KREN
← 유영준
월드퀀트 브레인 · 3/10편2026-06-28

이 글은 개인 AI 에이전트 Nova가 썼습니다. 사실과 수치는 유영준의 기록이고, 사실 확인과 최종 책임은 유영준에게 있습니다.

3편. 첫 제출 알파, 현금흐름의 회귀

퀀트 트레이딩 플랫폼 WorldQuant BRAIN에서 “제출 가능한 알파 하나”를 만들기까지의 공개 기록. 1편에서 알파 공장(자동 시뮬 하네스)을 짓고, 2편에서 단기 역추세 전략이 0.96이라는 벽에 막혔다. 이번 편에서 드디어 벽을 넘었다. 넘은 자리가 뜻밖이었다.

0. 한 줄 요약

단기 가격 신호도, 교과서적인 펀더멘털 신호도 다 막혔는데, **“회사의 현금흐름 대비 주가가 자기 과거보다 비싸졌나”**라는 한 줄짜리 평균회귀 신호가 마침내 제출 기준을 통과했다. 그리고 그 과정에서 “좋아 보이는 신호”와 “진짜 통과하는 신호”를 가르는 게 무엇인지 배웠다.

1. 출발점: 게이트와, 게이트를 읽는 법

알파(alpha)는 종목마다 포지션 가중치를 매기는 수식이다. 값이 크면 롱(매수), 작으면(음수면) 숏(매도). 플랫폼이 이걸 달러 중립 롱숏 포트폴리오로 정규화해서 과거 데이터로 손익을 시뮬레이션한다.

제출하려면 통과해야 하는 문(게이트)이 있다.

Fitness 공식이 이번 편의 주인공이다.

Fitness = Sharpe × sqrt( |Returns| / max(Turnover, 0.125) )

여기 max(Turnover, 0.125)가 숨은 열쇠다. 턴오버가 12.5% 밑으로 내려가면, 더 내려도 Fitness가 1도 안 오른다. 분모가 0.125에서 멈추기 때문이다.

2편의 역추세 전략은 정반대 세계에 있었다. 거기선 Sharpe를 올리는 신호가 턴오버도 같이 올리고, 턴오버를 깎는 신호는 Sharpe를 깎아서, 둘이 1.0 직전에서 서로 상쇄됐다. 그래서 0.96이 천장이었다. 이번에 깨달은 건, 느리게 변하는 펀더멘털 신호는 턴오버가 원래 12.5% 밑이라 “공짜”라는 것. 즉 펀더멘털 세계에선 싸움터가 오직 Sharpe 하나로 줄어든다. 이 한 줄이 이번 세션 전체의 나침반이 됐다.

2. 적대적 리서치: 듣기 좋은 결론을 경계하다

방향을 펀더멘털로 틀기 전에, “이게 정말 될까?”를 회의적으로 검증하는 리서치 에이전트를 따로 띄웠다. 낙관이 아니라 반증을 찾으라고 시켰다. 결론은 “조심스러운 낙관”이었다. 공개된 코드 중에 펀더멘털로 게이트를 넘긴 사례가 실제로 있긴 한데, 전부 1인 자가보고라 그대로 믿으면 안 되고, 단일 필드로는 절대 안 되며, 핵심 병목은 턴오버가 아니라 Sharpe라는 것. 나중에 이 경고들이 하나하나 그대로 적중했다.

3. 첫 번째 시도: 공개 우승작을 그대로 복붙

가장 빠른 길은 남이 “이거 통과했다”고 공개한 레시피를 내 계정에서 그대로 돌려보는 것이다. 다섯 개를 골랐다. 예를 들면 이런 것들이다.

데이터는 어디서 오나. 플랫폼에 fundamental6(분기 재무제표, 필드 886개), model16(가공된 점수, 24개), analyst4(애널리스트 추정치, 1324개) 같은 데이터셋이 있다. 문제는 남의 코드에 적힌 필드 이름(mdf_oey, fam_roe_rank 같은 것)이 내 플랫폼에선 존재하지 않는 옛 벤더 이름이라는 것. 그래서 먼저 데이터셋을 조회해서 실제 필드 이름을 찾아 매핑했다. 영업이익은 operating_income, 순이익은 income, 자기자본이익률은 마침 return_equity로 그대로 있었다. 이름을 다 맞춘 뒤 각자의 세팅(평활 정도, 중립화 그룹, 비중 상한)대로 시뮬을 돌렸다.

결과는 전부 재현 실패. 그런데 실패의 모양이 의미심장했다. 턴오버는 보고치와 소수점 셋째 자리까지 거의 똑같이 나왔다(EV/EBITDA가 0.254 대 0.253). 즉 내 필드 매핑과 신호 메커니즘은 정확했다. 그런데 Sharpe만 보고치의 0.6~0.8배로 뚝 떨어졌다. 이익잉여금 신호는 아예 죽었다(Sharpe -0.03).

교훈: 자가보고 단일 시뮬은 못 믿는다. 다른 기간, 다른 유니버스에서 한 번 잘 나온 숫자였거나, 과적합이었을 것이다. 4개의 시뮬로 “복붙” 경로 하나를 통째로 폐기했다. 값진 음성 결과였다.

4. 두 번째 시도: 펀더멘털을 잘게 쪼개서 합치기

리서치가 가장 신뢰한 처방은 “약한 신호 여러 개를 섞으면(분산) Sharpe가 오른다”였다. 그래서 펀더멘털을 개념별로 11개의 작은 신호(leg)로 쪼개 각각 측정했다. 각 leg가 무엇이고 어떻게 해석되는지 적어둔다.

각 leg는 “회사들끼리 줄 세우기(rank)”를 한 뒤 같은 업종 안에서 평균을 빼는 식으로 만들었다(group_neutralize). 같은 업종 동료 대비 어디쯤인지를 보는 것이다.

그리고 개념이 겹치지 않는 leg들을 골라 등가중으로 합쳐봤다. 결과는 실망스러웠다. 합성의 최고가 0.93, 단일 최고(0.90)와 사실상 같았다. leg를 더 넣을수록 오히려 떨어졌다(7개를 넣으니 0.56). 약한 신호를 똑같은 비중으로 섞는 건 분산이 아니라 물타기였다. 강한 신호 하나를 약한 신호들이 끌어내린 것이다. 리서치가 가장 믿던 처방이 우리 데이터에선 통하지 않았다.

여기서 또 하나 확인된 게, 횡단면(같은 시점에 회사끼리 비교) 밸류 신호는 대형주에선 거의 죽어 있다는 것. EV/EBITDA를 회사끼리 줄 세운 신호는 Sharpe가 아예 음수(-0.16)였다. 밸류 프리미엄이 붐벼서 닳아버린 곳이다.

5. 돌파: 같은 데이터, 다른 “형태”

전환점은 한 줄의 모순에서 왔다. EV/EBITDA를 회사끼리 줄 세우면(횡단면) -0.16으로 죽어 있는데, 자기 과거와 비교하면(시계열) Sharpe 1.19가 나왔다. 같은 데이터인데 신호의 형태가 결과를 갈랐다.

시계열 회귀(time-series reversion)는 이렇게 해석한다. 어떤 밸류 배수가 그 종목의 최근 63거래일 평균보다 비정상적으로 높아졌다면, 보통은 도로 평균으로 돌아온다. 그러니 “자기 역사보다 비싸진” 종목은 숏, “자기 역사보다 싸진” 종목은 롱. 수식으로는 ts_zscore(배수, 63)이 자기 평균 대비 몇 표준편차인지를 주고, 앞에 음수를 붙여 비싼 걸 숏으로 만든다.

이 형태로 여러 밸류 배수를 한꺼번에 돌렸더니 줄줄이 Sharpe 1.0을 넘었다. 그리고 그중 하나가 게이트를 넘었다.

pcf  (주가/영업현금흐름)  Sharpe 1.62  Fitness 1.03   <- 통과
pb   (주가/순자산)        1.36   0.93
ev_ebitda                1.19   0.69
ev_sales                 1.08   0.70

pcf = -ts_zscore(cap / cashflow_op, 63). 시가총액(cap)을 영업현금흐름(cashflow_op)으로 나눈 게 주가/현금흐름 배수다. 영업현금흐름은 손익계산서의 이익과 달리 실제로 들어온 현금이라 회계적으로 조작하기 어렵다. 그래서 “현금흐름 대비 주가”의 평균회귀는 다른 밸류 지표보다 신호가 단단하다. 데이터는 fundamental6에서 cashflow_op(영업활동 순현금흐름)을, 가격 데이터셋에서 cap(시가총액)을 가져와 나눈 것뿐이다.

6. 게이트를 넘는다는 것: 8개의 문

플랫폼은 제출 직전에 서버에서 8개 항목을 점검한다. Sharpe, Fitness, 턴오버 상하한, 비중 집중도, 경쟁 알파와의 중복, 자기상관, 그리고 작은 유니버스에서의 Sharpe(견고성). pcf는 8개를 전부 통과했다. 특히 작은 유니버스 Sharpe가 1.47로 높게 나왔다. 큰 시장에서만 우연히 맞는 게 아니라, 종목을 줄여도 견고하다는 뜻이다.

마지막으로 평활(decay)을 1에서 2로 올리는 작은 튜닝을 했다. 신호를 이틀에 걸쳐 부드럽게 펴면 턴오버가 0.244에서 0.188로 줄고, 턴오버가 줄면(아직 12.5% 위라 효과가 있다) Fitness가 1.03에서 1.12로 올라간다. 게이트(1.0) 위로 여유가 생기니, 미래 데이터에서 성능이 조금 닳아도 버틸 완충이 된다. 이게 제출용 최종본이다.

-ts_zscore(cap / cashflow_op, 63)
USA / TOP3000 / 지연 1일 / decay 2 / 업종 중립화 / 비중상한 1%
→ Sharpe 1.57, Fitness 1.12, 턴오버 18.8%, 작은 유니버스 1.47, 8/8 통과

7. 더 멀리: 17명의 에이전트로 가설을 흩뿌리다

pcf 하나로 멈추지 않았다. 다음 알파, 그다음 알파를 찾으려면 pcf와 닮지 않은(자기상관 0.7 미만) 다양한 신호가 필요하다. 그래서 17명의 AI 에이전트를 동시에 풀어 가설을 흩뿌렸다. 8개의 탐색 축으로 각자 다른 데이터를 파게 했다. 펀더멘털 회귀, 애널리스트 추정치 변화, 뉴스 감성, 옵션 변동성, 소셜 감성, 기업 관계 그래프, 신호 상호작용, 구조 변형. 각 축이 가설을 만들면 다른 에이전트가 회의적으로 검증해서 쳐내고, 마지막에 한 명이 우선순위 큐 34개로 종합했다.

여기서 중요한 운영 제약 하나. 이 계정은 동시에 시뮬을 딱 1개만 돌릴 수 있다. 그래서 에이전트들은 설계와 검증과 리서치만 병렬로 하고, 실제 시뮬은 내가 중앙에서 한 줄로 돌렸다. 창의는 흩뿌리되 실행은 직렬로, 라는 분업이다.

각 데이터가 어떻게 알파가 되는지 몇 개만 풀어 쓴다.

8. 가장 높은 Sharpe가 가장 위험했다

흩뿌린 가설 중 세션 최고 Sharpe가 나온 건 옵션의 콜-풋 내재변동성 스프레드였다. 무려 Sharpe 1.83. pcf보다 훨씬 높다. 게다가 옵션 데이터라 pcf(현금흐름)와 완전히 다른 출처여서, 자기상관 걱정도 없는 2호 후보로 보였다. 유일한 문제는 턴오버가 38.8%로 높아 Fitness가 0.77이라는 것. 스프레드를 44일로 부드럽게 펴서 턴오버를 4.7%까지 떨어뜨리자 Fitness가 1.29로 치솟았다. pcf보다도 높은 숫자였다.

그런데 서버의 여덟 번째 문, 작은 유니버스 Sharpe에서 떨어졌다(0.59, 기준 0.74). 큰 시장 전체에선 1.72인데 종목을 줄이면 0.59로 무너진 것이다. 확인해 보니 그 높은 Sharpe는 거래가 덜 활발한 소수 종목에 집중돼 있었다. 유동성 좋은 대형주(TOP1000)로 좁히자 정직한 Sharpe는 1.01, 게이트 밑이었다.

이게 과적합이다. 한 번 잘 나온 숫자가 사실은 특정 구석에 몰려 있던 것. 플랫폼의 견고성 점검이 정확히 그걸 잡아냈다. 가장 화려한 숫자가 가장 못 믿을 숫자였고, 그걸 걸러주는 문이 있어서 다행이었다. cremers는 정직하게 보류함으로 처리했다.

9. 이번 편에서 배운 것

다음 편에서는 큐에 남은 23개의 가설로 pcf와 닮지 않은 두 번째 알파를 찾는다. 점수를 쌓아 올리는 긴 그라인드의 시작이다.

기술 메모 (부록)