이는 인프라 규모와 예측→거래→유동성 제공의 경로를 보여주지만, 개별 모델의 라벨이나 실제 수익기여를 공개한 것은 아니다. 수만 종목을 함께 다루려면 공유 표현, point-in-time 데이터, 분산 학습, 드리프트 모니터링이 필요할 가능성이 높다는 것은 공개자료 기반 추론이며 XTX의 비밀전략으로 단정할 수 없다.
한국 채권시장에서는 발행사·만기·등급·옵션·유동성 속성으로 종목을 표현하고, 유동성이 낮은 채권도 비슷한 종목의 정보를 빌려오게 할 수 있다. 다만 공정가치 잔차를 곧바로 주문으로 바꾸지 말고 체결확률, 재고 DV01, hedge slippage를 합친 quote score로 변환해야 예측이 실제 시장조성 손익으로 이어진다.
편집 전 브리핑 원문 펼치기
구분: 퀀트회사 공식 공개자료 · 대규모 ML/HPC · 시장조성
발표일: 미확인
열람일: 2026년 9월 18일
채용공고 아님 · 업데이트 재선정: 과거 XTX 연구조직·TernFS를 다뤘으나, 공식 사이트에 현재 운영 규모와 예측→거래→유동성 경로가 수치로 갱신돼 다시 선정
확인 가능한 사실
XTX Markets는 머신러닝으로 주식·채권·외환·원자재·가상자산의 5만3천 개 이상 금융상품 가격을 예측하고, 그 예측으로 거래하거나 고객에게 유동성을 제공한다고 공식 설명한다. XTX Markets 공식 자료는 연구 클러스터가 2만5천 개가 넘는 GPU와 1엑사바이트 이상의 사용 가능 저장공간을 갖추고, 하루 거래 규모가 2,500억달러라고 밝힌다.
이 수치들은 회사가 공개한 현재 운영 규모이며, 개별 모델의 구조·라벨·보유기간·실제 수익기여는 공개되지 않았다. 확인 가능한 수익 연결 경로는 가격예측→거래소·대체거래소 거래 및 고객 유동성 제공이고, 특정 비밀전략을 추정할 근거는 없다.
공개자료 기반 추론과 실무 시사점
수만 종목을 함께 다루는 체계에서는 종목별 독립모델보다 공유 표현, 분산 학습, 대규모 point-in-time 데이터, 빠른 재학습과 모니터링이 중요하다고 추론할 수 있다. 그러나 XTX가 실제로 어떤 representation learning이나 loss를 쓰는지는 공개자료로 확인되지 않는다. 실무에서는 예측 오차뿐 아니라 호가 채택률, 체결확률, 재고집중, hedge slippage가 수익화 여부를 결정한다.
한국 시장 복제 아이디어
국고·통안·공사·은행·회사채를 발행사, 만기, 등급, 옵션, 유동성 속성으로 임베딩해 종목 간 정보를 공유하는 패널 모델을 만든다. 모델의 공정가치 잔차를 그대로 주문으로 보내지 않고, 체결확률과 재고 DV01을 합친 quote score로 변환한 뒤 종목군별 드리프트와 실제 mark-out을 모니터링한다.
오늘의 데스크 결론
오늘 자료의 공통점은 AI 신호가 손익이 되려면 신용평가 체계, 체결 후 자동헤지, 네트워크 스트레스, 재현 가능한 연구 인프라가 함께 있어야 한다는 것이다. 한국 채권시장에서는 뉴스 기반 신용상태 → 비선형 PD → 종목 공정가치 → 체결 후 자동헤지 → 포트폴리오 스트레스를 하나의 의사결정 로그로 연결하는 것이 가장 직접적인 복제 경로다.