지난 논문까지 거슬러 올라가 평가한 금융 AI·퀀트 논문 중 최고 등급(S)만 골라 깊이 읽은 리뷰
포트폴리오 최적화S백테스트에서는 대박이 나는데 실전에서는 안 되는 그 이유. 2020년 발표된 이 논문은 딥러닝 투자 모델이 훈련 데이터 안에서 미래 정보를 몰래 암기하는 메커니즘을 이론적으로 증명했습니다. 데이터 규모와 모델 복잡도의 균형으로 과학습을 통제하는 조건까지 쉽게 풀어 설명합니다.
알고리즘 트레이딩S백테스트에서는 완벽했던 강화학습 주문집행 알고리즘이 실전에서 무너지는 이유를 이론과 실험으로 규명한 2023년 연구를 쉽게 풀어 설명합니다. 과적합의 구조적 원인, 컨텍스트 압축 해법, 그리고 실전 적용 시사점을 다룹니다.
알고리즘 트레이딩S수십만 주를 팔 때 '얼마나 빨리, 어떻게 쪼개서' 팔아야 시장 충격을 최소화할까? 2022년 연구는 선형 충격에서는 공식 해를, 비선형 충격에서는 딥러닝 대리모델을 제안합니다. 시장 매개변수가 틀려도 견디는 설계와 실제 성능 수치까지 쉽게 풀어 설명합니다.
팩터 투자S수백 개 팩터를 검증하다 보면 거짓 신호가 섞이기 마련이고, 학계는 't-통계량 임계값을 올리자'고 제안했습니다. 그런데 2022년 논문은 그 임계값 자체가 데이터로는 정해질 수 없다는 놀라운 결론을 내립니다. 대신 써야 할 지표가 무엇인지, 퀀트 실무에 어떻게 적용하는지 쉽게 풀어 설명합니다.
포트폴리오 최적화S이론의 포트폴리오 최적화는 매끈한데, 현실은 세금·정수 주식·최소 거래 단위로 뒤범벅입니다. 스탠퍼드 연구진은 이 지저분한 문제를 '쪼개서' 수백 밀리초에 풀고, 그 답이 최적에 얼마나 가까운지 하한까지 계산해 보증하는 프레임워크를 제시했습니다. 소규모 계좌 운용과 세금 인식 리밸런싱에 바로 쓸 수 있는 실용 최적화의 교과서를 쉽게 풀어 설명합니다.
