서버가 정상적으로 응답해도 잘못된 종목이나 가격으로 주문을 낼 수 있다. Jane Street는 거래시스템에서 서비스 수준의 평균 지표보다 구체적인 예외 사건을 정의한 경보를 많이 사용한다고 설명한다. 기술적인 정상 상태와 거래에 대한 이해가 맞는 상태를 구분하는 접근이다.
평소보다 지나치게 큰 이익이 난 체결도 의심 대상으로 본다는 사례가 있다. 자료 오류, 종목 연결, 주문 엔진, 전략 오류 등 다른 원인을 함께 포착할 수 있기 때문이다. 갑작스러운 거래량 점유 변화도 서비스가 정상이어도 시스템의 가정이 잘못됐을 가능성을 확인하게 하는 사건이다.
이런 경보는 거래소로 주문이 나가기 직전의 방어 단계인 주문 엔진팀에도 전달한다고 한다. 이상 이익을 무조건 오류로 판정하는 것이 아니라 추가 점검이 필요한 신호로 쓰는 설계다. 보존된 설명에는 경보 전후 사고율 비교가 없으므로 국내에서는 재생자료로 오탐과 누락을 함께 측정해야 한다.
SCOPE공개 운영 사례의 역사적 기록이다. 경보의 사고 감소 효과나 이상 이익의 일반적 오류 확률은 확인되지 않았다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Jane Street — Production Engineering When Trading Billions of Dollars a Day0 primary · 4 archived +
These 4 records come from the earlier briefing, not a newly verified original publication. They are retained in the original briefing below; no primary-source quotation is shown.
Read the earlier record ↓Show the original briefing text
구분: Jane Street 공식 기술강연 / 현직 Production Engineer
발표: 2026년 공개
선정: 최신성보다 기술적 가치 때문에 선정
이 자료는 사용자가 요청한 “채용공고 너머의 기술자료”라는 관점에서 상당히 가치가 높다. 약 10년 재직한 Jane Street production engineer Mark Doss가 실제 live trading infrastructure 운영 원칙을 50분 가까이 직접 설명한다. Jane Street 공식 강연 + 전체 Transcript
확인 가능한 사실 ①
일반 IT의 99.99% SLA가 trading에서는 충분하지 않다
Jane Street는 live trading system에서 전통적인 SLO 기반 monitoring을 상대적으로 적게 사용한다고 설명한다. 이유는 주문에서 0.01% 실패조차 경제적으로 매우 큰 손실을 만들 수 있기 때문이다. 대신 edge case를 직접 정의하는 event-based alerting 비중이 높다.
즉:
웹서비스:
99.99% request success = excellent
trading:
99.99% correct orders = potentially catastrophic
다.
확인 가능한 사실 ②
“너무 돈을 잘 벌어도” alert가 뜬다
Jane Street가 공개한 가장 흥미로운 monitoring 중 하나가 fill-too-good / trade-too-good alert다.
체결에서 평소보다 지나치게 큰 이익이 발생하면 오히려 시스템이 이상하다고 의심한다. 시장데이터 오류, instrument mapping, order engine, strategy bug, fat-finger 등 여러 종류의 문제를 한꺼번에 잡을 수 있는 orthogonal alert로 사용한다고 설명한다.
또 정상적으로 시장 거래량의 3% 정도를 차지하던 시스템이 갑자기 60%를 차지한다면, technical service가 멀쩡하더라도 시스템 전체의 이해가 틀렸다는 epistemic-health alert를 발생시키는 사고방식을 소개한다.
확인 가능한 사실 ③
Order Engine이 마지막 Risk Firewall
Jane Street에서는 이런 이상체결 alert를 order-engine team까지 전달한다. 이유는 order engine이 거래소로 주문이 나가기 직전의 last line of defense이기 때문이다.
즉 구조가:
Model → Strategy → Position → Order Engine / Safety → Exchange
로 돼 있고,
model이 이상해도 order engine이 독립적으로 주문을 중단할 수 있어야 한다.
공개자료 기반 수익 메커니즘
이건 알파모델 이야기가 아니다.
하지만 자동매매에서 굉장히 중요한 P&L 식이 있다.
Net P&L
= Model Alpha
− Trading Cost
− Operational Loss
대부분 AI 연구자는 첫 번째 항만 개선한다.
Jane Street 자료가 보여주는 것은:
Operational Loss를 거의 0에 가깝게 관리하는 것도 하나의 trading edge다.
좋은 모델이 한 달에 1억원을 벌어도 한 번의 잘못된 order serialization으로 10억원을 잃으면 아무 의미가 없다.
한국 채권 AI에 그대로 적용할 것
AI 자동매매에 다음 네 개를 model 외부에 만들어야 한다.
① Trade-too-good
평균 mark-out 대비 비정상적으로 큰 이익:
→ market data stale?
→ instrument mapping error?
→ P&L calculation bug?
② Trade-too-bad
극단적 adverse-selection 발생 시:
→ strategy halt
③ Position-too-large
모델 신호와 상관없이:
→ hard DV01 limit
④ Volume-share-too-high
평소보다 우리 체결 비중이 급증:
→ 모델 오류 또는 시장구조 변화 의심
즉 ML 외부에 Deterministic Safety Envelope를 둔다.
이건 향후 실제 주문을 보내기 전에 반드시 필요한 계층이다.
복제 가치: ★★★★★