번역 결과
퀀트 시스템을 구축하면서 배운 가장 반직관적인 사실:
방향을 맞추는 것과 돈을 버는 것은 다릅니다.
10번의 거래 중 6번의 결과를 정확히 예측하고도 월말에 마이너스를 기록하는 트레이더들을 봤습니다.
운이 나빠서가 아닙니다. 확신을 쌓는 방식에 근본적인 수학적 오류가 있었기 때문입니다.
이 글은 바로 그 오류와, 이를 제거하는 기관급 프레임워크에 관한 것입니다.
아무도 설명하지 않는 문제
모든 예측 시장 트레이더는 이런 경험을 해봤을 것입니다:
상황을 분석합니다.
증거는 한 방향을 명확히 가리킵니다.
확신을 가지고 진입합니다.
시장이 반대 방향으로 움직입니다.
결국에는 맞았습니다. 하지만 너무 이르거나, 포지션이 너무 크거나, 타이밍이 어긋났습니다.
실행 탓을 합니다. 시장 탓을 합니다. 모델 탓은 절대 하지 않습니다.
하지만 문제는 모델이었습니다.
모든 신호에는 정보 계수(Information Coefficient)가 있습니다. 이는 신호가 예측하는 것과 시장이 실제로 하는 행동 간의 상관관계입니다.
기관 트레이딩 데스크에서 사용하는 최고의 개별 신호들은 0.05에서 0.15 사이에 위치합니다.
대부분의 경우 틀립니다. 가끔이 아니라 구조적으로 말입니다.
그런데도 그 데스크들은 꾸준히 수익을 냅니다.
그 이유는 하나의 방정식에 있습니다.
근본 법칙
IR = 결합 시스템의 정보 비율(Information Ratio) - 위험 조정된 우위
IC = 개별 신호의 평균 정보 계수(Information Coefficient)
N = 진정으로 독립적인 신호의 수
50개의 신호 각각이 IC 0.05를 가질 때:
IC 0.10인 단일 신호가 단독으로 실행될 때:
절반의 개별 강도를 가진 50개 신호 시스템이 3배 더 강력합니다.
이것이 헤지펀드가 수백 명의 연구원을 고용해 수백 개의 신호를 구축하는 이유입니다.
완벽한 단일 지표는 존재하지 않습니다.
많은 불완전한 지표들의 시스템이 존재할 뿐입니다.
신호로 간주되는 것
다섯 가지 범주:
- 모멘텀 신호
- 평균 회귀 신호 - 비교 가능한 상품 대비 예상 공정 가치와의 편차
- 변동성 신호 - 내재 변동성과 실현 변동성 간의 격차
- 팩터 신호
- 미시구조 신호
스프레드가 확대될 때: 누군가가 시장이 아직 가격에 반영하지 않은 정보를 바탕으로 거래하고 있다는 신호입니다.
11단계 결합 엔진
1단계 - 각 신호 i와 기간 s에 대한 과거 수익률 시계열 R(i,s) 수집
2단계 - 시계열 평균 제거:
3단계 - 표본 분산:
4단계 - 정규화:
5단계 - 가장 최근 관측치 제거
6단계 - 횡단면 평균 제거:
7단계 - 한 기간 더 제거
8단계 - 기대 미래 수익률:
9단계 - 정규화된 E를 Lambda에 회귀. 잔차 e(i)를 추출. 이는 각 신호의 진정으로 독립적인 기여도를 나타냅니다.
10단계 - 가중치 설정:
독립적 우위가 높고 노이즈가 적을수록 더 높은 가중치를 받습니다. 주관적 판단은 없습니다.
11단계 - 절대 가중치의 합이 1이 되도록 정규화.
상관관계가 진정한 적인 이유
IR = IC x sqrt(N)에서 N은 신호의 개수가 아닙니다.
공유 분산을 제거한 후의 실질적 독립 신호 수입니다.
50개의 상관된 신호를 운영하면 10-15개의 독립 신호와 동일한 분산 효과를 얻습니다.
20개의 독립 신호를 운영한다고 믿는 포트폴리오 매니저는 실제로는 6개를 운영하고 있을 수 있습니다.
20개의 독립적 관점으로 정당화된 포지션 규모는 6개에는 너무 큽니다.
이러한 레버리지 불일치가 대부분의 시스템 전략 폭발 메커니즘입니다.
Polymarket에 적용하기
polymarket.com/?r=atlas - 280억 달러 거래, 9,000개 이상의 활성 시장.
Polymarket을 위한 다섯 가지 확률 신호:
- 교차 거래소 가격 - Polymarket과 Betfair 간의 스프레드
- 보정 신호 - 4억 건의 거래에 걸친 역사적 해결률
- 베이지안 업데이트:
- 미시구조 - VPIN을 통한 정보 기반 주문 흐름
- 모멘텀 - 해결 임박 시 가격 움직임의 속도와 방향
자동화 전에 - 상관된 시장에 대한 직관을 수동으로 구축하세요.
PolyParlay는 Polymarket 파레이를 위한 최초의 Telegram 봇입니다. 모든 시장을 하나의 포지션으로 결합하세요:
t.me/poly_parlay_bot?start=ATLAS
파레이에서 발견하는 모든 상관관계는 테스트할 가치가 있는 잠재적 독립 신호가 됩니다.
포지션 사이징
불확실성에 대해 조정된 경험적 Kelly:
10,000개의 몬테카를로 경로 시뮬레이션 실행. 우위 추정치가 얼마나 변동하는지 측정. 변동성이 클수록 - Kelly 비율을 줄이세요.
요약
시장에 대해 맞는 것과 수익성 있는 모델을 가진 것은 다릅니다.
IR = IC x sqrt(N)
11단계 결합 엔진은 각 신호의 독립적 기여도를 반영하고, 노이즈에 패널티를 부과하며, 공유 분산을 제거하는 최적 가중치를 제공합니다.
자신이 맞았던 거래에서 지속적으로 손실을 보는 트레이더들은 거의 항상 측정하지 않은 상관관계에 패배하고 있습니다.
결합 엔진은 그 실패 모드를 구조적으로 제거합니다.
이제 당신은 그 엔진을 알게 되었습니다.
