Radix는 자신을 아예 **“a 연구 firm, powered by technology and monetized through trading”**이라고 정의한다. 전략을 지속적으로 개선하고 새 전략을 개발할 때 machine learning과 statistical methodology를 사용하며, 자체 자동화 연구 플랫폼을 통해 아이디어에서 execution까지의 turnaround를 빠르게 만드는 것을 핵심 경쟁력으로 설명한다.
또 pure speed 중심 HFT의 한계가 커졌다고 보고, 단순 latency 경쟁보다 통계적 연구로 경쟁자를 앞서는 전략을 강조한다.
편집 전 브리핑 원문 펼치기
구분: 회사 공식 소개 · Quantitative Trading / ML
발표일: 게시일 미표기 · 2026년 8월 25일 현재 공식 공개 확인
원문: Radix Trading 공식 사이트
공개적으로 확인된 사실
Radix는 자신을 아예 **“a research firm, powered by technology and monetized through trading”**이라고 정의한다. 전략을 지속적으로 개선하고 새 전략을 개발할 때 machine learning과 statistical methodology를 사용하며, 자체 자동화 연구 플랫폼을 통해 아이디어에서 execution까지의 turnaround를 빠르게 만드는 것을 핵심 경쟁력으로 설명한다.
또 pure speed 중심 HFT의 한계가 커졌다고 보고, 단순 latency 경쟁보다 통계적 연구로 경쟁자를 앞서는 전략을 강조한다.
수익 메커니즘 — 확인 사실과 추론 구분
확인 가능한 사실
Radix는:
research
ML/statisticsproprietary technologyautomated research platform
을 전자시장 trading으로 직접 monetization한다.
추론
경제적 moat는 특정 알고리즘 하나보다 다음 식에 더 가깝다.
Alpha Research Velocity × Deployment Speed × Strategy Breadth
즉 시장이 바뀌면서 기존 edge가 감소해도 새 연구를 더 빨리 실거래로 전환하면 전체 P&L을 유지할 가능성이 높아진다.
이는 지난 브리핑에서 반복해서 본 top quant 공통점과 같다.
더 좋은 모델
보다
더 짧은 hypothesis → live-feedback cycle
이 경쟁력이다.
한국 채권시장에 복제한다면
팀 KPI 자체를 바꿀 수 있다.
기존:
- 모델 정확도
- 백테스트 Sharpe
대신:
- 주당 검증 hypothesis 수
- OOS 통과율
- 아이디어→paper trading 시간
- paper→production 시간
- production 30일 유지율
- live/backtest P&L ratio
를 측정한다.
그러면 AI agent의 목적도 “좋은 보고서 만들기”가 아니라 research throughput을 실제로 몇 배 늘렸는가로 평가할 수 있다.
복제 난이도: ★★★☆☆
복제 가치: ★★★★★