특히 큰 주문은 그 자체가 가격을 움직이므로 최저비용 집행전략을 고르는 일은 단순 상관예측이 아니라 실험이 필요한 인과문제다. 공식 글은 신뢰받지 못하는 고성능 모델보다 근거를 확인할 수 있는 약한 모델이 먼저 쓰일 수 있으며, 에이전트형 시스템은 실제 과업의 증거를 확인한 뒤 속도를 높여야 한다고 지적한다.
국고채·회사채 RFQ에서는 안전한 범위의 제한적 탐색이나 인과추론으로 선택하지 않은 집행방식의 반사실 비용을 추정한다. 실제 가격영향·mark-out·무체결 비용을 함께 남기고, 늦게 확정되는 라벨은 충분한 관측기간 뒤에만 학습시키는 것이 핵심이다.
편집 전 브리핑 원문 펼치기
구분: 퀀트회사 현직 데이터과학 책임자 공식 기술 글·모델 목표와 배포
발표일: 2026년 9월 23일
핵심 요약
Two Sigma Investment Management의 전략 데이터과학 책임자 Claudia Perlich는 실제 데이터가 독립·동일분포 가정을 거의 만족하지 않으며, 표면적인 행 수보다 공통 원인의 수가 유효표본 크기를 결정한다고 설명한다. 금융시장처럼 신호가 약한 문제에서는 많은 데이터와 적은 특징 사이의 절충이 필요하고, 지나치게 좋은 자산수익 예측은 미래정보 혼입부터 의심해야 한다. 특히 글은 대규모 주문의 행동이 가격을 바꾸므로 최저비용 집행전략을 고르는 문제는 단순 상관예측이 아니라 실험이 필요한 인과문제라고 구분한다. 신뢰받지 못하는 고성능 모델보다 사용자가 근거를 확인할 수 있는 약한 모델이 먼저 배포될 수 있으며, 에이전트형 시스템은 유창함보다 실제 과업 근거를 확인한 뒤 속도를 높여야 한다고 강조한다.
실무 시사점
체결모델의 라벨을 과거 비용으로 두면 과거에 선택한 주문방식의 결과만 학습해 정책편향이 생긴다. 탐색주문·무작위화가 허용되는 작은 구간이나 인과추론으로 반사실 비용을 추정하고, 모델의 신뢰도·설명가능성·개념이동을 정확도와 함께 배포조건으로 관리해야 한다.
한국 시장 복제 아이디어
국고채·회사채 RFQ를 주문크기·시간대·상대방·유동성 상태로 층화하고 안전한 범위에서 집행방식의 제한적 탐색을 설계한다. 예상비용뿐 아니라 실제 가격영향, 체결 후 mark-out과 무체결 비용을 기록해 인과효과를 추정하며, 라벨 확정이 늦는 거래는 충분한 관측기간이 지난 뒤에만 학습자료에 넣는다.