현대 시장의 마이크로스트럭처는 더 이상 정적인 데이터의 집합이 아니다. 강화학습(RL) 기반의 마켓 메이킹 에이전트들은 대형 투자자의 메타 주문(Meta-order) 패턴을 실시간으로 학습하며, 이를 통해 역선택(Adverse Selection)을 강화한다. 유동성은 단순히 ‘존재하는 것’이 아니라, 내 주문의 흔적을 먹고 자라며 나에게 불리한 방향으로 적응하는 적대적 생태계다.
근거
강화학습 기반의 에이전트들이 중기 투자자의 주문 흐름(Meta-order drift)을 학습하여 자신의 수익을 극대화하고, 결과적으로 주문 실행자에게 슬리피지 비용을 전가하는 구조가 실증적으로 확인되고 있다.
RL market maker는 meta-order가 유발하는 price drift를 이용하는 방법을 학습하며, medium-frequency trader가 high-frequency trading agent에게 adverse selection을 당하는 구조를 재현한다.
연결된 생각
- 20260609-slippage-at-risk-liquidity-metric — 유동성 리스크를 정량화할 때 이러한 적응적 적대자의 존재를 상수로 두어야 한다.
- 예측 가능성의 제거: 일정한 시간, 일정한 수량의 분할 매수(TWAP)는 AI 에이전트에게 가장 좋은 먹잇감이 된다. 실행 전략은 무작위성(Randomization)과 문맥 인식(Context-aware) 기능을 갖춰야 한다.