칼만 필터 보는법 | 노이즈를 걸러 저지연 추세선을 만드는 적응형 필터 실전 정리

칼만 필터(Kalman Filter)는 1960년 루돌프 칼만이 제안한 재귀적 상태 추정 알고리즘입니다. 핵심 아이디어는 두 단계의 반복입니다.

• 예측: 직전까지의 추세로 이번 캔들의 값을 미리 추정한다.
• 보정: 실제 가격(측정값)이 들어오면, 예측과 측정 중 '어느 쪽을 더 믿을지'를 가중치(칼만 게인)로 섞어 추정치를 갱신한다.

여기서 핵심은 측정값이 얼마나 잡음이 많은지에 따라 신뢰 비중이 자동으로 조절된다는 점입니다. 가격이 안정적이면 측정을 더 믿고, 들쭉날쭉하면 예측(기존 추세)을 더 믿습니다. 그래서 '적응형'이라고 부릅니다. 이동평균이 과거 N개를 똑같은 규칙으로 평균 내는 것과 달리, 칼만 필터는 상황에 따라 반응 속도를 스스로 바꿉니다.

수식(상태방정식·공분산)을 외울 필요는 없습니다. 트레이더 입장에서 기억할 것은 하나입니다 — 칼만 필터 선은 '노이즈를 걸러낸, 덜 늦는 추세선'이라는 것입니다.

같은 '추세선'이라도 성격이 다릅니다.

구현마다 이름은 다르지만 칼만 필터의 핵심 손잡이는 보통 두 개입니다.

• 측정 노이즈(measurement noise): 크게 잡을수록 '가격을 덜 믿고' 선이 부드러워지며 느려집니다. 작게 잡으면 가격에 바짝 붙어 민감해집니다.
• 프로세스 노이즈(process noise): 추세 자체가 얼마나 빨리 바뀐다고 보는지. 크게 잡으면 방향 전환을 빨리 허용합니다.

칼만 필터를 일봉·4시간봉에서 한동안 써보고 내린 평가입니다.

• 장점: 같은 매끄러움 대비 전환이 빠릅니다. 추세 추종 전략의 방향 필터로 쓰면 이동평균보다 진입·청산이 한 박자 빨라지는 경우가 많았습니다. 선이 깔끔해 차트 가독성도 좋습니다.
• 단점: 횡보장에서는 결국 다른 추세선과 똑같이 휩쏘에 시달립니다. '노이즈를 거른다'는 말이 '횡보를 추세로 안 본다'는 뜻은 아니어서, 박스권에서는 잦은 거짓 전환이 났습니다. 또 구현체마다 계산이 달라 같은 '칼만 필터'라도 결과가 제각각입니다.
• 개인 셋업: 단독 신호로 쓰지 않고, 추세 방향 필터로만 씁니다. 칼만 선이 우상향일 때만 눌림목 매수를 검토하고, 진입 타이밍은 RSI 같은 오실레이터로 잡습니다. ADX로 추세 강도를 같이 확인하면 횡보장 휩쏘를 상당히 걸러낼 수 있었습니다.

정리하면 칼만 필터는 '더 똑똑한 이동평균'에 가깝습니다. 평균회귀를 예언하지도, 횡보를 추세로 바꿔주지도 않습니다. 노이즈를 덜 타는 추세선이 필요할 때 쓰는 도구로 거리를 두면 제 몫을 합니다.

※ 본 글은 보조지표에 대한 교육·정보 제공 목적의 콘텐츠이며, 특정 종목·자산의 매수·매도 권유가 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.