편집 전 브리핑 원문 펼치기
구분: AI·시장미시구조 연구 / Generative Foundation Model
공개일: 2026년 7월 29일
선정 이유: 최신성이 아주 높지는 않지만, 최근 fixed-income AI에서 가장 중요한 방향 중 하나인 counterfactual market simulator와 직접 연결된다.
핵심 요약
기존 LOB 생성모델은 보통 주문 이벤트(order event) 또는 호가창 상태(state) 중 한쪽을 별도로 모델링하는데, M3는 두 개를 함께 학습하는 state-event generative foundation model을 제안한다. 모델은 실제 대규모 order-level 주식시장 데이터에서 학습되어 미래 order-flow trajectory와 그에 따라 변화하는 limit-order-book liquidity를 동시에 생성한다. 저자들은 모델이 시장의 주요 stylized fact를 재현하고, forecasting뿐 아니라 stress testing과 market-impact analysis를 위한 counterfactual simulation에 사용할 수 있다고 보고한다. arXiv 원문
여기서 핵심은 다음 가격 하나를 예측하는 것이 아니다. 모델은
현재 호가창 + 주문흐름 → 앞으로 발생할 수 있는 여러 시장경로
를 생성한다.
채권 트레이딩 시사점
이 방향은 특히 국채선물 execution/RL에서 중요하다.
현재 전략을 보통 historical replay로 백테스트하면:
“내 주문이 시장에 영향을 주지 않았다”
는 비현실적인 가정을 하게 된다.
M3식 simulator라면:
현재 LOB
우리 주문→다음 주문 flow→depth 변화→price impact→다음 시장상태
처럼 행동 때문에 미래 시장이 바뀌는 환경을 만들 수 있다.
그러면 다음과 같은 질문을 simulation할 수 있다.
- 10선 300계약을 한 번에 때리는 것과 50계약씩 나누는 것의 차이
- passive order를 3초 더 기다렸을 때 fill/mark-out
- 금통위 직후 depth collapse 시 hedge execution
- 우리 agent와 다른 agent가 동시에 inventory를 줄일 때 liquidity spiral
한국 시장 복제 아이디어
처음부터 foundation model을 만들 필요는 없다.
우선:
State
- top-5 depth
- bid/ask imbalance
- spread
- 최근 체결
- cancel rate
Event
- 신규 bid/ask
- cancel
- trade
- marketable order
를 event-time으로 구축하고,
State_t + Event_t → State_{t+1}, Event_{t+1}
generator부터 만들면 된다.
최종 목적은 Prediction Model이 아니라 Bond Market Simulator다.
데스크 적용 우선순위: ★★★★★