[투자] 데드캣 바운스 피하는 암호화폐 로그 수익률 이상치 탐지 기법

6월 24, 2025

데드캣 바운스 피하는 암호화폐 로그 수익률 이상치 탐지 기법

1. 들어가며

암호화폐 시장은 변동성이 매우 크기 때문에, 급격한 가격 하락과 반등이 자주 일어납니다. 특히 급락 후에 나타나는 일시적 반등, 즉 데드캣 바운스(Dead Cat Bounce) 현상은 투자자에게 진입 타이밍을 헷갈리게 만듭니다.

이 글에서는 로그 수익률과 Z-스코어를 활용해 급락 이상치를 탐지하고, 데드캣 바운스를 회피하면서 안전하게 매수 타이밍을 잡는 방법을 소개합니다.

2. 로그 수익률과 이상치 탐지란?

**로그 수익률(log return)**은 가격 변동성을 분석할 때 널리 쓰이는 지표입니다.
$r_{t} = \ln (\frac{P_{t}}{P_{t - 1}})$
일반 수익률보다 정규분포에 가까워 통계적 분석에 유리합니다.
이상치 탐지란 통계적으로 비정상적인 급락이나 급등 구간을 식별하는 기법입니다.
여기서는 **Z-스코어(Z-score)**를 활용해 평균 대비 얼마나 급격히 떨어졌는지 측정합니다.

3. 데드캣 바운스(Dead Cat Bounce)란?

급락 이후 잠시 가격이 반등하지만 곧 다시 하락하는 현상을 의미합니다.
투자자가 이를 진짜 반등으로 착각해 매수했다가 손실을 보는 경우가 많아 주의가 필요합니다.

4. 매수 타이밍 잡는 방법

1단계: 이상치 급락 감지
- 로그 수익률 Z-스코어가 -2.5 이하일 때 급락 이상치로 판단합니다.
2단계: 반등 확인 후 매수
- 급락 이후 1~3개 캔들 중 로그 수익률이 양수로 전환되는지를 관찰합니다.
- 반등 신호가 확인되면 매수 타이밍으로 간주합니다.
3단계: 데드캣 바운스 회피
- 즉시 매수하지 않고 반등이 지속되는지 관망해 가짜 반등에 속지 않도록 합니다.

5. 실전 구현: 업비트 60분봉과 일봉 데이터 활용

아래는 Python으로 구현한 간단한 이상치 탐지 및 반등 감시 코드 예시입니다. 업비트 API를 통해 60분봉과 일봉 데이터를 받아와 로그 수익률과 Z-스코어를 계산합니다.

import requests
import pandas as pd
import numpy as np
import time
import datetime

MARKET = 'KRW-BTC'       # 분석할 마켓
Z_THRESHOLD = -2.5       # 급락 이상치 기준 Z-score

# 급락 감지 후 반등 감시 상태 변수
rebound_watch_60m = False
rebound_watch_day = False

def get_candles(market, unit='60', count=100):
    # 업비트 캔들 데이터 API 호출
    if unit == 'day':
        url = "https://api.upbit.com/v1/candles/days"
    else:
        url = f"https://api.upbit.com/v1/candles/minutes/{unit}"
    params = {"market": market, "count": count}
    response = requests.get(url, params=params)
    if response.status_code != 200:
        print(f"[에러] 캔들 조회 실패 ({unit}):", response.status_code)
        return None
    data = response.json()
    df = pd.DataFrame(data)
    df = df.sort_values('candle_date_time_kst').reset_index(drop=True)
    return df

def detect_anomaly(df, label):
    global rebound_watch_60m, rebound_watch_day

    df = df.tail(30).copy()
    # 로그 수익률 계산
    df['log_return'] = np.log(df['trade_price'] / df['trade_price'].shift(1))

    latest_log_return = df['log_return'].iloc[-1]
    mean = df['log_return'].mean()
    std = df['log_return'].std()
    z = (latest_log_return - mean) / std

    print(f"[{label}] Z-score: {z:.2f}")

    # 급락 이상치 감지
    if z < Z_THRESHOLD:
        print(f"⚠️ [{label}] 이상치 급락 감지! 로그 수익률: {latest_log_return:.4f}")
        if label == "60분봉":
            rebound_watch_60m = True
        elif label == "일봉":
            rebound_watch_day = True
    else:
        # 급락 후 반등 여부 확인
        if label == "60분봉" and rebound_watch_60m:
            check_rebound(df, label)
        elif label == "일봉" and rebound_watch_day:
            check_rebound(df, label)

def check_rebound(df, label):
    global rebound_watch_60m, rebound_watch_day

    # 최근 3개 캔들 중 로그 수익률이 양수면 반등으로 판단
    for i in range(1, 4):
        r = df['log_return'].iloc[-i]
        if r > 0:
            print(f"✅ [{label}] 매수 타이밍 감지: 급락 후 반등 (log_return={r:.4f})")
            if label == "60분봉":
                rebound_watch_60m = False
            elif label == "일봉":
                rebound_watch_day = False
            return
    print(f"⏳ [{label}] 반등 대기 중...")

def run_loop():
    while True:
        try:
            now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')
            print(f"\n=== 데이터 갱신: {now} ===")
            df_60m = get_candles(MARKET, unit='60')
            df_day = get_candles(MARKET, unit='day')

            if df_60m is not None:
                detect_anomaly(df_60m, "60분봉")

            if df_day is not None:
                detect_anomaly(df_day, "일봉")

        except Exception as e:
            print("예외 발생:", e)

        time.sleep(600)  # 10분마다 갱신

if __name__ == "__main__":
    run_loop()

코드 설명

get_candles(): 업비트 API를 호출해 지정된 마켓과 시간 단위(분봉 또는 일봉)로 캔들 데이터를 가져옵니다.
detect_anomaly(): 최근 30개의 캔들에서 로그 수익률을 계산하고, 최신 로그 수익률의 Z-스코어를 구해 급락 이상치를 감지합니다.
이상치 급락(Z < -2.5)이 감지되면 rebound_watch 플래그를 켭니다.
이상치 감지 후, 반등 여부를 check_rebound() 함수에서 최근 3개 캔들 로그 수익률을 보고 확인합니다.
반등이 나타나면 매수 타이밍 신호를 출력하고, 반등 감시 모드를 해제합니다.
메인 루프(run_loop())는 10분마다 데이터를 갱신하며 감지 과정을 반복합니다.

5-1. 매수 로직 상세 설명

본 알고리즘의 매수 타이밍 결정 로직은 크게 두 단계로 나누어집니다.

1) 급락 이상치 감지

목적: 가격이 통계적으로 매우 비정상적으로 급락했는지 확인하는 단계입니다.
방법:
- 최근 30개 캔들의 로그 수익률 평균과 표준편차를 계산합니다.
- 가장 최근 캔들의 로그 수익률이 평균보다 얼마나 낮은지 Z-스코어로 산출합니다.
- 이 값이 미리 설정한 임계값(예: -2.5)보다 작으면 ‘급락 이상치’로 간주하고 매수 후보 감시 상태(rebound_watch)로 전환합니다.
의미: 가격이 평소 변동성 대비 크게 떨어졌다는 신호로, 반등 가능성을 모니터링합니다.

2) 반등 신호 확인 및 매수 결정

목적: 급락 이후 나타나는 반등(진짜 반등 vs 데드캣 바운스)을 구분해 매수 여부를 판단하는 단계입니다.
방법:
- 급락 이상치가 감지된 후, 다음 1~3개의 캔들 로그 수익률을 관찰합니다.
- 이 구간 중 하나라도 로그 수익률이 양수이면 반등 신호로 간주합니다.
- 반등 신호가 포착되면, 매수 타이밍으로 판단하여 알림을 출력하고 감시 상태를 해제합니다.
의미: 급락 후 즉시 매수하지 않고, 실제 반등이 발생하는지 일정 기간 관망하여 ‘데드캣 바운스’ 가짜 반등을 회피합니다.

매수 로직 핵심 요약

단계	조건 및 행동	목적
1단계	로그 수익률 Z-스코어 < -2.5 → 감시 상태 진입	급락 이상치 탐지
2단계	이후 1~3개 캔들 중 로그 수익률 > 0 발견 → 매수 알림	실제 반등 포착, 진입 타이밍 결정
2단계	반등 없으면 감시 유지 또는 해제 (추가 조건으로 조정 가능)	가짜 반등(데드캣 바운스) 회피

왜 이렇게 할까?

가격 급락 시점에 무조건 매수하면, 반등이 아닌 일시적 반등(데드캣 바운스)에 속아 손실이 발생할 수 있습니다.
반등 신호를 기다림으로써 보다 안전하게 진입 타이밍을 잡을 수 있습니다.
이 과정은 통계적 근거와 시간적 여유를 결합한 매매 전략입니다.

6. 마무리 및 다음 단계

이 간단한 알고리즘은 급락 후 나타나는 데드캣 바운스 구간을 구분해 매수 시점을 좀 더 신중하게 결정할 수 있도록 돕습니다. 실제 운영 시에는 거래량, RSI 등 추가 지표와 결합하면 신뢰도가 더욱 높아집니다.

또한, 알림 기능(예: 텔레그램 연동), 다중 코인 지원, 백테스트 등으로 확장 가능하니 점진적으로 발전시켜 보세요!

이 블로그 검색

Programming for Real-World