펀딩 비율이 레버리지를 죽인다: PnL×50배가 허구인 이유

전략을 최적화했다고 가정합시다. 백테스트는 PnL +55%, MaxDD -0.9%를 보여줍니다. MaxLev를 계산합니다: $\lfloor 50 / 0.9 \rfloor = 55\times$. 곱하면: $55\% \times 55 = +3025\%$. 2년간 3000퍼센트. 이미 머릿속으로 람보르기니를 고르고 있을 것입니다.

실전 운용 3개월 후, 자본금은 시작점 아래입니다. 전략은 백테스트와 정확히 동일하게 작동합니다 — 같은 진입, 같은 청산, 같은 드로다운. 하지만 매일 돈을 잃고 있습니다. 일관되게.

이유: 펀딩 비율. 백테스트가 고려하지 않았거나 — 부정확하게 고려한 — 보이지 않는 수수료입니다.

펀딩 비율의 작동 원리

암호화폐 거래소에서 무기한 스왑에는 만기일이 없습니다. 선물 가격을 현물 가격에 고정하기 위해 거래소는 펀딩 메커니즘 — 롱과 숏 간의 정기적 결제 — 을 사용합니다.

Binance/Bybit에서의 메커니즘:

• 펀딩은 8시간마다 지불됩니다 (00:00, 08:00, 16:00 UTC)
• 펀딩 비율은 선물 가격과 현물 가격의 차이에 의해 결정됩니다
• 펀딩 비율이 양수이면 — 롱이 숏에 지불합니다
• 음수이면 — 숏이 롱에 지불합니다
• 일반적인 비율: 8시간당 $\pm 0.01\%$ (극단적 상황에서 $\pm 0.5\%$에 도달할 수 있음)

단일 결제 공식:

$\text{펀딩 비용} = \text{포지션 크기} \times \text{펀딩 비율}$

레버리지 $L$과 자본 $C$의 경우:

$\text{펀딩 비용} = C \times L \times \text{비율}$

왜 백테스트가 레버리지에 대해 거짓말하는가

표준 MaxLev(최대 레버리지) 지표는 드로다운이 목표 수준을 초과하지 않는 레버리지의 이론적 상한입니다:

$\text{MaxLev} = \left\lfloor \frac{\text{목표 DD}}{\text{MaxDD}} \right\rfloor$

이 공식은 레버리지에 의존하는 비용을 고려하지 않습니다. 1배 레버리지에서 펀딩 비율은 미미한 수수료입니다. 58배에서는 — 재앙입니다.

선형 vs 이차 비용

거래 수수료(메이커/테이커 수수료)는 선형입니다 — 거래량에 비례하며 레버리지에 의존하지 않습니다. 펀딩 비율도 포지션 크기에 대해 선형이지만, 자본 단위당으로 재계산하면 레버리지에 비례하여 증가합니다:

$\text{자본당 펀딩 비용} = L \times \text{비율} \times \text{빈도}$

보유 기간 $H$일, 하루 3회 결제의 경우:

$\text{총 펀딩} = L \times \text{비율} \times 3 \times H$

재계산: 펀딩을 고려한 전략 예시

예시로 서로 다른 위험 프로필을 가진 세 가지 가상 전략을 고려합니다. 매개변수: 무기한 선물, 25개월 테스트 기간, 8시간당 0.01%의 일반적 펀딩 비율.

원래 결과 (펀딩 미포함)

펀딩 비용 계산

def funding_cost(
    leverage: float,
    trading_time_pct: float,
    test_days: int = 750,  # 25 months
    funding_rate: float = 0.0001,  # 0.01% per 8h
    payments_per_day: int = 3,
) -> float:
    """
    Calculate cumulative funding costs as % of capital.

    Returns:
        Funding cost as percentage of initial capital
    """
    active_days = test_days * trading_time_pct
    daily_cost = funding_rate * payments_per_day * leverage
    total_cost = daily_cost * active_days
    return total_cost * 100  # in percent

계산:

a_funding = funding_cost(55, 0.15, 750)

b_funding = funding_cost(66, 0.05, 750)

c_funding = funding_cost(3, 0.45, 750)

펀딩을 고려한 결과

얼핏 보면 허용 가능해 보입니다: 펀딩이 최종 PnL@ML의 3-6%를 소모합니다. 하지만 이것은 평균 펀딩 비율입니다. 비율이 상승했을 때 무슨 일이 일어나는지 봅시다.

펀딩 비율은 상수가 아닙니다

일반적인 0.01% 펀딩 비율은 중앙값입니다. 실제로 비율은 변동합니다:

55배 레버리지로 상승장(0.03%)에서: 롱 포지션 하루의 펀딩만으로 자본의 4.95% 비용이 발생합니다.

활성일당 PnL vs 일당 펀딩

핵심 계산 — 일일 전략 수익률 대 일일 비용:

a_pnl_per_day = 55 * 55 / 112.5  # PnL@ML / active days = 26.9%/day



b_pnl_per_day = 25 * 66 / 37.5  # = 44.0%/day

이 숫자들로 보면 펀딩은 중요하지 않아 보입니다. 하지만 이것은 평균값입니다. 진짜 문제는 다른 곳에 있습니다.

진짜 문제: 드로다운 중의 펀딩

펀딩 비용은 포지션이 열려 있는 동안 — 드로다운 기간 포함 — 지속적으로 누적됩니다. 예를 들어: 전략 A의 최대 드로다운 0.9%가 55배 레버리지에서:

$\text{실효 DD} = 0.9\% \times 55 = 49.5\%$

이미 청산 직전입니다. 여기에 펀딩을 추가하면:

$\text{펀딩 포함 DD} = 49.3\% + \text{DD 기간 동안 누적 펀딩}$

드로다운이 0.01% 펀딩 비율로 3일간 지속되면:

$\text{3일간 펀딩} = 0.0001 \times 3 \times 55 \times 3 = 4.95\%$

합계: $49.5\% + 4.95\% = 54.45\%$ — 표준 50% 유지 증거금에서 청산.

펀딩을 고려한 안전 레버리지 공식

$L_{safe} = \frac{\text{목표 DD} - \text{펀딩 버퍼}}{|\text{MaxDD}|}$

여기서 펀딩 버퍼는 일반적 드로다운 기간에 걸친 예상 펀딩입니다:

$\text{펀딩 버퍼} = \text{비율} \times 3 \times L \times \text{DD 기간(일)}$

이것은 재귀 방정식입니다 (펀딩 버퍼가 $L$에 의존). 해는:

$L_{safe} = \frac{\text{목표 DD}}{|\text{MaxDD}| + \text{비율} \times 3 \times \text{DD 기간}}$

def safe_leverage(
    max_dd_pct: float,
    target_dd_pct: float = 50.0,
    funding_rate: float = 0.0001,
    dd_duration_days: float = 3.0,
) -> float:
    """
    Safe leverage accounting for funding costs during drawdown.
    """
    denominator = max_dd_pct / 100 + funding_rate * 3 * dd_duration_days
    return target_dd_pct / 100 / denominator

a_safe = safe_leverage(0.9, 50.0, 0.0001, 3.0)

a_safe_high = safe_leverage(0.9, 50.0, 0.0003, 3.0)

결론: 일반적 펀딩 비율에서 전략 A의 안전 레버리지는 50배이며, 55배가 아닙니다. 상승 펀딩 시에는 42배. PnL@ML 차이:

• 순진한 계산: $55\% \times 55 = +3025\%$
• 펀딩 포함(0.01%): $55\% \times 50 - 165\% = +2585\%$
• 펀딩 포함(0.03%): $55\% \times 42 - 400\% = +1910\%$

백테스트에 펀딩의 실용적 통합

백테스트에서 펀딩 비율을 고려하는 것은 선택이 아니라 — 필수입니다. 최소한의 구현을 보여드립니다:

import pandas as pd
import numpy as np

def load_funding_rates(symbol: str) -> pd.DataFrame:
    """Load historical funding rates from warehouse."""
    path = f"warehouse/data/{symbol}/funding/"
    return df  # columns: [timestamp, rate]

def apply_funding_to_trades(trades, funding_rates, leverage: int = 1):
    """
    Subtract real funding costs from each trade's PnL.
    """
    for trade in trades:
        mask = (
            (funding_rates.index >= trade.entry_time) &
            (funding_rates.index <= trade.exit_time)
        )
        payments = funding_rates.loc[mask, 'rate']

        direction = 1 if trade.side == 'long' else -1
        total_funding = payments.sum() * direction * leverage

        trade.pnl_pct -= total_funding * 100

    return trades

잘 구축된 백테스트 엔진에서 펀딩 비율은 자동으로 로드되어 각 거래에 적용됩니다. 이를 통해 현실적인 그림을 얻을 수 있습니다 — 그리고 그것은 종종 바라는 것보다 덜 장밋빛입니다.

현실적인 레버리지 범위

예시로 — 다른 MaxDD 수준에서 펀딩 비율이 안전 레버리지에 어떤 영향을 미치는지:

핵심 관찰: 낮은 드로다운 전략(전략 A, B)에서는 펀딩이 실효 레버리지를 크게 줄입니다. 높은 드로다운 전략(전략 C)에서는 펀딩 영향이 최소입니다 — 레버리지가 이미 3배로 제한되어 있기 때문입니다.

펀딩 영향 최소화 전략

1. 헤지 중립 포지션

펀딩 비율은 선물 가격과 현물 가격의 차이에 의해 결정됩니다. 전략이 현물을 통한 헤지를 허용한다면 — 펀딩은 중화됩니다:

• 롱 선물 + 숏 현물 = 펀딩에 대한 순 익스포저 제로
• 하지만: 암호화폐에서 현물 숏은 제한적입니다 (증거금 계좌 또는 대출 필요)

2. 펀딩이 낮은 거래소로 이동

다른 거래소는 동일한 자산에 대해 다른 펀딩 비율을 가집니다. 펀딩 아비트라지 모니터링은 별도의 전략입니다. 자세한 내용은 기사 거래소 간 펀딩 비율 아비트라지를 참조하세요.

3. 진입 타이밍

펀딩은 고정 시간(00:00, 08:00, 16:00 UTC)에 지불됩니다. 거래가 결제 1분 전에 종료되면 — 펀딩이 부과되지 않습니다. 마이크로 최적화이지만, 58배 레버리지에서 한 번의 건너뛴 결제로 0.58%를 절약하는 것은 상당합니다.

4. 동적 레버리지

고정 레버리지 대신 적응적 레버리지를 사용합니다:

$L_{dynamic} = L_{base} \times \frac{\text{비율}_{median}}{\max(\text{비율}_{current}, \text{비율}_{median})}$

펀딩이 상승하면 레버리지가 자동으로 감소하여 비용을 제한합니다.

파이프라인에 펀딩 통합에 관한 권장 사항

펀딩 비율은 백테스트 파이프라인의 필수 부분이어야 합니다:

• 각 심볼의 과거 펀딩 비율 로드
• 보유 기간 동안의 실제 펀딩으로 각 거래 조정
• 펀딩 버퍼가 포함된 공식으로 MaxLev 계산
• 보고서에 두 숫자를 모두 표시: 펀딩 미포함 및 포함 PnL@ML

실용적 규칙: 0.03% 펀딩 비율(강세장에서 20-30%의 시간 동안 발생)에서 전략이 수익을 내지 못한다면 — 고레버리지 실전 운용 준비가 되지 않은 것입니다. 최악의 펀딩 시나리오에서도 전략이 수익을 내는 수준으로 레버리지를 줄이세요.

결론

펀딩 비율은 레버리지에 대한 세금입니다. 실제 세금처럼 소액에서는 눈에 띄지 않고 대액에서는 파괴적입니다.

세 가지 규칙:

1. 항상 펀딩을 고려한 PnL@ML을 계산하세요. 펀딩 없는 공식은 마케팅이지 트레이딩이 아닙니다. 과거 펀딩 비율을 로드하고 각 거래에서 실제 비용을 차감하세요.

2. 안전 레버리지 공식을 사용하세요:

$L_{safe} = \frac{\text{목표 DD}}{|\text{MaxDD}| + \text{비율} \times 3 \times \text{DD 기간}}$

3. 3배 펀딩에서 테스트하세요. 전략이 0.03% 펀딩(0.01%만이 아니라)에서 수익성이 있다면 — 견고합니다. 그렇지 않다면 — 레버리지를 줄이세요.

50-60배 레버리지에서의 아름다운 PnL 숫자는 기분 좋은 환상입니다. 펀딩 비율은 차가운 현실입니다. 그 사이에 백테스트와 트레이딩 계좌의 차이가 있습니다.

고레버리지에서의 드로다운과 변동성 드래그의 수학에 대해서는 — 기사 손실-이익 비대칭성을 참조하세요. 펀딩 조정 결과의 신뢰 구간 획득 방법에 대해서는 — 백테스트를 위한 몬테카를로 부트스트랩.

유용한 링크

1. Binance — Funding Rate History
2. Binance — Introduction to Funding Rates
3. Bybit — Understanding Funding Rates
4. Deribit Insights — The Hidden Cost of Perpetual Swaps
5. Lopez de Prado — Advances in Financial Machine Learning, Chapter 14: Backtest Statistics
6. Kevin Davey — Building Winning Algorithmic Trading Systems: Transaction Costs

Citation

@article{soloviov2026fundingratesleverage,
  author = {Soloviov, Eugen},
  title = {Funding Rates Kill Your Leverage: Why PnL×50x Is a Fiction},
  year = {2026},
  url = {https://marketmaker.cc/ko/blog/post/funding-rates-kill-leverage},
  version = {0.1.0},
  description = {How funding rates on Binance/Bybit turn beautiful high-leverage backtest results into guaranteed losses. Formulas, recalculation of real strategies, and the maximum leverage at which funding does not eat into profits.}
}