자동 탐색이 최고점수 하나만 좇으면 왜 연구 포트폴리오는 좁아질까? HRT의 기술글은 후보 signal과 목표수익의 상관을 높이는 동시에 후보 signal끼리의 상관을 낮추는 fitness를 사용했다. 단일 최고 신호가 아니라 함께 쓸 때 중복이 적은 집합을 만들기 위한 목적함수다.
두 번째 문제는 백테스트 한 번의 비용이다. 전체기간 손익만 돌려주는 blackbox와 달리 일별 손익을 각각 볼 수 있다면 날짜 간 상관과 부분평가로 아직 계산하지 않은 총점을 추정할 수 있다. HRT는 이런 graybox Bayesian optimization이 다양한 compute budget에서 더 일찍 좋은 파라미터를 찾았다고 설명한다.
이 과정이 공개하는 것은 비밀 signal이 아니라 research loop의 형태다. 후보생성에서 중복을 벌점으로 주고, 평가에서는 날짜·상품별 결과를 버리지 않으며, 마지막 holdout은 탐색에 재사용하지 않아야 한다. 회사 글은 실제 전략수익과 효과크기를 공개하지 않으므로 production 개선은 별도 검증대상이다.
SCOPEHRT의 공식 인턴 기술프로젝트 설명이며 구체적인 거래전략, 표본기간, 효과크기와 실제 P&L은 공개하지 않았다. 개인 프로젝트 결과의 외부 독립검증도 제한적이다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Intern Spotlight: 2023 HRT AI Labs Summer Projects4 primary · 0 archived +
fitness는 signal과 목표수익의 상관을 높이도록 설계됐다.
ORIGINAL PASSAGEmaximize the signal’s correlation with the target returnsIntern Spotlight: 2023 HRT AI Labs Summer Projects, signal diversity section, accessed 2026-11-01동시에 후보 signal끼리의 상관을 낮추도록 설계됐다.
ORIGINAL PASSAGEminimizing correlation with other signalsIntern Spotlight: 2023 HRT AI Labs Summer Projects, signal diversity section, accessed 2026-11-01graybox Bayesian optimization은 blackbox보다 더 일찍 좋은 해를 찾았다고 보고됐다.
ORIGINAL PASSAGEgraybox Bayesian optimization gets us to better solutions earlierIntern Spotlight: 2023 HRT AI Labs Summer Projects, graybox optimization section, accessed 2026-11-01HRT는 이 공식 기술글을 2023년 9월 21일 게시했다.
ORIGINAL PASSAGESep 21, 2023Intern Spotlight: 2023 HRT AI Labs Summer Projects, page header, accessed 2026-11-01Show the original briefing text
구분: Hudson River Trading 공식 기술 블로그·신호 다양화와 graybox 최적화
발표일: 2023년 9월 21일
선정 이유: 최신성보다 연구 아이디어를 상관제약·백테스트 예산·GPU 검증으로 바꾸는 과정을 공개한 기술적 가치 때문에 선정했다. 채용공고가 아니다.
핵심 요약
HRT 원문은 유전알고리즘의 fitness를 목표수익과의 상관은 높이고 후보 신호끼리의 상관은 낮추도록 설계한다. 또 일별 손익처럼 부분평가가 가능한 백테스트에서는 전체 점수만 보는 blackbox 대신 구성요소 간 상관을 쓰는 graybox Bayesian optimization이 더 적은 평가로 좋은 해를 찾았다고 설명한다. 실제 전략 P&L과 모델은 공개하지 않았다.
실무 시사점
자동 연구가 단일 최고 신호만 반복해서 찾으면 비슷한 포지션이 쌓인다. 경제적 목적변수와 신호 간 중복을 함께 fitness에 넣으면 후보 집합의 다양성을 통제할 수 있다. 백테스트가 비쌀 때 날짜·상품별 부분점수를 보존하면 전 기간 실행 전에도 불리한 파라미터를 줄일 수 있지만, 이는 검증자료 재사용과 과적합 통제를 대신하지 않는다.
한국 시장 복제 아이디어
국채 carry·curve·basis 후보를 동일 DSL로 생성하고 holdout 수익과 기존 신호 상관을 함께 fitness로 둔다. 날짜·종목별 비용차감 손익을 graybox 구성요소로 저장해 grid search와 같은 compute 예산에서 최종 holdout IR, 최대낙폭, 신호상관과 유효 후보 수를 비교한다.