퀀트대디

시장 미시구조와 주문처리 비용

2026-10-03T13:46:54Z

# 정보만으로는 설명되지 않는 스프레드 글로스텐-밀그롬 모형은 주문 흐름 자체가 곧 정보라고 주장한다. 정보 기반 트레이더가 섞여 있으면 딜러는 매수 주문을 좋은 신호로, 매도 주문을 나쁜 신호로 인식한다. 그래서 매수 호가와 매도 호가 사이에 틈, 즉 스프레드가 생긴다는 것이 해당 모형의 핵심이었다. 그런데 이 모형에는 불편한 가정이 하나 있다. 거래를

시뮬라시옹과 라쇼몽으로 읽는 금융시장

2026-10-01T12:56:25Z

학부 1학년 교양 철학 수업에서 영화 <라쇼몽>을 보고 장 보드리야르의 『시뮬라시옹』을 읽으며 과제를 한 적이 있었더랬다. 엇갈리는 증언들로 가득한 흑백 영화와, 지도가 영토를 앞선다는 낯선 문장들 사이를 오가며 리포트를 겨우겨우 채웠던 기억이 난다. 두 내용 모두 너무나 추상적이면서도 난해하여 꽤나 애를 먹었다. 문장 하나를 몇 번씩 다시 읽어도 손에 잡

하워드 막스의 메모: 얼음찜질로 열은 내려가지 않는다

2026-09-30T04:30:40Z

지금은 퀀트 트레이딩을 하고 있지만 '제 버릇 개 준다'고 예전만 해도 매크로 기반의 채권 트레이딩을 했기에 아직도 매크로에 대한 분석과 판단은 개인적으로도 꾸준히 하고 있다. 그래서 하워드 막스의 메모는 새로 업데이트되는 족족 내가 가장 먼저 읽어보는 자료다. 내가 그의 인사이트를 좋아하는 이유는 그가 부실채권 투자와 매크로 사이클의 전문가이기 때문이다.

AI 시대, 이제 공부는 100% 의지의 문제다

2026-09-29T03:17:41Z

2년 전, 퀀트의 공부법에 대해 이야기하면서 '논문 트리'라는 방법을 소개한 적이 있다. 현재 나의 문제 해결에 도움이 될 만한 논문을 하나 골라 읽고, 이해가 안 되면 해당 논문의 참고문헌 속 아버지 논문으로, 그래도 모르겠으면 아버지 논문의 참고문헌 속 할아버지 논문으로 거슬러 올라가며 지식의 뿌리를 찾아가는 공부법이다. 물론 그 과정에서 파레토 법칙에

떠먹여주는 금융수학 시리즈 #15. 자가금융 포트폴리오

2026-09-28T03:59:20Z

지난 기르사노프 정리 편에서, 실제 확률을 위험 중립 확률로 바꿔주는 구체적인 절차를 완성했다. 다만 "무차익거래 조건을 만족하려면 이런 확률이 반드시 존재해야 하고 유일해야 한다"는 것까지는 증명하지 못했다. 이 증명으로 넘어가려면 먼저 "포트폴리오"와 "무차익거래"라는 말이 정확히 무엇을 뜻하는지부터 엄밀하게 정의해야 한다. 지금까지는 이 개념들을 직관

떠먹여주는 금융수학 시리즈 #14. 기르사노프 정리

2026-09-26T14:48:31Z

지난 편에서 다트판 비유로 확인했듯, 브라운 운동이 그리는 경로 하나하나는 확률이 항상 0이라서 이항 모형에서 썼던 방법(경우의 수마다 무게를 나누는 방법)을 그대로 쓸 수 없었다. 이번 편에서는 이 문제를 해결하는 구체적인 방법론인 기르사노프 정리(Girsanov Theorem)를 다룬다. 핵심 아이디어는 개별 경로의 무게를 일일이 비교하는 대신, 경로

떠먹여주는 금융수학 시리즈 #13-1. 라돈니코딤도함수

2026-09-26T07:17:09Z

지난 편에서 아주 단순한 이항모형을 가지고 위험 중립 확률이라는 숫자 q를 손으로 직접 구했다. 신기한 건, 이 q가 실제 확률 p와는 전혀 다른 값인데도, 옵션 가격을 계산할 때는 마치 이게 진짜 확률인 것처럼 기댓값 공식에 그대로 쓸 수 있었다는 점이다. 이번 편에서는 이 현상을 일반화해서, "확률을 다른 확률로 바꿔치기한다"는 것 자체가 수학적으로 무

떠먹여주는 금융수학 시리즈 #13. 무차익거래 원리

2026-09-25T14:10:47Z

지난 파인만-카츠 정리 편에서는 편미분방정식의 해가 어떤 확률과정의 기댓값과 수학적으로 같다는 걸 증명했다. 다만 그 기댓값을 계산할 때 정확히 어떤 확률을 써야 하는지에 대해서는 아직 명확히 제시한 바가 없다. 이번 편에서는 아주 단순한 예제 하나로, 왜 옵션 가격을 실제 확률로 계산하면 틀린 답이 나오는지, 그리고 애초에 그 실제 확률이라는 걸 우리가

떠먹여주는 금융수학 시리즈 #12. 파인만-카츠 정리

2026-09-24T05:29:31Z

무한소 생성자를 처음 다뤘을 때, "시간에 대한 미분과 생성자를 더한 값이 할인율을 곱한 가격과 같다"는 방정식을 아무런 증명 없이 다룬 적이 있다. 또한 지난 콜모고로프 방정식 편에서는 할인율이 없는 순수한 버전의 후진 방정식을 자세히 다루었다. 이번 편에서는 이 둘을 정식으로 연결해서, 할인율까지 포함한 방정식의 해가 왜 "미래 페이오프의 할인된 기댓값

떠먹여주는 금융수학 시리즈 #11. 콜모고로프 방정식

2026-09-23T04:14:03Z

이전에 우리는 무한소 생성자를 다룰 때, 이 생성자를 함수에 적용해서 나온 값이 0이 되면 그 함수가 마팅게일을 따른다는 것과, 할인율을 곱한 형태의 방정식이 파생상품 가격과 연결된다는 사실을 살짝 확인했다. 그리고 지난 편에서는 기하 브라운 운동, 평균 회귀 모형, CIR 모형을 시뮬레이션해서 시간이 지나면 이들이 각각 로그정규분포, 정규분포, 그리고 감

떠먹여주는 금융수학 시리즈 #10. 확률미분방정식

2026-09-22T07:47:05Z

지난 편에서는 이토 과정을 정의하고, 로그를 이용해 기하 브라운 운동이라는 확률미분방정식을 실제로 풀어보기도 했다. 다만 그때는 이토의 보조정리가 맞는지 확인하기 위한 차원에서 예제 정도의 느낌이었다. 이번 편에서는 확률미분방정식을 '푼다'는 것 자체가 정확히 어떤 의미를 가지고 있는지를 짚어보고, 기하 브라운 운동을 주인공 삼아 이를 제대로 정리해 보려고

퀀트 리서치의 다섯 가지 핵심 원칙

2026-09-22T05:10:27Z

퀀트 전략을 설계하기 위한 리서치를 하다 보면 한 번쯤은 이름 모를 회의감에 사로잡힌다. 데이터를 수집하고, 백테스트를 하고, 근사한 샤프 지수를 얻었는데도 왜 이 전략이 실제로 작동하는지 스스로 설명하지 못하는 순간 말이다. 화면 속 수익 곡선은 매끄럽게 우상향하고 있는데, 정작 "왜 이게 돈이 되는가?"라는 가장 단순한 질문 앞에서는 말문이 막힌다.

떠먹여주는 금융수학 시리즈 #9-1. 무한소 생성자

2026-09-21T09:04:51Z

이토의 보조정리를 유도하면서, 우리는 확률과정에 함수를 씌운 결과의 변화량 중 시간에 비례하는 항의 계수 자리에 드리프트와 확산계수가 특정한 조합으로 들어간 것을 확인했다. 이번 편에서는 이토의 보조정리에 대한 곁가지 개념으로 이 시간 항의 계수 부분에 정식으로 이름을 붙이고, 어떻게 이후 이 개념이 확률과정과 편미분방정식을 잇는 다리 역할을 하는지 살펴보

시장 미시구조와 정보 기반 모형 #5.

2026-09-21T04:26:57Z

# 글로스텐-밀그롬 모형과 가격 발견 여기서는 글로스텐-밀그롬 모형이 제시하는 가격 발견(Price Discovery) 기능에 대해 이야기해 보려 한다. 가격 발견이란 정보가 가격에 반영되고 그에 따라 시장이 정보 효율성을 달성하는 과정을 의미한다. 글로스텐-밀그롬 모형은 마켓 메이커들이 주문 흐름으로부터 증권에 대한 공정 가치를 학습함에 따라 가격이 점진

손실의 역설, 두려움이라는 경제적 해자

2026-09-19T00:38:12Z

# 손실 회피가 만드는 진공 상태 카너먼가 트버스키의 전망 이론은 인간이 이익보다 손실에 약 두 배 더 민감하게 반응한다는 것을 보여줬다. 100만 원을 얻었을 때의 기쁨보다 100만 원을 잃었을 때의 고통이 훨씬 크다는 것이다. 이 손실 회피 편향은 생존을 위해 진화한 본능이지만, 투자와 트레이딩이라는 게임에서는 종종 가장 큰 걸림돌로 작용한다. 그런데

떠먹여주는 금융수학 시리즈 #9. 이토의 보조정리

2026-09-18T06:06:28Z

지난 시간에는 브라운 운동에 드리프트와 확산을 결합한 이토 과정을 정의했다. 이러한 이토 과정은 금융공학 세계에서 가장 기초가 되는 확률과정으로써 실무적으로 사용되는 모든 확률과정들의 토대가 되는 기초 재료다. 주식과 금리, 원자재 같은 소위 기초자산(Underlying Asset)이라고 불리는 녀석들의 움직임을 모델링할 때 각 기초자산들의 성향에 맞는 이

떠먹여주는 금융수학 시리즈 #8. 이토 과정

2026-09-17T07:33:45Z

지난 시간에는 브라운 운동에 대한 적분, 즉 이토 적분을 정의했었다. 이번 편에서는 이 도구를 이용해 실제 금융 모델에 적용할 수 있는 일반적인 확률과정을 만드는 법을 다뤄보려고 한다. 바로 이토 과정(Itô Process)이라고 불리는 녀석이다. (참고로 금융수학의 발전에 혁혁한 공을 세운 이 이토라는 사람은 이토 히로부미가 아니라 키요시 이토다.)

떠먹여주는 금융수학 시리즈 #7. 확률 적분

2026-09-16T14:15:15Z

지난 시간에 우리는 브라운 운동의 이차 변분이 사라지지 않고 경과한 시간 그 자체로 남는다는 사실을 확인했다. 이번 편에서는 이러한 사실이 어떤 문제를 일으키는지 그리고 그 문제를 해결하기 위해 만들어진 새로운 적분인 확률 적분(Stochastic Integral), 흔히 이토 적분(Itô calculus)이라고 부르는 도구를 다뤄보려고 한다. # 왜

이해할 것인가, 맞출 것인가 그것이 문제로다

2026-09-16T04:09:56Z

# 모든 퀀트가 결국 마주하게 될 질문 그리고 선택 퀀트 트레이딩 전략을 설계하다 보면, 아무리 화려한 팩터를 발굴하고 아무리 정교한 백테스트를 돌려도 결국 되돌아오게 되는 질문이 하나 있다. "이 모델을 어떤 구조로 만들 것인가?"이다. 데이터를 어떻게 수집하고 어떤 특성을 사용할 것인지 보다 더 근본적인 이 질문은 사실 기술적 선택이라기보다는 철학적 선

떠먹여주는 금융수학 시리즈 #6. 이차 변분

2026-09-15T13:50:50Z

지난 시간에 브라운 운동을 소개하면서, 그 경로가 연속적이지만 어디서도 미분 불가능한 성질을 확인했다. 아무리 확대해서 봐도 경로가 매끈해지지 않는 마치 프랙탈과 같은 움직임이었다. 이번 편에서는 브라운 운동의 이러한 '삐뚤빼뚤함'을 정량적으로 측정할 수 있는 도구인 이차 변분에 대해 다뤄보려고 한다. # 미적분이 갑자기 안 통하는 이유 고등학교 때 배