fbpx

[동영상] 시장 미시구조 이론 기반의 마켓메이킹 전략

Introduction

시장의 유동성 공급자 입장에서 최적 호가를 결정하는 방법론을 다룹니다.

2006년 발표된 Marco Avellaneda and Sasha Stoikov의 High-frequency trading in a limit order book의 방법론으로 호가창에서 측정한 유동성과 체결주문의 분포가 마켓메이킹 전략에 미치는 영향을 분석합니다.
또한, 매수/매도 재고 위험까지 분석합니다. 접근 방법은 시장미시구조론에 기반하고, 재고 위험을 최소화하기 위한 전략은 2006년 발표된 Marco Avellaneda and Sasha Stoikov의 High-frequency trading in a limit order book의 방법론을 이용합니다.

시장 미시구조론이란?

시장미시구조론은 주가 자체가 어떠한 원리로 생성되는가를 설명하기위해 블랙박스의 내부인 거래 시장의 미세한 부분을 연구하는 분야라고 볼 수 있다. 거래 시장 내부에서 주가가 생성되기 위한 각 요소 및 주문의 흐름 (Order flow) 등을 관찰하여, 이것들의 상호작용을 모형화하여 주가가 생성되는 원리를 규명해보는 것이다. 예를 들면, 시장의 유동성이 어떤 수준에 있을 때, 지정가 주문 거래자와 (유동성 공급자) 시장가 주문 거래자 (유동성 소비자)의 상호작용이 주가에 어떤 변화를 주는지 등을 설명해 보는 것이다. 만약 유동성이 풍부하지 못한 상태에서, 지정가 매수 주문 강도가 시장가 매도 주문의 강도보다 낮다면 주가는 하락하게 될 것이다. 

재무관리나 금융공학 분야에서는 분석을 위해 주로 주가의 과거 데이터를 이용한다. 반면에 시장미시구조론에서는 주가 데이터가 아닌 주가 이전의 데이터, 즉 각 주문의 유입 강도, 유동성 등의 기본 정보를 추출할 수 있는 종류의 데이터를 필요로 한다. 이러한 데이터로 가장 유용한 것이 거래소에서 증권사로 보내주는 원시 시세데이터이다. 이 데이터를 이용하면 비교적 자세하게 시장의 미시구조를 분석해 볼 수 있다. 다른 방법으로는 증권사의 API 서비스를 통한 2차적인 틱 데이터를 이용할 수 있다. 원시 시세데이터 보다는 정보가 다소 부족한 측면이 있지만 그런대로 시장의 미시구조를 분석해 볼 수는 있다.

Point

이 강의가 특별한 이유

  1. 파이썬 프로그래밍을 통해 논문 시뮬레이션 과정 재현!
  2. 강의 중 사용한 모든 실습 예제 프로그램 코드 제공!
  3. 오직 인사이트 캠퍼스에서만 만날 수 있는 강의!

Lesson

강의 상세내용

이 강의는 2006년 Marco Avellaneda와 Sasha Stoikov가 발표한 “High-frequency trading in a limit order book” 이라는 논문을 리뷰하는 과정입니다. 이 논문은 마켓메이킹 전략을 사용하는 마켓메이커의 최적 호가를 결정하는 방법론을 다루고 있습니다. 마켓메이커는 재고 위험을 최소화하고, 장 종료 시점의 최종 손익과 재고 수준에 따른 기대 효용을 극대화하도록 최적 호가를 결정합니다.

1장에서는 이 논문의 내용을 이해하기 위해 필요한 마켓메이킹 전략의 개요에 대해 살펴봅니다. 마켓메이킹과 관련된 용어들을 정리하고, 마켓메이커가 호가창에서 주문을 제출할 때 고려해야할 점들과 재고 위험에 대한 개념을 학습합니다.

2장에서는 마켓메이커의 호가에 영향을 미치는 요인들에 대해 살펴봅니다. 유동성 척도와 체결 주문 수량의 분포를 정의하고, 마켓메이커의 매수, 매도 주문이 모두 체결될 확률과 최적 거리인 d의 관계를 정리합니다.

3장에서는 최적 호가를 결정하기 위한 목표 함수를 설정합니다. 목표 함수를 정의하기 위해 마켓메이커의 효용 함수를 정의하고 기대 효용이 극대화되는 목표 함수를 설정합니다.

4장에서는 유보 가격의 개념을 살펴보고, 유보 가격이 산출되는 과정을 학습합니다. 그리고 유보 가격의 의미를 분석해 봅니다.

5장에서는 마켓메이커의 최적 호가를 결정하는 방법론을 학습합니다. 마켓메이커가 보유한 재고의 수준과 거래 강도에 따라 목표 함수를 최적화하여 최적 호가가 결정되는 원리에 대해 살펴봅니다.

6장에서는 시뮬레이션을 통해 최적 호가를 사용하는 재고 관리 전략의 성과를 분석합니다. 재고 관리 전략과, 대칭 전략의 성과를 비교 분석하여 재고 관리 전략의 효과를 이해합니다.

7장에서는 파이썬 프로그래밍을 통해 논문의 시뮬레이션 과정을 재연합니다. 실습을 통해 재고 관리 전략과 대칭 전략의 차이를 분석해 봅니다.

이 논문은 복잡한 문제를 단순화하기 위해 다소 불합리한 가정을 일부 도입했기 때문에 이 이론 자체를 실무에 적용하기는 어려울 수도 있습니다. 하지만 이 논문을 통해 마켓메이킹 전략을 더욱 깊히 이해할 수 있고, 마켓메이킹을 운용하는데 도움이 될 수 있을 것으로 생각됩니다.

Practice

예제 실습

■ High frequency trading in a limit order book

2006 년 Avellaneda 와 Stoikov 는 마켓메이커의 재고 관리를 위한 최적 호가를 산출하는 논문을 발표하였습니다. 1981 년 Ho & Stoll 의 모형을 응용하여 마켓메이커의 재고량에 따른 유보 가격 (reservation 을 계산하고 , 유보 가격을 기준으로 Bid, Ask 호가를 결정하여, 재고량에 따라 유보 가격을 중심으로 대칭적인 Bid, Ask 호가를 제출하는 결과가 나타나며, 시장의 Mid-Price에 대해서는 비대칭적으로 호가 제출되는 결과를 얻을 수 있습니다.

▲ 마켓메이커의 최적 Bid-Ask 호가 시뮬레이션

▲ Numerical simulations 조건 시뮬레이션을 1,000 회 수행한 결과

For YOU

이런 분들께 추천드립니다!

실전 투자자

  • 금융사 투자 관련 업무 종사자
  • 프랍트레이더 및 일반트레이더
  • 퀀트트레이딩에 관심있는 투자자

금융 IT 실무자

  • 금융사 리스크 관리자
  • 증권사, 운용사 종사자
  • 금융권 IT 관련 업무 SW 개발자

학계 관련자

  • 금융, 재무 전공 학생
  • IT 관련 전공 학생
  • 논문 리뷰를 해보고 싶으신 분
  • 해당 논문을 파이썬으로 구현해보고자 하시는 분

Review

수강 후기

김00
김00
0기 수강생
Read More
사내에서는 잘 생각하지 않았고, 생각할 수도 없었던 관점에서의 방법론을 배웠습니다. 강사님의 풍부한 경험이 좋았습니다.
최00
최00
0기 수강생
Read More
수업시간마다 다 그래프도 그려주시고, 이론도 정말 쉽게 설명해서 이해하기 쉬웠어요. 입문자도 이해할 수 있을 만큼 쉽게 설명해 주셔서 자신감이 생겼어요.
000
000
0기 수강생
Read More
매 단계에 대한 프로그램 코드를 제공해주시는 것이 만족스럽습니다.
000
000
0기 수강생
Read More
개발자에게 투자 시스템 개발이 가능한 수준의 인사이트 제공해 주십니다.
000
000
0기 수강생
Read More
강화학습을 짧은 시간에 잘 설명해주십니다. 이 수업을 듣고나서 금융분야에서 강화학습의 기초와 응용에 대한 오버뷰가 그려졌습니다
Previous
Next

Professor

조성현

  • 現 핀인사이트 사외이사 인사이트 캠퍼스 연구/강의 교수
  • 現 아마추어퀀트 금융공학 전문 블로그 운영진
  • 前 Lucent Technologies, Bell-Labs Innovations 수석 연구원

조성현 강의교수님은 물리학을 전공하고 KT에 입사하여 망관리센터 및 연구개발센터의 통신운용연구단에서 약 8년간 근무하다가, AT&T, Lucent Technologies로 이직하여 수석 연구원으로 10년간 종사한 통신 소프트웨어 전문가 입니다. 미국 Bell-lab에서 차세대 네트워크 구축에 대한 Training, 국내 KT, SKT 등의 국가기간망 구축 사업 분야에 종사했으며, 국제보안전문가 (CISSP)로 국내 VoIP 망의 보안 컨설팅 프로젝트를 수행 했습니다.

이후 금융 분야에 진출하여 금융공학, 시장미시구조론, 알고리즘 트레이딩, 페어트레이딩, 금융 데이터마이닝 (기계학습), 강화학습 분야를 연구하고 있습니다. 물리학과 미국 Bell-Lab의 소프트웨어 기술에 금융 이론을 접목하여 금융 관련 시스템을 개발하고, 블로그를 통해 외국의 최신 투자 기법을 다룬 논문들의 내용을 소개하고 있습니다. 외환 전문인 갤럭시투자자문사에서 환위험관리 및 외환차익거래 시스템을 개발한 바 있으며, 약 5년 전부터 여의도 금융가와 강남 지역, 그리고 코스콤 등 기업체의 직원 연수교육의 금융 강사로 활동하고 있습니다.

Curriculum

커리큘럼

PART 1 | 마켓메이킹 개요

이 논문의 내용을 이해하기 위해 필요한 마켓메이킹 전략의 개요에 대해 살펴봅니다. 마켓메이킹과 관련된 용어들을 정리하고, 마켓메이커가 호가창에서 주문을 제출할 때 고려해야할 점들과 재고 위험에 대한 개념을 학습합니다.

1장 | 마켓메이킹 개요 (17:21)

  • 마켓메이커의 재고 관리 전략
  • 마켓메이킹 (Market Making) 전략 개요

PART 2 | 논문 리뷰 – High-frequency trading in a limit order book

“High-frequency trading in a limit order book” 이라는 논문을 리뷰하며 마켓메이킹 전략을 사용하는 마켓메이커의 최적 호가를 결정하는 방법론을 학습합니다.

2장 | 마켓메이킹 전략에 영향을 미치는 요인들과, Bid, Ask 주문의 체결 확률 (22:24)

  • 마켓메이킹 전략에 영향을 미치는 요인들과 Bid, Ask 주문의 체결 확률
  • Finite horizon 최적화

3장 | 마켓메이킹 전략의 최적화를 위한 목표 함수 (21:52)

  • 목표 함수

4장 | 유보 가격의 산출 방법과 유보 가격의 의미 (36:24)

  • 유보 가격 (Reservation price)
  • 유보 가격 산출 과정
  • 유보 가격의 의미
  • 재고량에 따른 선물 가격 (𝑠)과 유보 가격 (𝑟)의 변화 비교

5장 | 마켓메이커의 최적 Bid-Ask 호가 산출 (18:50)

  • 마켓메이커의 최적 Bid-Ask 호가 산출 원리
  • 마켓메이커의 최적 Bid-Ask 호가

6장 | 재고 관리 전략의 시뮬레이션 결과 분석 (26:03)

  • 시뮬레이션 결과
  • Numerical Simulation

PART 3 | 논문 시뮬레이션 재현

파이썬 프로그래밍을 통해 논문의 시뮬레이션 과정을 재연합니다. 실습을 통해 재고 관리 전략과 대칭 전략의 차이를 분석해 봅니다.

7장 | 파이썬을 활용한 재고 관리 전략의 시뮬레이션 실습 (21:05)

  • 파이썬을 활용한 재고 관리 전략의 시뮬레이션 실습

PART 1 | 마켓메이킹 개요

1
1장 | 마켓메이킹 개요 (17:21)

PART 2 | 논문 리뷰 – High-frequency trading in a limit order book

1
2장 | 마켓메이킹 전략에 영향을 미치는 요인들과, Bid, Ask 주문의 체결 확률 (22:24)
2
3장 | 마켓메이킹 전략의 최적화를 위한 목표 함수 (21:52)
3
4장 | 유보 가격의 산출 방법과 유보 가격의 의미 (36:24)
4
5장 | 마켓메이커의 최적 Bid-Ask 호가 산출 (18:50)
5
6장 | 재고 관리 전략의 시뮬레이션 결과 분석 (26:03)

PART 3 | 논문 시뮬레이션 재현

1
7장 | 파이썬을 활용한 재고 관리 전략의 시뮬레이션 실습 (21:05)

부록

1
강의교재
2
논문
3
실습파일
결제 후 무제한 수강 가능합니다.
강의 영상 다운로드는 불가하며, 스트리밍 시청만 가능합니다.
환불을 원하실 경우 [ 성함, 환불하고자 하는 강의명, 환불 사유 ] 정보를 edu@fins.ai 이메일로 보내주세요. 정보 확인 후 환불 도와드리겠습니다.

결제 안내

  • 세금계산서 발급 가능합니다. 담당자(bill@fins.ai)에게 연락주시면 더 자세히 안내해 드리겠습니다.
  • 사이트 결제 오류 시 카카오톡 플러스친구나 edu@fins.ai로 문의 부탁드립니다.