changjinhan
FIXED INCOME / FIELD NOTES

Old Mission Capital — ML → Pricing Model → Execution → Portfolio Risk

가격 연구와 주문·재고 관리가 어떻게 연결되는가?

Research note2 min readSources & evidence ↓

Old Mission은 거래소 상장자산에 유동성을 공급하는 정량 시장조성 회사로 소개된다. 연구자는 과거 시장자료에 통계기법과 기계학습을 적용해 증권 가격모형을 만든다. 공개된 설명은 기계학습의 결과가 실제 가격 제시의 입력으로 연결되는 역할 분담을 보여준다.

엔지니어는 고성능 분산시스템과 주문 실행 알고리즘을 만들고 트레이더는 자체 가격 라이브러리를 이용해 실행과 포트폴리오 위험을 관리한다. 가격을 계산하는 연구, 주문을 전달하는 기술, 재고를 감당하는 운용을 이어놓은 것이다. 각 단계에서 서로 다른 전문성이 필요하다는 운영 구조가 드러난다.

이 설명은 예측모형만 개선해도 운용이 완성된다는 해석을 제한한다. 실제 주문과 위험 관리에 모형이 어떻게 반영되는지까지 확인해야 한다. 그러나 공개 역할 설명에는 어느 시장에서 어떤 신호가 수익을 냈는지나 다른 조직 구조와 비교한 성과가 없다. 국내에서는 단계 간 데이터와 책임을 추적하는 설계로 참고할 수 있다.

SCOPE회사 역할 소개를 보존한 기록이다. 가격 라이브러리의 내용과 비공개 전략 성과는 확인할 수 없다.

Evidence & verification ↓

Sources & evidence

Original passages appear only when checked against the publication. Earlier briefing records are identified separately.

Old Mission Capital — ML → Pricing Model → Execution → Portfolio Risk0 primary · 3 archived +
EARLIER BRIEFING RECORD

These 3 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 ↓
Publication links ↑
Show the original briefing text

구분: 회사 공식 trading/technology 자료
게시일: 별도 날짜 미표기 · 2026년 8월 18일 공식 페이지 확인
원문 링크: https://www.oldmissioncapital.com/what-we-do/

공개적으로 확인된 사실

Old Mission은 주식·채권·FX·옵션·선물 등 거래소 상장자산 전반에 유동성을 공급하는 quantitative market maker이며, 공식적으로 Quantitative Researcher가 statistical technique과 machine learning으로 historical market data를 security pricing model로 변환한다고 설명한다.

그 다음 단계도 공개돼 있다. 엔지니어는 고성능 distributed system과 execution algorithm을 만들고, trader는 proprietary pricing library를 이용해 execution과 portfolio risk를 관리한다. 즉 공개된 조직 설명 자체가 ML research → pricing → execution → risk의 production chain을 보여준다.

수익화 메커니즘 — 공개자료 기반 추론

특정 전략은 공개되지 않는다.

하지만 market maker의 일반적인 경제구조와 Old Mission이 공개한 workflow를 합치면:

Better Model → 더 정확한 Fair Value
→ 더 좋은 Two-sided Quote
→ 더 많은 체결
→ 더 효율적인 Risk Transfer
→ Spread / Inventory P&L

구조를 추론할 수 있다.

여기서 중요한 것은 연구원 혼자 알파를 만드는 게 아니라 researcher·engineer·trader가 하나의 pricing/execution loop를 구성한다는 점이다.

한국 채권시장에 복제한다면

우리 시스템도 조직적으로 세 층을 분리하는 게 좋다.

Research

  • fair value
  • alpha
  • fill/mark-out model

Engineering

  • event-time stream
  • low-latency feature
  • OMS/order gateway

Trading

  • inventory
  • DV01
  • risk budget
  • execution override

이 셋이 동일한 state definition과 P&L attribution을 공유해야 한다.

특히 국고채 자동매매에서 research model과 execution engine의 feature 정의가 다르면 백테스트 성과가 production에서 재현되지 않는다.

복제 난이도: ★★★★☆
복제 가치: ★★★★★