시스템 트레이딩을 공부하다 보면 이론과 실제 사이에 생각보다 큰 간극이 있다는 걸 알게 됩니다. 교과서에서는 잘 작동하는 방법론이 실제 데이터에 붙이면 생각대로 안 되고, 잘 된다고 생각했던 백테스트가 실전에선 전혀 다른 결과를 냅니다.
Alphaware는 그 간극을 채우는 과정에서 얻은 것들을 기록하는 곳입니다. 온체인 데이터, 매크로 지표, 기술적 분석을 조합하는 방법, ML 모델을 금융 시계열에 붙일 때의 함정들, RAG 같은 AI 파이프라인을 실제로 구축하면서 부딪힌 문제들을 씁니다.
"이렇게 하면 된다"보다는 "이렇게 했더니 이런 문제가 있었다"는 쪽에 더 가깝습니다. 완성된 정답보다 실제로 작동하는 과정에 관심이 있습니다.
주로 쓰는 기술
BTC·ETH 중심의 크립토 시장 분석입니다. 온체인 데이터(거래소 유출입, 고래 움직임), 파생상품 지표(펀딩레이트, OI), 매크로(DXY, 금리)를 조합해서 방향성을 판단합니다. 기술적 분석도 씁니다만, 하모닉 패턴 하나로 결론 내리지는 않으려고 합니다.
금융 데이터 파이프라인, LLM 응용, RAG 시스템 구축 경험을 씁니다. 데이터 수집부터 모델 서빙까지, 실제 운영에서 부딪히는 문제들 위주입니다. LangGraph, 벡터 DB, 임베딩 파인튜닝 같은 주제를 다룹니다.
전략 개발과 검증 방법론을 다룹니다. Walk-forward, Purged K-Fold, OOS 검증 같은 과적합 방지 방법과 실무 적용 기준을 씁니다. 잘 작동하는 백테스트를 만드는 것보다 실전에서도 통하는 전략을 검증하는 쪽에 집중합니다.