파이썬 볼린저밴드 — pandas std는 밴드가 2.6% 넓다

1. 같은 종가, 다른 밴드 — 10년 실측

볼린저밴드는 "20일 단순이동평균 ± 2 × 20일 표준편차"입니다. 공식은 한 줄인데, 파이썬으로 옮기는 방법이 여럿이고 그 방법들이 서로 다른 숫자를 냅니다. 백테스트는 pandas로, 실거래 봇은 TA-Lib으로 짜면 검증한 전략과 돌아가는 전략이 다른 전략이 됩니다. 얼마나 다른지 직접 재 봤습니다.

조건: FinanceDataReader 0.9.202로 받은 일봉 종가, 기간 2016-10-17 ~ 2026-10-16(기준일 고정, 2,452거래일), pandas 2.2.3, 20일·2σ. 같은 데이터에 표준편차만 ddof=0과 ddof=1로 바꿨습니다.

import FinanceDataReader as fdr

ASOF = "2026-10-16"   # 기준일 고정 — 바꾸면 숫자가 달라진다
c  = fdr.DataReader("005930", "2016-10-17", ASOF)["Close"].astype(float)
ma = c.rolling(20).mean()

s1 = c.rolling(20).std()          # pandas 기본 = ddof=1 (N-1로 나눔)
s0 = c.rolling(20).std(ddof=0)    # TA-Lib BBANDS와 같은 방식 (N으로 나눔)

up1, up0 = ma + 2 * s1, ma + 2 * s0
print((s1 / s0).dropna().agg(["min", "max"]))
print("상단 돌파일 ddof=0:", (c > up0).sum(), " ddof=1:", (c > up1).sum())

세 종목 결과입니다(실행 출력 그대로).

005930 2452 rows 2016-10-17 2026-10-16
  ratio s1/s0 min/max 1.025978 1.025978  sqrt(20/19)= 1.025978
  upper break days ddof0 184 ddof1 161 diff 23
  lower break days ddof0 123 ddof1 106 diff 17
  upper gap won mean/max 149.0 1735.8
069500 2452 rows 2016-10-17 2026-10-16
  upper break days ddof0 180 ddof1 170 diff 10
  lower break days ddof0 146 ddof1 131 diff 15
035720 2452 rows 2016-10-17 2026-10-16
  upper break days ddof0 172 ddof1 154 diff 18
  lower break days ddof0 137 ddof1 124 diff 13

비율은 모든 날짜에서 정확히 1.025978로 같습니다. 데이터와 무관하게 √(N/(N−1))만큼 고정으로 벌어진다는 뜻입니다. 금액으로는 삼성전자 상단선이 평균 149원, 가장 크게는 1,735.8원 위에 그려졌습니다. "하단 이탈 시 매수" 규칙이라면 10년간 진입이 4~6번 사라지고, 사라진 진입은 대개 밴드에 겨우 닿는 애매한 날이라 성과에 주는 영향이 한쪽으로 치우칩니다. 백테스트 숫자가 실거래와 어긋나는 이유 목록에 이 항목을 넣어 두십시오(백테스트와 실거래가 벌어지는 7가지 이유).

2. 원인 ① ddof — pandas와 TA-Lib이 나누는 수가 다르다

pandas 문서는 Rolling.std의 ddof 기본값을 1이라고 적고, 나누는 수를 N - ddof라고 설명합니다. 같은 문서 Notes에 "numpy.std()의 기본값 0과 다르다"는 문장도 있습니다. 즉 np.std(x)와 pd.Series(x).std()는 같은 데이터에서 다른 값을 냅니다.

TA-Lib은 소스에서 확인됩니다. BBANDS의 표준편차는 중심선이 SMA일 때 내부 함수 INT_stddev_using_precalc_ma, 그 밖에는 STDDEV(=VAR의 제곱근)로 구하는데, 두 경로 모두 제곱합을 기간 N으로 나눕니다. ta_VAR.c(0.6.4 태그)의 핵심 줄은 이렇습니다.

meanValue1 = periodTotal1 / optInTimePeriod;   /* 평균          */
meanValue2 = periodTotal2 / optInTimePeriod;   /* 제곱의 평균   */
outReal[outIdx++] = meanValue2-meanValue1*meanValue1;

"제곱의 평균 − 평균의 제곱", 기간 N으로 나누는 모집단 분산입니다. 2026-10 현재 main도 variance = periodTotal2 * invPeriod - meanValue1 * meanValue1로 같은 식입니다. TA-Lib에는 ddof 인자 자체가 없습니다.

어느 쪽이 "정답"인지는 이 글이 판정하지 않습니다. 중요한 건 백테스트 코드와 봇 코드가 같은 쪽이어야 한다는 점입니다. 사이트의 다른 지표 글에서도 같은 구조의 문제를 다뤘습니다 — RSI는 평활 방식(Wilder) 차이로 TA-Lib과 pandas-ta 값이 갈립니다(파이썬 RSI 계산 차이).

3. 원인 ② 기본 기간 5 — 상단 돌파가 수학적으로 불가능

두 번째 함정은 기간을 안 적었을 때입니다. TA-Lib C 라이브러리의 ta_BBANDS.c에서 기본값을 정하는 줄을 버전별로 확인했습니다.

파이썬 래퍼(PyPI TA-Lib 0.8.2)의 시그니처는 BBANDS(real, timeperiod=-2**31, nbdevup=-4e37, nbdevdn=-4e37, matype=0)입니다. 이 음수 값들은 "기본값을 써라"라는 신호라서, talib.BBANDS(close)의 결과는 그 PC에 깔린 C 라이브러리 버전이 정합니다. 개발 PC와 봇 서버의 설치 시점이 다르면 같은 코드가 5일 밴드와 20일 밴드를 각각 그립니다.

5일 밴드는 단순히 "짧은 밴드"가 아닙니다. 값 n개 중 하나가 평균에서 떨어질 수 있는 최대 거리는 모집단 표준편차의 √(n−1)배입니다(사무엘슨 부등식). n=5면 정확히 2.0배라서 2σ 상단을 넘을 수가 없고, 나머지 네 값이 모두 같을 때 겨우 닿습니다. ddof=1이면 최대 (n−1)/√n ≈ 1.79배라 닿지도 못합니다. 같은 세 종목 10년 일봉에서 5일·2σ 상단 돌파를 세어 보니 세 종목 모두 0회였습니다.

ma5 = c.rolling(5).mean(); s5 = c.rolling(5).std(ddof=0)
print((c > ma5 + 2 * s5).sum())    # 005930: 0  069500: 0  035720: 0

"돌파 매수" 봇이 몇 달째 주문을 한 건도 안 낸다면 로직보다 기간 인자를 먼저 의심하십시오. 에러도 경고도 없이 조용히 0건이 나오는 종류의 버그입니다.

4. 원인 ③ pandas-ta는 TA-Lib 설치 여부로 갈린다

pandas-ta 0.4.71b0(PyPI 최신, Python 3.12 이상)의 pandas_ta/volatility/bbands.py를 열어 보면 계산 경로가 두 갈래입니다.

length = v_pos_default(length, 5)
ddof = int(ddof) if isinstance(ddof, int) and 0 <= ddof < length else 1
...
if Imports["talib"] and mode_tal:
    from talib import BBANDS
    upper, mid, lower = BBANDS(close, length, upper_std, lower_std, tal_ma(mamode))
else:
    std_dev = stdev(close=close, length=length, ddof=ddof, talib=mode_tal)

• 기간 기본값은 지금도 5입니다. ta.bbands(close)는 20일 밴드가 아닙니다.
• TA-Lib이 깔려 있으면(talib 인자 기본 True) TA-Lib BBANDS를 부르고 ddof는 무시됩니다 → 모집단(N).
• TA-Lib이 없으면 자체 stdev를 쓰고, ddof를 안 넘기면 코드상 1이 됩니다 → 표본(N−1). docstring에는 Default: 0과 Default: 1이 둘 다 적혀 있어 문서만 보고는 알 수 없습니다.

그래서 ta.bbands(close, length=20) 한 줄이 TA-Lib을 설치했느냐에 따라 2.6% 다른 밴드를 냅니다. 로컬은 TA-Lib 설치에 성공했고 클라우드 서버는 빌드에 실패해 빠진 경우가 흔합니다. 라이브러리 선택 기준 자체는 백테스팅 파이썬 라이브러리 5종 비교에 정리했습니다.

5. HTS·차트 값과 맞추는 순서

"HTS에 뜨는 볼린저밴드와 내 파이썬 값이 다르다"는 질문의 대부분은 아래 순서로 풀립니다. 증권사 HTS의 정확한 산식은 공개 범위가 제각각이니, 마지막 판정은 해당 증권사 도움말이나 고객센터로 확인하십시오.

1. 기간·배수 — 20·2가 기본이지만 차트 설정에서 바뀌어 있을 수 있습니다.
2. 가격 기준 — 종가인지, (고가+저가+종가)/3 같은 대표가격인지.
3. 중심선 종류 — 단순이동평균(SMA)인지 지수이동평균인지. TA-Lib matype=0이 SMA입니다.
4. ddof — 마지막 5개 값을 ddof=0·ddof=1로 각각 계산해 HTS 숫자와 대조하면 어느 쪽인지 바로 드러납니다.
5. 수정주가 — 액면분할·권리락 이전 구간은 수정 여부에 따라 종가 자체가 다릅니다.
6. 현재 봉 포함 여부 — 장중에는 미완성 봉의 현재가가 계속 바뀌므로 확정 종가 기준 값과 다르게 보입니다.

대조용 일봉은 증권사 API로 받는 것이 가장 깔끔합니다. 한국투자증권은 FHKST03010100(기간별 시세, FID_PERIOD_DIV_CODE D)로 받고(KIS 일봉 FHKST03010100 3년치 받는 법), 키움 REST는 ka10081(주식일봉차트조회)입니다(키움 ka10081·ka10080 응답 키). 두 응답 모두 숫자가 문자열로 오니 pd.to_numeric으로 바꾼 뒤 rolling에 넣으십시오.

봇에서 쓸 때 하나 더 — 당일 종가가 확정되기 전에 당일 밴드로 판단하면 백테스트는 종가를 알고 매매한 셈이 됩니다. 장중 판단이면 전일까지의 밴드(shift(1))와 현재가를 비교하는 식으로 맞추십시오. 이 함정은 미래참조 편향 탐지 코드에서 자세히 다뤘습니다. 기간·배수를 여러 개 돌려 "최고 조합"을 고르는 순간 생기는 착시는 워크포워드 최적화 실측을 참고하십시오.

이 글의 수치는 2016-10-17 ~ 2026-10-16 일봉을 기준으로 한 과거 실측이며, 볼린저밴드 돌파·이탈이 앞으로의 수익이나 방향을 알려 준다는 뜻이 아닙니다. 특정 종목이나 전략을 권하지 않습니다. 라이브러리 기본값은 버전마다 바뀌므로 설치한 버전의 소스와 공식 문서로 확인하십시오.

6. 자주 묻는 질문