고객이 채권을 팔면 딜러는 바로 반대 거래를 하거나 재고로 보유할 수 있다. 즉시 헤지는 비용과 시장충격을 만들고 보유는 가격 위험을 남긴다. XTX 자료는 머신러닝 적정가격 판단을 바탕으로 위험을 일정 기간 보유하는 유동성 공급 방식을 설명한다.
공개자료는 여러 자산의 가격 예측을 직접 거래와 고객 유동성에 활용한다고 소개한다. 고객 주문을 곧바로 시장에 넘기지 않아 낮은 가격충격을 제공한다는 사업 설명과 포지션·주문 한도, 전후 거래 통제 및 보유기간 제한도 기록에 포함된다. 모델 출력과 별도의 위험관리 규칙이 존재하는 구조다. 규모로는 53,000개 이상 상품의 가격과 25,000개 이상 GPU, 1EB 이상 저장소를 회사가 공개했다고 기록한다. 인프라 규모 자체는 가격 우위의 증거가 아니다.
정확한 가격 판단이 기다릴 여력을 주고 가격충격을 줄일 수 있다는 수익 경로는 공개자료를 연결한 추론이다. 실제 가격 우위와 재고 손익은 공개되지 않았다. 국내 시험에서도 예상 체결률과 후속 가격, 금리 민감도를 함께 보되 기록 속 예시 숫자를 실측 성과처럼 사용하지 않아야 한다.
SCOPE회사 사업·통제 설명으로 수익 메커니즘의 독립 실증이나 국내 이익의 보장이 아니다. 이 설명의 근거는 이전 브리핑 기록이며 원문 전체를 다시 검증한 결과가 아니다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
XTX의 가격 판단과 재고 보유를 연결하는 설명0 primary · 9 archived +
These 9 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: 회사 공식 기술·사업자료
게시일: 페이지 게시일 미표기 / 2026년 8월 8일 현재 공개 확인
원문: XTX Markets 공식 사이트
공개적으로 확인되는 사실
XTX Markets는 공개자료에서 머신러닝으로 53,000개 이상의 금융상품 가격을 예측한다고 명시한다. 대상은 주식뿐 아니라 fixed income, FX, commodities, crypto를 포함한다. 이 예측을 거래소·ATS에서 직접 거래하는 데 사용하고, 고객에게 유동성을 공급하는 데도 활용한다. 현재 공개된 연구 인프라는 25,000개 이상의 GPU와 1EB 이상의 usable storage 규모다.
XTX의 고객사업 설명은 수익화 메커니즘을 더 직접적으로 보여준다. 회사는 ML 기반 fair market value의 정확성을 바탕으로 고객 주문을 받은 뒤 리스크를 일정 기간 보유하며, 즉시 시장에 던지지 않음으로써 낮은 market impact의 유동성을 제공한다고 설명한다.
또 2026년 규제 공시에서는 position/order limits, pre/post-trade control과 holding-period 제한으로 시장위험을 관리한다고 밝히고 있다. 즉 ML 가격예측과 risk warehousing 뒤에는 별도의 deterministic risk-control layer가 존재한다.
돈을 버는 구조 — 공개자료에 기반한 추론
XTX의 공개자료에서 오늘 브리핑 전체 중 가장 중요한 구조를 뽑으면 이것이다.
Better Fair Value
→ 더 경쟁력 있는 Quote
→ 더 높은 Fill/Flow
→ 고객 주문을 즉시 헤지하지 않아도 되는 Risk Capacity
→ Market Impact 감소
→ Spread + Inventory P&L
즉 AI의 가치는 forecast accuracy 자체에서 끝나지 않는다.
예를 들어 고객이 채권을 팔아 왔을 때 XTX가 해당 자산의 fair value를 경쟁사보다 정확하게 안다면, 일시적으로 inventory를 들고 기다릴 수 있다. 고객 flow를 받은 직후 모두 반대매매하지 않으니 자신의 hedge impact도 줄어든다.
“예측 정확도 → 리스크 보유 능력”으로 전환되는 순간 ML이 시장조성 수익원이 된다.
한국 채권시장에 복제한다면
가장 현실적인 버전은 다음이다.
K-Bond/RFQ → ML Fair Value → Expected Fill Probability → Expected Mark-out → Inventory/DV01 → Quote
예를 들어 어떤 기관이 국고 10년물을 매도 문의하면 단순히 “현재 민평 −0.5bp”가 아니라,
Fair value: 3.421%
고객 제시: 3.424%
P(fill): 67%
10초 예상 mark-out: +0.4bp
현재 inventory: Long DV01 +2,500만원
recommended quote: 3.425%
처럼 의사결정해야 한다.
이 구조는 상대가치 전략에서 액면이 아니라 DV01 기준으로 위험을 중립화해야 한다는 국내 채권 운용의 기본 원리와도 바로 연결된다.
복제 난이도: ★★★★★
복제 가치: ★★★★★