XTX의 Atlas와 데이터 저장 기반 TernFS

구분: 회사 Research Director 공개 강연 + 공식 기술문서/GitHub
강연: 2026년 3월 9일, 7월에도 동일 주제로 NUS 등에서 발표
기술문서: 2025년 9월 — 최신성보다 기술적 가치 때문에 선정

확인 가능한 사실

XTX Markets Research Director이자 AI Lab 리더인 Atlas Wang은 2026년 Stony Brook AI3 세미나에서 XTX가 수만 개 금융상품에 deep-learning forecast를 생성하고 하루 3,000억달러 이상을 전자동으로 거래하며, discretionary human intervention 없이 운영한다고 공개했다. 강연은 time-series modeling, large-scale optimization, representation learning과 foundation model을 실제 trading P&L로 연결하는 연구를 핵심 agenda로 소개했다. Stony Brook 공식 강연 페이지

XTX의 연구 인프라를 가장 구체적으로 보여주는 기술문서는 TernFS다. XTX는 ML 연구 수요가 커지면서 자체 분산파일시스템을 만들었고, 2025년 9월 기준 500PB 이상, 30,000개 HDD, 10,000개 flash drive, 3개 데이터센터에 걸쳐 운영하며 peak throughput은 초당 수 TB 수준이라고 공개했다. 2024년 중반부터 XTX의 모든 ML workload가 TernFS 위에서 구동되고 있다. XTX TernFS 기술문서

XTX는 TernFS 소스코드까지 공개했다. 공식 GitHub 문서는 설계 목표를 10EB logical storage, 1조 개 파일, 최대 100만 client 규모로 설정하며, ML workload의 대규모 immutable-file 읽기·쓰기에 최적화했다고 밝힌다. XTX 공식 GitHub TernFS

공개자료 기반 추론

이 자료를 보면 XTX의 AI edge를 모델 architecture 하나로 설명하기 어렵다.

실제 경쟁우위는 더 가깝게:

엄청난 시장데이터 → 대규모 foundation/deep model
→ 반복 실험
→ 빠른 retraining
→ 수만 종목 forecast
→ 전자동 execution
→ 더 많은 private market data

라는 research/data flywheel에 있다.

그리고 TernFS 같은 인프라는 부수적인 IT 비용이 아니라 alpha factory의 생산설비다.

연구원 한 명이 하루 3개 experiment를 돌리는 조직과 300개를 돌리는 조직은, 같은 모델 아이디어를 가져도 실제 발견 가능한 알파의 수가 달라진다.

한국 채권시장 복제 아이디어

XTX 규모의 GPU나 스토리지는 불필요하다. 우리가 복제해야 할 것은 동일 원리다.

먼저 다음을 하나의 feature store에 시점정합으로 쌓는다.

국채선물 tick 현물 호가 체결 외국인 수급 입찰 스왑 repo 뉴스 우리 주문·취소·체결·mark-out

그리고 연구환경과 production이 같은 데이터 정의·같은 feature code를 쓰게 한다.

XTX가 보여주는 핵심은:

AI 모델보다 먼저, AI 연구가 빠르게 반복될 수 있는 데이터·컴퓨팅 구조가 moat가 된다.

복제 난이도: ★★★★★
복제 가치: ★★★★★