예측의 가치는 중개기관의 현금한도에 달려 있다
같은 예측모형도 중개기관의 현금한도가 다르면 가치가 달라지는가?
좋은 차주위험 점수가 있어도 실행할 현금이 없다면 어떤 일이 생기는가? Ginnie Mae 발행기관은 차주가 세 번의 지급을 놓치면 대출을 유동화 풀에서 액면으로 환매할 수 있다. 환매는 선지급 의무를 끝내지만 미상환잔액만큼 현금을 즉시 요구하고, 그 뒤 수정이나 재유동화로 이어질 수 있다. 연구는 표본기간 120개 기관의 선택권 1,922,668건을 분석했다.
2020년 충격 뒤 비은행의 환매율은 예금취급기관보다 낮아졌고, 석 달 내 환매액은 팬데믹 이전 환매율을 적용한 기준보다 약 $19bn 작았다. 이후 상당 부분이 회복된 패턴은 부실자산의 경제성이 갑자기 사라졌다기보다 당시 현금의 그림자가격이 높아졌다는 해석과 맞는다. 모형도 행동가치 자체보다 현금 한 단위당 사적가치로 우선순위를 정한다.
그러나 자금조달 여력은 직접 관측되지 않았고 환매가 차주의 채무를 바꾸는 것도 아니다. 따라서 관측된 환매율을 유동성한도나 차주구제 성과로 읽으면 안 된다. 채권 데스크의 예측모형은 전체 AUC뿐 아니라 실제 한도에서 선택되는 거래의 손실·현금점유기간·후속회수율로 평가해야 한다.
SCOPE관측자료와 구조모형이 유동성 배분과 일치하는 패턴을 제시하지만 자금제약을 직접 관측하거나 인과효과를 식별하지 않는다. 환매 뒤 차주결과도 표본에 없다.
Evidence & verification ↓호가와 재고를 나누면 보상도 다시 연결해야 한다
시장조성의 호가와 재고관리를 두 에이전트로 나누면 성과가 좋아지는가?
시장조성자는 spread를 얻는 호가와 체결 뒤 남는 inventory를 동시에 관리한다. 이 논문은 Polymarket의 실제 417개 시장에서 주문장 메시지를 재구성해 JaxMARL-HFT 환경을 만들고, book·최근 order flow를 보는 정책을 학습했다. 이어 한 에이전트는 호가를, 다른 에이전트는 재고를 맡는 desk 구조로 책임을 분리했다.
재설계한 단일 에이전트는 기준모형보다 no-trade를 덜 선택하면서 주기적 holdout의 손실을 -46.1에서 -9.6 tick으로 줄였다. 다중에이전트에서는 체결 뒤 mid 이동을 호가자의 보상에 넣은 markout 항이 무책임한 체결과 왼쪽 꼬리를 줄였다. spread capture와 inventory carry를 나누되 desk 전체 손익으로 다시 묶어야 한다는 운영원리를 수치로 보여준다.
하지만 관측·행동·재고제약을 함께 바꿔 어느 요소가 차이를 만들었는지 식별하지 못했다. 모든 구성은 seed 하나로 학습했고, 주기적 holdout 평균 포트폴리오가치는 여전히 음수였다. 한국 채권 적용은 여러 날짜와 최소 스무 개 seed에서 비용차감 손익·no-trade·재고 듀레이션·손실창을 함께 통과시켜야 한다.
SCOPE한 예측시장 계열·짧은 기간·단일 seed의 시뮬레이션이다. 모든 구성의 주기적 holdout 평균가치는 음수여서 양의 기대수익이나 실거래 성과를 입증하지 않는다.
Evidence & verification ↓생성자료의 학습손실은 꼬리위험을 보증하지 않는다
TimeGAN 시나리오는 꼬리위험 포트폴리오를 역사자료보다 개선하는가?
역사자료에 극단구간이 적다면 생성자료로 꼬리를 보충할 수 있을까? 연구는 12개 ETF의 여러 학습창마다 TimeGAN을 적합하고 다섯 개 seed에서 역사자료, 전면대체와 확률질량별 혼합 정책을 비교했다. Rachev ratio는 상승꼬리와 하락꼬리의 비율을 최적화하므로 생성분포가 극단손실과 자산 간 동조를 제대로 재현하는지가 결정적이다.
생성 시나리오는 변동성과 꼬리손실을 낮게 만들고 상관구조를 왜곡했다. 학습시간을 늘려 reconstruction loss를 개선해도 교차자산 상관 정확도는 좋아지지 않았다. 일부 고비중 혼합의 평균 순수익은 역사자료 정책보다 높았지만, block bootstrap으로 만든 모든 조건부 차이 구간이 영을 포함했다. 학습손실과 투자유용성은 별도 속성이라는 뜻이다.
이 결과는 TimeGAN 전체의 실패가 아니라 선택한 구현·목적함수·ETF 표본에 조건부다. 전면대체는 turnover와 tail loss도 키울 수 있었다. 국내 채권에서는 생성자료 비중을 제한한 보충부터 시작하고, 위기상관·expected shortfall·수치안정성·비용차감 결과와 seed 간 분산을 독립 통과기준으로 두어야 한다.
SCOPE고정된 TimeGAN 구현과 12개 ETF를 사용한 모의 포트폴리오 연구다. 결과는 다른 생성기·채권표본의 한계를 정하지 않으며 실거래 성과도 아니다.
Evidence & verification ↓전략 손익은 조달비용과 위험한도 뒤에 남는다
퀀트 전략의 비용귀속과 자동 위험한도는 실제 의사결정에 어떻게 연결되는가?
같은 매매손익도 조달비용을 어디에 붙이느냐에 따라 전략의 순위가 달라진다. Jane Street의 프로젝트는 네 종류의 대차·차입 약정을 모델링하고 비용을 trading desk와 개별 전략에 되돌려 귀속했다. 총포지션만 기준으로 삼으면 규모는 크지만 싸게 조달되는 전략이, 규모는 작아도 희소증권을 비싸게 빌리는 전략보다 불리해질 수 있기 때문이다.
회사는 이 비용이 parameter 조정부터 팀 간 자원배분까지 영향을 준다고 설명한다. 별도 프로젝트에서는 수천 개의 자동매매 시스템이 거치는 주문수·주문크기 검사를 FOMC·고용지표·일광절약시간 같은 특수일에 맞췄다. 만료된 override가 거래를 뜻밖에 제한한 사례를 찾아 소유자와 lifecycle 정보를 붙이고 자동 알림을 제안했다.
운영교훈은 P&L과 risk override 모두 귀속주체·근거·유효기간이 필요하다는 것이다. 한국 채권 데스크도 종목·담보·기간별 조달곡선을 포지션에 붙이고 특수일 한도의 사용률과 만료를 추적해야 한다. 다만 회사 글은 전략별 모델, 실제 위험수치나 개선 P&L을 공개하지 않아 수익효과는 확인할 수 없다.
SCOPEJane Street의 공식 프로젝트 설명으로 운영 흐름은 확인되지만 내부 모형·위험한도·전략별 P&L과 개선효과는 공개되지 않았다.
Evidence & verification ↓좋은 연구에는 시작 전 종료조건이 필요하다
퀀트 연구를 언제 중단하고 production으로 넘길지 미리 정할 수 있는가?
연구 자동화가 실험을 더 많이 만들면 무엇을 먼저 멈춰야 하는가? Two Sigma는 금융시장에 과학적 방법을 적용할 때 학계의 다섯 해짜리 질문이 석 달짜리 프로젝트가 될 수 있다고 설명한다. 좋은 연구자일수록 한 번 더 시험하고 싶은 유인이 크지만, 그 시간은 다른 가설을 검증하지 못한 기회비용이 된다.
회사는 연구실에서 완벽한 버전을 기다리는 것보다 production에 내보내는 편이 더 큰 가치를 만들 수 있다고 말한다. 중단을 개인의 실패로 만들지 않기 위해 시작 전에 “X가 Y 시점까지 일어나지 않으면 이동한다”는 문턱을 정하고, 작고 반복적인 predictor 개선을 누적한다. 연구-배포-P&L 피드백의 속도는 모델 하나의 최고점보다 포트폴리오 차원의 자원배분 문제다.
그러나 공개 글은 문화와 의사결정 원칙을 설명할 뿐 실제 모델·통과기준·중단비율·성과를 제시하지 않는다. 국내 적용은 날짜 holdout IC, 비용차감 markout, 레짐 안정성, 꼬리지연과 운영복잡도를 사전 문턱으로 고정해야 한다. 통과하지 못하면 폐기·축소·shadow 배포를 자동 선택하고 GPU 시간과 rollback까지 기록해야 한다.
SCOPETwo Sigma 현직자의 공식 문화·프로세스 설명이다. 실제 모델, 라벨, 중단비율, 배포성과와 P&L을 공개하지 않아 효과크기를 검증할 수 없다.
Evidence & verification ↓공통된 발견은 모델 선택보다 제약을 어디에 넣고 실패를 언제 인정할지가 성과를 좌우한다는 점이다. 자금·재고·꼬리위험·비용·연구시간을 사전 문턱으로 정의하고 event-time 원장에 남겨야 백테스트의 우위를 production의 의사결정으로 보존할 수 있다.
Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
예측의 가치는 중개기관의 현금한도에 달려 있다4 primary · 0 archived +
표본은 2019년 1월부터 2022년 9월까지 120개 발행기관의 buyout option 1,922,668건이다.
ORIGINAL PASSAGE1,922,668 buyout options at 120 issuersarXiv 2610.12875v1, Section 1 and Section 5.1, October 2026, accessed 2026-10-252020년 충격 뒤 3개월 내 환매액은 팬데믹 이전 환매율 기준보다 약 190억달러 적었다.
ORIGINAL PASSAGE$19 billion below a pre-pandemic-rate benchmarkarXiv 2610.12875v1, Abstract, October 2026, accessed 2026-10-25논문은 자금조달 여력을 직접 관측하지 않았다고 명시한다.
ORIGINAL PASSAGEfunding is not observed directlyarXiv 2610.12875v1, Section 5.7 Boundaries, October 2026, accessed 2026-10-252020년 충격 뒤 비은행 환매율은 예금취급기관보다 낮아졌다.
ORIGINAL PASSAGEDuring the 2020 disruptionarXiv 2610.12875v1, Abstract, October 2026, accessed 2026-10-25호가와 재고를 나누면 보상도 다시 연결해야 한다3 primary · 0 archived +
연구는 Polymarket의 실제 417개 시장을 재구성해 학습환경을 만들었다.
ORIGINAL PASSAGEon 417 real marketsarXiv 2610.26789v1, Abstract and Section 5.3, 19 October 2026, accessed 2026-10-25재설계 단일 에이전트의 holdout 포트폴리오가치는 에피소드당 -9.6 tick, 기준은 -46.1 tick이었다.
ORIGINAL PASSAGEfinishing at -9.6 ticks per episode against -46.1arXiv 2610.26789v1, Section 6.1 and Table 6, 19 October 2026, accessed 2026-10-25각 구성은 seed 하나만 사용했다.
ORIGINAL PASSAGEOne seed per modelarXiv 2610.26789v1, Figure 5 and Section 6.4, 19 October 2026, accessed 2026-10-25생성자료의 학습손실은 꼬리위험을 보증하지 않는다3 primary · 0 archived +
연구는 12개 ETF를 사용했다.
ORIGINAL PASSAGE12 exchange-traded fundsarXiv 2610.24544v1, Abstract and Section 1, October 2026, accessed 2026-10-25TimeGAN 적합과 정책비교는 5개 학습 seed에서 수행됐다.
ORIGINAL PASSAGEacross five training seedsarXiv 2610.24544v1, Abstract and Section 2, October 2026, accessed 2026-10-25기준 block length에서 모든 조건부 생성자료-역사자료 수익률 차이 구간은 0을 포함했다.
ORIGINAL PASSAGEall conditional generated-versus-historical return intervals include zeroarXiv 2610.24544v1, Abstract and Section 5, October 2026, accessed 2026-10-25전략 손익은 조달비용과 위험한도 뒤에 남는다3 primary · 0 archived +
비용모형은 네 종류의 차입약정에 대해 대안을 비교했다.
ORIGINAL PASSAGEfor each of four loan arrangementsJane Street Blog, What the SP interns have wrought, 2026 edition, Financing costs section, 30 September 2026, accessed 2026-10-25모든 독점 자동매매 주문은 주문수와 크기를 포함한 일련의 위험검사를 통과한다.
ORIGINAL PASSAGEpasses through a complex series of risk checksJane Street Blog, What the SP interns have wrought, 2026 edition, Risk limits section, 30 September 2026, accessed 2026-10-25Jane Street는 수천 개 시스템이 사람보다 빠른 시간척도로 작동한다고 설명한다.
ORIGINAL PASSAGEthousands of systems operating at faster than human timescalesJane Street Blog, What the SP interns have wrought, 2026 edition, Risk limits section, 30 September 2026, accessed 2026-10-25좋은 연구에는 시작 전 종료조건이 필요하다3 primary · 0 archived +
Two Sigma는 학계의 5년짜리 아이디어가 회사에서는 3개월짜리 아이디어가 될 수 있다고 설명한다.
ORIGINAL PASSAGEa five-year idea ... might become a three-month idea hereTwo Sigma, The Skill Nobody Teaches You, The persistence trap, 8 May 2026, accessed 2026-10-25Two Sigma는 추가 연구보다 production 전환이 더 큰 가치를 만들 수 있다고 설명한다.
ORIGINAL PASSAGEout the door into productionTwo Sigma, The Skill Nobody Teaches You, The persistence trap, 8 May 2026, accessed 2026-10-25팀은 시작 전에 시점과 성과문턱을 정해 중단판정을 사전 정의한다고 설명한다.
ORIGINAL PASSAGEX needs to happen by YTwo Sigma, The Skill Nobody Teaches You, Making stopping acceptable, 8 May 2026, accessed 2026-10-25Show the original briefing text
채권시장 AI 연구 브리핑
2026년 10월 25일
조사 마감: 2026년 10월 25일 06:36 (Asia/Seoul)
원문 열람일: 2026년 10월 25일
중복 점검: 기존 81개 브리핑·405개 연구의 제목과 원문 URL을 대조했다. 전날의 상업용 모기지 부도분해, 특징기여와 거래비용, residual network, IMC FPGA, Maven 알파감쇠 자료는 제외했다. 1~3번은 논문 본문·표·평가조건을 확인했고, 4~5번은 채용공고가 아닌 회사 공식 기술·연구문화 자료다. 공개되지 않은 모델, 라벨, 위험한도와 P&L은 추론하지 않았다.
1. Intermediary Liquidity, Mortgage Resolution, and the Value of Information
구분: Ginnie Mae MBS·중개기관 자금제약과 머신러닝 가치 연구
발표일: 2026년 10월
핵심 요약
논문 원문은 2019년 1월부터 2022년 9월까지 120개 발행기관의 Ginnie Mae buyout option 1,922,668건을 분석한다. 2020년 충격 뒤 비은행 발행기관의 환매율이 예금취급기관보다 낮아졌고, 3개월 내 환매액은 팬데믹 이전 환매율을 적용한 기준보다 약 190억달러 적었지만 이후 상당 부분 회복됐다. 저자는 이를 유동성 배분과 일치하는 패턴으로 해석하되 자금조달 제약을 직접 관측하지 않았으며, 환매가 차주구제의 완료도 아니라고 선을 긋는다.
실무 시사점
같은 대출가치 예측이라도 중개기관이 실제로 투입할 현금이 부족하면 AUC가 높은 모형이 최선의 의사결정을 만들지 못한다. 현금 1원당 기대가치를 기준으로 대상을 순위화하고, 환매 뒤 수정·재유동화까지의 자금점유기간을 함께 봐야 MBS와 크레딧 포트폴리오의 실행가능성을 판단할 수 있다. 관측된 환매율을 자금한도로 그대로 읽거나 유동성 제약의 인과효과로 단정해서는 안 된다.
한국 시장 복제 아이디어
주택담보대출·보증부 MBS의 연체전이와 매입·대환 의사결정을 월별 패널로 만들고, 차주위험 점수와 중개기관별 현금·레포·선순위조달 여력을 결합한다. 같은 예측모형을 자금한도 5·10·20% 시나리오에 적용해 환매 후 손실, 현금점유기간과 차주정상화율을 비교한다.
2. Cooperative Multi-Agent Market Making on Prediction-Market Order Books
구분: 최신 연구·다중에이전트 강화학습 시장조성
발표일: 2026년 10월 19일
핵심 요약
논문 원문은 Polymarket의 실제 417개 시장에서 주문장 메시지를 재구성하고 JaxMARL-HFT 환경에서 호가 에이전트와 재고관리 에이전트를 학습한다. 재설계한 단일 에이전트는 동일 데이터로 재학습한 기준모형보다 더 자주 호가하면서 보유기간 외 손실을 에피소드당 -46.1 tick에서 -9.6 tick으로 줄였다. 그러나 관측·행동·재고제약을 함께 바꿔 어느 요소의 효과인지 분리하지 못했고, 모든 구성은 seed 하나만 사용했으며 주기적 holdout 평가의 평균 포트폴리오가치는 여전히 음수였다.
실무 시사점
호가와 재고를 분리하면 책임이 명확해지는 대신 각 에이전트가 자기 보상만 최적화하는 credit-assignment 문제가 생긴다. 체결 뒤 mid-price 이동을 호가 에이전트에 부과한 markout 보상이 손실창을 줄였다는 결과는, 채권 market making에서 spread capture와 inventory carry를 별도 원장으로 보되 desk 전체 손익으로 다시 묶어야 함을 보여준다. 양의 실거래 수익이 입증된 결과는 아니다.
한국 시장 복제 아이디어
국채선물 L2와 국고채 전자호가 replay에서 호가·헤지 정책을 분리하고, desk P&L 공유형과 체결 후 1초·10초 markout 부과형을 비교한다. 최소 20개 seed와 날짜 단위 holdout을 사용해 비용차감 P&L, no-trade 비율, inventory DV01, 손실창 비중과 tail loss를 평가한다.
3. Rachev-Ratio Portfolio Optimization with TimeGAN Scenarios: Replacement versus Supplementation
구분: 최신 연구·생성형 시계열과 꼬리위험 포트폴리오
발표일: 2026년 10월
핵심 요약
논문 원문은 12개 ETF, 198개 학습창과 5개 seed에서 TimeGAN 시나리오를 역사자료의 대체재 또는 보충재로 넣은 31개 정책을 지연체결·거래비용 조건에서 비교한다. 생성 시나리오는 변동성과 꼬리손실을 낮게 만들고 자산 간 의존구조를 왜곡했으며, 학습시간을 늘려 reconstruction loss를 줄여도 상관 정확도는 좋아지지 않았다. 일부 고비중 혼합정책의 연환산 순수익률 평균은 3.99~4.25%로 역사자료 정책 3.48%보다 높았지만, 기준 block length에서 모든 조건부 수익률 차이 구간이 0을 포함했다.
실무 시사점
생성모형의 학습손실이 좋아졌다는 사실은 채권 포트폴리오의 tail dependence가 보존됐다는 뜻이 아니다. 금리 급등·유동성 공백처럼 함께 움직이는 꼬리를 얕게 만들면 최적화기는 위험을 과소평가하고 turnover를 높일 수 있다. 생성자료는 역사자료를 전부 대체하기보다 확률질량을 제한한 보충 시나리오로 시작하고, fidelity·수치안정성·실현성과를 따로 통과시켜야 한다.
한국 시장 복제 아이디어
국고 3·10년, IRS, 회사채 OAS, 원/달러와 주가지수 수익률로 TimeGAN·block bootstrap·역사자료 정책을 만든다. 생성자료 비중을 0·25·50·100%로 바꾸고 위기구간 상관오차, 99% expected shortfall, turnover, 비용차감 수익률과 seed 간 분산을 함께 비교한다.
4. What the SP interns have wrought, 2026 edition
구분: Jane Street 공식 기술 글·금융비용 귀속과 자동 위험한도
발표일: 2026년 9월 30일
채용공고 아님: 실제 내부 프로젝트를 설명한 회사 공식 기술 글이다.
핵심 요약
Jane Street 원문은 네 종류의 대차·차입 약정에 대한 비용모형을 만들고 비용을 desk와 개별 전략으로 되돌려 귀속한 프로젝트를 공개한다. 같은 거래도 총포지션 기준인지 실제 조달조건 기준인지에 따라 수익성이 달라 보이며, 이 값은 매매 parameter 조정과 팀 간 자원배분에 쓰인다. 별도 프로젝트는 수천 개 자동매매 시스템의 주문한도를 시간대·FOMC·고용지표·일광절약시간 같은 특수일에 맞추고, override의 소유자·만료 알림과 검토주기를 정비했다.
실무 시사점
모델 P&L에 자금조달비용을 사후 일괄배분하면 오래 보유하거나 희소채권을 빌리는 전략의 경제성이 왜곡된다. 종목·만기·담보·기간별 조달곡선을 주문과 포지션에 붙이고, 자동 위험한도의 override에는 소유자·사유·만료일과 사용률을 남겨야 한다. 회사 글은 운영구조를 설명하지만 전략별 모형, 위험수치와 성과는 공개하지 않는다.
한국 시장 복제 아이디어
국고채·회사채·IRS 전략별 레포·증권대차·증거금·헤지비용을 event-time으로 배분한 순 P&L 원장을 만든다. 금통위·미 고용·선물 만기일 override에 소유자와 만료시각을 강제하고, 기존 방식과 새 방식의 전략순위, 한도사용률, 만료누락과 장애건수를 비교한다.
5. The Skill Nobody Teaches You: Knowing When To Stop
구분: Two Sigma 공식 연구문화 글·모델 중단기준과 production 전환
발표일: 2026년 5월 8일
채용공고 아님: 현직 책임자들이 연구-배포 의사결정을 설명한 회사 공식 글이다.
핵심 요약
Two Sigma 원문은 학계의 5년짜리 탐구가 금융연구에서는 3개월짜리 의사결정이 될 수 있다고 설명한다. 연구실에서 더 나은 버전을 기다리기보다 production에 내보내는 편이 가치가 클 수 있으며, 시작 전에 ‘X가 Y 시점까지 일어나지 않으면 중단한다’는 기준을 정해 sunk cost를 줄인다고 밝힌다. 작은 개선을 반복해 predictor를 내놓는 연구과정을 공개했지만 실제 모델, 중단비율이나 P&L은 제시하지 않는다.
실무 시사점
연구 자동화의 병목은 실험 수가 아니라 종료판정일 수 있다. 채권 신호는 표본외 IC, 비용차감 markout, 레짐별 안정성, 데이터지연과 운영복잡도에 사전 문턱을 두고, 기한을 넘기면 폐기·축소·shadow 배포 중 하나로 전환해야 한다. 통과한 모델도 작은 size에서 production 피드백을 받고 다음 개선으로 이어가야 과최적화와 연구자원 고착을 줄일 수 있다.
한국 시장 복제 아이디어
모든 연구 티켓에 4주 기한과 최소 통과기준을 둔다. 예를 들어 날짜 holdout IC 양수, 왕복비용 후 10초 markout 양수, 세 레짐 중 두 곳 이상 안정성, p99 추론지연 예산 충족을 요구한다. 기존 자유종료 방식과 비교해 production 전환율, 폐기까지 걸린 GPU 시간, shadow-live 성능저하와 롤백률을 측정한다.
오늘의 데스크 결론
오늘 자료는 모델의 성능이 자금한도, 재고보상, 생성시나리오의 꼬리, 비용귀속과 연구중단 규칙을 통과한 뒤에야 의사결정 가치가 된다는 점을 보여준다. 한국 채권 데스크의 공통 과제는 예측점수 하나를 높이는 일이 아니라, 각 단계의 제약과 실패조건을 사전에 수치화하고 동일 원장에 연결하는 것이다.