현재 공식 페이지 기준 10,000개 이상의 데이터 소스와 수백 PB 규모 데이터, 대규모 모의실험 infrastructure를 사용하며, 모델링에는 ridge regression부터 NLP까지 다양한 방법을 쓴다. 특히 포트폴리오 구성 단계에서는 실시간 데이터에서 여러 독립 예측를 만들고 이를 consensus view로 합친 뒤 trading cost와 risk까지 포함해 target allocation을 결정한다고 설명한다. Execution에서는 실시간 위험을 모니터링하면서 optimization parameter를 조정한다.
라면 이를 하나의 consensus expected return으로 만들고, 각 모델의 신뢰도·상관관계와 비용을 반영해 size를 정하는 구조로 볼 수 있다.
편집 전 브리핑 원문 펼치기
구분: 회사 공식 Investment Management 자료
게시일: 미표기 · 2026년 8월 20일 현재 공식 공개 확인
원문 링크: https://www.twosigma.com/businesses/investment-management/
공개적으로 확인된 사실
Two Sigma는 운용 프로세스를 매우 명시적으로 네 단계로 공개한다.
Data Sourcing & Preparation → Modeling → Portfolio Construction → Execution.
현재 공식 페이지 기준 10,000개 이상의 데이터 소스와 수백 PB 규모 데이터, 대규모 simulation infrastructure를 사용하며, 모델링에는 ridge regression부터 NLP까지 다양한 방법을 쓴다. 특히 portfolio construction 단계에서는 실시간 데이터에서 여러 독립 forecast를 만들고 이를 consensus view로 합친 뒤 trading cost와 risk까지 포함해 target allocation을 결정한다고 설명한다. Execution에서는 실시간 위험을 모니터링하면서 optimization parameter를 조정한다.
수익 메커니즘 — 공개 사실과 추론 구분
확인된 사실
Two Sigma의 공개 production chain은:
Data
→ Independent forecasts
→ Consensus
→ Trading cost + Risk
→ Target Portfolio
→ Execution
이다.
추론
여기서 중요한 것은 “가장 좋은 단일 모델”을 찾는 것이 아니다.
예를 들어 10년 금리에 대해:
- macro model: +0.8bp
- flow model: -0.3bp
- curve model: +1.1bp
- news model: +0.4bp
라면 이를 하나의 consensus expected return으로 만들고, 각 모델의 신뢰도·상관관계와 비용을 반영해 size를 정하는 구조로 볼 수 있다.
즉 P&L은
Forecast quality × combination quality × portfolio sizing × execution efficiency
의 곱에 가깝다.
한국 채권시장에 복제한다면
하나의 거대한 BondAI 모델 대신 독립된 forecast를 저장하는 것이 좋다.
Macro Alpha
Flow Alpha
Order-book Alpha
Event Alpha
RV Alpha
→ Meta/Consensus Model
→ 거래비용·DV01·포지션 반영
→ 최종 action
이 구조의 장점은 특정 모델이 망가져도 어느 신호가 문제인지 바로 알 수 있다는 점이다.
복제 난이도: ★★★★☆
복제 가치: ★★★★★