검증을 통과한 뒤에도 효율·신뢰성, 치명적 예측오류와 시장 적응을 봐야 한다. 특히 자사 거래가 시장을 바꾼 뒤 다음 모델이 그 주문을 시장의 동의로 오해하면 연구와 생산이 잘못된 피드백 고리에 들어간다. 실제 라벨·포지션·P&L은 공개되지 않았다.
국내 채권 모델의 학습표본에는 자사 주문·체결 영향과 모델 버전을 표시한다. shadow와 제한 canary 단계마다 mark-out·재고 DV01·오류 꼬리와 신호감쇠를 비교하고 자기 주문이 라벨을 오염시키면 재학습을 자동 중지한다.
Read the full daily briefing →
Show the original briefing text
구분: 퀀트·마켓메이킹 회사 공식 기술블로그·머신러닝 연구 절차
발표일: 2017년 8월 8일
선정 이유: 최신성보다 연구 아이디어→검증→배포→시장 적응의 전 과정을 공개한 기술적 가치 때문에 선정
핵심 요약
Jane Street의 공식 ML 글은 금융데이터의 낮은 신호대잡음비와 게임이론적 구조 때문에 표준 알고리즘이 그대로 작동하는 경우가 드물다고 설명한다. 데이터 탐색과 도메인 지식으로 목적함수·근사를 정하고, 가우시안 프로세스·랜덤포레스트·적응형 회귀 스플라인·유전 알고리즘과 딥러닝을 문제에 맞게 수정해 검증한다고 밝힌다. 배포 단계에서는 효율·신뢰성뿐 아니라 예측오류가 치명적이지 않은지 확인하고, 실제 거래가 시장을 바꾸며 모델이 자기 주문을 시장의 동의로 오해하는 피드백 고리도 통제해야 한다. 일부 딥러닝 아이디어가 생산 전략에 쓰인다는 사실은 공개했지만 구체적 라벨·포지션·P&L은 공개하지 않았다.
실무 시사점
공개자료에 기반한 수익 연결고리는 작은 예측력 자체보다 안전한 포지션 변환과 배포 후 오류·시장적응을 빠르게 감지하는 데 있다. 연구 데이터에 자사 주문이 섞인 경우 정책 변화 전후를 구분하지 않으면 모델이 스스로 만든 가격충격을 알파로 재학습할 수 있다.
한국 시장 복제 아이디어
국고채·회사채 모델의 학습표본에 자사 주문·체결 영향과 모델 버전을 표시한다. shadow→제한 canary→확대 배포마다 mark-out·재고 DV01·오류 꼬리와 신호감쇠를 비교하고, 자기 주문이 특징이나 라벨을 오염시키면 자동으로 재학습을 중지한다.