Merge pull request #388 from easygap/analysis/buy-hold-robustness

buy&hold 강건성 분석 — 헤드라인 +132.9%는 안정적이 아님(정직 점검)

Author: easygap

docs/BUY_HOLD_ROBUSTNESS.md

@@ -0,0 +1,43 @@
+# buy&hold 강건성 분석 — "안정적"인가? (정직한 점검)
+
+> 목적: "+132.9%/3년"이 **안정적 고수익**인지, 아니면 시작 시점·강세장 운인지 정직하게 본다.
+> 실제 종가 동일비중 보유로만 계산(`tools/buy_hold_robustness.py`로 재현). 2022 약세장 포함.
+> 작성: 2026-06-01.
+
+## 결론 한 줄
+
+**buy&hold는 "고수익"이긴 해도 "안정적"이지는 않다.** 장기 보유하면 좋은 누적수익을 주지만,
+연 단위로 보면 손실 나는 해가 절반이고 −25% 낙폭을 겪는다. "안정적으로 높은 수익"이라는
+목표 기준으로는 **연도 변동성·낙폭을 반드시 감안**해야 한다.
+
+## 구간별 성과 (분산 대형주 10종목, 비용 반영)
+
+| 구간 | 총수익 | Sharpe | MDD |
+|------|--------|--------|-----|
+| **2022 (약세장 스트레스)** | **−21.5%** | −1.53 | −25.5% |
+| 2023 | +28.2% | +1.35 | −14.9% |
+| **2024** | **−7.2%** | −0.37 | −16.2% |
+| 2025 | +68.8% | +2.29 | −16.1% |
+| 2022–2025 전체(약세 포함) | **+62.1%** | **0.58** | −25.5% |
+| 2023–2025 전체(강세만) | +132.9% | 1.29 | −23.2% |
+
+## 정직한 해석
+
+1. **헤드라인 +132.9%는 시작 시점에 민감하다.** 2022(약세장)를 포함하면 +62.1%로 떨어진다
+   (4년 CAGR ≈ 12.9%, 3년 강세장 CAGR 32.6%의 절반 이하). 시작점을 강세장 직전으로 잡았기 때문.
+2. **4년 중 2년이 마이너스다**(2022 −21.5%, 2024 −7.2%). 즉 "매년 안정적"이 아니다.
+3. **2025년 +68.8%(Sharpe 2.29)가 헤드라인을 끌어올린 이상치**다. 이 한 해를 빼면 그림이 크게 달라진다.
+4. **롤링 1년 수익률**(747개 관측): 최저 −23.2%, 중앙 +10.6%, 최고 +74.0%. **임의 시점에 1년 보유
+   시 손실 확률 26.5%.**
+
+## 그래서 "안정적 고수익"을 위해 필요한 것
+
+- **기대치 현실화**: 장기 CAGR ~13%(약세 포함)가 현실적 기대값이고, +30%대는 강세장 한정이다.
+- **낙폭 관리가 핵심**: −25% 낙폭과 손실 연도를 견딜 수 있는 자본 배분·기간이 전제다. 단기 자금이면
+  부적합하다.
+- **변동성을 줄이려는 능동 시도는 앞서 전부 실패**(모멘텀/저변동/risk-parity/SMA risk-off가 EW B&H를
+  못 이김 — `docs/PROFITABILITY_FINDINGS.md`). 즉 "낮은 변동성 + 같은 수익"의 손쉬운 길은 없다.
+- **결론**: 이 시스템으로 얻을 수 있는 정직한 그림은 "장기 분산 보유로 연 ~13%(변동성·손실연도 포함)"
+  이며, "안정적으로 매년 높은 수익"은 데이터가 지지하지 않는다. 실거래 결정 시 이 변동성을 전제로 할 것.
+
+재현: `python tools/buy_hold_robustness.py`

tests/test_buy_hold_robustness.py

@@ -0,0 +1,80 @@
+"""buy&hold 강건성 분석기(tools/buy_hold_robustness.py) 단위 테스트.
+
+실데이터 fetch는 모킹하고, NAV/통계/구간 분해 로직만 결정론적으로 검증한다.
+"""
+from unittest.mock import patch
+
+import pandas as pd
+import pytest
+
+
+def _fake_collector(panel: pd.DataFrame):
+    class _DC:
+        def fetch_stock(self, sym, start_date=None, end_date=None):
+            if sym not in panel.columns:
+                return None
+            return pd.DataFrame({"date": panel.index, "close": panel[sym].values})
+    return _DC()
+
+
+def test_equal_weight_nav_growth():
+    import tools.buy_hold_robustness as bhr
+
+    dates = pd.date_range("2023-01-01", periods=100, freq="D")
+    # 두 종목 모두 +50% 선형 상승 → NAV도 ~+50%
+    a = pd.Series([100 + 50 * i / 99 for i in range(100)], index=dates)
+    panel = pd.DataFrame({"AAA": a, "BBB": a.copy()})
+    nav = bhr._equal_weight_nav(panel, capital=10_000_000)
+    assert nav.iloc[0] <= 10_000_000  # 진입 수수료로 약간 작거나 같음
+    ret = (nav.iloc[-1] / 10_000_000 - 1) * 100
+    assert 45 <= ret <= 52
+
+
+def test_stats_computes_mdd_negative():
+    import tools.buy_hold_robustness as bhr
+
+    dates = pd.date_range("2023-01-01", periods=100, freq="D")
+    # 올랐다가 떨어지는 NAV → MDD 음수
+    up = [10_000_000 * (1 + 0.5 * i / 49) for i in range(50)]
+    down = [up[-1] * (1 - 0.3 * i / 49) for i in range(50)]
+    nav = pd.Series(up + down, index=dates)
+    total, sharpe, mdd = bhr._stats(nav)
+    assert mdd < 0
+    assert mdd <= -25  # 고점 대비 30% 하락 구간 포함
+
+
+def test_analyze_splits_periods_and_rolling(monkeypatch):
+    import tools.buy_hold_robustness as bhr
+
+    # 2022~2025 합성: 2022 하락, 2023~2025 상승
+    dates = pd.date_range("2022-01-01", "2025-12-31", freq="D")
+    n = len(dates)
+    # 2022 -20%, 이후 꾸준히 상승하는 단순 경로
+    vals = []
+    for i, d in enumerate(dates):
+        if d.year == 2022:
+            vals.append(100 - 20 * (d.dayofyear / 365))
+        else:
+            base = 80
+            yrs_in = (d.year - 2023) + d.dayofyear / 365
+            vals.append(base * (1 + 0.3 * yrs_in))
+    s = pd.Series(vals, index=dates)
+    panel = pd.DataFrame({sym: s.copy() for sym in bhr.SYMBOLS})
+
+    monkeypatch.setattr("core.data_collector.DataCollector", lambda: _fake_collector(panel))
+    r = bhr.analyze()
+
+    assert r["symbols"] == len(bhr.SYMBOLS)
+    # 2022 구간은 음수여야 함
+    assert r["periods"]["2022 (약세장 스트레스)"][0] < 0
+    # 롤링 1년 분포가 계산됨
+    assert r["rolling_1y"]["count"] > 0
+    assert "negative_pct" in r["rolling_1y"]
+
+
+def test_analyze_no_data_raises(monkeypatch):
+    import tools.buy_hold_robustness as bhr
+    empty = pd.DataFrame()
+    monkeypatch.setattr("core.data_collector.DataCollector", lambda: _fake_collector(empty))
+    with pytest.raises(SystemExit):
+        bhr.analyze()

tools/buy_hold_robustness.py

@@ -0,0 +1,133 @@
+#!/usr/bin/env python3
+"""분산 대형주 buy&hold의 강건성(robustness) 분석.
+
+"+132.9%/3년"이 2023-25 강세장 한 번의 운인지, 여러 구간에서 안정적인지 정직하게 본다.
+- 연도별 수익률(2023/2024/2025 각각)
+- 약세장 스트레스(2022 KOSPI 급락장) 포함 구간
+- 롤링 1년 수익률의 분포(최저/중앙/최고)
+실제 종가 동일비중 보유로만 계산. 벤치마크 트릭 없이 재현 가능.
+
+Usage:
+    python tools/buy_hold_robustness.py
+"""
+import argparse
+import sys
+from pathlib import Path
+
+_ROOT = Path(__file__).resolve().parent.parent
+sys.path.insert(0, str(_ROOT))
+
+# 분산 대형주 10종목(섹터 다양) — buy&hold 결론의 권장 바스켓과 동일 구성.
+SYMBOLS = ["005930", "000660", "035420", "005380", "051910",
+           "005490", "055550", "035720", "012330", "105560"]
+
+
+def _equal_weight_nav(panel, capital=10_000_000, commission=0.00015):
+    """패널(컬럼=종목 종가) 첫날 동일비중 매수→보유 NAV 시계열."""
+    import pandas as pd
+    first = panel.iloc[0]
+    shares, invested, comm = {}, 0.0, 0.0
+    per_name = capital / len(panel.columns)
+    for sym in panel.columns:
+        qty = int(per_name / first[sym])
+        shares[sym] = qty
+        invested += qty * first[sym]
+        comm += qty * first[sym] * commission
+    cash = capital - invested - comm
+    return (panel * pd.Series(shares)).sum(axis=1) + cash
+
+
+def _stats(nav, capital=10_000_000):
+    total_ret = (nav.iloc[-1] / capital - 1) * 100
+    dr = nav.pct_change().dropna()
+    sharpe = (dr.mean() * 252 - 0.03) / (dr.std() * (252 ** 0.5)) if dr.std() > 0 else 0
+    mdd = ((nav / nav.cummax() - 1) * 100).min()
+    return round(total_ret, 1), round(float(sharpe), 2), round(float(mdd), 1)
+
+
+def analyze(capital=10_000_000):
+    import warnings, logging
+    warnings.filterwarnings("ignore")
+    logging.disable(logging.WARNING)
+    import pandas as pd
+    from core.data_collector import DataCollector
+
+    dc = DataCollector()
+    closes = {}
+    # 2022 약세장 포함 위해 넉넉히 받음
+    for sym in SYMBOLS:
+        df = dc.fetch_stock(sym, start_date="2021-12-01", end_date="2025-12-31")
+        if df is not None and not df.empty:
+            d = df.copy()
+            d.index = pd.to_datetime(d["date"]) if "date" in d.columns else pd.to_datetime(d.index)
+            closes[sym] = d["close"].astype(float)
+    panel_all = pd.DataFrame(closes).dropna(how="any")
+    if panel_all.empty:
+        raise SystemExit("가격 데이터 없음")
+
+    results = {"symbols": len(panel_all.columns), "rows": len(panel_all),
+               "data_start": str(panel_all.index[0].date()), "data_end": str(panel_all.index[-1].date())}
+
+    # 연도별 + 스트레스 구간
+    windows = {
+        "2022 (약세장 스트레스)": ("2022-01-01", "2022-12-31"),
+        "2023": ("2023-01-01", "2023-12-31"),
+        "2024": ("2024-01-01", "2024-12-31"),
+        "2025": ("2025-01-01", "2025-12-31"),
+        "2022-2025 전체(약세 포함)": ("2022-01-01", "2025-12-31"),
+        "2023-2025 전체(강세만)": ("2023-01-01", "2025-12-31"),
+    }
+    period_stats = {}
+    for label, (s, e) in windows.items():
+        sub = panel_all[(panel_all.index >= pd.Timestamp(s)) & (panel_all.index <= pd.Timestamp(e))]
+        if len(sub) < 20:
+            period_stats[label] = None
+            continue
+        nav = _equal_weight_nav(sub, capital)
+        period_stats[label] = _stats(nav, capital)
+    results["periods"] = period_stats
+
+    # 롤링 1년(252거래일) 수익률 분포
+    nav_full = _equal_weight_nav(panel_all, capital)
+    roll = []
+    vals = nav_full.values
+    for i in range(252, len(vals)):
+        roll.append((vals[i] / vals[i - 252] - 1) * 100)
+    if roll:
+        roll_sorted = sorted(roll)
+        n = len(roll_sorted)
+        results["rolling_1y"] = {
+            "count": n,
+            "min": round(roll_sorted[0], 1),
+            "p25": round(roll_sorted[n // 4], 1),
+            "median": round(roll_sorted[n // 2], 1),
+            "max": round(roll_sorted[-1], 1),
+            "negative_pct": round(sum(1 for r in roll if r < 0) / n * 100, 1),
+        }
+    return results
+
+
+def main():
+    p = argparse.ArgumentParser(description="buy&hold 강건성 분석")
+    p.add_argument("--capital", type=float, default=10_000_000)
+    args = p.parse_args()
+    r = analyze(args.capital)
+
+    print(f"=== 분산 대형주 buy&hold 강건성 분석 ===")
+    print(f"데이터: {r['symbols']}종목, {r['data_start']} ~ {r['data_end']} ({r['rows']} 거래일)")
+    print(f"\n구간별 (총수익% / Sharpe / MDD%):")
+    for label, st in r["periods"].items():
+        if st is None:
+            print(f"  {label:28} 데이터 부족")
+        else:
+            print(f"  {label:28} {st[0]:+7.1f}%  Sharpe {st[1]:+.2f}  MDD {st[2]:.1f}%")
+    rl = r.get("rolling_1y")
+    if rl:
+        print(f"\n롤링 1년 수익률 분포({rl['count']}개 관측):")
+        print(f"  최저 {rl['min']:+.1f}% | 25%분위 {rl['p25']:+.1f}% | 중앙 {rl['median']:+.1f}% | 최고 {rl['max']:+.1f}%")
+        print(f"  1년 보유 시 손실 확률: {rl['negative_pct']}%")
+    return r
+
+
+if __name__ == "__main__":
+    main()