2026-08-23 Overnight AI Research

Summary

핵심 인사이트: LLM 기반 금융 예측은 캘리브레이션 오류가 치명적이며, 실제 포지션 사이징에 반영되지 않으면 위험이 커진다.
실행 품질(스프레드, 슬리피지, 인벤토리 관리)이 알파보다 우선이며, 멀티레벨 마켓 메이킹, LOB 시뮬레이터, 암호화폐 디파이 유동성 제공 등 최신 연구가 실행 리스크를 줄이는 방안을 제시한다.
매크로 유동성 (TGA, 연방 준비제도)와 데이터센터 전력 공급이 레버리지 ETF와 크립토 포지션에 영향을 미친다.
신규 규제·시장 구조 변화(스팟 BTC ETF, 24/7 영구 계약 오라클)도 실행 비용과 위험을 재평가하게 만든다.

Raw Briefing

Overnight AI Trading Research Clippings - 20260823

[01:03 KST] Multi-Level Market Making with Reinforcement Learning

URL: https://arxiv.org/abs/2608.18195
Source Type: paper
Domain: microstructure, execution
Trading Relevance: 9
Time Horizon: swing
Actionability: study
Henry Risk Link: execution, liquidity, sizing
Why it matters: Henry의 레버리지 ETF나 crypto 접근에서도 실제 손익은 방향성보다 체결 품질과 유동성 비용에 의해 훼손될 수 있다. 이 논문은 market making을 여러 price level과 order size의 동적 배분 문제로 다룬다. 개인 트레이더에게 직접 market making을 하라는 뜻이 아니라, 상대방 market maker가 inventory와 adverse selection을 어떻게 관리하는지 이해하는 자료다.
Raw excerpt / abstract: “We introduce a reinforcement learning framework for market making in a limit order book. Our algorithm aims to maximize trading revenue by dynamically submitting market and limit orders of varying sizes across multiple price levels while controlling inventory size.”
Cold read: liquidity는 고정된 배경이 아니라 inventory constraint를 가진 agent들의 반응 함수다. Henry가 market order로 들어갈 때 상대편은 이미 inventory risk와 fill probability를 가격에 반영하고 있다.
Trading insight: 급한 진입은 spread와 impact를 동시에 지불한다. 큰 베팅은 limit, split, time window, volatility regime을 사전에 정의해야 하며, 체결 실패도 비용으로 계산해야 한다.
Change sensor: quoted depth 대비 executed depth, spread widening, intraday fill quality, inventory-driven quote skew.
Follow-up question: Henry의 보유 종목에서 변동성 확대일과 일반일의 spread, volume, slippage를 어떻게 기록할 것인가?

[01:03 KST] FlowLOB: Efficient and Controllable Limit Order Book Generation with Flow Matching

URL: https://arxiv.org/abs/2608.13096
Source Type: paper
Domain: microstructure, execution
Trading Relevance: 8
Time Horizon: swing
Actionability: study
Henry Risk Link: liquidity, execution, regime
Why it matters: LOB simulator가 realistic, efficient, controllable, generalizable해야 실전 execution test가 된다. 단순 OHLC backtest는 stop placement와 slippage의 진짜 위험을 거의 보지 못한다. Flow matching 기반 LOB 생성은 stress scenario를 더 세밀하게 만들 수 있다는 점에서 execution quality 연구에 중요하다.
Raw excerpt / abstract: “Limit order book simulators are most useful to practitioners when they combine realistic market dynamics, computationally efficient sampling, controllable scenario generation, and the ability to generalize beyond the instruments seen during training.”
Cold read: 가격 경로만 맞추는 simulation은 execution risk를 숨긴다. 진짜 위험은 내가 주문을 넣는 순간 book이 어떻게 반응하는지에 있다.
Trading insight: Henry의 backtest는 signal PnL보다 execution PnL을 별도 계층으로 분리해야 한다. 특히 SOXL, MSTU 같은 levered ETF는 gap, spread, rebalance pressure를 scenario화해야 한다.
Change sensor: LOB depth collapse frequency, opening and closing auction imbalance, ETF rebalance window liquidity, high-volatility day simulated shortfall.
Follow-up question: Henry의 핵심 티커별로 minimum viable execution simulator를 만들 때 필요한 data granularity는 무엇인가?

[01:03 KST] Public Trader Identity: Adverse Selection and Return Predictability

URL: https://arxiv.org/abs/2608.04373
Source Type: paper
Domain: microstructure, crypto-structure, reflexivity
Trading Relevance: 9
Time Horizon: swing
Actionability: study
Henry Risk Link: narrative, liquidity, execution
Why it matters: 이 논문은 DEX처럼 counterparty identity가 persistent하게 보이는 시장에서 adverse selection과 return predictability가 어떻게 바뀌는지 다룬다. crypto market structure는 anonymity가 아니라 wallet reputation과 flow tracking의 게임으로 이동하고 있다.
Raw excerpt / abstract: “A decentralized exchange now publishes the counterparty. Every committed order, cancellation, rejection, and fill carries a persistent pseudonymous wallet address. We reconstruct the full-depth limit order book from a record of 17.1 billion messages and 14.3 million aggressive orders by 147,113 wallets, covering $84.3 billion in taker notional.”
Cold read: 일부 시장에서는 order flow가 더 이상 익명이 아니다. 우월한 지갑, informed wallet, toxic flow를 식별하는 쪽이 liquidity provider와 taker 모두에서 edge를 얻는다.
Trading insight: crypto에서 단순 price action보다 wallet cohort, aggressive order source, flow toxicity를 보는 습관이 필요하다. 반대로 공개 flow signal에 뒤늦게 올라타면 이미 adverse selection의 대상이 될 수 있다.
Change sensor: persistent wallet alpha decay, large wallet aggressive order clusters, DEX CEX basis, toxic taker concentration.
Follow-up question: BTC, perp, MSTR proxy trade에서 공개 flow와 숨은 institutional flow를 어떻게 구분할 수 있는가?

[01:03 KST] Calibration-Induced Degeneracy in LLM Financial Forecasting

URL: https://arxiv.org/abs/2608.20304
Source Type: paper
Domain: risk-sizing, cognition
Trading Relevance: 10
Time Horizon: cycle
Actionability: now
Henry Risk Link: narrative, FOMO, sizing
Why it matters: LLM 기반 financial forecasting의 가장 위험한 실패 모드는 그럴듯한 설명이 실제 forecast에는 아무 영향도 주지 않는 상태다. Henry의 trading agent나 research pipeline이 멋진 narrative를 만들더라도 calibration이 그 signal을 0으로 만들면 의사결정에는 쓸 수 없다.
Raw excerpt / abstract: “Costly LLM features matter only if calibration lets them affect the forecast. We document a failure of this link in a next-day risk study of two broad-market funds. Full-history scoring preceded the 2022 calibration. Calibration then set all four LLM weights to zero. The 856 later scores therefore could not affect the evaluation. We call this calibration-induced degeneracy.”
Cold read: AI forecast의 위험은 틀리는 것만이 아니다. 더 큰 위험은 검증 구조가 signal을 실제로 쓰지 않는데도 사용자에게는 쓴 것처럼 보이는 것이다.
Trading insight: Henry의 AI 리서치는 반드시 signal contribution audit을 가져야 한다. 각 factor가 position size, stop, entry timing에 몇 퍼센트 반영됐는지 기록하지 않으면 narrative trading으로 퇴행한다.
Change sensor: LLM score weight collapse, feature contribution 0, calibration window leakage, forecast versus action mismatch.
Follow-up question: ATLAS 또는 Henry의 pre-trade checklist에서 LLM narrative가 실제 sizing을 바꿨는지 어떻게 audit할 것인가?

[01:03 KST] Dynamic Portfolio Optimization under CVaR Constraints

URL: https://arxiv.org/abs/2608.20179
Source Type: paper
Domain: risk-sizing
Trading Relevance: 8
Time Horizon: cycle
Actionability: study
Henry Risk Link: leverage, sizing, correlation
Why it matters: CVaR는 평균적인 손실이 아니라 tail loss 조건에서 살아남는 능력을 본다. Henry의 portfolio가 levered ETF와 high beta names에 집중될수록 VaR보다 CVaR 제약이 더 직접적이다.
Raw excerpt / abstract: “We study continuous-time dynamic portfolio optimization under a Conditional Value-at-Risk (CVaR) constraint on the investor’s terminal loss. For a general class of convex trading objectives, we exploit the auxiliary-threshold representation of CVaR to establish the existence of an optimal strategy and strong duality without requiring market completeness.”
Cold read: 성장률 최적화는 terminal loss 제약이 없으면 Henry에게 심리적 파산을 만들 수 있다. CVaR 제약은 대박을 포기하라는 뜻이 아니라 살아남는 상태공간 안에서만 베팅하라는 뜻이다.
Trading insight: fractional Kelly 이전에 account-level CVaR budget을 정해야 한다. 모든 포지션의 stop이 동시에 맞는 correlation shock을 별도 stress case로 넣어야 한다.
Change sensor: portfolio heat, beta-adjusted exposure, one-day gap CVaR, correlated stop-out scenario.
Follow-up question: Henry 계좌의 maximum acceptable terminal loss를 숫자로 정하면 각 티커별 position cap은 어떻게 달라지는가?

[01:03 KST] Fluctuations in the Treasury General Account and their effect on the Fed’s balance sheet

URL: https://www.federalreserve.gov/econres/notes/feds-notes/fluctuations-in-the-treasury-general-account-and-their-effect-on-the-feds-balance-sheet-20250806.html
Source Type: official
Domain: macro-liquidity, capital-markets
Trading Relevance: 8
Time Horizon: cycle
Actionability: monitor
Henry Risk Link: liquidity, regime, correlation
Why it matters: TGA는 정부의 예금 계정이지만, Fed balance sheet에서는 다른 liability가 반대로 조정되어야 한다. liquidity regime을 볼 때 단순 Fed assets만 보는 것은 부족하고 TGA, reserves, ON RRP의 대체 관계를 함께 봐야 한다.
Raw excerpt / abstract: “The Treasury General Account (TGA) represents the US government’s deposits held with the Federal Reserve. The TGA is used to facilitate payments from and to the government and thus provides important payment services to the government and the country.” 또 Fed note는 TGA가 흔들릴 때 reserves나 ON RRP balances가 반대 방향으로 조정될 수 있다고 설명한다.
Cold read: macro liquidity는 한 숫자의 방향이 아니라 plumbing의 압력 배분다. reserves가 ample하면 TGA shock을 흡수하지만, scarcity에 가까워질수록 funding stress와 risk asset multiple 압박으로 번질 수 있다.
Trading insight: Henry가 high beta와 levered ETF를 들고 있을 때 TGA rebuild, bill issuance, reserve drain은 technical noise가 아니라 position heat를 줄일 trigger가 될 수 있다.
Change sensor: TGA rebuild speed, ON RRP floor, reserve scarcity indicators, SOFR pressure, Treasury bill issuance mix.
Follow-up question: risk-on exposure를 줄이는 macro liquidity trigger를 TGA level이 아니라 reserves plus funding spread 조건으로 만들 수 있는가?

[01:03 KST] The New Demands of Optimal Execution

URL: https://rpc.cfainstitute.org/blogs/enterprising-investor/2026/new-demands-optimal-execution-machine-learning
Source Type: research
Domain: execution, microstructure
Trading Relevance: 9
Time Horizon: swing
Actionability: now
Henry Risk Link: execution, liquidity, FOMO
Why it matters: CFA Institute 글은 alpha가 희소해질수록 what to trade보다 how to trade의 비용이 커진다는 점을 강조한다. 특히 price impact의 concavity, multi-timescale decay, cross-impact는 Henry가 집중 포지션을 잡을 때 반드시 생각해야 할 부분이다.
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.” 또한 “price impact is concave in trade size”이고 impact decay는 단일 속도가 아니라고 설명한다.
Cold read: 좋은 thesis도 나쁜 execution으로 손상된다. 특히 FOMO 상태의 즉시 진입은 alpha를 price impact와 poor fill로 선불 지불하는 행동이다.
Trading insight: pre-trade checklist에 expected slippage, order type, max participation, no-chase rule을 숫자로 넣어야 한다. 같은 thesis라도 execution quality가 낮으면 trade를 포기하는 것이 맞다.
Change sensor: participation rate, shortfall versus arrival price, cross-impact in correlated names, signal decay speed.
Follow-up question: Henry의 실전 주문 전에 arrival price 대비 acceptable shortfall을 티커별로 몇 bp로 제한할 것인가?

[01:03 KST] Spot BTC ETFs: Impact on Perpetual Markets 2026 July Update

URL: https://contentwave.net/article/how-spot-btc-etfs-reshaped-perpetual-markets-funding-tactics
Source Type: blog
Domain: crypto-structure, capital-markets
Trading Relevance: 8
Time Horizon: swing
Actionability: monitor
Henry Risk Link: liquidity, narrative, correlation
Why it matters: Spot BTC ETF는 BTC 수요의 채널과 execution venue를 바꿨다. ETF flow, AP capacity, listed options, perp funding이 서로 연결되면서 crypto-native signal 하나만으로 시장을 읽기 어려워졌다.
Raw excerpt / abstract: “Spot Bitcoin ETFs altered who buys Bitcoin and how they access it. For traders who use perpetual contracts as primary execution and hedging instruments, those changes are now durable: funding regimes have compressed on average, basis dynamics are more event-driven, and liquidity is more heterogeneous across venues.”
Cold read: BTC 시장은 spot exchange 중심에서 ETF wrapper, AP, options, perp가 얽힌 capital markets 구조로 이동했다. 이는 MSTR 같은 BTC proxy에도 reflexivity 경로를 만든다.
Trading insight: BTC 방향성 판단에는 ETF flow와 perp funding의 divergence를 함께 봐야 한다. ETF inflow만 보고 long을 키우면 이미 perp leverage가 과열된 구간에서 liquidation risk를 떠안을 수 있다.
Change sensor: daily ETF net flow, perp funding divergence, basis spike, ETF option implied volatility, AP creation redemption stress.
Follow-up question: MSTR, MSTU, BTC spot, BTC perp 사이에서 어느 signal이 선행이고 어느 signal이 후행인지 regime별로 구분할 수 있는가?

[01:03 KST] PJM Strategy Targets Data Center Growth, but Policy Gaps Remain

URL: https://www.datacenterknowledge.com/energy-power-supply/pjm-5-year-strategy-wrestles-with-data-center-boom
Source Type: research
Domain: ai-world-sensing, capital-markets
Trading Relevance: 7
Time Horizon: secular
Actionability: monitor
Henry Risk Link: narrative, regime, dilution
Why it matters: AI 인프라 트레이드의 병목은 GPU만이 아니라 grid interconnection, capacity market, permitting, power reliability로 이동하고 있다. Datacenter Knowledge 보도는 PJM이 data center large load를 중심으로 resource adequacy 역할을 재정의하려는 압력을 보여준다.
Raw excerpt / abstract: “PJM Interconnection envisions a power system in which data centers drive most new electricity demand” 그리고 “more than a decade of predictably flat load growth is over, with data centers accounting for most of the incremental demand through 2035.” 또한 large loads가 significant load fluctuations를 만들 수 있다고 지적한다.
Cold read: AI capex narrative는 더 이상 chip shipment만으로 설명되지 않는다. power approval과 interconnection queue가 compute growth의 gating factor가 되고 있다.
Trading insight: AI 관련 포지션은 semiconductor earnings뿐 아니라 power availability, utility regulation, grid capex, permitting delay를 monitor해야 한다. narrative가 강해도 physical bottleneck이 생기면 valuation multiple이 흔들릴 수 있다.
Change sensor: PJM large load forecast, FERC filings, interconnection queue delays, data center power contract terms, hyperscaler capex revision.
Follow-up question: AI semiconductor cycle에서 grid bottleneck은 demand destruction인가, utility and infrastructure capex rotation signal인가?

[02:03 KST] Concentrated Liquidity: a Reinforcement Learning Perspective

URL: https://arxiv.org/abs/2608.19389
Source Type: paper
Domain: microstructure | execution | crypto-structure
Trading Relevance: 8
Time Horizon: swing
Actionability: study
Henry Risk Link: liquidity | execution | sizing
Why it matters: UniswapV3형 concentrated liquidity는 수동 LP에게 단순 보유보다 어려운 sequential execution 문제다. Henry가 crypto 구조를 볼 때 유동성을 정적인 depth로만 보면 안 되고, LP의 rebalance cost와 range 선택이 실제 체결 환경을 바꾼다는 점을 기억해야 한다.
Raw excerpt / abstract: “LPs face a sequential decision problem: they must decide when to rebalance their positions and which price ranges to allocate capital to as market conditions evolve. We formulate dynamic liquidity provision as a stochastic impulse control problem and use reinforcement learning.”
Cold read: DeFi 유동성은 passive reserve가 아니라 capital이 range를 옮기며 수익과 inventory risk를 조정하는 active market making이다.
Trading insight: crypto pair의 depth가 좋아 보여도 range 밖으로 가격이 이동하면 liquidity가 사라질 수 있다. 진입 전에는 visible liquidity보다 LP reposition speed와 fee APR 변화를 봐야 한다.
Change sensor: UniswapV3 range migration, pool TVL 대비 active liquidity, rebalance frequency.
Follow-up question: concentrated liquidity가 급락장 liquidation cascade에서 얼마나 빨리 비활성화되는가?

[02:03 KST] When Cross-Venue Agreement Is Not Price Discovery: Disclosure Frontiers for 24/7 Equity-Perpetual Oracles

URL: https://arxiv.org/abs/2608.09188
Source Type: paper
Domain: microstructure | crypto-structure | reflexivity
Trading Relevance: 9
Time Horizon: swing
Actionability: monitor
Henry Risk Link: liquidity | narrative | execution
Why it matters: 24/7 equity perpetual은 cash market이 닫힌 시간에도 margin, funding, liquidation을 위해 mark price가 필요하다. cross-venue 가격 일치가 true price discovery를 뜻하지 않을 수 있다는 점은 BTC, MSTR, synthetic equity 구조를 볼 때 매우 중요하다.
Raw excerpt / abstract: “Crypto-listed equity perpetuals trade while the primary cash market is closed, yet still need a mark for margin, funding, and liquidation… From marks and proxies alone the two are observationally equivalent: every reduced form admits infinitely many topology decompositions.”
Cold read: 여러 venue가 같은 가격을 가리켜도 그것이 독립적 정보 발견이 아니라 같은 oracle reference loop일 수 있다.
Trading insight: mark price 기반 청산 구조에서는 가격 신호보다 oracle dependency와 funding rule이 먼저다. 야간 synthetic equity 가격을 cash market open gap 예측으로 곧장 쓰면 위험하다.
Change sensor: equity perp venue oracle disclosure, funding interval stress, cash market close-window liquidation clusters.
Follow-up question: MSTR 관련 derivative와 BTC spot 사이의 close-window mark loop가 실제로 존재하는가?

[02:03 KST] Velocity- and Regime-Aware Detection of Intraday Options Market Manipulation

URL: https://arxiv.org/abs/2608.05373
Source Type: paper
Domain: microstructure | execution | risk-sizing
Trading Relevance: 8
Time Horizon: intraday
Actionability: study
Henry Risk Link: execution | liquidity | FOMO

Sources

https://arxiv.org/abs/2608.18195 – Multi-Level Market Making with Reinforcement Learning (paper)
https://arxiv.org/abs/2608.13096 – FlowLOB: Efficient and Controllable Limit Order Book Generation (paper)
https://arxiv.org/abs/2608.04373 – Public Trader Identity: Adverse Selection and Return Predictability (paper)
https://arxiv.org/abs/2608.20304 – Calibration-Induced Degeneracy in LLM Financial Forecasting (paper)
https://arxiv.org/abs/2608.20179 – Dynamic Portfolio Optimization under CVaR Constraints (paper)
https://www.federalreserve.gov/econres/notes/feds-notes/fluctuations-in-the-treasury-general-account-and-their-effect-on-the-feds-balance-sheet-20250806.html – Treasury General Account fluctuations (official report)
https://rpc.cfainstitute.org/blogs/enterprising-investor/2026/new-demands-optimal-execution-machine-learning – CFA Institute on Optimal Execution (research)
https://contentwave.net/article/how-spot-btc-etfs-reshaped-perpetual-markets-funding-tactics – Spot BTC ETFs impact (blog)
https://www.datacenterknowledge.com/energy-power-supply/pjm-5-year-strategy-wrestles-with-data-center-boom – PJM data center strategy (research)
https://arxiv.org/abs/2608.19389 – Concentrated Liquidity: RL Perspective (paper)
https://arxiv.org/abs/2608.09188 – Cross-Venue Oracle Disclosure (paper)
https://arxiv.org/abs/2608.05373 – Options Market Manipulation Detection (paper)

Keywords

reinforcement learning, market making, limit order book, execution quality, LLM forecasting, calibration degeneracy, CVaR, macro liquidity, Treasury General Account, spot BTC ETF, crypto liquidity, concentrated liquidity, cross-venue oracle, options manipulation, data center energy, AI infrastructure, risk sizing, tail risk, execution cost, slippage, price impact, funding regime

[07:00 KST] FOMC June 2026 SEP: New Fed Chair regime, core inflation revised up to 3.3%

URL: https://fredblog.stlouisfed.org/2026/06/fomc-summary-of-economic-projections-june-2026/
Source Type: official
Domain: macro-liquidity | capital-markets | regime
Trading Relevance: 9
Time Horizon: cycle
Actionability: monitor
Henry Risk Link: regime | liquidity | leverage
Why it matters: 이 전망은 Fed 의장이 Kevin Warsh로 바뀐 이후 첫 SEP다. 핵심은 Q4 2026 core PCE 전망이 2.7%에서 3.3%로 상향(3월 대비), fed funds rate 중앙값이 3.4%에서 3.8%로 상향, GDP는 2.4%→2.2% 하향이라는 stagflation 성향 조합이다. Henry의 high beta 및 levered ETF 포지션에 higher-for-longer + inflation persistence는 liquidity headwind로 작용할 수 있다.
Raw excerpt / abstract: “It was the first release under the new Fed chair, Kevin Warsh… Q4 2026 core inflation has been revised upward from 2.7% to 3.3%… The most recent projection has been revised upward from 3.4% to 3.8% for Q4 2026… slight revision downward for Q4 2026 real GDP growth from 2.4% to 2.2%.”
Cold read: Fed 전환기의 핵심 신호는 ‘물가 상향 + 금리 상향’ 동시 전개다. 이는 disinflation 완료를 전제한 multiples 확장 논리를 약화시킨다. 레버리지 배수(SOXL, MSTU)는 레이트 상향과 역상관되기 쉽다.
Trading insight: 레버리지/고베타 노출은 단기 모멘텀만 보고 크게 베팅하면 안 되는 구간. Fed 데이터로 리스크 프리미엄이 올라가는 국면에서는 position heat를 줄이고 명목 성장이 아닌 실질 유동성과 funding spread를 watch해야 한다.
Change sensor: 9월 SEP의 core inflation revision 방향, dot의 2027 지속성, TGA/reserves 맥락의 reserve scarcity, 실질 금리 상승률.
Follow-up question: Henry의 HFEA 류 고베타 픽션이 물가 상향 + 레이트 상향 레짐에서 어떤 drawdown 상한을 가져야 하는가?

[07:00 KST] Inference Flip: AI compute economics 와 deflation paradox

URL: https://zylos.ai/en/research/2026-04-13-inference-economics-ai-agent-compute-markets/
Source Type: research
Domain: ai-world-sensing | historical-case | capital-markets
Trading Relevance: 8
Time Horizon: secular
Actionability: study
Henry Risk Link: narrative | regime | valuation
Why it matters: 추론 비용이 학습을 넘어선 ‘Inference Flip’이 2026년 초 발생했다. LLM API 가격은 2025~2026년 약 80% 하락했고 GPT-4급이 2023년 3월 $30/ M 에서 2026 년약$ 0.40/M으로 75배 하락했다. 중요한 것은 Gartner 경고다: 단위 토큰 가격 하락은 ‘frontier reasoning의 democratization’이 아니다. 에이전트 워크로드는 태스크당 100~1000배 토큰을 쓰므로 총 추론 지출은 계속 늘어난다 (Jevons paradox 구조).
Raw excerpt / abstract: “Inference now accounts for 85% of the enterprise AI budget… a single chatbot API call might cost $0.001 [w hi l e] am u lt i - s t e p a g e n t ... c an cos t$ 0.10 to $1.00 per task completion. Gartner warns CPOs not to confuse the deflation of commodity tokens with the democratization of frontier reasoning… total inference spend will continue rising even as per-token costs fall.”
Cold read: AI 트레이드의 가격과 부가가치는 ‘컴퓨팅 단가’가 아니라 ‘에이전트당 수요’와 ‘단위 해석상 가치’로 이동하고 있다. 컴퓨팅 하드웨어 효율(B200 15x, GB300 1.5x 추가)이 빨라질수록 동일 capex가 더 많은 공급을 낳는다.
Trading insight: AI 반도체/인프라 베팅은 ‘컴퓨팅 생산량’ 성장뿐 아니라 ‘소비자에게 투과되는 가격 하락’과 ‘총 지출 성장률’을 함께 봐야 한다. 가격 하락이 수요를 초과 상승시키는지가 알파의 핵심이다.
Change sensor: inference/training spend 비율, 기업 AI 지출 성장률 vs 토큰 가격 하락 폭, GPU utilisation(15-30%), 프런티어 모델 투입가격 곡선.
Follow-up question: Jevons 역설이 AI computes에서 실제로 일어나는지, 즉 가격 하락이 총 지출 성장을 상쇄 이상으로 이끄는지 추적할 지표는 무엇인가?

[07:00 KST] Talos Quant Execution Insights 2026: execution alpha를 수치로 입증한 250K 오더 데이터

URL: https://www.talos.com/insights/execution-cost-savings-by-the-numbers-the-talos-quant-execution-insights-report-2026
Source Type: research
Domain: execution | microstructure
Trading Relevance: 9
Time Horizon: swing
Actionability: now
Henry Risk Link: execution | liquidity | sizing
Why it matters: Talos가 2025년의 600개 이상 자산, 25만 개 parent order를 분석해 slippage와 execution quality의 실제 비용을 수치로 제시했다. VWAP는 naive sweep 대비 약 38bp 절감, time-paced taker 알고리즘은 7~14bp, top-of-book(Iceberg, Pegged)은 3.1~6.8bp. 불리한 레짐(주문에 대해 300bp 움직임)에서는 평균 68bp 절감했다. 이는 single-order retail이 얼마나 execution tax를 내는지, 그리고 liquidity sourcing이 크기 불이익을 평탄화하는지를 보여준다.
Raw excerpt / abstract: “VWAP captured ~38 bps vs. a naive sweep on average… Talos algos on average saved 68 bps in execution cost versus an instantaneous sweep [in adverse regimes]… For $100K+ tickets, combining exchange + dealer liquidity saved 13.5 bps on average versus exchange-only routing… flattening the square-root size penalty seen on public books.”
Cold read: 체결 품질은 ‘아이디어가 얼마나 실현되는지’를 결정한다. 급한 market order는 slippage를 선불 지불하고, liquidity의 다양성(same venue가 아닌 다중 venue)이 size penalty를 줄여준다.
Trading insight: Henry의 큰 베팅 전 pre-trade checklist에 ‘예상 slippage 예산’을 숫자로 넣어야 한다. 큰 티켓은 한 venue 단일 라우팅 대신 분할/시간 분산이 통계적으로 유리하며, 기대/입장가 대비 shortfall이 일정 bp를 넘으면 trade를 접어야 한다.
Change sensor: 내 체결의 arrival price 대비 shortfall, VWAP 대비 slippage, 주문 크기별 impact 곡선, adverse regime에서의 실현 slippage.
Follow-up question: Henry가 실제로 체결한 오더의 TCA(도착가 대비 슬리피지)를 기록하면, 어느 티커가 가장 큰 execution tax를 내고 있는가?

[07:00 KST] Talos Execution Alphas: MOCX effect와 intraday volume/volatility 구조

URL: https://www.talos.com/insights/execution-alphas-in-crypto-markets-predicting-volume-volatility-and-spreads-to-reduce-slippage
Source Type: research
Domain: execution | microstructure | crypto-structure
Trading Relevance: 8
Time Horizon: intraday
Actionability: now
Henry Risk Link: execution | correlation | regime
Why it matters: slippage를 시장 충격 문제로 모델링하고, 실행 R&D 루프 ‘predict → execute → measure → improve’를 제시한 자료다. BTC-USDT에서 intraday volume이 regional open 특히 미국 개장 시 거의 두 배로 뛰는 MOCX effect(market open crypto explosion)를 보여준다. market impact가 volume에 반비례한다면, 높은 거래량 구간에서 실행하면 impact와 slippage를 줄일 수 있다.
Raw excerpt / abstract: “He highlights a phenomenon he calls the MOCX effect where the percentage of daily volume can nearly double during the US open versus typical periods… volatility is inherently more volatile, and therefore harder to forecast with high confidence… spreads are more predictable than volatility, but they are not constant.”
Cold read: 시간대별 거래량/변동성/스프레드 구조는 반복적이며 예측 가능한 실행 알파가 된다. 미국 개장은 크립토 실행 품질이 좋아지는 창이자, 반대로 동시에 위치가 노출되는 상관 구간이기도 하다.
Trading insight: Henry가 crypto/BTC 노출을 조정할 때, 미국 개장(고유동성)과 미국 밤(얕은 유동성)을 구분해 주문해야 한다. 얕은 유동성 시간대의 큰 주문은 impact와 adverse fill을 키운다.
Change sensor: 특정 시간대 slippage, US open volume share, spread widening 빈도, 변동성 예측 신뢰구간 이탈.
Follow-up question: Henry가 크립토 주문을 낼 때 US market 연동 시간대(개장 직후)와 비연동 시간대 중 어디가 실제로 더 나은 체결을 보이는가?

[07:00 KST] Communicating Credit Risk with LLMs: evidence가 model보다 설명 품질을 좌우한다

URL: https://arxiv.org/abs/2608.17715
Source Type: paper
Domain: cognition | risk-sizing | ai-world-sensing
Trading Relevance: 7
Time Horizon: cycle
Actionability: study
Henry Risk Link: narrative | cognition | FOMO
Why it matters: 신용 위험 모델(XGBoost, GNN)의 설명을 LLM(Gemma 3 4B, DeepSeek R1 70B, Gemini 2.5)이 narrative로 바꿀 때, 설명 품질의 분산은 LLM이 아니라 증거 표현(pipeline)이 더 크게 설명한다는 것을 보여준다. 또 LLM은 영향력 있는 요인은 잘 이름 붙이지만 영향의 방향(direction)은 신뢰도가 낮다. 이는 Henry의 AI 리서치가 ‘그럴듯하지만 방향이 틀린’ narrative를 만드는 위험과 직결된다.
Raw excerpt / abstract: “the pipeline accounts for higher variance in evidence-grounding scores than the language model, meaning that the binding constraint on explanation quality is the evidence representation, not the model used… models reliably name the influential factors but are less reliable when stating the direction of influence… professionals apply stricter evidentiary standards than non-professionals.”
Cold read: AI 설명의 신뢰성은 ‘어떤 모델’이 아니라 ‘어떤 증거 표현’에 달려 있다. LLM은 요인 식별은 잘하지만 방향과 강도를 거꾸로 세울 수 있다.
Trading insight: Henry의 LLM 리서치가 내놓는 결론을 audit할 때, ‘무엇이 영향 요인인지’보다 ‘영향 방향이 무엇인지’를 별도로 검증해야 한다. 방향이 틀린 narrative는 sizing과 entry를 정반대로 만들 수 있다.
Change sensor: LLM narrative의 방향 일치율, 증거 근거 점수, 전문가 vs 비전문가 판단 이탈.
Follow-up question: Henry의 trader agent가 만든 thesis에서 ‘방향’ 주장을 독립적으로 검증하는 게이트를 만들 수 있는가?

Run Summary [07:00 KST]

collected_count: 5
skipped_duplicates: 40 (오늘 파일에 이미 있는 40개 URL 및 중복 후보)
domain_mix: 이번 run은 execution/microstructure 2, macro-liquidity/regime 1, AI world sensing 1, cognition/risk 1. 오늘 전체 누적으로는 microstructure/execution 우세, macro-liquidity(TGA, SEP)와 AI infra sensing이 두 번째 축.
top_theme: Fed 시장 전환기(물가 상향 + 레이트 상향)는 고베타/레버리지 노출의 liquidity headwind이며, 동시에 AI compute는 단가 하락에도 총 추론 지출이 늘어나는 Jevons 구조로 수익원이 이동한다. 실행 품질은 어느 방향에서나 손익의 실현률을 좌우한다.
sharpest_insight: Talos 데이터는 VWAP가 naive sweep 대비 38bp, 그리고 불리한 레짐에서 순간 sweep 대비 68bp를 절감함을 보여주며, 이는 ‘전략이 옳아도 실행이 나쁘면 알파가 증발한다’는 CFA 인사이트를 수치로 뒷받침한다.
danger_of_misuse: 이 자료를 즉각 ‘방향성 베팅’으로 오용하면 안 된다. Fed 물가/금리 전망은 매매 신호가 아니라 레짐 헤드윈드 판단이다. AI compute 탈레일과 Fed 전망이 ‘확정’이 아니라 변동 가능한 시나리오임을 잊으면, 고베타 노출을 과대 베팅하는 FOMO로 이어질 수 있다.
next_probe: Henry의 보유 티커(SOXL, MSTU, BTC proxy)에서 실제 체결 TCA를 수집하고, 시간대(미국 개장 vs 밤)와 크기에 따른 slippage 분포를 측정해 pre-trade slippage 예산에 반영할 수 있는가?

Daily Cold Synthesis

Overnight Thesis: 시장은 ‘디스인플레 완료 → multiples 확장’이 아니라 ‘물가 상향 + 레이트 상향 + 성장 하향’의 전환 초입에 있으며, 이 국면에서 고베타/레버리지 노출의 리스크 프리미엄은 숨겨진 채 상승하고 있다.
World model update: 세상/시장 구조에 대한 갱신 3개
1. Fed 전환기: Kevin Warsh 의장 체제 첫 SEP에서 Q4 2026 core inflation이 3.3%, 금리가 3.8%로 상향되며 stagflation 성향 조합이 확인됐다. 이는 레버리지 배수 확장론의 근거를 약화시킨다.
2. AI economy: Inference Flip(추론>학습) 이후 토큰 단가는 75배 하락했지만 에이전트당 토큰 수요가 100~1000배 늘어 총 추론 지출은 계속 성장한다. 컴퓨팅 가치의 프런티어가 ‘단가’에서 ‘수요와 지불의사’로 이동한다.
3. Execution: Talos의 25만 오더 데이터는 liquidity sourcing과 시간대 분산이 size penalty를 평탄화하고 slippage를 구조적으로 줄인다는 점을 수치로 입증한다. 실행 품질은 더 이상 선택이 아니라 생존 조건이다.
Trading-process lessons: 트레이딩 자체 교훈 3개
1. 큰 티켓은 단일 venue 단일 타이밍 market order로 내지 말고, 시간대(고유동성 창)와 라우팅 다양성으로 impact를 통제해야 한다.
2. 새 포지션을 잡기 전에 arrival price 대비 acceptable shortfall을 bp로 정해 사전 slippage 예산으로 삼아라. 예산 초과는 포기 근거다.
3. 매크로 레짐(Fed 물가/금리)은 방향 예측이 아니라 ‘position heat 조절 트리거’로 사용해야 한다. 레짐이 나빠지면 베팅을 늘리는 것이 아니라 줄이는 것이 대가의 행동이다.
Henry-specific caution: Henry가 조심해야 할 사고 오류 3개
1. FOMO에 의한 ‘즉시 시가 진입’이 제일 비싼 execution tax를 낸다. 기다림은 약해가 아니라 지불 비용 절감이다.
2. AI narrative의 ‘방향’을 ‘사실’로 착각하지 마라. LLM은 요인은 잘 찾지만 방향을 거꾸로 세울 수 있고, 방향 오류는 sizing을 정반대로 만든다.
3. 레버리지/고베타가 상승하면 ‘내 트레이드가 맞다’는 확증 편향이 강해진다. Fed 경고가 있으면 그것은 오히려 risk-off 쪽으로 움직일 근거다.
Signals to monitor: 가격 watchlist가 아닌 변화 신호 5개
1. 다음 SEP(9월)에서 core inflation과 fed funds dot이 같은 방향으로 또 상향되는지.
2. TGA rebuild와 reserve scarcity/SOFR spread가 risk asset multiple에 압박을 주는지.
3. 토큰 가격 하락률 vs 기업 AI 지출 성장률 사이의 격차(총 추론 지출이 여전히 성장하는지).
4. 내 실제 체결의 시간대별 slippage 분산(미국 개장 vs 밤).
5. GPU utilisation(15-30%)이 상승하는지 — 상승하면 compute 공급 여유 축소 신호.
Do not trade directly from this: 이 자료는 방향성 매수/매도 근거가 아니라 레짐과 실행 품질 판단의 근거다. Fed 전망, AI compute 경제, execution 데이터 모두 ‘확정’이 아닌 변동 가능한 시나리오다. 이 클리핑만으로 SOXL/MSTU/BTC 베팅을 즉시 조정하면, 레짐 판단을 타이밍 트레이드로 오용해 역방향 변동에 노출될 수 있다. 판단(레짐, 실행, 리스크)은 Henry, 확정적 베팅 추천은 금지.

dataofmen

Overnight AI Research (2026-08-23)

목차