핵심만 먼저
LSMA(최소자승 이동평균)는 설정 기간 동안의 가격에 최소자승법(선형회귀)을 적용해 가장 잘 맞는 직선을 그리고, 그 직선의 현재 시점 끝값을 이동평균으로 사용하는 지표입니다. 추세의 방향성과 기울기를 직관적으로 파악할 수 있습니다.
차트를 공부하다 보면 어느 순간 '선형회귀'라는 단어를 만나게 됩니다. 통계학에서 온 개념이라 처음에는 막연하게 느껴졌습니다. "가격 데이터에 가장 잘 맞는 직선을 그린다"는 설명을 들어도, 그게 실전에서 무슨 의미인지 바로 와닿지 않았습니다. 저도 그랬습니다.
직접 LSMA를 차트에 얹어보고 나서 처음 든 생각은 "EMA보다 훨씬 깔끔하다"였습니다. 가격이 출렁이는 구간에서도 LSMA는 EMA보다 덜 흔들리고, 그러면서도 추세 전환에는 생각보다 빠르게 반응했습니다. 추세가 있는 시장에서는 이 지표가 어디를 향하는지가 꽤 유용한 정보가 됩니다. 그 경험을 바탕으로 LSMA의 원리부터 실전 활용법까지 정리해봤습니다.
LSMA(Least Squares Moving Average)를 이해하려면 먼저 선형회귀(Linear Regression)의 개념을 잡아야 합니다. 선형회귀는 여러 개의 데이터 포인트가 있을 때, 그 점들과의 오차(거리)의 제곱합이 가장 작아지는 직선을 찾는 방법입니다. '최소자승법'이란 이름이 거기서 왔습니다.
이를 가격 데이터에 적용하면: 설정 기간(예: 25개 캔들) 동안의 종가 데이터에 선형회귀를 적용해 가장 잘 맞는 직선을 그립니다. 그 직선의 오른쪽 끝, 즉 현재 시점의 예측값이 LSMA의 한 점이 됩니다. 다음 캔들이 만들어지면 기간을 한 칸 밀어서 다시 회귀선을 계산하고, 또 끝값을 하나 찍습니다. 이 점들을 이어 선으로 만든 것이 LSMA입니다.
TradingView에서는 'Linear Regression Curve' 또는 'Least Squares Moving Average'로 검색하면 찾을 수 있습니다. 한눈에 봐도 EMA보다 선이 부드럽고 방향이 뚜렷하게 그려지는 것을 느낄 수 있을 겁니다.
LSMA를 읽는 핵심은 세 가지입니다. 선의 방향, 선의 기울기 변화, 가격과 LSMA의 괴리입니다.
| 관찰 포인트 | 의미 | 실전 해석 |
|---|---|---|
| LSMA 상향 기울기 | 상승 추세 진행 중 | 가격이 LSMA 위에 있고 기울기가 가팔라질수록 추세 강도 강함 |
| LSMA 하향 기울기 | 하락 추세 진행 중 | 가격이 LSMA 아래에서 반등을 시도할 경우 LSMA 돌파 여부로 추세 전환 확인 |
| LSMA 수평 | 추세 없는 횡보 구간 | 돌파 신호에 반응하기보다 추세 형성 대기 |
| 가격이 LSMA 위로 멀어짐 | 단기 과열 가능성 | 평균으로의 회귀 가능성, 급추격 매수 자제 |
| 가격이 LSMA 아래로 멀어짐 | 단기 침체 가능성 | 반등 가능성 존재, 단 추세 방향 확인 필수 |
제가 가장 유용하게 쓴 방법은 LSMA 기울기 변화 감지입니다. LSMA가 수평에서 상향으로 전환되기 시작할 때, 그 방향이 확정되는 시점에 포지션을 잡으면 추세 초입에 올라탈 수 있습니다. EMA로는 이런 시점 포착이 쉽지 않은데, LSMA는 회귀선 기반이라 추세 방향이 상대적으로 일찍 그리고 명확하게 드러납니다.
LSMA의 파라미터는 주로 두 가지입니다. 기간(Length)과 Offset(또는 시프트)입니다.
| 파라미터 | 일반 범위 | 역할과 효과 |
|---|---|---|
| Length | 14~200 | 회귀 계산에 쓸 캔들 수. 클수록 장기 추세, 작을수록 단기 민감 |
| Offset | 0 (기본) | 선을 좌우로 이동. 0이면 현재 끝값, 양수면 미래 방향 추정(일반적 미사용) |
가장 중요한 파라미터는 Length입니다. 기본값은 보통 25 또는 50이며, 매매 스타일에 따라 아래와 같이 선택합니다.
저는 일봉 스윙에 LSMA(25)를 주로 씁니다. EMA(20)과 같은 기간이지만 선의 질감이 확연히 다릅니다. 한번 두 선을 같은 차트에 올려서 비교해보면 LSMA가 어떻게 다르게 움직이는지 바로 느낄 수 있을 겁니다.
LSMA는 단독으로도 쓸 수 있지만, 같은 선형회귀 계열의 Linear Regression Channel(선형회귀 채널)과 함께 쓸 때 특히 강력합니다. 채널의 중심선이 회귀선 자체이고, LSMA는 그 끝값의 이동경로입니다. 채널과 함께 쓰면 LSMA가 추세 중심을 나타내고, 채널 상단·하단은 과열·침체 구간의 경계선 역할을 합니다.
피플로 국내주식에서 코스피 대형주의 일봉 차트에 LSMA를 얹어보면, 상승 추세 종목에서 LSMA가 얼마나 안정적으로 추세를 따라가는지 직접 확인할 수 있습니다.
LSMA를 쓰면서 가장 마음에 들었던 점은 선이 '방향성'을 명확하게 표현한다는 점입니다. EMA나 SMA는 추세 전환점에서 선이 꺾이는 타이밍이 애매한 경우가 있는데, LSMA는 선형회귀 기반이라 추세 방향이 바뀌는 시점이 시각적으로 더 뚜렷하게 보였습니다. 이 덕분에 추세 추종 전략에서 진입·청산 판단이 조금 더 명확해졌습니다.
단점은 역시 후행성입니다. 아무리 회귀선 끝값을 쓴다고 해도, 계산 자체가 과거 n개 캔들 기반이라 추세 전환 초기 신호는 여전히 늦습니다. 특히 갑작스러운 급락 뉴스가 터졌을 때 LSMA가 아직 상향인 상태에서 가격이 급하강하면, "LSMA 위에 있으니 아직 상승 추세"라고 믿다가 늦게 대응하는 상황이 몇 번 있었습니다. 이런 상황을 대비해 저는 LSMA 단독으로만 추세를 판단하지 않고, 최소한 MACD 히스토그램 방향을 같이 봅니다.
사용 상황을 정리하면: 주봉 추세가 상향인 종목의 일봉 눌림목에서 LSMA를 지지선으로 보고 매수하는 전략에서 가장 유용하게 썼습니다. 개인 셋업은 일봉 LSMA(25) + RSI(14). 주봉 추세 확인 후 일봉에서 LSMA 위 눌림 → RSI 40~50 터치 반등을 진입 신호로 사용합니다.
※ 본 글은 보조지표에 대한 교육·정보 제공 목적의 콘텐츠이며, 특정 종목·자산의 매수·매도 권유가 아닙니다. 투자 판단과 책임은 투자자 본인에게 있습니다.
EMA는 최근 가격에 지수적으로 감소하는 가중치를 주어 과거 가격의 영향을 서서히 줄이는 방식입니다. LSMA는 설정 기간의 가격 데이터에 선형회귀를 적용한 직선의 현재 끝값을 씁니다. 결과적으로 LSMA가 추세 방향을 더 명확하게 보여주고 극단적 이상치 영향을 덜 받는 경우가 많지만, 기본적으로 둘 다 후행 지표입니다.
기본값은 플랫폼마다 다르지만 25 또는 50이 가장 널리 쓰입니다. 일봉 스윙 트레이딩에는 25~50, 단타에는 9~14, 장기 포지션에는 100~200이 일반적입니다. 다양한 기간을 과거 데이터로 백테스트해보고, 자신이 주로 매매하는 종목의 추세 주기에 맞는 값을 찾는 것이 가장 좋습니다.
횡보 구간에서 LSMA는 수평에 가깝게 그려지며 가격이 선 위아래를 반복하는 패턴을 보입니다. 이때 LSMA 돌파를 추세 신호로 보면 잦은 속임수에 당할 수 있습니다. 횡보 구간에서는 LSMA를 추세 필터로만 쓰고, 실제 진입 신호는 볼린저 밴드 반전이나 RSI 과매도 반등 같은 횡보 전용 지표에서 찾는 것이 낫습니다.
Linear Regression Channel의 중심선이 선형회귀선 자체이고, LSMA는 그 선형회귀선의 현재 시점 끝값을 이어 만든 이동평균입니다. 두 지표는 같은 선형회귀 개념에서 출발하며, 함께 쓰면 LSMA가 추세 방향을, 채널이 가격의 상대적 위치(과열·침체 구간)를 보여주어 상호 보완됩니다.
EMA(Exponential Moving Average, 지수이동평균)는 최근 가격에 더 높은 가중치를 부여해 계산하는 이동평균으로, 단순이동평균(SMA)보다 추세 변화에 빠르게 반응합니다. 12, 26, 50, 200 기간이 널리 쓰이며 추세 방향 확인과 지지·저항 기준선으로 활용합니다.
ALMA(아르노 르구 이동평균)는 가우시안 정규분포 형태의 가중치를 사용해 최근 가격에 집중하면서도 노이즈를 줄이도록 설계된 이동평균입니다. Offset으로 가중치 중심 위치를, Sigma로 가중치 분산 폭을 조정합니다.
선형 회귀 채널(Linear Regression Channel)은 일정 기간의 가격에 최소제곱법으로 회귀선을 그리고, 그 위아래에 표준편차 기반의 밴드를 더한 지표입니다. 추세의 방향과 기울기, 가격의 과열·침체 상태를 동시에 파악합니다.
KAMA(카우프만 적응이동평균)는 시장의 노이즈(변동 잡음) 수준을 측정해 추세가 강할 땐 빠르게, 횡보장에선 느리게 반응하도록 평활 계수를 실시간으로 조정하는 적응형 이동평균입니다. 추세 추종과 휩쏘 방어를 동시에 목표로 합니다.