Two Sigma CTO는 AI를 초과수익 신호 identification부터 법무·컴플라이언스까지 조직 전반의 workflow에 통합하고 있으며, 내부 연구·production·incident-management 환경까지 이해하는 “Two Sigma aware” 도구를 만들고 있다고 설명한다.
더 중요한 발언은 Head of Complex 입력 변수 Engines에게서 나온다. 그는 AI가 raw data를 novel predictive 입력 변수로 바꾸는 과정을 크게 가속해, 과거 몇 달 걸리던 작업을 며칠로 줄였다고 밝힌다. 동시에 Technique 예측 책임자는 AI agents가 가설과 백테스트를 너무 많이 만들 수 있어 오히려 과적합이 심해질 수 있으며, pretrained LLM의 knowledge cutoff 이전 자료로 백테스트할 경우 미래정보가 암묵적으로 누출될 수 있다고 경고한다.
즉 AI가 만드는 돈의 일부는 새로운 알파 모델 하나가 아니라 연구 throughput 상승에서 나온다고 보는 편이 합리적이다.
편집 전 브리핑 원문 펼치기
구분: 회사 공식 리서치/AI 전망
발표일: 2026년 1월 21일
원문: Two Sigma — AI in Investment Management: 2026 Outlook Part II
공개적으로 확인된 사실
Two Sigma CTO는 AI를 alpha identification부터 법무·컴플라이언스까지 조직 전반의 workflow에 통합하고 있으며, 내부 research·production·incident-management 환경까지 이해하는 “Two Sigma aware” 도구를 만들고 있다고 설명한다.
더 중요한 발언은 Head of Complex Feature Engines에게서 나온다. 그는 AI가 raw data를 novel predictive feature로 바꾸는 과정을 크게 가속해, 과거 몇 달 걸리던 작업을 며칠로 줄였다고 밝힌다. 동시에 Technique Forecasting 책임자는 AI agents가 가설과 백테스트를 너무 많이 만들 수 있어 오히려 overfitting이 심해질 수 있으며, pretrained LLM의 knowledge cutoff 이전 자료로 백테스트할 경우 미래정보가 암묵적으로 누출될 수 있다고 경고한다.
수익 메커니즘 — 추론
이건 꽤 중요한 차이다.
Two Sigma가 공개한 방향은
AI 직접 매매
보다는
AI → 더 많은 고품질 feature → 더 많은 검증 가능한 hypothesis → 더 좋은 portfolio model
에 가깝다.
즉 AI가 만드는 돈의 일부는 새로운 알파 모델 하나가 아니라 research throughput 상승에서 나온다고 보는 편이 합리적이다.
한국 채권시장에 복제한다면
예를 들어 금통위 10년치 자료를 사람이 manually label하면 며칠~몇 주가 걸린다. AI를 사용하면:
결정문·기자회견
→ 성장/물가/정책경로 문장 추출
→ 이전 회의 대비 delta
→ numerical feature
→ 3선/10선/커브 반응과 결합
까지 자동화할 수 있다.
하지만 Two Sigma가 경고한 부분도 그대로 적용해야 한다. 가설을 1,000개 자동생성할 수 있게 되면 false discovery 문제도 1,000배 커진다. 따라서 agent가 만든 연구에는 OOS holdout, multiple-testing correction, feature provenance와 cutoff metadata가 기본으로 붙어야 한다.
복제 난이도: ★★★☆☆
복제 가치: ★★★★★