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.
편집 전 브리핑 원문 펼치기
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: ★★★★★