시장가 한 개를 맞히는 문제와 주문장 안의 각 주문이 체결·취소·잔존할지를 맞히는 문제는 입력과 출력의 모양부터 다르다. Jane Street가 공개한 프로젝트는 가변 크기 주문장에 하나의 공통 시퀀스를 넣고 개별 주문의 미래에 답하는 신경망을 탐색했다. 다른 프로젝트는 수익률과 미래 입력특징을 함께 예측해 트리 탐색·자기증류가 직접 수익률 예측보다 나은지 검증했다.
연구특징을 실시간으로 계산하는 경로도 바꿨다. 과거에는 한 프로세스가 시장자료 수신, 특징상태 유지와 벡터 평가를 모두 맡았지만 일부 계산을 별도 프로세스로 옮기고 대칭 이중버퍼 공유메모리로 거래시스템에 제공했다. 이는 모델의 복잡도를 늘리면서도 실시간 경로의 지연과 장애영역을 분리하려는 생산 설계다.
내부 메시지버스 Aria의 인덱싱 개선은 실제 시나리오에서 CPU 사용량을 30% 줄였고, 연구용 객체저장소를 POSIX로 연결한 시스템은 1.3GiB/s 읽기 속도에 도달했다. 공개 글은 연구→생산 연결의 구체적 부품을 보여주지만 인턴 프로젝트 표본이며 전략별 라벨·위험한도·수익기여는 밝히지 않는다.
SCOPEJane Street가 2026년 인턴 프로젝트 일부를 설명한 공식 기술 글이다. 내부 모델과 인프라의 존재·목적은 확인되지만 완전한 아키텍처, 검증표본, 위험통제와 전략별 P&L은 공개되지 않았다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
What the interns have wrought, special jumbo 2026 edition4 primary · 0 archived +
개별 주문의 미래를 예측하는 신경망과 수익률·미래특징을 함께 예측하는 시퀀스 모델을 탐색했다.
ORIGINAL PASSAGEfuture of any order on the bookJane Street Blog, ML Research and Engineering, 30 September 2026, accessed 2026-10-16특징 엔진은 거래시스템에 입력을 공급하며 일부 계산을 별도 프로세스로 분리했다.
ORIGINAL PASSAGEfeeds into our trading systemsJane Street Blog, Software Engineering, 30 September 2026, accessed 2026-10-16Aria 인덱싱 개선은 실제 시나리오에서 CPU 사용량을 30% 줄였다.
ORIGINAL PASSAGE30% less CPU utilizationJane Street Blog, Software Engineering, 30 September 2026, accessed 2026-10-16Depot의 FUSE 연결은 1.3GiB/s 읽기 속도에 도달했다.
ORIGINAL PASSAGEread speeds of 1.3 GiB/sJane Street Blog, Linux Engineering and IT, 30 September 2026, accessed 2026-10-16Show the original briefing text
구분: Jane Street 공식 기술 글·주문장 예측과 특징 엔진
발표일: 2026년 9월 30일
핵심 요약
Jane Street 공식 글은 주문장 안의 각 주문이 앞으로 어떻게 될지를 답하는 신경망, 수익률과 미래 입력특징을 함께 예측한 뒤 트리 탐색·자기증류를 비교하는 시퀀스 모델, 거래시스템에 공급되는 특징 엔진 개선을 공개했다. 특징 계산을 시장자료 수신 프로세스에서 분리해 공유메모리의 이중버퍼로 제공했고, 내부 메시지버스의 실제 사용 시나리오에서는 CPU 사용량을 30% 줄였다. 이는 예측라벨·특징생성·생산전송·성능검증이 하나의 연구→생산 고리로 이어짐을 보여주지만 전략별 수익과 위험한도는 공개하지 않는다.
실무 시사점
호가잔량 전체를 한 시점 벡터로 압축하면 개별 주문의 체결·취소 경로와 가변적인 장부 크기를 놓칠 수 있다. 주문별 목표와 공통 시퀀스 표현을 함께 설계하고, 특징 계산을 실시간 경로에서 분리하되 스냅샷 일관성과 지연 상한을 검증해야 모델 개선이 실제 주문결정으로 이어진다.
한국 시장 복제 아이디어
국채선물 주문별 10ms·100ms·1초 뒤 상태를 체결·취소·잔존으로 라벨링하고, 공통 주문장 시퀀스에서 주문별 확률을 내는 모델을 만든다. 직접 수익률 예측과 미래 특징을 함께 예측하는 멀티태스크 모델을 비교하며, 정확도뿐 아니라 Brier score, 체결 후 mark-out, 특징서비스 p99와 공유메모리 누락률을 평가한다.