레짐을 물가상승·위기처럼 먼저 이름 붙이면 연구자의 서사가 분류를 지배할 수 있다. Two Sigma는 팩터 수익률의 결합분포를 Gaussian 성분의 혼합으로 적합하고 log-likelihood 교차검증으로 성분 수를 정했다. 각 성분은 팩터 평균·변동성·상관구조가 다른 상태가 된다.
모형은 네 상태를 만들었고 연구진은 결과를 본 뒤 Crisis, Steady State, Inflation, Walking on Ice라고 해석했다. 이 사후 명명은 데이터 주도 분류에도 사람의 해석이 들어가는 지점을 드러낸다. 각 시점은 과거 상태를 모른 채 독립적으로 평가되므로 지속성이 관측돼도 전이확률을 학습한 것은 아니다.
회사도 이 모형은 예측용이 아니라고 명시한다. 활용처는 상태별 분포에서 충격을 뽑아 포트폴리오를 스트레스하거나 자산배분의 취약성을 점검하는 데 있다. 채권데스크가 전술신호로 쓰려면 HMM 같은 지속성 모형과 비교하고 회전율·거래비용·상태확률 보정을 반드시 별도로 검증해야 한다.
SCOPE오래된 회사 공식 연구 글이며 설명 목적의 역사분석이다. 실제 생산배포, 위험한도, 전략별 P&L을 공개하지 않았고 모형 자체도 미래 시장상태를 예측하지 않는다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
A Machine Learning Approach to Regime Modeling3 primary · 0 archived +
GMM은 17개 팩터의 결합분포를 적합했다.
ORIGINAL PASSAGEjoint distribution of all 17 factorsTwo Sigma, Determining the Regimes, 6 October 2021, accessed 2026-10-22GMM 결과는 네 개 시장상태였다.
ORIGINAL PASSAGEfour different clustersTwo Sigma, Four Market Conditions, 6 October 2021, accessed 2026-10-22회사는 이 모형이 예측모형이 아니라고 밝혔다.
ORIGINAL PASSAGEthis model is not predictiveTwo Sigma, Where We Are Today, 6 October 2021, accessed 2026-10-22Show the original briefing text
구분: Two Sigma 공식 연구 글·비지도 레짐과 포트폴리오 위험
발표일: 2021년 10월 6일
선정 이유: 최신성보다 모델 선택·해석·위험활용을 공개한 기술적 가치 때문에 선정했다.
핵심 요약
Two Sigma 원문은 대부분 1970년대 초부터 이어지는 17개 팩터 수익률의 결합분포에 Gaussian Mixture Model을 적용한다. 클러스터 수는 교차검증 log-likelihood로 골랐고, 나온 네 상태를 사후적으로 Crisis, Steady State, Inflation, Walking on Ice로 해석했다. 각 시점을 독립적으로 분류해 전이확률을 학습하지 않으며, 회사도 이 모형은 예측모형이 아니라고 명시하고 시나리오 스트레스와 자산배분 보조에 쓴다.
실무 시사점
레짐 이름을 먼저 정하면 익숙한 거시서사에 데이터를 맞출 위험이 있다. 수익·금리·신용·유동성 팩터의 결합분포를 먼저 묶고 각 상태의 평균·변동성·상관구조를 해석하면 포트폴리오가 같은 충격에 함께 무너지는 경로를 볼 수 있다. 다만 독립 GMM은 지속성과 전이를 직접 학습하지 않으므로 HMM과의 비교가 필요하다.
한국 시장 복제 아이디어
국고 3·10년, 커브·스왑스프레드, 회사채 초과수익, 원/달러, 주식·원자재와 레포 유동성 팩터를 주간 패널로 만든다. GMM과 HMM을 walk-forward로 비교하고 상태 지속성, 전이 보정, 극단손실 포착률, 거래비용을 반영한 전술배분의 회전율을 평가한다.