특히 7월 9일에는 Head of Deep Learning 연구가 **“Financial Markets: The Ultimate Testbed for Intelligence”**를 주제로 발표했고, 금융 AI가 극단적 noise, regime change, tight latency, real-time 피드백과 실제 금전적 비용을 동시에 처리해야 하는 환경이라는 점을 강조했다.
특히 시장조성 조직에서는 prediction accuracy만큼 모델이 빠르게 변화하는 데이터분포에서도 망가지지 않는가가 직접적인 P&L 요소가 된다.
편집 전 브리핑 원문 펼치기
구분: 회사 공식 ICML 2026 페이지 · ML/Deep Learning
행사: 2026년 7월 7~9일
원문: Susquehanna ICML 2026
공개적으로 확인된 사실
Susquehanna는 ICML 2026 공식 페이지에서 연구원·엔지니어·트레이더가 함께 ML과 advanced quantitative research를 대규모 데이터에 적용해 actionable insight와 systematic trading strategy를 설계·배포한다고 설명한다.
특히 7월 9일에는 Head of Deep Learning Research가 **“Financial Markets: The Ultimate Testbed for Intelligence”**를 주제로 발표했고, 금융 AI가 극단적 noise, regime change, tight latency, real-time feedback과 실제 금전적 비용을 동시에 처리해야 하는 환경이라는 점을 강조했다.
수익 메커니즘 — 확인된 사실과 추론을 구분
확인된 사실: SIG는 ML을 거대한 시장데이터에서 actionable insight를 찾고 systematic strategy를 만드는 데 사용한다고 공식적으로 밝힌다. 연구→전략→배포가 연구원·엔지니어·트레이더의 공동 프로세스다.
합리적 추론: 비밀 전략은 공개돼 있지 않지만, 이 구조의 경제적 가치는 대략
많은 데이터
→ predictive signal
→ robustness validation
→ low-latency decision
→ production trading
에 있다.
특히 market making 조직에서는 prediction accuracy만큼 모델이 빠르게 변화하는 데이터분포에서도 망가지지 않는가가 직접적인 P&L 요소가 된다.
한국 채권시장에 복제한다면
여기서 가장 중요한 것은 latency 자체보다 **“실험 결과를 빠르게 실제 시장 피드백과 연결하는 구조”**다.
예를 들어:
10/30 RV signal
→ 실제 주문
→ fill 여부
→ 10초/1분/5분 mark-out
→ 예상 P&L과 실제 P&L 차이
→ 재학습
을 하나의 dataset으로 만들어야 한다.
복제 난이도: ★★★★☆
복제 가치: ★★★★★