤 조건을 붙일지, 어떤 흐름에서 추세를 볼지를 더 많이 고민하게 됩니다. 저 역시 초반에는 그쪽이 더 중요하다고 생각했습니다. 자동매매는 결국 전략을 구현하는 일처럼 보였기 때문입니다.

그런데 실제로 시스템을 움직이기 시작하고 나니, 제일 먼저 발목을 잡은 건 전략 그 자체가 아니었습니다. 오히려 더 크게 다가온 건 데이터가 얼마나 안정적으로 맞아떨어지느냐, 그리고 그 데이터를 어떻게 받아오고 유지하느냐 쪽이었습니다.

이번 글에서는 자동매매 봇 초기 단계에서 왜 데이터 정합성과 파이프라인 문제가 생각보다 훨씬 더 중요하게 느껴졌는지, 그리고 그걸 어떻게 하나씩 맞춰가기 시작했는지를 기록해보려고 합니다.

초기 가동 단계에서는 전략 로직이 돌아가는 것처럼 보여도, 실제로는 입력값이 생각보다 자주 흔들렸습니다.

예를 들면:

• JSON 파일 처리 중 일부 데이터가 누락되거나
• 계산에 필요한 값이 일정하지 않게 들어오거나
• 이전엔 잘 맞던 값이 어느 순간 어긋나는 식이었습니다

겉으로 보면 작은 차이처럼 느껴질 수 있지만, 자동매매에서는 이게 꽤 중요합니다. 왜냐하면 결국 시스템은 입력된 데이터가 맞다고 가정한 채 조건을 판단하기 때문입니다.

즉 전략이 아무리 좋아도, 그 전략이 기대고 있는 데이터가 흔들리면 결과 역시 흔들릴 수밖에 없습니다.

이건 초기에 꽤 크게 체감했던 지점이었습니다.

차트를 볼 때는 트레이딩뷰를 기준으로 생각하게 되는데, 실제로 파이썬 코드로 지표를 계산하면 그 값이 완전히 똑같이 나오지 않는 순간들이 있었습니다.

원인은 아주 거창하지 않을 수도 있습니다.

• 캔들 기준 처리 차이
• 데이터 수집 타이밍 차이
• 반올림 방식 차이
• 라이브러리 계산 방식 차이

하지만 자동매매에서는 이런 작은 차이도 결국 신호 차이로 이어질 수 있습니다. 그래서 초반에는 “전략을 잘 짰는가”보다 먼저, 지금 내가 보고 있는 값이 정말 같은 기준으로 계산되고 있는가를 더 자주 확인하게 됐습니다.

원래는 전략을 더 다듬고 싶었습니다. 조건을 더 예쁘게 만들고, 더 나은 진입과 청산 기준을 붙이고 싶었습니다.

그런데 실제로는 그보다 먼저 해야 할 일이 보였습니다. 바로 데이터가 들어오는 흐름 자체를 안정화하는 일이었습니다.

그래서 초반에는 이런 쪽을 먼저 손보게 됐습니다.

• 파일 기반 저장 흐름 정리
• JSON 처리 방식 점검
• 누락 발생 구간 확인
• OKX API 호출 주기 조정
• 계산 타이밍 맞추기

이건 겉으로 보면 전략 개발보다 덜 멋져 보일 수 있습니다. 하지만 실제로는 이 단계가 훨씬 더 중요했습니다.

왜냐하면 자동매매는 결국 신뢰할 수 있는 입력 위에서만 전략이 의미를 가지기 때문입니다.

초기 단계에서 목표는 완벽한 일치가 아니었습니다. 그보다는 시스템이 감당 가능한 수준으로 오차를 줄이는 것이 더 중요했습니다.

그래서 여러 조정을 거치며:

• API 호출 간격을 손보고
• 저장 흐름을 정리하고
• 계산 기준을 다시 맞춰가면서

지표 오차를 대략 1% 이내 수준으로 줄이는 방향으로 갔습니다.

이건 단순히 숫자를 맞추는 문제가 아니라, 이 시스템 위에 다음 단계를 올려도 되는지를 판단하는 문제에 더 가까웠습니다.

즉 오차를 줄인다는 건 성능을 자랑하는 일이 아니라, 이 파이프라인을 믿고 다음 기능을 붙여도 되는가를 확인하는 과정이었습니다.

돌이켜보면 초반 자동매매 구축기에서 가장 크게 남은 건, 전략보다 데이터에 대한 감각이었습니다.

처음에는:

• 어떤 전략이 더 좋아 보이는지
• 어떤 조건이 더 똑똑해 보이는지
• 수익률을 어떻게 높일지

이런 것들에 더 관심이 갔습니다.

하지만 실제로는:

• 데이터가 안정적으로 들어오는가
• 계산이 같은 기준으로 맞는가
• 파이프라인이 흔들리지 않는가
• 입력값을 얼마나 믿을 수 있는가

이런 것이 훨씬 더 중요하게 다가왔습니다.

그래서 제게 자동매매의 초반은 전략을 뽐내는 시기라기보다, 전략이 기대고 서 있을 기반을 겨우 맞춰가던 시기에 더 가까웠습니다.

---

다음 글 예고

다음 글에서는 초기 시스템 위에 AI 필터를 붙여보기 시작하면서 어떤 애매함이 생겼는지, 왜 사람 눈에는 쉬워 보이는 판단이 AI에겐 의외로 까다로웠는지를 이어서 정리해보려고 합니다.

---

이 글은 AI의 도움을 받아 작성되었습니다.