옵션 시장조성자는 가격을 계산할 뿐 아니라 어떤 주문을 받을지와 이후 위험을 결정한다. Akuna의 공개 역할은 통계·ML로 전략을 개발하고 예측 모델을 개선하는 신호·특성 연구, 확장 가능하고 재현 가능한 작업 흐름을 설명한다. 연구와 운영 사이의 연결을 보여주는 자료다.
별도의 전략 역할에는 가격모형, 집행 논리와 운영 코드, 시장 신호의 통합 및 성능 최적화가 포함된다. 그러나 공개자료가 실제 신호와 계수, 순손익을 제공하지는 않는다. 어떤 업무를 함께 맡기는지의 사실과 특정 모델이 돈을 버는지의 실증은 구분해야 한다.
적정가격과 역선택, 체결확률을 행동으로 연결하면 유동성 공급을 개선할 수 있다는 내용은 업무 구조에 근거한 추론이다. 국내 시험은 특성부터 제시가격, 실제 체결과 후속 가격을 같은 식별자로 관리할 수 있다. 이를 통해 모형과 집행 각각의 오류를 확인해야 채용 설명을 검증 가능한 연구 가설로 바꿀 수 있다.
SCOPE옵션 회사의 공식 채용 범위로 비공개 알파나 국내 채권의 수익 개선을 입증하지 않는다. 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.
Akuna의 신호 연구와 집행 코드의 업무 연결0 primary · 8 archived +
These 8 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 채용자료 · Quantitative Research
발표일: 게시일 미표기 / 2026년 8월 15일 현재 공개
원문: Akuna Capital — Quantitative Researcher
공개적으로 확인된 사실
Akuna는 options market-making을 주력으로 하는 proprietary trading firm이며, 자체 low-latency technology, trading strategy와 mathematical model을 개발한다고 공식 설명한다. 현재 Quantitative Researcher 역할에서는 통계·ML 알고리즘을 이용한 trading strategy 개발, predictive model 개선을 위한 signal/feature research, scalable·reproducible ML workflow 구축을 명시하고 있다.
별도의 Quant Strategy 역할은 이 연구가 어디까지 내려가는지 더 명확히 보여준다. Akuna는 pricing model뿐 아니라 execution logic, production code, market signal integration, performance optimization까지 Quant 역할의 업무로 제시한다. 즉 ML 연구와 production execution을 분리된 조직의 산출물로만 두지 않는다.
수익화 메커니즘 — 공개자료 기반 추론
비밀 전략은 공개되지 않았다. 하지만 확인 가능한 조직구조에서 보면 다음과 같은 수익 loop를 추론할 수 있다.
Signal / Feature research
→ Predictive model
→ Pricing / Strategy
→ Execution logic
→ Production trading
→ 실거래 데이터
→ 다시 Signal research
특히 market maker에게 predictive model은 꼭 “S&P가 내일 오를까” 같은 장기 방향예측일 필요가 없다.
오히려 더 경제적 가치가 높은 target은
next fair value
expected adverse selection
fill probability
expected mark-out
일 수 있다.
이 중 하나만 5~10% 개선돼도 더 좋은 quote → 더 많은 flow → 더 좋은 selection → P&L 개선으로 연결될 수 있다. 이는 공개된 업무범위에서 도출한 추론이며 Akuna가 구체적인 모델이나 전략을 공개한 것은 아니다.
한국 채권시장에 복제한다면
Akuna에서 특히 참고할 부분은 research와 execution 사이를 끊지 않는 것이다.
우리도 모델을
ML signal.py
로 끝내면 안 되고,
feature
→ fair value
→ recommended action
→ execution price
→ actual mark-out
까지 동일한 실험 단위로 관리해야 한다.
복제 난이도: ★★★★☆
복제 가치: ★★★★★