보통의 예측은 관찰자가 대상을 바꾸지 않는다고 가정하지만 시장조성은 다르다. 모델이 가격을 내고 거래하려는 순간 경쟁자는 먼저 체결하거나 호가를 거두고 스프레드를 넓힌다. Optiver가 말하는 adversarial research는 모델이 예측하려는 시스템의 일부가 된다는 뜻이다.
역사적 체결만 재생하면 최우선호가가 거래됐다는 사실을 내 주문의 체결로 오인할 수 있다. 실제로는 공격적 주문이 호가를 밀며 들어와 불리한 순간에만 체결됐을 수 있다. 대기열 순서, 지연, 수수료와 거래소 규칙을 넣어도 당시 시장에는 새 전략의 주문과 경쟁자의 반응이 없었으므로 백테스트는 증명이 아니다.
live 배포는 경쟁시스템이 처음 반응하는 시점이고, 모델 열화는 집계 손익보다 먼저 신호분포·체결과 mark-out에서 나타날 수 있다. 따라서 연구는 배포로 끝나지 않고 관찰에서 다시 시작한다. 회사 글은 이 피드백 구조를 공개하지만 구체적인 라벨, 모델구조, kill switch와 전략 P&L은 밝히지 않는다.
SCOPEOptiver의 공식 연구자 설명으로 구체적 모델과 성과자료가 아닌 연구과정 공개다. 시장별 라벨, 생산 위험한도와 P&L은 공개하지 않았으므로 수익화 메커니즘 이상의 추론은 하지 않는다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Machine learning in trading: an adversarial research problem3 primary · 0 archived +
거래모델은 자신이 예측하려는 시스템의 일부다.
ORIGINAL PASSAGEpart of the system it's trying to predictOptiver, Modelling in a competitive system, 21 October 2026, accessed 2026-10-22백테스트는 실거래 성과의 증명이 아니다.
ORIGINAL PASSAGEEven the best backtest is not a proof.Optiver, Backtesting and the silent counterfactual, 21 October 2026, accessed 2026-10-22거래모델은 배포 뒤에도 계속 갱신된다.
ORIGINAL PASSAGEA trading model is never truly finishedOptiver, Why the research does not stop, 21 October 2026, accessed 2026-10-22Show the original briefing text
구분: Optiver 공식 기술 글·시장조성 ML과 실거래 피드백
발표일: 2026년 10월 21일
핵심 요약
Optiver 원문은 시장조성 ML의 목표를 수백 개의 약한 가격·주문·체결 신호를 결합해 가격, 위험과 집행을 개선하는 것으로 설명한다. 백테스트에는 미래정보 누출뿐 아니라 대기열 순서, 수수료, 지연, adverse selection과 자기 주문이 과거자료에 없었다는 반사실 문제가 있다. 모델이 실제로 주문을 내면 경쟁자가 호가를 빼거나 넓히므로 live 배포 뒤에야 경쟁시스템의 반응을 관찰하고 연구가 다시 시작된다.
실무 시사점
체결된 주문만 긍정 라벨로 두면 가격이 불리해져 다른 참가자가 물러난 adverse fill을 좋은 체결로 오인할 수 있다. fair value, fill probability와 체결 후 mark-out을 함께 평가하고 거래소별 tick·queue·수수료 규칙을 재생해야 한다. 회사 글은 연구-배포-관찰의 구조를 공개하지만 구체적 라벨, 모델, 위험한도와 P&L은 공개하지 않는다.
한국 시장 복제 아이디어
국채선물 L2/L3와 국고채 RFQ 재생환경에서 미체결, 정상체결과 adverse fill을 분리한다. 대기열 추정·왕복지연·수수료·자기 주문 영향을 포함한 시뮬레이터와 단순 mid-price 백테스트를 fill, 1초·10초 mark-out, inventory DV01와 비용차감 손익으로 비교한다.