시장모형은 다음 날 배치점수만 내는 시스템과 다르다. Susquehanna는 방대한 데이터에서 실행 가능한 통찰과 전략을 찾기 위해 머신러닝과 정량연구를 쓴다고 공식 학회 페이지에서 설명한다. 딥러닝 연구책임자는 금융에서는 모든 결정이 실시간 결과와 비용으로 시험된다고 말한다.
그래서 검증 대상은 평균 예측오차보다 넓다. 잡음이 늘고 국면이 바뀌어도 출력이 보정돼 있는지, 지연시간 한도 안에 계산되는지, 데이터 누락과 처리량 급증에서 안정적으로 작동하는지 봐야 한다. 연구·엔지니어링·집행이 연결된다는 회사 설명은 이 운영 사슬을 강조한다.
공개 페이지는 구체적인 종목, 라벨, 모델 구조나 손익을 밝히지 않는다. 따라서 채권 공정가치나 체결확률을 실제로 어떤 방식으로 수익화한다고 단정할 수 없다. 한국 데스크의 복제 대상은 비밀전략이 아니라 국면별 검증, 지연시간 감시와 자동 중단을 포함한 배포 절차다.
SCOPE회사 공식 학회 페이지의 원칙적 설명이며 독립 검증된 실거래 성과가 아니다. 페이지는 특정 채권모형, 훈련표본, 라벨, 위험한도와 P&L을 공개하지 않는다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Susquehanna at ICLR 20262 primary · 0 archived +
Susquehanna의 딥러닝 연구책임자는 금융의 모든 결정이 실시간으로 시험된다고 설명했다.
ORIGINAL PASSAGEevery decision is tested in real timeSusquehanna at ICLR 2026, Ali Nazari statement, accessed 2026-10-20; publication date not stated공식 설명은 금융 AI가 잡음, 국면 변화와 짧은 지연시간에 견뎌야 한다고 강조했다.
ORIGINAL PASSAGErobustness to noise, changing regimes, and tight latency constraintsSusquehanna at ICLR 2026, Ali Nazari statement, accessed 2026-10-20; publication date not statedShow the original briefing text
구분: Susquehanna 공식 학회 페이지·딥러닝 운영
발표일: 미확인 — 열람일 2026년 10월 20일
핵심 요약
Susquehanna 공식 ICLR 페이지는 방대한 시장데이터에 머신러닝과 정량연구를 적용해 실행 가능한 통찰과 전략을 만든다고 설명한다. 딥러닝 연구책임자는 금융 AI가 잡음, 국면 변화, 짧은 지연시간을 견디고 실시간 결과와 비용 아래 안정적으로 작동해야 한다고 밝힌다. 공식 설명은 연구·엔지니어링·집행의 연결을 확인해 주지만 특정 채권모델, 라벨, 성과나 비밀전략은 공개하지 않는다.
실무 시사점
오프라인 손실함수가 낮아도 장중 분포가 바뀌거나 지연시간이 늘면 호가·체결 판단은 무너질 수 있다. 채권 AI의 배포 기준에는 국면별 오류, 데이터 지연, 처리량, 신호 노후화와 주문 중단 조건을 함께 넣고, 모델 출력에서 집행 결과까지 추적 가능하게 해야 한다.
한국 시장 복제 아이디어
국고채·회사채 RFQ와 호가 데이터를 정상장·지표발표·유동성 경색 국면으로 나눠 체결확률 또는 단기 공정가치 모형을 재학습한다. 정확도뿐 아니라 99백분위 지연시간, 국면별 보정오차, 슬리피지와 kill-switch 발생률을 기준으로 단순 기준모형과 비교한다.
오늘 자료는 채권 AI의 성패가 예측기 하나보다 투자자 제약, 통제군, 시장상태와 집행 연결에 달려 있음을 보여준다. 한국 시장에서는 데이터 시점과 투자자군을 먼저 분리하고, 모형의 숫자가 주문·리스크·결제 과정에서 유지되는지 끝까지 측정해야 한다.