장중 변동성 계절성: 시간대별 패턴과 조정 방법

장중 변동성 계절성은 거래 세션의 시점에 따라 수익률 규모가 체계적으로 달라지는 현상을 말합니다. 길이가 같은 30분 봉이라도 거래소 개장 직후 수익률의 역사적 분포는 점심 무렵 수익률 분포와 다를 수 있습니다. 여기서 비교하는 대상은 가격이 오르거나 내릴 방향이 아니라 수익률의 크기와 분산입니다. 어느 시간에 상승 확률이 더 높다는 주장은 장중 변동성 계절성의 정의에 포함되지 않습니다

연구에서는 주식시장과 외환시장의 고빈도 수익률에서 반복되는 장중 변동성 패턴을 확인해 왔습니다. Andersen과 Bollerslev는 이 주기성이 고빈도 수익률의 동학에 큰 영향을 주며, 시간대별 변동을 고려해야 지속적인 변동성 동학을 더 제대로 드러낼 수 있다고 보였습니다(1997년 논문00004-2)). 이 결과는 조정을 검토할 근거이지 모든 자산, 거래소, 기간에 같은 곡선을 적용할 근거는 아닙니다

계절 요인은 비교를 위한 기준선으로 보는 편이 적절합니다. 특정 시각의 수익률이 그 시간대의 보통 변동 폭에 비춰 얼마나 이례적인지 살펴보거나, 변동성 모형이 반복되는 세션 패턴을 지속적인 군집 현상으로 오인하지 않게 도울 수 있습니다. 장중 수익률 제곱을 세션 단위로 합치는 방법은 실현변동성 계산 안내서에서 다루며, 여기서는 그 값의 시간대별 분포에 초점을 둡니다

여러 주식 표본에서는 정규 세션의 개장과 마감 무렵 평균 변동성이 한낮보다 커서 곡선이 U자처럼 보입니다. 개장 경매, 야간 정보가 한꺼번에 반영되는 과정, 시장 참여자의 유입, 종가 무렵 포트폴리오 조정, 종가 경매가 변동성 변화와 같은 시간대에 겹칠 수 있습니다. 하지만 관찰한 패턴만으로 어떤 메커니즘이 원인인지 알아낼 수는 없습니다

시장과 세션 정의가 달라지면 모양도 달라집니다. 외환시장은 전 세계 시간대에서 거래되므로 하나의 중앙 개장 시각이 없습니다. 선물은 거의 하루 종일 거래되더라도 정산 시각, 점검 휴장, 지역별 유동성 집중 시간이 있을 수 있습니다. 24시간 암호화폐 시장에는 분석자가 기준 세션을 정하지 않는 한 공통된 개장이나 마감이 없습니다. 따라서 적절한 시계는 종목, 거래소, 표본 구간 설정에 따라 달라집니다

Ederington과 Lee는 예정된 거시경제 발표 등 변동성 정보를 함께 고려했을 때, 자신들이 살펴본 외환시장 표본에서 익숙한 U자형이 사라졌다고 보고했습니다(2001년 논문). 이는 해당 표본에 관한 결과이지 모든 외환시장에서 주기성이 없다는 증거는 아닙니다. 다만 평균 곡선 하나를 변하지 않는 시장 법칙으로 받아들여서는 안 된다는 점을 보여 줍니다

세션 d의 장중 구간 j에서 계산한 수익률을 r₍d,j₎라고 하겠습니다. 시간대 요인과 그때그때 변하는 변동성을 개념적으로 다음과 같이 나눌 수 있습니다

r₍d,j₎ = sⱼ ε₍d,j₎ Var(r₍d,j₎ | 구간 시작 전 정보) = sⱼ² h₍d,j₎

여기서 sⱼ는 양수인 시간대별 규모 요인이고, h₍d,j₎는 정보나 시장 상태에 따라 달라지는 변동성을 나타냅니다. sⱼ는 지정한 표본과 거래소 달력에서 추정한 통계적 설명입니다. 시각 자체의 인과 효과라고 볼 수 없습니다. 이 분해는 모형을 정리하는 개념적 도구이지 모든 자산에 알려진 하나의 결정적 일정이 있다고 주장하는 식이 아닙니다

sⱼ를 무시하면 특정 시각마다 되풀이되는 큰 분산의 봉 때문에 제곱수익률이 오래 지속되는 것처럼 보일 수 있습니다. 그러면 GARCH 모형이 반복되는 장중 변동과 실제 변동성 군집을 동적 계수 하나에 함께 반영할 수 있습니다. GARCH 안내서는 후자인 변동성 군집을 다룹니다. 계절 조정은 둘을 구분하는 데 도움이 될 수 있지만, 잔차와 계수의 안정성, 다른 모형을 점검하는 일을 대신하지는 않습니다

표준편차 요인과 분산 요인은 서로 다릅니다. 같은 단위에서 어떤 시간대의 수익률 표준편차가 다른 시간대의 두 배라면, 분산은 네 배입니다. 따라서 추정치가 표준편차, 분산, 절대수익률 중 어느 척도인지 밝히고 관측치를 조정할 때도 같은 정의를 사용해야 합니다

평가 월이 시작되기 전에 끝난 훈련 표본에서 개장 무렵 30분 수익률의 전형적인 규모가 0.40%, 한낮에는 0.20%로 추정됐다고 가정합니다. 숫자는 계산 과정을 설명하기 위한 가상값이며 특정 종목이나 현재 세션의 추정치가 아닙니다. 개장과 한낮의 표준편차 비율은 2이고, 같은 단위를 쓴 분산의 비율은 4입니다

개장 구간의 0.40% 수익률과 한낮 구간의 0.20% 수익률을 비교해 보겠습니다. 절대수익률을 각자의 역사적 규모로 나누면 0.40% / 0.40% = 1, 0.20% / 0.20% = 1입니다. 각각 해당 시간대의 규모 한 단위만큼 움직였습니다. 원수익률의 크기는 다르지만 이 가상 프로필에서는 표준화한 절대 크기가 같습니다

이 계산은 어느 움직임이 통계적으로 드문지, 되돌릴지, 수익을 낼지 말해 주지 않습니다. 표준화한 값은 분포 모형, 추정 오차, 당시의 이벤트, 측정 자료 품질과 함께 해석해야 합니다. 시간대 규모의 비율 자체도 확률이나 예측값, 방향 신호가 아닙니다

먼저 종목, 거래소, 세션, 봉 길이, 가격 자료, 수익률 계산 방식을 정합니다. 과거 세션 사이에서 같은 위치의 구간을 맞춥니다. 거래소 현지 시각의 9시 30분부터 10시까지인 봉을 서머타임 전환 뒤 임의의 UTC 봉과 무심코 대응시키면 안 됩니다. 경매, 야간 갭, 공휴일, 조기 마감, 호가 누락, 비정상 거래일을 어떻게 처리할지도 사전에 정합니다

예측이나 평가 날짜보다 앞선 관측치로 각 구간의 전형적인 규모를 추정합니다. 시작점으로 각 시간대의 절대수익률 중앙값이나 일부 극단값을 줄인 제곱평균제곱근 같은 강건 척도를 쓸 수 있습니다. 변동성이 큰 날이 전체 평균을 지배할 수 있으므로, 세션별 전체 규모로 먼저 나눈 뒤 구간별 패턴을 추정하거나, 인접 구간을 완만하게 평활하고, 마지막으로 기준값에 맞춰 요인을 정규화하는 방법도 있습니다. 어떤 추정량과 정규화 규칙을 썼는지 기록해야 합니다

과거 자료를 이용한 백테스트에서는 각 예측 시점에 실제 이용할 수 있었던 훈련 기간만으로 요인을 계산하고 고정해야 합니다. 실제 운영 방식이 이동창이나 확장창 재추정을 포함한다면 그 규칙대로 갱신합니다. 전체 자료의 마지막 시점까지 한 번에 계산한 프로필을 과거 날짜에 적용하면 미래 세션의 정보를 과거에 새어 넣게 됩니다. 이렇게 하면 표준화한 수익률이 실시간으로 가능한 것보다 안정적으로 보일 수 있습니다

계절 프로필을 이벤트 처리나 당일 변동성 추정과 구별합니다. 모형이 현재 세션에서 이미 관측한 변동성을 사용할 수 있다면, 예측 시각까지 들어온 봉만으로 계산해야 합니다. 프로필을 요일, 계약월, 거래소, 시장 국면별로 나눌지도 명시합니다. 구분을 세밀하게 늘리면 편향을 줄일 수 있지만 시간대별 관측치가 너무 적어질 수 있습니다

각 시간대의 관측 개수와 거래일 수도 함께 기록합니다. 공휴일이나 자료 누락, 거래가 드문 구간이 특정 시각에 몰리면 추정된 변동 요인은 실제 움직임보다 자료 수집 차이를 반영할 수 있습니다. 구간을 지나치게 잘게 나누면 표본이 부족해 추정치가 불안정해질 수 있으므로 봉 간격과 표본 길이를 먼저 정해 비교합니다. 인접 시간대를 평활하면 들쑥날쑥한 추정치를 줄일 수 있지만, 개장·마감의 봉우리를 지워 버릴 수도 있습니다. 원 추정치와 평활한 값을 함께 확인하고 선택 기준을 남깁니다

과거 시점마다 요인을 다시 추정하는 연구는 각 시점에 쓸 수 있었던 프로필을 저장해 두어야 재현할 수 있습니다. 훈련 표본의 종료일, 구간별 관측 수, 사용한 변환, 추정치가 적용되는 날짜를 기록합니다. 결과를 보고 가장 성과가 좋아 보이는 시간대별 프로필을 골라 과거 전체에 적용하면 그 선택 과정 자체에서 미래 정보가 들어갑니다. 자료 분할과 요인 갱신 규칙도 전략 평가의 일부로 취급해야 합니다

<!-- learn:illustration -->

거시경제 지표는 정해진 시각에 발표되는 경우가 많습니다. 따라서 발표 직후 되풀이되는 변동성 급등이 평범한 시간대 계절성처럼 보일 수 있습니다. Ederington과 Lee는 최근 변동성, 예정된 발표, 주기성을 함께 분석했습니다. 금리 및 외환 표본에서 거시경제 발표는 특히 변동성이 매우 큰 구간을 설명하는 데 중요했고, 각 정보 집합을 반영하자 추정 지속성도 달라졌습니다(2001년 논문)

평소의 시계 효과를 연구한다면 발표 구간을 따로 분리하거나, 사전에 정한 이벤트 변수를 추가하거나, 포함·제외 결과를 나란히 보고할 수 있습니다. 적절한 선택은 실제 예측이 알려진 발표를 포함하는지에 달려 있습니다. 발표 봉을 모두 빼면 실제로 발표를 통과해 포지션을 보유할 전략의 위험을 과소평가할 수 있습니다

과거 예측 시점에 알 수 없었던 이벤트 달력을 사후에 만들어 사용해서는 안 됩니다. 가능한 범위에서 발표 시각과 당시 알려진 일정을 보존하고, 예정된 뉴스와 돌발 뉴스를 구분하며, 어떤 시장과 발표를 조정에 포함했는지 밝혀야 합니다. 시간대 계절 요인만으로는 예상하지 못한 뉴스나 그 충격을 설명할 수 없습니다

시간 구간에는 일관된 시계 기준이 필요합니다. 정규 세션이 있는 거래소라면 현지 시간이 개장, 한낮, 마감 위치를 정하기에 자연스러울 수 있습니다. 원자료가 UTC로 저장돼 있더라도 각 날짜의 역사적 시간대 규칙으로 현지 시각을 계산합니다. 고정 UTC 오프셋을 쓰면 서머타임 전환 때 현지 개장 봉이 한 시간 이동해 계절 차이처럼 보일 수 있습니다

거래소 달력에는 공휴일, 단축 세션, 경매, 거래 정지, 계약별 휴장이 있습니다. 조기 마감일의 마지막 봉은 정상 세션 마감 봉과 같은 위치라고 단정하기 어렵습니다. 해당 자료를 공통 프로필에 어떻게 넣을지 정하거나, 세션 유형별로 나눠 추정해야 합니다. 선물은 세션 템플릿과 계약 교체 처리를 기록하고, 암호화폐는 날짜 경계와 기준 시간대를 명시합니다

요인은 서로 비교 가능한 관측치를 설명해야 합니다. 동일한 UTC 시각이라는 이유만으로 정규 주식 세션의 봉과 야간 선물 봉을 비교하지 않습니다. 타임스탬프, 봉 구성 방식, 가격 자료를 맞추고 오래된 호가, 비동기 체결, 경매 규칙 차이가 있는지도 확인합니다. 시간대 정렬은 외관을 다듬는 전처리가 아니라 모형 명세의 일부입니다

고정된 계절 요인은 시간대별 상대 변동 패턴이 안정적이라고 가정합니다. 이 가정은 틀릴 수 있습니다. Andersen, Thyrsgaard, Todorov는 시간에 따라 바뀌는 주기성을 검정했고, S&P 500 지수 수익률의 패턴이 현재 변동성 수준에 따라 일부 달라진다는 근거를 제시했습니다. 변동성이 높은 구간에는 낮은 구간보다 종가 전 시간이 하루 통합변동성에서 차지하는 비중이 더 컸습니다(2019년 논문)

이 결과는 변동성이 커질 때 모든 시장의 마감 변동성이 항상 증가한다는 뜻이 아닙니다. 논문에서 사용한 자료, 방법, 표본에 한정된 증거입니다. 다만 장기 평균 프로필 하나만 쓰면 의미 있는 변화가 뭉개질 수 있다는 점을 알려 줍니다. 기간별·변동성 국면별 추정치를 비교하고, 요인의 안정성을 확인하며, 한 개 곡선을 영구적인 특성처럼 제시하지 말고 추정 불확실성도 보고합니다

이동창 추정은 변화에 적응할 수 있지만 추정 오차가 커지고 소수 이벤트를 쫓을 수 있습니다. 국면별 프로필을 만들려면 각 국면에 충분한 과거 관측치가 필요하고, 미래 정보를 보지 않는 국면 분류 규칙도 있어야 합니다. 조건을 충족하지 못한다면 단순한 기준 프로필과 명시적인 이벤트 변수를 결합하는 편이 해석하기 쉬울 수 있습니다. 서로 다른 기간의 변동성 분포를 비교하는 변동성 콘 안내서는 별개의 비교 방법을 설명합니다

시간대별 표준화는 세션 안의 변동성을 공정하게 비교하고, 잔차에 패턴이 남는지 진단하며, 모형 가정에 더 가까운 혁신항을 만드는 데 사용할 수 있습니다. 예를 들어 개장 직후의 큰 원수익률도 그 구간의 역사적 규모를 고려하면 평범한 움직임일 수 있습니다. 하지만 다음 수익률이 양수인지 음수인지는 말해 주지 않습니다

이 정규화만으로 전략이 수익을 낸다고 입증할 수도 없습니다. 완전히 명세된 신호와 체결 규칙을 정하고, 스프레드, 수수료, 슬리피지, 시장 충격, 지연시간, 처리 용량을 포함한 표본 밖 평가를 해야 합니다. 시간대 프로필은 위험이나 체결 환경을 설명하는 데 도움을 줄 수 있지만 진입 규칙이나 시장 비효율성의 증거가 아닙니다. 분산과 변동성 안내서는 제곱 단위와 표준편차 단위를 구분하는 이유를 설명합니다

재현 가능한 보고서에는 종목과 거래소, 시간대, 세션 달력, 표본 간격, 자료 출처, 추정량, 훈련 기간, 발표와 특수 세션 처리, 정규화 규칙, 안정성 점검, 예측 시점의 자료 범위를 적습니다. 계절 곡선의 불확실성을 보이고 이를 추정하지 않은 날짜에서 결과를 확인해야 합니다. 이런 정보가 있어야 조정을 검토할 수 있고, 묘사에 그쳐야 할 패턴이 근거 없는 매매 주장으로 변하는 일을 막을 수 있습니다