01:00-07:00 KST research runs collected execution, liquidity, macro plumbing, crypto market-structure, and AI infrastructure items; the 07:00 run alone collected 11 items with 26 duplicates skipped.
Core thesis: edge survives less through better narrative and more through execution discipline, liquidity access, all-in cost thresholds, and awareness of physical infrastructure bottlenecks.
AI-specific update: AI infrastructure risk is moving beyond GPU supply into KV cache / memory-bound serving efficiency, grid interconnection, data center resilience, onsite power, and cyber-physical coupling.
Trading-process caution: do not convert papers or bps savings directly into aggressive trades; use them to improve no-trade thresholds, order slicing, sizing, and liquidity dashboards.
Raw Briefing
Overnight Trading Domain Deep Research - 20260713
[01:00 KST] Robustness in Sequential Decision Making under Evolving Uncertainty: Evidence from High-Frequency Market Making
Why it matters: 이 논문은 robust trading이 단순히 보수적으로 포지션을 줄이는 문제가 아니라, 상태별로 행동을 어떻게 바꾸는가의 문제라고 말한다. Henry가 3x ETF나 crypto처럼 체결 품질이 흔들리는 상품을 다룰 때, 모델 misspecification보다 더 위험한 것은 잘못된 상황에서 같은 행동 규칙을 반복하는 것이다.
Raw excerpt / abstract: “Robustness is not merely protection against model misspecification, but a state-dependent mechanism that reshapes sequential decision behaviors… action robustness has a substantially larger impact than uncertainty tolerance. Moreover, excessive robustness may reduce profitability in illiquid markets by limiting execution opportunities.”
Cold read: 시장은 불확실성을 많이 참는 사람보다, 불확실성 상태에 따라 실행 강도를 바꾸는 사람에게 보상한다. 하지만 illiquid regime에서는 너무 강한 방어가 기회 자체를 없앤다.
Trading insight: pre-trade checklist에 “uncertainty tolerance”와 “action robustness”를 분리해야 한다. 포지션 사이즈를 줄이는 것과 주문 방식을 느리게 바꾸는 것은 같은 방어가 아니다.
Why it matters: market impact의 square-root law는 큰 주문에서 Henry가 체결 비용을 과소평가하지 않게 해주는 핵심 모델이다. 이 논문은 impact가 단순히 book shape나 metaorder tail만의 결과가 아니라 order splitting과 liquidity replenishment의 결합이라는 점을 강조한다.
Raw excerpt / abstract: “Removing order splitting collapses delta from 0.549 to 0.324; removing liquidity replenishment by market makers drops it to 0.386… Order splitting and liquidity replenishment are thus jointly identified as the necessary mechanisms for the SRL within this model.”
Cold read: 큰 주문의 비용은 지금 보이는 호가가 아니라, 내가 나눠 넣는 속도와 시장이 다시 채워지는 속도의 함수다.
Trading insight: 주문을 쪼개는 것만으로는 충분하지 않다. liquidity replenishment가 느리면 분할 주문도 같은 방향의 footprint를 남긴다.
Change sensor: child order 후 depth 회복 시간, repeated partial fill slippage, spread recovery.
Follow-up question: SOXL/MSTU 같은 레버리지 ETF에서 한국 계좌 주문 시간이 미국 본장 liquidity replenishment와 얼마나 어긋나는가?
[01:02 KST] Outcome-Classified Precision Auditing of Filter Rules in Algorithmic DEX Trading
Why it matters: 좋은 필터는 수익 신호보다 손실 회피의 품질로 검증되어야 한다. 이 연구는 Solana DEX rejection event를 사후 추적해 save-to-miss ratio를 계산하고, 과장된 성과 해석을 matched comparison으로 깎아낸다.
Raw excerpt / abstract: “The headline result is the conservative save-to-miss ratio of 3.7 : 1… A wider interpretation… yields 14.8 : 1… The wider 14.8 : 1 ratio therefore rests on a tier that the matched test does not validate. The conservative 3.7 : 1 is the report the lifecycle data supports.”
Cold read: 필터는 hero trade를 놓치게 만드는 것처럼 보일 때가 많지만, 제대로 측정하면 손실 회피가 alpha의 상당 부분이다.
Trading insight: Henry의 pre-trade filter도 missed winner보다 avoided loser를 별도로 기록해야 한다. 그렇지 않으면 FOMO가 필터를 무력화한다.
Why it matters: correlation은 clock time에서 고정된 사실이 아니라 trade time, volume time, order-flow overlap에 따라 다르게 보인다. Henry가 여러 고베타 자산을 같은 방향으로 보유할 때, 짧은 구간의 상관관계 안정성을 과신하면 risk aggregation이 무너진다.
Raw excerpt / abstract: “High-frequency correlation is not observed in clock time alone, but is resolved through market activity, order-flow overlap, and finite coupling response… the more precisely one localises market activity in time, the less well one can resolve stable cross-asset dependence.”
Cold read: 짧은 시간축에서 정확해 보이는 신호는 cross-asset dependence를 희생해서 얻은 정확도일 수 있다.
Trading insight: intraday hedge ratio를 고정 숫자로 쓰면 안 된다. 특히 SOXL, MSTU, BTC-related exposure는 같은 clock time에서도 event intensity에 따라 correlation이 달라진다.
Why it matters: benchmark 대비 괴리가 risk라는 관점은 Henry의 집중 포트폴리오에는 부적절하다. 실제 risk는 보유 종목 내부 covariance와 dominant factor exposure에서 나온다.
Raw excerpt / abstract: “Risk became distance from an index. For a fund that fits no benchmark, that trade fails… PCA recovers the systematic structure inside the portfolio directly from its own returns… ranked by their actual contribution to risk rather than by universe variance.”
Cold read: Henry에게 중요한 것은 시장 대비 얼마나 다른가가 아니라, 포트 안에서 같은 risk bet이 몇 번 중복되는가다.
Trading insight: SOXL, RGTI, MSTU, BTC-linked exposure가 서로 다른 티커라도 innovation/liquidity/risk-on factor 하나로 묶이면 실제 포트 heat는 생각보다 크다.
Change sensor: first principal component contribution, cluster mismatch ratio, individual bleed score.
Follow-up question: Henry 보유 종목 수익률로 PCA Risk Score를 만들면 어떤 티커가 dominant factor를 가장 크게 만든는가?
[01:05 KST] Generating Plausible Stress Scenarios via Large Deviations
Why it matters: 스트레스 테스트는 과거 사례를 복사하면 위험하고, 임의의 극단 시나리오를 만들면 비현실적이다. 이 논문은 큰 손실 조건에서 가장 그럴듯한 stress configuration을 찾는 접근을 제안한다.
Raw excerpt / abstract: “Handpicked scenarios can mislead risk management by overlooking genuinely dangerous configurations or overemphasising shocks that are too implausible… conditional on a large loss, the risk factors concentrate near the most likely stress configurations.”
Cold read: worst case는 가장 무서운 상상이 아니라, 내 포트가 실제로 망가질 가능성이 높은 경로다.
Trading insight: 레버리지 ETF의 stress scenario는 단순히 -10% gap down이 아니라, volatility up, liquidity down, correlation up, rebalance drag가 같이 오는 조합으로 잡아야 한다.
Why it matters: TGA 변동은 단순 회계 항목이 아니라 reserves, ON RRP, securities, lending 중 무엇이 buffer 역할을 하는지를 바꾼다. RRP buffer가 작아질수록 TGA 변동이 risk asset liquidity에 더 직접적으로 닿을 수 있다.
Raw excerpt / abstract: “As the Fed shrinks its balance sheet as part of quantitative tightening, reserves are becoming less ample and ON RRP balances are now modest… the Fed’s need to use active assets approaches to manage TGA fluctuations is likely to increase.”
Cold read: macro liquidity는 Fed funds target보다 balance sheet plumbing에서 먼저 흔들릴 수 있다.
Trading insight: FOMC headline보다 TGA, reserves, ON RRP, SRF usage를 함께 봐야 한다. 특히 고베타 레버리지 포지션은 reserve scarcity 신호가 나오면 size를 먼저 줄여야 한다.
Why it matters: Treasury market stress는 안전자산 시장 내부의 basis trade, repo funding, dealer balance sheet 제약에서 시작될 수 있다. 위험자산 매매자에게 이는 “채권이 흔들리면 주식도 흔들린다”가 아니라, hidden leverage unwind가 모든 liquidity를 빨아들이는 구조로 읽혀야 한다.
Raw excerpt / abstract: “Episodes of Treasury market dysfunction are not a random bolt from the blue. Rather, they are a consequence of a market structure that relies on leveraged balance sheet intermediation to absorb a rapidly growing supply of government debt… hedge funds finance their long positions in cash Treasuries by borrowing as much as 99 percent…”
Cold read: 가장 안전한 시장도 repo-funded leverage 위에 얹히면 squeeze와 fire sale의 원천이 된다.
Trading insight: Treasury basis stress는 SOXL/MSTU 같은 convex risk-on exposure에 직접적인 risk-off shock가 될 수 있다. duration-neutral intervention 논의는 Fed put이 아니라 market-function backstop의 조건을 보는 렌즈다.
Why it matters: BTC ETF outflow headline은 실제 매도 판단이 아니라 basis trade unwind일 수 있다. Henry가 crypto-linked narrative에 반응할 때, flow headline과 flow mechanism을 분리해야 FOMO와 panic을 줄일 수 있다.
Raw excerpt / abstract: “29.3BinnetETFinflowsYTD...spotBitcoinETFsaccumulated257,285BTC−approximately7269B.”
Cold read: ETF flow는 sentiment 데이터가 아니라 basis, custody, issuer concentration, arbitrage economics가 섞인 market-structure 데이터다.
Trading insight: BTC/MSTR/MSTU 판단에서 ETF outflow만 보고 bearish로 결론 내리면 안 된다. basis compression, futures positioning, stablecoin supply가 같은 방향인지 확인해야 한다.
Why it matters: 표시된 depth는 실제 체결 가능한 liquidity가 아니다. 이 분석은 BTC/FDUSD order book에서 depth at 10 bps가 execution quality variance의 대부분을 설명하고, imbalance는 가격 예측 신호가 아니라 체결 조건 신호라고 보여준다.
Raw excerpt / abstract: “A single metric - depth at 10 basis points - explains 94% of execution quality variance… correlation between imbalance at 10 basis points and subsequent price movement is 0.011 for one-minute changes and 0.008 for five-minute changes… The coverage ratio determines execution feasibility.”
Cold read: order book imbalance를 방향 신호로 쓰는 것은 위험하다. 그것은 미래 가격보다 지금 내가 얼마나 나쁜 가격에 체결될지를 말한다.
Trading insight: Henry의 주문 전 체크는 spread만 보지 말고 10 bps depth와 coverage ratio를 봐야 한다. 특히 큰 주문은 “지금 살 수 있나”보다 “시장 재충전 속도에 맞춰 나눌 수 있나”가 중요하다.
Why it matters: AI capex narrative는 단순 NVDA 수요가 아니라 inference cost decline, token demand growth, private financing, custom silicon shift의 결합이다. Henry가 AI infrastructure exposure를 볼 때, revenue growth와 financing structure를 같이 봐야 한다.
Raw excerpt / abstract: “Nvidia’s annual revenue has soared nearly 8-fold, from 27billionin2022to216 billion in 2025… data center systems investment… likely to increase more than 30% to $653 billion in 2026… inference costs are falling faster… 95% at an annual rate… token demand has risen 28x since December 2024.”
Cold read: cost collapse는 수요를 죽이는 것이 아니라 더 많은 usage를 열어 capex를 정당화할 수 있다. 하지만 이 가정은 token demand가 계속 elasticity를 보여야만 유지된다.
Trading insight: AI supply chain 베팅은 “GPU 부족” 하나로 보면 늦다. custom ASIC, power, networking, financing 구조가 수익 풀을 재배치한다.
Why it matters: AI data center는 부동산이 아니라 compute-first infrastructure와 GPU collateral finance로 바뀌고 있다. 이는 AI boom이 equity story만이 아니라 private credit, ABS, lease finance, take-or-pay contract의 신용 사이클이 되고 있음을 뜻한다.
Raw excerpt / abstract: “Data centres are increasingly financed less as traditional real estate and more as compute-first infrastructure… by 2030, data centres will require around US6.7trillionofcapexglobally...GPUcollateraliseddebtgrowfromUS2.3 billion in 2023 to a US$7.5 billion facility in 2024…”
Cold read: AI bubble 논쟁의 핵심은 model intelligence가 아니라 duration mismatch다. 짧은 GPU life와 긴 debt/lease commitment가 맞지 않으면 credit stress가 생긴다.
Trading insight: AI infra 관련 주식은 매출 성장보다 계약 품질, offtake credit, hardware obsolescence risk, refinancing channel을 봐야 한다.
Change sensor: GPU lease spreads, neocloud debt issuance, take-or-pay contract disclosure, data center power delay.
Follow-up question: AI infrastructure credit stress가 먼저 나타날 시장은 private credit, utility interconnection backlog, 또는 semiconductor order cancellation 중 어디인가?
[01:12 KST] Can Reinforcement Learning Efficiently Discover Price Manipulation?
Why it matters: RL agent가 Almgren-Chriss impact framework에서 manipulation opportunity를 찾아낼 수 있다는 질문은 단순 학술 주제가 아니다. 시장의 상대방이 학습형 agent일 때, predictable execution pattern은 alpha가 아니라 먹잇감이 된다.
Raw excerpt / abstract: “We investigate whether a model-free RL agent can identify and exploit price manipulation opportunities… prices evolve according to an Almgren-Chriss framework with non-linear permanent impact and linear temporary impact… establish the existence of price-manipulative strategies.”
Cold read: 실행 전략은 더 이상 passive environment를 상대로 최적화되는 것이 아니라, 나의 패턴을 학습하는 상대방을 상대로 숨겨야 한다.
Trading insight: 일정 시간, 일정 금액으로 반복되는 분할 주문은 구조적으로 취약하다. randomization과 context-aware pacing이 필요하다.
Change sensor: repeated adverse fills after child orders, quote fade around order timing, impact asymmetry.
Follow-up question: Henry의 반복 매수 패턴 중 시장에 가장 쉽게 노출되는 행동은 무엇인가?
top_theme: hidden leverage와 실행 품질은 서로 다른 주제가 아니라 같은 유동성 문제다. Treasury basis, BTC ETF arbitrage, GPU lease finance, large-order slippage가 모두 balance sheet capacity와 replenishment speed에 의존한다.
sharpest_insight: 표시된 숫자를 그대로 믿으면 망한다. order book depth, ETF outflow, benchmark risk, AI capex 모두 headline number보다 mechanism이 중요하다.
danger_of_misuse: 오늘 자료를 바로 bullish 또는 bearish 신호로 쓰면 위험하다. 특히 BTC ETF outflow와 AI capex 데이터는 방향 예측이 아니라 구조 이해용이며, 매매에는 가격, liquidity, stop, position size가 별도로 필요하다.
next_probe: Henry 포트폴리오에 대해 dominant factor PCA, TGA/reserves liquidity trigger, execution depth proxy를 하나의 pre-trade risk dashboard로 묶을 수 있는가?
[02:00 KST] Liquidity-Based Audit of Algorithmic Trading Strategies
Why it matters: 전략의 좋고 나쁨을 signal accuracy만으로 보면 실제로는 liquidity를 소비하는지 공급하는지 놓친다. Henry에게 중요한 질문은 “맞췄는가”보다 “맞추는 과정에서 spread와 impact를 얼마나 지불했는가”다. 특히 레버리지 ETF나 crypto에서는 trade history만 보고도 전략이 fire-sale externality를 키우는지 점검해야 한다.
Raw excerpt / abstract: “Net demand for liquidity by algo strategies is identifiable from its trade and price history alone… the sign of this statistic classifies a linear strategy as a net liquidity consumer or provider… violation produces welfare loss scaling as N squared, a closed-form fire-sale externality.”
Cold read: edge는 신호에서만 생기지 않는다. 같은 alpha라도 liquidity consumer가 되면 군집된 순간에 손익분포가 급격히 나빠진다.
Trading insight: Henry의 매매 로그에 체결 후 spread, partial fill, post-trade drift를 기록하면 strategy가 liquidity taker인지 provider인지 사후 audit할 수 있다.
Why it matters: 단기 trend following이 망가졌다면 이유는 “trend가 죽었다”가 아니라 tick size, book density, HFT market making이 impact feedback loop를 바꿨기 때문일 수 있다. Henry가 momentum breakout을 볼 때 가격 패턴만 보지 말고 해당 상품의 microstructure가 trend를 유지할 수 있는지 확인해야 한다.
Raw excerpt / abstract: “Post-2008 trend PnL has collapsed on small-tick contracts across all signal horizons, while remaining essentially intact on large-tick ones… trend signals trigger directional trades, whose market impact reinforces the very price moves that generated the signal… HFT-dominated market making… has broken this loop on small-tick contracts.”
Cold read: trend는 차트 위의 선이 아니라 체결 가능한 feedback loop다. liquidity provider가 예측 가능한 directional flow 앞에서 물러나면 작은 breakout은 쉽게 false move가 된다.
Trading insight: breakout 진입 전 “trend persistence 조건”을 추가한다. volume expansion, depth resilience, spread stability가 없으면 trend 신호는 수익 신호가 아니라 impact 비용 경고일 수 있다.
Change sensor: tick-to-vol ratio, breakout 후 spread widening, depth withdrawal.
Follow-up question: SOXL, RGTI, MSTU에서 최근 breakout 실패는 price signal 문제인가, microstructure loop 붕괴인가?
[02:02 KST] Split-Session Cluster GARCH for Overnight and Intraday Returns
Why it matters: hedge는 공짜가 아니며, hedge를 자주 조정할수록 liquidity demand stress를 만든다. 반대로 no-trade band를 넓히면 비용은 줄지만 hedge error가 커진다. Henry에게 이는 stop과 hedge를 너무 촘촘히 두면 시장이 흔들릴 때 실행 비용이 risk budget을 먹어버린다는 경고다.
Raw excerpt / abstract: “Wider no-trade bands lower rebalancing costs but raise hedge-error risk… robust HVA as the worst-case expected loss over a relative-entropy neighborhood… band width affects turnover.”
Cold read: risk control은 빈번한 조정과 오차 허용 사이의 교환이다. 너무 민감한 rule은 stress 때 스스로 liquidity 소비자가 된다.
Trading insight: trailing stop, hedge, rebalance rule에는 최소 조정 간격과 no-trade band를 명시해야 한다. 매 tick마다 반응하는 방어는 방어가 아니라 비용 생성기다.
Change sensor: rebalance turnover, hedge error, slippage per adjustment.
Follow-up question: Henry의 손절과 익절 rule에 no-trade band를 넣으면 churn과 missed protection 중 어느 쪽 비용이 더 큰가?
[02:04 KST] When Large Trades Are Not News: Liquidity Tail Risk and Price Discovery
Why it matters: 큰 거래가 항상 정보 거래는 아니다. heavy-tailed liquidity demand에서는 큰 imbalance가 informed flow인지 forced liquidity shock인지 늦게 구분된다. Henry가 대형 candle을 news로 해석해 추격하면 실제로는 liquidity tail 이벤트 끝부분을 사는 위험이 있다.
Raw excerpt / abstract: “With heavy-tailed liquidity demand, the same imbalances remain plausibly liquidity-driven. This liquidity-tail ambiguity flattens and concavifies price impact, slows learning from order flow, and delays the decline of adverse-selection premia.”
Cold read: 큰 거래는 방향 정보가 아니라 시장이 아직 해석하지 못한 tail shock일 수 있다. price discovery가 느릴수록 spread와 adverse selection premium은 오래 남는다.
Trading insight: large print 후 바로 따라붙기보다 depth recovery와 subsequent order flow confirmation을 기다리는 것이 FOMO 방어다.
Change sensor: large trade reversal rate, depth recovery time, spread persistence.
Follow-up question: Henry가 추격 매수했던 candle 중 몇 개가 정보 shock이 아니라 liquidity tail shock이었는가?
[02:05 KST] Settlement Manipulation in Prediction Markets
Why it matters: prediction market이 underlying 가격으로 settlement되면, 계약 보유자가 underlying을 움직여 settlement를 조작할 수 있다. Polymarket의 5분 Bitcoin contract 사례는 짧은 만기 구조가 spot order flow와 reversal을 만들 수 있음을 보여준다.
Raw excerpt / abstract: “After the launch of Polymarket’s five-minute Bitcoin contract, settlement-time spot order flow spikes, causing large price reversals after settlement… Manipulation is largely absent in the fifteen-minute contracts: lengthening the contract horizon removes it.”
Cold read: 시장 설계가 flow를 만든다. 짧은 settlement window는 가격 발견 장치가 아니라 조작 인센티브가 될 수 있다.
Trading insight: 특정 시간대의 BTC spot spike를 macro나 directional signal로 바로 해석하면 안 된다. expiry, settlement, oracle window를 먼저 확인해야 한다.
Why it matters: AI trade는 GPU narrative만으로 끝나지 않는다. JLL은 2026-2030 사이 약 100 GW 신규 data center, 최대 3 trillion dollar 투자, grid connection 평균 대기 4년 초과를 제시한다. 이는 AI capex가 equity multiple이 아니라 power, debt financing, construction bottleneck의 문제로 이동하고 있음을 뜻한다.
Raw excerpt / abstract: “Nearly 100 GW of new data centers will be added between 2026 and 2030… AI could represent half of all workloads with inference becoming the primary driver… $3 trillion investment required for 100 GW of new supply by 2030… average wait time for a grid connection in primary data center markets exceeds four years.”
Cold read: AI bottleneck은 chip supply에서 power-to-site와 financing capacity로 확장되고 있다. inference가 지배적 workload가 되면 latency와 지역 분산이 더 중요해진다.
Trading insight: AI 관련 주식의 valuation을 볼 때 revenue growth뿐 아니라 capex funding, debt market access, power contract, construction cost inflation을 함께 봐야 한다.
Change sensor: grid interconnection queue, behind-the-meter power deals, construction cost per MW.
Follow-up question: AI semiconductor exposure를 볼 때 power bottleneck이 실적 upside보다 먼저 margin pressure로 나타날 가능성은 어느 정도인가?
[02:07 KST] Bitcoin ETFs and Structural Decoupling in Cryptocurrency Markets
Why it matters: BTC ETF는 단순한 inflow channel이 아니라 BTC와 altcoin의 correlation 구조를 바꾸는 시장 구조 변화일 수 있다. 논문은 post-ETF 장기 R2가 0.1876으로 급락하고 2025년에는 약 -0.047까지 낮아졌다고 제시한다.
Raw excerpt / abstract: “ETF-driven institutional inflows led to a structural decoupling of Bitcoin from the broader cryptocurrency market… long-term R2 dropped sharply to 0.1876… January to September 2025, the long-term R2 became slightly negative (-0.047).”
Cold read: BTC가 crypto beta의 중심이라는 오래된 가정이 약해지고 있다. 기관 자금은 BTC-specific wrapper로 들어오고, 그 유동성은 alt market으로 자동 확산되지 않는다.
Trading insight: BTC 강세를 altcoin 또는 crypto equity 강세로 단순 전이하면 안 된다. correlation hedge와 risk-on proxy를 재검증해야 한다.
Change sensor: BTC ETF flow versus alt volume, BTC dominance, rolling BTC-alt R2.
Follow-up question: MSTU나 BTC-related equity가 실제로 BTC와 더 가까운가, equity liquidity cycle과 더 가까운가?
[02:08 KST] Institutional Crypto Flows and 2026 Market Analysis
Why it matters: Amberdata는 price보다 orderbook depth, funding, OI, ETF flows, stablecoin supply를 한 프레임에서 본다. 이는 Henry가 crypto를 볼 때 방향 예측보다 leverage crowding과 execution condition을 먼저 확인해야 함을 상기시킨다.
Raw excerpt / abstract: “Market structure coverage includes orderbook depth/spreads, derivatives markets, open interest, funding rates, long/short positioning, term structure/basis, institutional flows, Bitcoin ETFs, stablecoin supply… BTC depth at 200bps reached 614.1M...Totalopenintereststabilizednear84B… 5−8Bexposedifmomentumreversessharplybelow90k.”
Cold read: crypto의 위험은 spot price보다 hidden leverage와 depth contraction에서 먼저 보인다. 같은 가격 range라도 funding과 OI가 다르면 liquidation profile은 완전히 다르다.
Trading insight: BTC 관련 trade를 열기 전 ETF flow, stablecoin supply, funding APR, 200bps depth, OI concentration을 체크하는 checklist가 필요하다.
Follow-up question: Henry의 BTC 관련 exposure에 대해 “price up but depth down” 상태를 감지하는 trigger를 만들 수 있는가?
Run Summary [02:09 KST]
collected_count: 9
skipped_duplicates: 13
domain_mix: microstructure/execution 5개, risk-sizing 5개, macro/capital-markets 1개, crypto-structure 3개, AI-history 1개. 이번 run은 execution과 hidden liquidity cost 비중을 의도적으로 높였다.
top_theme: 겉으로 보이는 price signal보다, liquidity를 소비하는 구조와 market design이 실제 손익분포를 결정한다.
sharpest_insight: trend, hedge, BTC correlation, prediction market settlement 모두 “signal 자체”보다 그 signal이 체결되는 microstructure와 flow channel에 의해 성패가 갈린다.
danger_of_misuse: 오늘 자료를 보고 단기 trend나 BTC ETF narrative를 바로 매수 근거로 쓰면 안 된다. 핵심은 더 적극적으로 베팅하라는 말이 아니라, 실행 비용과 correlation 가정이 깨지는 조건을 먼저 확인하라는 것이다.
next_probe: Henry 포트폴리오에서 각 티커의 hidden liquidity cost와 overnight tail risk를 분리 측정하는 간단한 score를 설계할 수 있는가?
[03:00 KST] Volatility in Prediction Markets: A Structural Approach
Why it matters: prediction market 가격은 일반 asset처럼 positive-value cash flow가 아니라 bounded probability price다. volatility model을 그대로 가져오면 zero/one 경계와 event-resolution jump를 잘못 해석할 수 있다. Henry가 Polymarket류 확률 시장을 sentiment proxy로 볼 때, volatility는 단순 불확실성이 아니라 market design의 산물이다.
Raw excerpt / abstract: “Forward-looking volatility forecasts are central inputs to derivatives pricing, market making, risk management, and volatility-linked trading strategies… Such models are natural in standard asset markets, where prices are positive-value…”
Cold read: 확률 시장의 변동성은 정보 도착뿐 아니라 settlement boundary, event clock, liquidity depth가 함께 만든다.
Trading insight: prediction market odds를 macro signal로 쓸 때 raw price보다 implied uncertainty regime을 따로 봐야 한다. 좁은 호가와 높은 변동성이 같이 있으면 정보가 아니라 event-clock compression일 수 있다.
Change sensor: odds near boundary, event deadline proximity, liquidity depth around major outcomes.
Follow-up question: Henry가 macro event 확률을 볼 때 prediction market volatility를 confidence로 오해하지 않게 만들 필터는 무엇인가?
[03:01 KST] Square-Root Price Impact Is Necessary for Endogenous Manipulation Cycles in Learning-Agent Markets
Why it matters: 학습형 agent가 retail herding을 상대로 반복 cycle을 만든다는 설정은 meme stock, low-float, crypto microcap 구조와 닮아 있다. 가격 impact가 square-root일 때 조작 cycle이 endogenous하게 유지된다는 점은 대형 주문 비용뿐 아니라 crowd behavior의 feedback loop를 설명한다.
Raw excerpt / abstract: “A single evolutionary-optimized institutional agent interacts with 20,000 herding retail traders. The agent spontaneously discovers a multi-cycle predatory strategy, producing 8—11 complete cycles over 2000 trading days…”
Cold read: 시장은 crowd가 예측 가능할수록 agent에게 exploit 가능한 환경이 된다. FOMO는 감정 문제가 아니라 구조적 먹잇감이다.
Trading insight: 급등 후 retrace를 단순 profit-taking으로 보지 말고, impact curve와 crowd entry가 만든 predatory cycle인지 의심해야 한다.
Why it matters: liquidity supplier가 informed trader 수를 정확히 모르면 spread와 depth는 평균적 risk가 아니라 participation uncertainty를 반영한다. Henry가 얇은 종목이나 event day에 limit order를 쓸 때, 내가 보는 spread는 단순 비용이 아니라 상대방의 adverse-selection 공포다.
Raw excerpt / abstract: “We study a one period limit order market with informed traders, noise traders, and competitive liquidity suppliers, in which the number of informed traders is random. Liquidity suppliers know the distribution… but not its realization…”
Cold read: 유동성 공급자는 가격 방향보다 informed participation의 불확실성을 먼저 방어한다. 그래서 news day에는 depth가 숫자보다 빠르게 사라진다.
Trading insight: event-driven entry에서는 limit order가 항상 안전하지 않다. fill 자체가 adverse selection 신호일 수 있기 때문에 fill quality와 post-fill drift를 체크해야 한다.
Why it matters: market impact는 실제 체결 경로와 내가 거래하지 않았을 counterfactual 경로의 차이다. 이 논문은 point process conditional simulation으로 unobservable counterfactual을 추정하려 한다. Henry에게 중요한 점은 실행 비용이 체감 slippage보다 넓은 개념이라는 것이다.
Raw excerpt / abstract: “Market impact is defined as the difference between the observed price trajectory under a given execution strategy and the counterfactual trajectory that would have prevailed without it. Since this counterfactual is unobservable…”
Cold read: 내가 산 뒤 가격이 올랐다고 실행이 좋았다는 뜻은 아니다. 내가 사지 않았다면 더 낮은 가격에 있었을 수 있다.
Trading insight: 체결 평가를 entry price와 close price만으로 하면 안 된다. same-window benchmark, VWAP, arrival price, post-trade drift를 함께 기록해야 한다.
Why it matters: 832,941개 token launch에서 graduation rate가 0.198%라는 숫자는 microcap crypto에서 base rate가 얼마나 잔혹한지 보여준다. social presence effect가 있어도 base rate가 낮으면 narrative만으로 진입하는 것은 lottery 구조다.
Raw excerpt / abstract: “We present a Kaplan-Meier and Cox proportional-hazards survival analysis of 832,941 Solana pump.fun token launches… The pooled graduation rate is 0.198%… a 3.18x decline…”
Cold read: 극소수 생존 사례가 feed를 지배하지만, 생존하지 못한 대다수는 기억에서 사라진다. survivorship bias가 FOMO를 만든다.
Trading insight: microcap crypto는 entry skill보다 non-entry filter가 핵심이다. base rate가 낮은 시장에서는 missed winner보다 avoided zero가 더 중요하다.
Change sensor: graduation base rate, first-hour buyer quality, social presence versus liquidity lock.
Follow-up question: Henry가 high-volatility opportunity를 볼 때 base rate를 먼저 확인하는 습관을 어떻게 checklist화할 수 있는가?
[03:05 KST] Look-Ahead-Freedom as Temporal Non-Interference
Why it matters: backtest의 look-ahead bias는 단순 coding bug가 아니라 시간 정보가 decision epoch를 침범하는 문제다. Henry가 AI agent나 screening pipeline을 만들수록, 미래 데이터를 본 신호는 confidence를 가짜로 키운다.
Raw excerpt / abstract: “Look-ahead bias… is the dominant way a backtest or a machine-learning evaluation flatters a system that will disappoint in deployment. The field manages it with construct-specific recipes and empirical detectors…”
Cold read: 전략이 좋아 보일 때 가장 먼저 의심할 것은 alpha가 아니라 시간 오염이다.
Trading insight: 모든 screening, Markov, Kelly 계산에 timestamp contract가 필요하다. 데이터가 언제 알려졌는지와 언제 거래 가능했는지를 분리해야 한다.
Why it matters: 평소 correlation이 낮아 보여도 tail에서 숨은 dependence가 드러나면 aggregate loss가 커진다. Henry 포트폴리오처럼 risk-on, innovation, leverage 노출이 겹칠 때 평상시 covariance는 하방을 과소평가한다.
Raw excerpt / abstract: “We study risk aggregation problems for arbitrary non-decreasing aggregation functions and tail risk measures under dependence uncertainty… introduce the notion of hidden dependence… risk concentration…”
Cold read: diversification은 평상시 분산이 아니라 tail에서 같이 죽지 않는 능력이다. 숨은 dependence는 crisis 전까지 조용하다.
Trading insight: SOXL, RGTI, MSTU, BTC-linked exposure는 티커가 달라도 liquidity shock에서 같은 factor로 묶일 수 있다. portfolio heat는 normal correlation이 아니라 tail co-movement로 제한해야 한다.
Change sensor: tail beta, downside correlation, cross-asset gap co-occurrence.
Follow-up question: Henry 포트폴리오의 worst 5% days만 보면 실제 diversification은 얼마나 남는가?
[03:07 KST] Unpacking Repo Haircuts and Their Implications for Leverage
Why it matters: repo haircut은 hidden leverage의 핵심 제약이다. BIS는 0.5% haircut이 200x leverage를 가능하게 하고, zero-haircut borrowing이 hedge fund repo activity에서 흔하다고 말한다. 이는 risk asset selloff가 주식 뉴스가 아니라 funding term 변화에서 시작될 수 있음을 뜻한다.
Raw excerpt / abstract: “A low haircut of 0.5% enables a borrower to hold assets worth 200 times their equity… Zero-haircut borrowing is common in hedge fund repo activity, with the largest hedge funds benefiting from the lowest haircuts, enabling very high levels of leverage.”
Cold read: system leverage는 headline debt가 아니라 collateral terms에 숨어 있다. haircut이 작을수록 평상시 liquidity는 풍부해 보이고, unwind 때는 얇아진다.
Trading insight: Treasury basis, ETF arbitrage, crypto basis 모두 repo/funding term에 민감하다. Henry의 레버리지 포지션은 funding stress indicator가 악화되면 price trigger 전에 축소 기준을 가져야 한다.
Why it matters: stablecoin은 crypto 내부 유동성 지표가 아니라 단기 Treasury 수요자다. BIS는 3.5B dollar stablecoin inflow가 3-month T-bill yield를 impact에서 0.71 bps, 10일 내 최대 4 bps 낮추며 Treasury stress 때 8-10 bps로 커질 수 있다고 제시한다.
Raw excerpt / abstract: “A $3.5 billion inflow lowers 3-month Treasury bill yields by 0.71 basis points on impact, and up to 4 basis points within 10 days… the impact deepens to between 8 and 10 basis points under Treasury-market intermediary stress.”
Cold read: crypto liquidity와 Treasury plumbing은 분리된 세계가 아니다. stablecoin reserve flow는 safe asset market으로 들어가고, redemption stress는 반대로 Treasury market stress를 키울 수 있다.
Trading insight: BTC/MSTR/MSTU 구조를 볼 때 stablecoin supply는 단순 risk-on liquidity가 아니라 T-bill demand와 funding stress channel이다. stablecoin outflow와 TGA rebuild가 겹치면 위험자산 liquidity에 이중 압박이 생길 수 있다.
Why it matters: CoinMetrics는 order book depth를 venue별 snapshot에서 aggregate해 institutional liquidity를 측정하는 방식을 보여준다. crypto에서는 거래소별 liquidity fragmentation이 크기 때문에 단일 venue spread만 보면 실제 체결 가능 규모를 과대평가한다.
Raw excerpt / abstract: “A liquid order book… is a necessary component of a mature financial asset. The ability to quickly enter and exit large positions with a small degree of price impact, or slippage, is a desirable feature for institutional market participants.”
Cold read: liquidity는 한 화면의 bid/ask가 아니라 venue를 합친 usable depth다. fragmentation이 클수록 headline volume과 실제 exit capacity가 달라진다.
Trading insight: BTC-related exposure를 줄이거나 늘릴 때 spot price보다 aggregate depth, depth distribution by venue, slippage curve를 봐야 한다. MSTU 같은 proxy trade도 underlying BTC liquidity와 연결해서 생각해야 한다.
Change sensor: BTC 1% and 2% depth, venue concentration, aggregated bid/ask imbalance, slippage for target size.
Follow-up question: Henry의 주문 규모에 맞는 BTC liquidity threshold를 dollar depth 기준으로 정의할 수 있는가?
[03:10 KST] Data Center Investment in 2026: AI Demand, Power Constraints, and Private Equity Trends
Why it matters: AI data center boom의 bottleneck이 capital에서 power로 이동하고 있다. Ropes & Gray는 interconnection이 최대 4년 걸리고, ABS take-out need가 300B dollar에 접근할 수 있으며, hyperscaler lease term도 더 financeable하게 바뀌고 있다고 정리한다.
Raw excerpt / abstract: “Power availability—not capital—is the primary constraint on data center development… Electrical grid interconnections are often taking up to four years… the ABS market currently ~25billionfacesprojectedtake−outneedsapproaching300 billion.”
Cold read: AI trade는 compute demand story에서 power, tenant credit, structured finance story로 넘어가고 있다. bottleneck이 바뀌면 winner도 바뀐다.
Trading insight: AI 인프라 관련 주식은 GPU 수요만 보면 위험하다. power access, lease enforceability, tenant credit, refinancing capacity가 valuation을 결정하는 phase로 이동 중이다.
Follow-up question: AI capex cycle에서 가장 먼저 깨질 weak link는 GPU collateral value, tenant credit, 또는 power delivery schedule 중 무엇인가?
Run Summary [03:11 KST]
collected_count: 11
skipped_duplicates: 12
domain_mix: microstructure/execution 5개, risk-sizing/cognition 3개, macro-liquidity/capital-markets 4개, crypto-structure 3개, AI-history/world-sensing 1개. 이번 run은 execution counterfactual, hidden leverage, stablecoin-Treasury 연결을 중심으로 보강했다.
top_theme: 보이는 가격보다 보이지 않는 제약이 중요하다. counterfactual market impact, informed participation uncertainty, repo haircut, stablecoin reserve flow, data center power access가 모두 겉보기 liquidity와 실제 생존 가능성의 차이를 만든다.
sharpest_insight: crypto와 Treasury, AI와 private credit, retail herding과 learning agent는 분리된 이야기가 아니다. 모두 funding, collateral, execution capacity라는 같은 배관을 통해 연결된다.
danger_of_misuse: 오늘 자료를 보고 특정 자산을 바로 bullish 또는 bearish로 해석하면 위험하다. 핵심은 매매 방향이 아니라 position size, execution route, funding stress trigger를 더 엄격히 만들라는 것이다.
next_probe: Henry 포트폴리오에 대해 normal correlation이 아니라 tail dependence, repo/funding stress, aggregate crypto depth를 합친 “survivability score”를 만들 수 있는가?
[04:04 KST] SHARC: SHAP-Based Interpretability in Machine Learning Risk Models for Regulatory Capital under ICAAP and CCAR
Why it matters: 규제 자본 모델의 SHAP 해석 가능성 문제는 개인 트레이더에게도 그대로 적용됩니다. 모델이 맞았는지보다 왜 포지션 크기가 커졌는지 설명할 수 없으면, 손실 구간에서 사이징 통제가 붕괴됩니다.
Raw excerpt / abstract: The adoption of non-parametric machine learning models for regulatory capital estimation introduces a fundamental governance challenge: the inability to explain model outputs in a manner auditable by supervisory bodies. This ‘black box’ problem remains a major barrier to the adoption of Gaussian Process Regression (GPR) and related ML architectures in ICAAP and CCAR workflows despite their predictive advantages over traditional parametric approaches. This paper addresses this barrier through SHARC (SHAP for Regulatory Capital), an explainability framework for the Hybrid GPR-HS architecture and its stress-testing extension. SHapley Additive exPlanations (SHAP), derived from cooperative game theory and satisfying the properties of Local Accuracy, Missingness, Consistency, and Efficiency, are applied to Stressed Value-at-Risk (SVaR) outputs under three macro scenarios: West Asia War, Climate Risk, and AI Bubble/Regulatory Burden. SHARC decomposes SVaR into baseline, mean-driven, and volatility-driven components, enabling transparent linkage between scenario design and capital outcomes. Two findings emerge. First, SHARC consistently links non-linear SVaR outputs to underlying scenario inputs, confirming framework fidelity and providing auditable traceability of capital drivers. Second, under stress conditions, the mean return component (directional loss magnitude) dominates the variance component (volatility baseline) in determining capital levels, with implications for capital limit-setting, position management, and hedging strategy. The results establish SHARC as a regulator-aligned explainability layer that makes the Hybrid GPR-HS framework fully auditable and consistent with FRTB, ICAAP Pillar 2, and CCAR transparency requirements.
Cold read: 금융기관은 black box 성능보다 감독 가능한 설명력을 요구받고 있습니다. Henry의 자동화 신호도 승률보다 감사 가능한 리스크 이유가 먼저입니다.
Trading insight: ATLAS나 개인 스크리너가 강한 신호를 낼 때, feature contribution과 반대 시나리오를 같이 기록해야 합니다. 설명 불가능한 high confidence는 포지션 축소 신호입니다.
Change sensor: SHAP 기반 리스크 설명, model risk governance 변화, AI agent 금융 규제 문구
Follow-up question: 어떤 신호는 수익성이 있어도 설명 불가능하면 포지션 상한을 낮춰야 하는가?
[04:04 KST] Adapted Law Invariance and Time-Consistent Dynamic Risk Measures
Why it matters: dynamic risk measure는 단순 분포가 아니라 정보가 드러나는 순서까지 포함합니다. 3x ETF나 crypto 포지션은 같은 최종 손익이라도 intraday path가 강제 청산과 심리 붕괴를 만들 수 있습니다.
Raw excerpt / abstract: In static risk measurement, law invariance expresses the principle that the risk of a position should depend only on its distribution, and not on the particular probability space on which it is represented. In a dynamic setting, the same principle leads naturally to adapted law invariance: the risk assessment should depend only on the probabilistic structure of the financial position together with the way information about it is revealed over time. We show that, for time-consistent risk measures, adapted law invariance is equivalent to a recursive one-step conditional-law representation. More precisely, assuming Fatou regularity, the one-step risk evaluations are exactly conditional lifts of static law-invariant risk measures, and the full dynamic risk measure is obtained by backward composition of these one-step maps. Convexity and coherence of the dynamic risk measure are characterized by the corresponding properties of the static one-step risk measures. This identifies adapted law invariance as the dynamic counterpart of ordinary law invariance. It also clarifies the strength of terminal-law invariance, as it appears in the rigidity theorem of Kupper and Schachermayer: it does not distinguish risks with the same distribution but different times of resolution. We further obtain an adapted Kusuoka representation in the coherent case and establish an extension of the Kupper—Schachermayer theorem.
Cold read: 리스크는 최종 수익률의 함수만이 아니라 정보 흐름과 시간 구조의 함수입니다. Henry의 리스크 관리도 종가 기준 손익만 보면 부족합니다.
Trading insight: 손절선은 가격 레벨뿐 아니라 어떤 속도와 어떤 세션에서 도달했는지를 반영해야 합니다. overnight gap과 intraday bleed를 같은 손실로 취급하면 안 됩니다.
Change sensor: overnight vs intraday tail, 정보 공개 이벤트, path-dependent drawdown
Follow-up question: 내 포지션 규칙은 path risk를 얼마나 반영하고 있는가?
[04:04 KST] Portfolio Optimization and Tail-Risk Analytics of Actively Managed ETFs
Why it matters: actively managed ETFs의 tail-risk analytics는 ETF 이름이 방어적이어도 실제 tail 구조가 다를 수 있음을 상기시킵니다. Henry가 레버리지 ETF나 테마 ETF를 볼 때 기초 포지션과 유동성 tail을 분리해 봐야 합니다.
Raw excerpt / abstract: This paper examines portfolio optimization and tail-risk analytics for a heterogeneous universe of actively managed investment funds. Using daily Bloomberg data for 30 funds from 4 December 2020 to 24 December 2025, the study evaluates buy-and-hold, mean—variance, CVaR-based, and tangency-type strategies under long-only and long—short constraints. The sample consists predominantly of actively managed ETFs, with PTTRX retained as an actively managed fixed-income mutual-fund comparator. The results show substantial heterogeneity across thematic equity, fixed-income, income-oriented, multi-asset, and alternative strategies, creating both diversification opportunities and meaningful differences in volatility, drawdown behavior, downside exposure, and tail risk. Historical results indicate that tangency-type portfolios are generally the strongest competitors to the buy-and-hold benchmark in cumulative and risk-adjusted terms, while minimum-variance and CVaR-minimizing portfolios sacrifice upside participation for stronger downside control. Dynamic allocation does not improve all strategies uniformly: the long-only dynamic CVaR-95 portfolio is consistently attractive across several risk-adjusted criteria, whereas long—short dynamic tangency-CVaR portfolios perform strongly but are more sensitive to turnover and implementation costs. Tail-risk diagnostics based on empirical VaR, Expected Shortfall, maximum drawdown, left-tail Hill estimators, and POT—GPD methods show that downside tail exposure remains meaningful after portfolio aggregation. Overall, actively managed ETFs are best evaluated as components of a joint investment opportunity set in which dependence structure, portfolio design, dynamic allocation, implementation frictions, and tail-risk exposure jointly shape performance.
Cold read: ETF는 wrapper일 뿐 risk engine이 아닙니다. long-only, long-short, CVaR 최적화의 차이는 위기 구간에서 드러납니다.
Trading insight: 테마 ETF 진입 전 최대낙폭보다 CVaR, 구성종목 집중, 유동성 depth를 체크해야 합니다. 수익률 그래프만 보면 tail convexity를 놓칩니다.
Why it matters: path-dependent signal과 optimal execution을 같은 signature basis에 올리는 접근은 alpha와 execution을 분리하면 비용을 과소평가한다는 뜻입니다. 신호가 맞아도 체결 경로가 틀리면 edge가 사라집니다.
Raw excerpt / abstract: We develop a signature-based framework for optimal execution in statistical arbitrage strategies with path-dependent predictive signals. Both the alpha process and the trading speed are modelled as linear functionals of the truncated signature of a time-augmented market path, placing signal generation and execution on the same truncated signature basis. This allows the trading rule to react to the realised history of the signal while accounting for temporary impact, inventory exposure, terminal liquidation, and approximate dollar neutrality The main contribution is a quadratic reduction theorem: within the class of signature-linear trading speeds, the restricted path-dependent execution problem becomes a finite-dimensional concave quadratic programme in the policy coefficients. After running synthetic experiments under a mean-reverting log-spread model, we find that the fitted policy achieves a higher return on turnover than a z-score classical threshold benchmark. We shows how the same workflow can be deployed on a historical equity pairs-trading backtest, where the fitted signature policy again outperforms the benchmark in accounting terms.
Cold read: 실행은 alpha 뒤의 부속품이 아니라 alpha와 같은 상태공간에 있어야 합니다. path가 바뀌면 최적 주문 속도도 바뀝니다.
Trading insight: 분할매수 규칙은 고정 시간표가 아니라 realized volatility, liquidity, signal decay에 반응해야 합니다. 특히 SOXL 같은 고베타 상품은 entry path가 R-ratio를 크게 바꿉니다.
Change sensor: signal decay, realized spread, partial fill slippage
Follow-up question: 내 분할매수 루트는 신호의 half-life를 반영하는가?
[04:04 KST] KineticSim: A Lightweight, High-Performance Execution Engine for Real-Time Market Simulators
Why it matters: 대규모 agent-based market simulator가 빨라지면 규제기관과 hedge fund 모두 execution 전략을 더 촘촘히 stress test할 수 있습니다. 개인 트레이더의 단순 백테스트와 기관의 microstructure 시뮬레이션 격차가 커집니다.
Raw excerpt / abstract: Simulating financial markets at scale with multi-agent (Agent-Based) models is critical for market design, regulatory stress-testing, and reinforcement learning, but traditional CPU simulators are bottlenecked by sequential processing while vectorized GPU frameworks suffer from kernel-launch overhead and redundant global-memory round-trips. We formalize, analyze, and evaluate a reusable parallel design pattern: persistent, state-carrying clearing for iterative multi-agent reductions. By caching mutable simulation state in thread-block shared memory across step boundaries, aggregating agent actions via shared-memory atomics, and resolving the clearing function cooperatively, the pattern reduces the per-step critical-path depth from Theta(L+A) for sequential clearing (L price-grid ticks, A agents) to Theta(log L + ceil(A/L)) and makes global-memory traffic independent of the step count. We implement this in KineticSim, a lightweight GPU execution engine that simulates massive ensembles of limit-order books in parallel, reaching a peak throughput of over 54.7 billion agent-events per second. On a fixed workload it delivers speedups of 3406x over CPU (NumPy), 27.8x over PyTorch GPU, 42.8x over JAX GPU, and 8.4x over a naive custom CUDA baseline, while using roughly an order of magnitude less GPU memory than PyTorch. Across 53 configurations the two custom CUDA engines produce bitwise-identical order books, and aggregate statistics match the CPU reference to within 0.1%. The pattern generalizes to other iterative multi-agent workloads requiring state-persistent, block-localized reductions.
Cold read: 시장 설계와 execution 연구는 GPU와 parallel simulation로 더 현실적이 됩니다. edge는 signal discovery보다 simulator quality에서 갈릴 수 있습니다.
Trading insight: Henry의 백테스트도 close-to-close 수익률을 넘어서 체결, slippage, queue position 가정을 기록해야 합니다. 간단한 전략일수록 실행 가정 민감도를 따로 봐야 합니다.
Why it matters: trade-sign long-memory와 square-root impact는 큰 주문이 시장에 남기는 발자국을 설명합니다. Henry가 추세 돌파를 매수할 때 그 움직임이 정보인지 meta-order impact인지 구분해야 합니다.
Raw excerpt / abstract: Starting with a coupled discrete reaction—diffusion formulation for the lit and latent order books with non-uniformly sampled event times and meta-order source terms we show how two familiar market-microstructure regularities can emerge from this framework: the long-memory of trade signs associated with the Lillo—Mike—Farmer (LMF) theory and the square-root law (SQRL) of meta-order impact. This uses the locally linear order book and constant participation-rate execution in the front dynamics to reduce the dynamics to a Volterra equation whose leading-order solution then yields the well know result of concave impact trajectory, and a completion impact proportional to the square root of the meta-order size. We then use the interface representation to show how heavy-tailed Pareto meta-order lengths generate power-law trade-sign autocorrelations through the source term. These are familiar derivations, what is slightly different here is that we reinterpret these known derivations to make it clear that LMF law is an event-time sign-memory statement, whereas the square-root law is a physical-time viability statement where subordination can alter the calendar-time impact trajectories depending on the mappings and interpolation used to set continuum operational time.
Cold read: 유동성은 화면에 보이는 depth보다 latent order book 반응으로 결정됩니다. 반복되는 buy pressure는 추세처럼 보이지만 impact unwind를 동반할 수 있습니다.
Trading insight: 돌파 매수 전 volume participation과 이후 liquidity replenishment를 봐야 합니다. 고점 추격은 정보 추세와 impact transient를 혼동할 때 발생합니다.
Why it matters: Hyperliquid의 공개 TWAP은 crypto order book에서 의도 공개가 adverse selection을 줄일 수 있는지 테스트하는 자연 실험입니다. 전통 시장의 stealth execution 관념과 충돌하는 중요한 사례입니다.
Raw excerpt / abstract: Sunshine trading theory predicts that publicly disclosing trading intentions can reduce adverse selection and attract liquidity provision, lowering execution costs. Evidence is scarce, because explicit preannouncement of large orders is rare in traditional markets. We study Hyperliquid, a fully on-chain limit order book for cryptocurrency perpetual futures, where protocol-native TWAP orders disclose their terms from inception and remain visible while active, a natural form of sunshine trading. Using address-level data, we reconstruct 4.3 million hidden metaorders and compare them with 465,000 visible TWAP executions. The two execution styles differ sharply: hidden metaorders follow front-loaded, U-shaped schedules consistent with transient-impact optimal execution, whereas TWAPs trade nearly uniformly. We test the preannouncement predictions of Admati and Pfleiderer (1991). Visible TWAPs face lower execution costs than comparable hidden metaorders and leave a smaller permanent price impact. Hidden metaorders executed alongside already-visible same-direction TWAP flow incur higher permanent costs: adverse-selection costs shift toward non-announcers. Finally, visible TWAP programs elicit liquidity provision: while active, displayed depth rises and the book tilts toward the absorbing side, the more so the larger the announced order.
Cold read: 투명성이 항상 불리한 것은 아닙니다. 공개된 large order가 liquidity providers를 유인하면 execution cost가 낮아질 수 있습니다.
Trading insight: crypto perp 거래에서 숨기는 것과 드러내는 것의 비용을 분리해야 합니다. 작은 계좌도 stop과 limit order 노출이 누구에게 정보가 되는지 생각해야 합니다.
Change sensor: visible TWAP cost, LP response, Hyperliquid depth 변화
Follow-up question: 어떤 상황에서 공개된 주문 의도가 오히려 유동성을 부르는가?
[04:04 KST] Time-dependent weighted directed networks of cryptocurrency interaction from high-frequency returns
Why it matters: 고빈도 crypto return network는 자산 간 영향이 시간에 따라 바뀐다는 점을 보여줍니다. 알트코인 분산이 실제로는 BTC 또는 특정 sector factor에 묶일 수 있습니다.
Raw excerpt / abstract: We investigate the evolving structure of interactions in cryptocurrency markets using a network-based framework constructed from high-frequency price data spanning 2020-2025. Directed and weighted networks are constructed from statistically significant Granger causal relationships between cryptocurrency log-returns, enabling us to quantify the flow of influence across assets. We find that normalized returns exhibit heavy-tailed distributions, consistent with the presence of large intermittent fluctuations and in line with stylized facts of financial markets. The resulting networks display pronounced heterogeneity in link weights and nodal strengths, indicating that a small subset of cryptocurrencies contributes disproportionately to market dynamics. By ranking cryptocurrencies based on their nodal out-strength, we uncover a dynamically evolving hierarchy of influence. Ethereum consistently emerges as the most influential asset, while Bitcoin shows a gradual decline in its relative importance. The ranking structure exhibits substantial temporal variability, with multiple cryptocurrencies entering and exiting the top positions over time. Our findings reveal a highly competitive and non-stable organization of the cryptocurrency ecosystem.
Cold read: crypto correlation은 정적 행렬이 아니라 방향성 있는 influence network입니다. regime 전환 때 leader와 follower가 바뀝니다.
Trading insight: crypto 포지션을 여러 종목으로 나누어도 같은 causal cluster라면 portfolio heat가 줄지 않습니다. network centrality가 높은 자산의 급락은 전체 book 리스크입니다.
Why it matters: Fed가 hedge fund leverage를 record-high로 묘사한 점은 평온한 시장에서도 forced deleveraging 꼬리가 커졌다는 뜻입니다. Henry의 3x ETF 포지션은 자기 레버리지와 시스템 레버리지가 겹칠 때 손실 속도가 비선형으로 변합니다.
Raw excerpt / abstract: Leverage for hedge funds remained stable at record-high levels over the period for which comprehensive data have been collected, as a decrease in the cash-futures basis trade was largely offset by other relative value trades, such as swap spread trades. Leverage at broker-dealers stayed near historically low levels. Dealers’ ability and willingness to intermediate remained robust.
Cold read: dealer capacity는 양호하지만 hedge fund leverage가 높습니다. 이는 정상장에서는 유동성이 충분해 보이다가 relative value unwind에서 depth가 갑자기 사라질 수 있는 구조입니다.
Trading insight: 시장이 조용할수록 portfolio heat를 늘리는 것이 아니라 systemic leverage 지표를 확인해야 합니다. basis, swap spread, funding stress가 흔들리면 레버리지 ETF 추가매수는 금지에 가깝습니다.
Why it matters: SIFMA는 Treasury clearing, capital framework, digital assets, extended trading hours를 market structure와 liquidity의 핵심 변수로 봅니다. Henry에게 이는 price view보다 market plumbing 변화가 execution cost와 gap risk를 바꿀 수 있다는 경고입니다.
Raw excerpt / abstract: Policy and regulatory decisions will shape market structure and liquidity, particularly as Treasury clearing, capital frameworks, and emerging technologies evolve. Innovation continues to reshape markets, including developments in digital assets, private markets, and trading models. Operational resilience remains a priority.
Cold read: 자본시장은 더 길어진 거래시간, 더 많은 자동화, 더 강한 clearing 요구로 이동합니다. 유동성은 늘어나는 듯 보이지만 특정 시간대와 venue에 더 잘게 쪼개질 수 있습니다.
Trading insight: pre-market과 overnight liquidity를 regular session과 같은 것으로 취급하지 말아야 합니다. 주문 전 session별 spread와 depth를 별도 체크해야 합니다.
Why it matters: AI infrastructure theme은 GPU shortage에서 power, permitting, community approval, emissions, architecture로 병목이 이동하고 있습니다. Henry가 AI 관련 고베타 종목을 볼 때 매출 성장 narrative만 보면 capex delay와 financing risk를 놓칩니다.
Raw excerpt / abstract: Power availability remains the dominant issue. Other challenges are increasingly affecting the buildout of large-scale projects, hampering the speed of execution. Competitive advantage hinges on securing power, navigating permitting, earning community support, managing emissions, and deploying next-generation architectures.
Cold read: AI buildout의 constraint는 chip만이 아닙니다. 전력과 허가가 일정 리스크를 만들고, 일정 리스크는 capex 회수 기간과 equity narrative를 흔듭니다.
Trading insight: AI infra 관련 포지션은 data center announcement보다 interconnection, power purchase, permitting milestone을 봐야 합니다. 실행 지연은 valuation multiple compression으로 연결될 수 있습니다.
Change sensor: grid interconnection queue, power PPA terms, data center permitting pushback
Follow-up question: AI capex cycle에서 누가 power bottleneck을 pricing power로 전환하는가?
Why it matters: 이 글은 alpha보다 execution이 먼저 무너질 수 있음을 명확히 말합니다. Henry가 좋은 종목을 맞혀도 주문 크기, 속도, 유동성 가정이 틀리면 수익이 비용으로 증발합니다.
Raw excerpt / abstract: Alpha is harder to find than ever. Markets are more efficient, signals decay faster, and competition for every basis point has never been more intense. In that environment, how you trade matters as much as what you trade. Price impact is concave in trade size, impact does not decay at a single rate, and liquidity matters directly.
Cold read: execution model이 단순하면 alpha를 과대평가합니다. 특히 signal decay와 multi-timescale impact를 동시에 보지 않으면 매수 직후 불리한 가격에 갇힙니다.
Trading insight: 주문 전 expected alpha, spread, slippage, market impact, stop distance를 같은 R 단위로 비교해야 합니다. FOMO 시장가 주문은 alpha를 가장 비싼 방식으로 소비하는 행동입니다.
Change sensor: average spread, realized slippage log, alpha decay after signal
Follow-up question: Henry의 최근 거래에서 손실의 몇 퍼센트가 방향성 오류가 아니라 execution 오류였는가?
Why it matters: Solana meme-token flow를 단순한 retail momentum으로 보면 안 된다는 경고다. 초기 매수 흐름이 edge가 아니라 coordinated cohort의 footprint일 수 있으면, “초반 거래량 증가”는 진입 신호가 아니라 adverse selection 신호가 된다.
Raw excerpt / abstract: “We study coordinated buyer behavior on the Solana pump.fun bonding-curve marketplace using 1,578,333 buyer observations from 166,098 token launches between June 12 and June 26, 2026… identifies 1,012 persistent wallet cohorts… that systematically co-fire as early buyers.”
Cold read: 초단기 crypto venue에서는 liquidity가 crowd가 아니라 cartel-like routing과 bot cohort에 의해 형성될 수 있다.
Trading insight: early buyer flow를 추종하는 전략은 cohort detection 없이 쓰면 liquidity 제공자가 아니라 exit liquidity가 될 위험이 크다.
Why it matters: Kyle lambda를 일별 equity order flow에서 직접 추정해 이후 수익률과 연결한다. Henry에게 중요한 점은 “liquidity premium”이 단일 spread가 아니라 horizon별로 다른 리스크 보상이라는 점이다.
Raw excerpt / abstract: “We estimate Kyle’s (1985) price-impact coefficient lambda directly from daily equity order flow and test its ability to forecast the cross-section of subsequent stock returns… Signed order flow strongly predicts contemporaneous and one-month-ahead returns.”
Cold read: liquidity cost가 높은 종목은 단기적으로 price discovery와 forced flow의 영향을 더 크게 받는다.
Trading insight: leveraged ETF나 small-cap theme를 볼 때 volume만 보지 말고 price-impact coefficient에 해당하는 대체 지표를 만들어야 한다.
Change sensor: Amihud ratio, signed volume imbalance, one-month reversal versus continuation.
Follow-up question: Henry 보유 watchlist에서 liquidity premium이 수익 기회인지 손절 난이도인지 어떻게 분리할까?
[05:01 KST] End-to-End Parametric Portfolio Policies for Cross-Asset Futures Timing
Why it matters: AI 모델이 단순 룰을 언제 이기는지 묻는 paper다. 핵심은 예측 모델의 화려함보다 position policy가 risk budget과 직접 연결되는지가 중요하다는 점이다.
Raw excerpt / abstract: “Timing-based tilts across asset classes can drive much of the risk and return of a diversified cross-asset portfolio… We instead study an end-to-end AI-based policy that maps market states directly to portfolio weights.”
Cold read: signal forecast와 portfolio weight를 분리하면 손실 구간에서 sizing이 뒤늦게 반응할 수 있다.
Trading insight: Henry의 대형 베팅은 “확률 전망”보다 “상태가 바뀌면 size가 자동 축소되는 policy”가 먼저 있어야 한다.
Change sensor: model turnover, realized drawdown contribution, rule-based baseline 대비 excess Sharpe.
Follow-up question: Henry의 current portfolio에 end-to-end sizing rule을 만들면 가장 먼저 줄어드는 exposure는 무엇일까?
[05:01 KST] The Bounce Has No Direction: Sign, Magnitude, and Equity Return Predictability
Why it matters: SPY lag-1 autocorrelation이 방향성 reversal인지 단순 magnitude shrinkage인지 분해한다. Henry가 “어제 급락했으니 오늘 반등” 같은 직관을 사용할 때, 신호의 방향성과 변동성 축소를 혼동할 위험이 있다.
Raw excerpt / abstract: “SPY’s lag-1 return autocorrelation… is among the most significant regularities in empirical equity finance, yet the standard variance-ratio test cannot determine whether it reflects directional reversal or magnitude shrinkage.”
Cold read: bounce라는 단어는 direction edge가 아니라 volatility normalization을 의미할 때가 많다.
Trading insight: 반등 매수는 방향 signal, volatility signal, execution timing을 분리해 검증해야 한다.
Change sensor: next-day sign hit rate, realized range compression, close-to-open versus intraday split.
Follow-up question: 3x ETF에서 “bounce”를 trade할 때 direction edge 없이 volatility decay만 먹는 구조는 없는가?
[05:01 KST] The Inference-Compute Frontier for Limit Order Book Prediction
Why it matters: LOB prediction에서도 inference compute frontier가 나타나는지 본다. 시장 microstructure edge가 점점 low-latency AI inference와 compute budget의 함수가 된다면 개인 트레이더는 같은 경기장에서 싸우면 안 된다.
Raw excerpt / abstract: “We study whether a scaling-law-style inference-compute frontier appears in limit order book prediction… predictive loss versus structural forward work is well summarized by a power law.”
Cold read: execution edge는 정보보다 latency-adjusted model quality와 compute efficiency로 이동하고 있다.
Trading insight: Henry는 HFT 예측 경쟁이 아니라 liquidity pocket, timeframe separation, risk sizing에서 edge를 찾아야 한다.
Why it matters: fat-tailed returns에서는 backbone보다 output distribution head가 더 중요하다는 주장이다. Henry에게는 “정교한 모델”보다 tail을 어떻게 출력하고 size에 반영하는지가 더 중요하다는 실전 교훈이다.
Raw excerpt / abstract: “In a deep forecasting pipeline for fat-tailed financial returns at short horizons, which matters more - the backbone architecture or the output head?… switching from point… to density… heads forms a strict gradient.”
Cold read: tail을 point forecast로 눌러버리면 leverage sizing이 구조적으로 과대해진다.
Trading insight: Kelly, stop, portfolio heat는 평균 예측이 아니라 tail distribution forecast에 연결해야 한다.
Change sensor: predictive density calibration, expected shortfall error, tail-hit frequency.
Follow-up question: Henry의 포지션 sizing sheet는 point forecast가 아니라 distribution forecast를 입력받고 있는가?
[05:01 KST] Adaptive AI Delegation under Uncertainty
Why it matters: AI에게 언제 의사결정 권한을 줄지에 관한 Bayesian governance 문제다. 트레이딩에서 AI 분석은 도움되지만, uncertainty가 높을수록 Henry의 human override와 position cap이 필요하다.
Raw excerpt / abstract: “Organizations increasingly use large language models and agentic AI systems to generate probabilistic assessments and candidate actions… how should organizations allocate decision authority to AI-generated recommendations as evidence quality, uncertainty, and organizational objectives evolve over time?”
Cold read: AI confidence와 실제 decision authority는 분리되어야 한다.
Trading insight: 왕대박 분석도 uncertainty regime에 따라 “signal”, “watch”, “no-trade” 권한 레벨을 나눠야 한다.
Change sensor: forecast calibration, disagreement among agents, post-decision error attribution.
Follow-up question: Henry의 pre-trade checklist에 AI delegation threshold를 넣는다면 어떤 항목이 기준이 될까?
Why it matters: crypto execution에서 slippage를 예측 가능한 microstructure problem으로 다룬다. Henry가 큰 conviction을 가져도 execution이 나쁘면 realized edge가 사라진다는 점을 숫자로 상기시킨다.
Raw excerpt / abstract: “Slippage is the hidden tax of trading… execution quality often determines how much of that conviction converts into realized performance.” Talos는 volume forecast R-squared 약 65-75%, spread 약 80%, volatility 약 25-35%를 제시하고 daily recalibration의 중요성을 강조한다.
Cold read: crypto는 24시간 시장이지만 liquidity는 균일하지 않다. US open 같은 시간대 효과가 market impact를 바꾼다.
Trading insight: 시장가 진입 금지 원칙을 넘어서, predicted volume pocket에 맞춰 VWAP/TWAP와 participation rate를 조절해야 한다.
Why it matters: stress regime에서는 liquidity가 사라지는 것이 아니라 venue별로 fragment된다. Henry가 해외 ETF와 USD exposure를 다룰 때 FX 비용과 timing이 portfolio outcome에 영향을 줄 수 있다.
Raw excerpt / abstract: Russell Investments: “Periods of geopolitical stress… can materially increase FX transaction costs as volatility widens bid-offer spreads and fragments liquidity across trading venues.” 2025 agency-only FX framework는 average custodian 대비 약 5.7bp savings를 보였다고 설명한다.
Cold read: stress 상황에서 단일 counterparty나 단일 venue 의존은 숨은 spread tax를 만든다.
Trading insight: USD/KRW 환전이나 해외 ETF 주문은 macro shock 직후 즉시 집행보다 liquidity 안정 확인이 우선이다.
Why it matters: RRP buffer가 거의 소진되고 TGA가 움직이는 구간에서는 “net liquidity” 해석이 단순하지 않다. Fed는 reserve management purchases로 ample reserves를 유지하려 하지만, TGA와 currency demand가 reserve path를 흔들 수 있다.
Raw excerpt / abstract: Fed: “Take-up at the ON RRP facility fell 28billion,reachingveryclosetozero...BalancesintheTreasuryGeneralAccountgrew79 billion… contributed to a $36 billion net increase in reserve balances.” FOMC는 reserve balances가 ample level에 도달했다고 보고 shorter-term Treasury securities purchases를 시작한다고 설명한다.
Why it matters: AI capex cycle의 병목이 chip에서 grid connectivity로 이동하고 있다. AI theme exposure는 GPU 수요만 보면 안 되고 power procurement, interconnection delay, on-site generation까지 봐야 한다.
Raw excerpt / abstract: S&P Global: “AI-driven data center power demand is projected to more than double in the US between 2026 and 2030… The primary constraint is grid connectivity rather than generation capacity.” US data center capacity forecast는 2026년 62,242 MW에서 2030년 151,734 MW로 증가한다.
Cold read: AI infrastructure trade는 software multiple이 아니라 physical bottleneck trade로 재가격화되고 있다.
Trading insight: AI 관련 포지션은 chip, power, grid, real estate, financing cost의 chain risk로 쪼개서 봐야 한다.
Change sensor: interconnection queue, behind-the-meter gas projects, hyperscaler nuclear or carbon-free PPA announcements.
Follow-up question: AI theme에서 Henry가 피해야 할 “narrative는 맞지만 bottleneck은 다른 곳”인 종목군은 무엇인가?
Henry Risk Link: leverage | liquidity | regime | correlation
Why it matters: BIS는 고부채와 NBFI 비중 증가가 새로운 fiscal-financial stability nexus를 만든다고 정리한다. Henry에게 핵심은 금리 방향보다, 국채 시장이 오래 안정적으로 보이다가 repo, hedge fund basis trade, NBFI deleveraging을 통해 갑자기 유동성 공백으로 바뀔 수 있다는 점이다. 3x ETF와 고베타 성장주는 이 순간 correlation이 1에 가까워질 수 있다.
Raw excerpt / abstract: “Central banks face mounting challenges from the interplay of near record-high public debt with the growing role of non-banks in sovereign debt markets.” “Government bond market liquidity can be ample for prolonged periods, yet dry up quickly in response to shocks.” NBFI share of AE sovereign debt rose from 44% in 2021 to 53% in 2025.
Cold read: 세계는 은행 중심 위기보다 비은행, repo, sovereign bond, derivatives margin이 연결된 위기로 이동했다. 평온한 국채 유동성은 안전 신호가 아니라 레버리지 축적 신호일 수 있다.
Trading insight: 큰 포지션은 VIX만 보지 말고 Treasury market depth, repo stress, term premium jump, credit spread 동시 악화 때 자동으로 gross exposure를 줄이는 rule이 필요하다.
Change sensor: Treasury market depth 저하, SOFR-repo spread 급등, hedge fund Treasury futures positioning, central bank temporary backstop 언급 증가.
Follow-up question: Henry 포트폴리오의 worst day가 equity shock보다 Treasury liquidity shock에서 더 커지는 구간은 어디인가?
[06:03 KST] BIS FSI: Liquidity preparedness for margin and collateral calls
Henry Risk Link: leverage | liquidity | sizing | execution
Why it matters: 이 문서는 Archegos와 UK LDI stress를 margin call과 collateral readiness 문제로 재해석한다. Henry에게 중요한 포인트는 손실률보다 현금화 가능성, 담보 haircuts, operational delay가 실제 생존 여부를 가른다는 것이다.
Raw excerpt / abstract: “Rapid increases in margin and collateral requirements… can amplify liquidity needs across the financial system.” Recommendations include liquidity risk governance, risk tolerances, contingency funding plans, stress tests, scenario design, operational resilience, sufficient and diversified collateral.
Cold read: 레버리지는 가격 예측 문제가 아니라 collateral logistics 문제다. 시장이 나쁠 때 팔 수 있는 자산과, 팔아야만 하는 자산은 다르다.
Trading insight: 포지션 sizing에는 stop price만이 아니라 cash buffer, forced-sale buffer, ETF/option liquidity window를 포함해야 한다. 특히 장전/장후 급변 시 한국 계좌 실행 가능성을 따로 할인해야 한다.
Why it matters: SEC는 2026 options market roundtable data를 통해 미국 options 시장이 scale, complexity, retail participation 면에서 중요한 market structure 축이 됐다고 본다. 고베타 ETF와 AI/semiconductor 주식의 intraday move는 spot flow만으로 설명하기 어렵고 option hedging과 dealer inventory가 함께 움직일 가능성이 커졌다.
Raw excerpt / abstract: “The U.S. options market has evolved into a critical component of modern market structure, experiencing unprecedented growth in scale, complexity, and retail participation over the past decade.” SEC page also links trade-through, hidden volume, odd lots, algorithmic trading, and ETF pause research.
Cold read: options flow는 부가 정보가 아니라 현대 equity liquidity의 핵심 엔진이다. 가격이 과하게 움직이는 날에는 narrative보다 hedge rebalance를 먼저 의심해야 한다.
Trading insight: breakout entry 전에는 option expiry, gamma concentration, bid-ask spread expansion을 체크해야 한다. 손절은 chart level만이 아니라 liquidity vacuum level 근처를 피해야 한다.
Henry Risk Link: narrative | liquidity | dilution | regime
Why it matters: ETF 시장은 2019년 4 trillion USD에서 2025년 말 12 trillion USD 이상으로 커졌고, SEC는 novel asset class와 novel strategy ETF에 대한 규제 틀을 검토 중이다. 레버리지, crypto, option-income, thematic ETF의 구조가 바뀌면 Henry의 수익 기회와 gap risk가 동시에 바뀐다.
Raw excerpt / abstract: SEC request focuses on “ETFs seeking to invest in innovative asset classes or engage in novel investment strategies” while protecting investors and maintaining “fair, orderly, and efficient markets.” SEC notes ETFs grew from 4trillionin2019toover12 trillion at the end of 2025.
Cold read: ETF는 단순 wrapper가 아니라 자본 배분과 변동성 전달 장치다. novel ETF 확장은 access를 높이지만 crowded trade와 creation-redemption stress도 키운다.
Trading insight: ETF 구조가 바뀌는 구간에서는 NAV premium/discount, AP participation, basket liquidity, underlying liquidity mismatch를 체크해야 한다. “인기 ETF라서 안전”은 잘못된 추론이다.
Why it matters: CME는 interest rate futures/options가 Q1 2026에 ADV 18 million contracts, ADOI 84 million contracts, 약 69 trillion USD notional로 거래됐다고 제시한다. 이는 금리 시장이 macro view의 표현 수단일 뿐 아니라, equity risk appetite의 funding cost와 hedging channel이라는 뜻이다.
Raw excerpt / abstract: “In Q1 2026, Interest Rate products traded an average daily volume of over 18 million contracts… Average daily open interest reached 84 million contracts, equivalent to about $69 trillion in notional value.” Benefits include deep liquidity, CLOB/RFQ/block/EFRP execution, margin offsets, portfolio margining, CME-FICC cross-margining.
Cold read: 미국 금리 파생상품 시장은 세계 risk-on/risk-off의 clearing house다. 주식만 보는 trader는 자금 조달 비용과 collateral chain을 늦게 본다.
Trading insight: Henry의 growth/semiconductor exposure는 10Y yield와 real rate뿐 아니라 SOFR curve, Treasury futures OI, cross-margin stress와 연결해 해석해야 한다.
Why it matters: AI infrastructure bottleneck이 GPU에서 grid interconnection과 onsite power로 이동하고 있다. SemiAnalysis는 datacenter load request가 매달 수십 GW씩 들어오지만 승인 속도는 훨씬 느리고, onsite gas generation이 “speed is the moat” 구조를 만든다고 본다.
Raw excerpt / abstract: “In Texas alone, tens of gigawatts of datacenter load requests pour in each month. Yet in the past 12 months, barely more than a gigawatt has been approved.” “An AI cloud can generate revenue of $10-12 billion dollars per gigawatt, annually.” “xAI has already deployed over 500MW of turbines.” “Roughly a terawatt of load requests” submitted to US utilities and grid operators.
Cold read: AI capex cycle은 semiconductor만의 문제가 아니라 power, gas turbine, grid permitting, onsite generation supply chain으로 확장됐다. 병목이 이동할 때 winner basket도 이동한다.
Trading insight: AI 관련 포지션은 GPU revenue만 추적하면 늦다. power availability, interconnection queue, onsite generation orders가 AI capex의 next constraint다.
Change sensor: utility interconnection queue, turbine lead time, hyperscaler BYOG contracts, gas supply and emissions permitting delays.
Follow-up question: AI compute thesis에서 chip beta와 power-infrastructure beta를 어떻게 나눠 sizing해야 하는가?
Why it matters: a16z는 enterprise backend가 human-speed 1:1 traffic에서 agent-speed recursive, bursty, massive workloads로 전환된다고 본다. 이것은 AI adoption이 단순 앱 수요가 아니라 database, rate limiter, queue, orchestration, policy enforcement 재설계를 요구한다는 뜻이다.
Raw excerpt / abstract: “We’re shifting from human-speed traffic that’s predictable and low concurrency to agent-speed workloads that’re recursive, bursty, and massive.” “A single agentic goal” can trigger “5,000 sub-tasks, database queries, and internal API calls.” Legacy systems may see it as a DDoS attack. Bottlenecks become routing, locking, state management, and policy enforcement.
Cold read: agent boom은 productivity narrative보다 infrastructure stress story다. 진짜 채택은 demo가 아니라 backend가 burst load를 견딜 때 온다.
Trading insight: AI narrative를 매수할 때는 model capability headline보다 production bottleneck을 봐야 한다. winners는 model company만이 아니라 coordination, observability, rate-limit, workflow infrastructure에 숨어 있을 수 있다.
Why it matters: 금융기관에서 generative AI와 agentic AI는 formal model boundary 밖에 있어도 monitoring interpretation, policy analysis, adverse-action language drafting을 통해 control environment에 영향을 준다. Henry에게는 AI trading assistant와 research workflow도 “모델이 직접 주문하지 않으면 안전하다”가 아니라 주변 의사결정 통제까지 관리해야 한다는 교훈이다.
Raw excerpt / abstract: The paper says SR 26-2 modernizes model risk management but excludes generative and agentic AI, creating a governance challenge. GAICF translates model risk management principles into layered controls for generative AI applications embedded within regulated banking processes.
Cold read: AI risk는 forecast error뿐 아니라 explanation, documentation, challenge, approval workflow를 오염시키는 second-order risk다.
Trading insight: 자동화 리서치 결과는 source trace, confidence, dissenting evidence, action firewall을 갖춰야 한다. AI가 만든 요약을 바로 position size로 변환하면 control failure다.
Change sensor: bank AI governance rules, agentic AI audit requirements, model risk guidance updates, trading desk AI approval workflows.
domain_mix: microstructure/execution 2, risk-sizing 4, macro/capital-markets 5, crypto 0, AI-history 3. 오늘은 crypto보다 liquidity, collateral, ETF/options structure, AI infrastructure bottleneck 비중이 높았다.
top_theme: 겉으로는 유동성이 풍부해 보이는 시장도 실제 충격은 collateral, ETF wrapper, options hedging, grid bottleneck 같은 plumbing에서 시작된다.
sharpest_insight: “가격 방향”보다 “충격이 전달되는 배관”을 먼저 보라. BIS의 NBFI-repo-sovereign nexus와 SemiAnalysis의 BYOG thesis는 서로 다른 시장이지만 같은 구조를 말한다. 병목은 headline asset이 아니라 hidden infrastructure에서 생긴다.
danger_of_misuse: 오늘 자료를 곧바로 macro bearish 또는 AI bullish 매매 신호로 쓰면 안 된다. 자료는 timing signal이 아니라 failure mode map이다. 특히 ETF/AI narrative를 근거로 레버리지를 늘리면 liquidity shock 때 손실이 비선형으로 커질 수 있다.
next_probe: Henry 포트폴리오에 대해 “market price stop”과 별도로 collateral/liquidity/market-hours haircut을 적용한 execution-risk-adjusted position sizing rule을 만들 수 있는가?
[07:00 KST] Reaction-boundary variance and adjoint-consistent local-volatility projection
Why it matters: 이 논문은 volatility를 단순 calendar-time diffusion으로 보지 않고, latent order book의 bid-ask imbalance boundary와 order-flow perturbation에서 출발한다. Henry에게 중요한 점은 차트의 volatility가 실제 liquidity slope, resilience, memory, activity clock의 투영 결과일 수 있다는 것이다. 같은 가격 변동이라도 유동성 구조가 다르면 stop placement와 position sizing의 의미가 달라진다.
Raw excerpt / abstract: “The reaction boundary is the zero of a bid—ask imbalance field… signed order-flow perturbations displace this zero through a damped Abel response kernel… Adjoint consistency is therefore a reality constraint on operational-to-calendar time projection.”
Cold read: volatility는 하나의 숫자가 아니라 order book 상태와 시간 변환의 산물이다. calendar-time ATR만 보고 리스크를 재면, activity burst가 있는 구간에서 실제 체결 리스크를 과소평가할 수 있다.
Trading insight: 진입 전에는 volatility level뿐 아니라 liquidity slope와 order-flow resilience가 약한 시간대를 피해야 한다. 특히 3x leveraged ETF나 crypto처럼 체결 충격이 큰 자산은 같은 stop distance라도 microstructure regime에 따라 R이 달라진다.
Why it matters: 핵심은 예측 모델보다 forecast-to-trade 변환이 성과를 결정한다는 점이다. hourly BTC-USDT에서 gross performance가 있어도 10 bps 비용을 넣으면 naive sign strategy는 실패한다. Henry에게는 신호가 있다고 바로 진입하는 습관보다, 비용 임계값을 넘을 때만 행동하는 discipline이 더 중요하다.
Raw excerpt / abstract: “All three models produce positive gross trading performance in selected configurations, but naive sign-based strategies fail once transaction costs of ten basis points are imposed. A cost-aware execution filter… sharply reduces turnover and restores profitability in selected configurations.”
Cold read: edge는 prediction accuracy가 아니라 turnover control과 cost-aware abstention에서 살아남는다. 작은 신호를 과도하게 거래하면 모델이 아니라 execution이 계좌를 갉아먹는다.
Trading insight: Henry의 rule에는 최소 기대이익이 estimated spread, tax, slippage, adverse selection buffer를 넘을 때만 trade 가능한 문턱이 필요하다. 신호 강도가 약한 구간에서는 현금 보유가 active decision이다.
Change sensor: BTC funding, realized spread, order book depth, hourly signal magnitude 대비 all-in cost.
Follow-up question: Henry의 crypto 또는 MSTR proxy trade에서 cost-aware no-trade band를 몇 bps로 잡아야 turnover가 줄고 expectancy가 살아나는가?
[07:00 KST] Do Prediction Markets Match Option Prices? Bitcoin Threshold Evidence from Binance and Polymarket
Henry Risk Link: liquidity | narrative | execution
Why it matters: 동일한 state-contingent payoff처럼 보이는 Bitcoin threshold contract도 Binance option과 Polymarket 사이에 persistent pricing wedge가 생긴다. 이는 crypto market이 하나의 가격 발견 장치가 아니라 segmentation, collateral, user base, hedging friction이 섞인 여러 시장이라는 뜻이다.
Raw excerpt / abstract: “The mean pricing gap equals 5.6 percentage points… persistent - with an AR(1) half-life of roughly four hours - yet mean-reverting, consistent with slow information transmission between segmented venues rather than mechanical noise.”
Cold read: 가격 불일치는 무조건 arbitrage 기회가 아니라 venue fragmentation과 capital constraint의 흔적이다. 겉으로 같은 payoff라도 실행 가능성과 hedge cost가 다르면 다른 자산이다.
Trading insight: prediction market odds를 BTC direction signal로 쓸 때 option-implied probability와의 wedge를 함께 봐야 한다. wedge가 넓을수록 narrative crowding 또는 venue-specific demand일 수 있으므로 단독 신호로 매수하면 위험하다.
Change sensor: Polymarket-Binance implied probability gap, gap half-life, hedge cost after fees, contract liquidity.
Why it matters: 리스크 감소에는 손실 빈도를 낮추는 self-protection과 손실 크기를 낮추는 self-insurance가 있다. Henry의 트레이딩으로 번역하면 trade filter, regime filter, no-trade rule은 빈도 감소이고, stop, hedge, position size cap은 severity 감소다. 둘은 항상 대체재가 아니라 tail metric에 따라 보완재가 될 수 있다.
Raw excerpt / abstract: “Self-protection reduces loss frequency, while self-insurance reduces loss severity… Value-at-Risk leads to a threshold-driven solution… Tail Value-at-Risk… creates a direct residual frequency-severity interaction.”
Cold read: 단순 VaR 관점은 특정 문턱 아래에서는 아무것도 안 하다가 갑자기 한쪽 방어만 택하게 만든다. TVaR 관점은 tail에서 frequency와 severity가 얽혀 있어 더 복잡하지만 실제 leverage 계좌에는 더 적합하다.
Trading insight: 3x ETF와 crypto exposure에는 stop만으로 부족하다. regime filter로 나쁜 trade 빈도를 줄이고, fractional Kelly와 max portfolio heat로 tail severity도 동시에 낮춰야 한다.
Change sensor: 연속 손실 횟수, max adverse excursion, portfolio heat, volatility regime transition.
Follow-up question: Henry의 현재 전략에서 self-protection rule과 self-insurance rule 중 어느 쪽이 과소투자되어 있는가?
[07:00 KST] Talos Execution Cost Savings by the Numbers
Why it matters: Talos 자료는 order execution이 alpha를 보존하거나 파괴하는 독립 변수라는 점을 수치로 보여준다. VWAP, time-paced taker, top-of-book algo가 naive sweep 대비 bps 단위 비용 차이를 만들고, $100K+ ticket에서 exchange plus dealer liquidity가 exchange-only routing보다 유리했다는 점은 liquidity sourcing 자체가 edge임을 말한다.
Raw excerpt / abstract: “VWAP captured ~38 bps vs. a naive sweep… In adverse but typical regimes… saved 68 bps… For $100K+ tickets, combining exchange + dealer liquidity saved 13.5 bps on average versus exchange-only routing.”
Cold read: 좋은 방향 예측도 잘못 체결하면 일부 또는 전부 사라진다. 큰 주문에서는 가격보다 venue mix, slice horizon, information leakage가 결과를 지배한다.
Trading insight: Henry가 큰 포지션을 구축할 때 시장가 일괄 진입은 마지막 선택이어야 한다. pre-trade로 expected volume, volatility, spread를 보고 order slicing과 limit discipline을 정해야 한다.
Change sensor: order size 대비 ADV, top-of-book depth, dealer quote availability, arrival slippage post-trade TCA.
Follow-up question: Henry의 CMA 주문 환경에서 가능한 execution controls는 무엇이며, 어느 주문 크기부터 분할 체결이 의무가 되어야 하는가?
[07:00 KST] SEC Disclosure of Order Execution Information
Why it matters: SEC Rule 605 개정은 execution quality를 더 세밀하게 공개하도록 요구한다. fractional share, odd-lot, stop price orders, outside regular trading hours, millisecond-or-finer time-to-execution, realized spread intervals가 포함된다. Henry에게는 broker와 venue의 숨은 비용을 비교할 수 있는 데이터 환경이 좋아진다는 의미다.
Raw excerpt / abstract: “The compliance date… is extended… to August 1, 2026… average time to execution to be measured in increments of a millisecond or finer… realized spread be calculated at multiple time intervals.”
Cold read: 규제는 post-trade transparency를 강화하지만, 그것이 곧 좋은 체결을 보장하지는 않는다. 데이터 공개 이후에는 broker quality 차이가 더 보일 뿐, 주문 전 의사결정 discipline은 여전히 필요하다.
Trading insight: Henry는 broker별 execution quality report를 감정적 만족도가 아니라 realized spread, fill speed, odd-lot handling으로 봐야 한다. 특히 stop order와 premarket trade는 hidden execution tax가 클 수 있다.
Change sensor: Rule 605 reports after compliance, realized spread by broker, stop order fill quality, odd-lot execution stats.
Follow-up question: 한국 CMA 계좌에서 미국 주식 주문 시 해당 broker chain의 Rule 605 또는 best-execution disclosure를 추적할 수 있는가?
[07:00 KST] SEC Roundtable on Options Market Structure
Henry Risk Link: liquidity | narrative | execution
Why it matters: options market은 volume, quote messages, 0DTE, retail participation이 동시에 커지며 복잡한 feedback machine이 되고 있다. SEC 자료에 따르면 0DTE가 total volume의 28% 이상이고, OPRA message volume은 2017년 하루 9 billion에서 2025년 131 billion으로 증가했다. 이는 index와 mega-cap의 intraday gamma 및 liquidity dynamics가 더 기계적이고 crowd-driven이 될 수 있음을 뜻한다.
Raw excerpt / abstract: “OPRA message volumes surged from 9 billion per day in 2017 and peaked at 247 billion per day in early 2025… Trading on expiration date (0DTE) now represents over 28% of total volume… PFOF has become a dominant economic driver in retail options execution.”
Cold read: 옵션 시장은 hedge flow와 retail flow가 지수 가격을 밀고 당기는 구조적 엔진이 됐다. 현물 차트만 보면 원인을 놓칠 수 있다.
Trading insight: SOXL, MSTU 같은 convex exposure를 다룰 때 index options flow와 0DTE expiry profile을 macro event처럼 취급해야 한다. intraday reversal은 정보 변화가 아니라 dealer hedging flow일 수 있다.
Why it matters: BIS는 central bank balance sheet 축소와 NBFI 비중 확대가 reserve demand와 money market volatility에 중요한 영향을 준다고 본다. 대형 리스크 자산의 cycle은 단순 rate path보다 plumbing, collateral eligibility, lending facility stigma에 의해 흔들릴 수 있다.
Raw excerpt / abstract: “As some major central banks reduce their balance sheet size, effective liquidity tools have become even more crucial… the growing footprint of non-bank financial institutions has placed new demands… broader collateral policies and more attractive pricing… may incentivise market participants to take on more liquidity risk.”
Cold read: 중앙은행 liquidity tool은 위기 방화벽이면서 동시에 risk-taking incentive를 바꾸는 장치다. 구조가 넓어질수록 tail risk는 사라지는 것이 아니라 공적 backstop 주변으로 재배치된다.
Trading insight: macro risk-on 판단에는 Fed balance sheet headline보다 reserve scarcity, repo facility usage, collateral stress, NBFI access 논의가 더 선행적일 수 있다. liquidity backstop 기대가 커질 때 leverage를 늘리는 것은 위험한 도덕적 해이다.
Why it matters: AI infra의 병목이 GPU count만이 아니라 KV cache memory, placement, migration, retention으로 이동하고 있다. inference cost curve가 낮아질수록 AI adoption은 빨라지지만, memory-bound economics가 풀리지 않으면 capex narrative의 수익화가 지연될 수 있다.
Raw excerpt / abstract: “The key-value cache… is crucial for enabling low-latency, high-throughput LLM inference serving… organizing existing efforts into execution and scheduling, placement and migration, and representation and retention.”
Cold read: AI scaling trade는 chip supply만 보면 반쪽이다. serving efficiency와 memory architecture가 실제 margin과 capacity를 결정한다.
Trading insight: AI 관련 종목의 hype를 볼 때 training benchmark보다 inference unit economics, KV cache optimization, memory bandwidth constraint를 추적해야 한다. narrative가 강해도 cost curve 확인 전 대형 베팅은 FOMO다.
Why it matters: data center demand는 단순 전력 사용량 문제가 아니라 grid contingency에서 unserved energy를 키우는 concentration risk다. 논문은 high-growth data center load가 coupled derating에서 total unserved energy를 크게 늘릴 수 있음을 보인다. AI capex cycle은 power availability와 transmission bottleneck에 의해 speed limit이 걸릴 수 있다.
Raw excerpt / abstract: “Under coupled derating, the high-growth case increases total unserved energy from 3.203 MWh… to 22.891 MWh… temporally concentrated data center demand can amplify resilience impacts even without increasing total energy consumption.”
Cold read: AI 수요가 강해도 grid가 받쳐주지 못하면 revenue ramp는 늦어진다. 전력은 narrative가 아니라 physical constraint다.
Trading insight: AI infra exposure를 볼 때 datacenter lease, power purchase, interconnection queue, transmission upgrade가 earnings risk로 전환되는 순간을 감시해야 한다. semis만 보고 long bias를 키우면 병목 위치를 놓칠 수 있다.
Change sensor: interconnection delays, utility capex approvals, data center curtailment, power price volatility, outage reports.
Follow-up question: AI power bottleneck은 semiconductor cycle을 늦추는 리스크인가, power equipment와 grid software로 rotation을 만드는 catalyst인가?
[07:00 KST] Bit2Watt: GPU Workloads as Cyber-Physical Power Vulnerability
Why it matters: GPU cluster는 compute asset이면서 power electronics와 결합된 cyber-physical system이다. 합법 tenant workload만으로 high-frequency power modulation을 유발할 수 있다는 주장은 AI infrastructure risk가 cybersecurity, grid resilience, cloud scheduling까지 확장됨을 보여준다.
Raw excerpt / abstract: “Bit2Watt operates entirely within the cyber layer as a legal tenant… manipulating 1,000 GPUs in a 1-MW local power system with 90% DERs raises current THD to 46.8% and results in a damping ratio of -0.27.”
Cold read: 데이터센터는 더 이상 순수 IT 자산이 아니다. compute workload 자체가 전력 품질과 service availability를 흔들 수 있는 coupling point가 된다.
Trading insight: AI infra 기업의 moat에는 chip access뿐 아니라 workload scheduling, power quality monitoring, facility-level resilience가 들어간다. 사고 한 번이 premium multiple을 compliance discount로 바꿀 수 있다.
Change sensor: cloud outage root causes, GPU power telemetry standards, data center insurance terms, grid interconnection cybersecurity rules.
AI data center interconnection delay, power curtailment, KV cache efficiency metrics.
Do not trade directly from this: 이 자료들은 trade idea가 아니라 process upgrade 재료다. 각 항목은 execution, sizing, regime filter를 개선하기 위한 근거이며, 특정 종목 매수나 매도 확정 신호가 아니다.
Sources
https://arxiv.org/abs/2607.08291v1 — Robustness in Sequential Decision Making under Evolving Uncertainty: Evidence from High-Frequency Market Making
https://arxiv.org/abs/2607.04280v1 — Order Splitting and Liquidity Replenishment Are Jointly Necessary for the Square-Root Law of Market Impact