Almgren–Chriss 최적 주문 실행: 시장 충격과 시간 위험

매수나 매도로 정해진 수량을 마감 시각 전에 거래한다고 해보겠습니다. 주문을 한 번에 내면 호가창의 유동성을 소진해 자신에게 불리한 방향으로 가격을 움직일 수 있습니다. 반대로 주문을 작은 자식 주문으로 나누면 각 조각의 거래 속도와 일시적 시장 충격은 낮출 수 있지만, 목표 수량 중 미체결분이 더 오래 가격 변화에 노출됩니다. 마감까지 다 체결하지 못하면 목표 포지션 자체도 완성되지 않습니다.

Robert Almgren과 Neil Chriss의 모형은 이 선택을 명시적으로 다룹니다. 거래 일정을 시간에 따른 경로로 나타내고, 경로별 기대 비용과 분산을 계산해 기대 비용이 낮은 경로와 실행 불확실성이 낮은 경로 사이의 효율적 경계를 살핍니다. 원 논문은 단순한 선형 시장 충격 모형에서 경계를 만들고, 위험 선호로 그중 한 경로를 고르는 방법을 제시합니다. Almgren과 Chriss의 「포트폴리오 거래의 최적 실행」을 참고하세요.

이 모형은 주문 실행의 작동 원리를 설명하는 틀입니다. 기초자산 투자가 매력적인지, 다음 가격이 오를지 내릴지, 알고리즘이 계산된 가격에 체결될지를 알려주지는 않습니다.

X를 실행하려는 주식 수, T를 허용된 시간이라고 하겠습니다. x(t)는 시점 t에 아직 체결되지 않은 수량입니다. 매도 프로그램이라면 x(0)=X이고, 주문이 모두 완료되면 x(T)=0입니다. 매수 목표도 미체결 수량으로 같은 방식으로 나타낼 수 있습니다.

매도 주문의 거래 속도를 v(t) = −dx(t)/dt라고 두면 양수인 속도가 클수록 남은 수량이 빠르게 줄어듭니다. 이산 일정에서는 각 구간이 끝날 때 남은 수량을 기록하고, 직전 수량과 다음 수량의 차이만큼 주문을 냅니다. 상태를 이렇게 정해 두면 자주 생기는 부호 혼동을 피할 수 있습니다. 실제 거래량은 늘어나는 동안 위험에 노출된 잔량은 줄어듭니다.

남은 수량이 중요한 이유는 가격 변동에 계속 노출되기 때문입니다. 가격 변동성이 일정한 기본 모형에서는 위험 분산 항이 잔량 제곱의 시간 적분인 σ² ∫₀ᵀ x(t)² dt에 비례합니다. 따라서 큰 잔량을 오래 들고 있을수록 모형에서 측정하는 실행 불확실성이 커집니다. 이 값은 기준가격 주변의 가격 위험이지, 시장이 한쪽 방향으로 움직일 것이라는 예측은 아닙니다.

시장 충격은 거래자의 주문 자체가 체결 가격을 불리하게 만들 수 있는 효과를 가리킵니다. 원 모형은 현재 자식 주문 체결 가격에 작용하는 일시적 충격과, 거래 이후 기준 가격 수준을 바꾸는 영구적 충격을 구분합니다. 일시적 충격이 선형이라고 가정하면 거래 속도 v에서 발생하는 비용은 시간에 따라 v²에 비례하며, 간단히 η ∫₀ᵀ v(t)² dt로 쓸 수 있습니다. 여기서 η는 일시적 충격 계수입니다.

제곱 항은 일정한 주문을 짧은 시간에 몰아서 거래할 때 모형상 비용이 커지는 이유를 설명합니다. 거래 속도를 두 배로 높이면 단위 시간당 일시적 충격 비용은 두 배가 아니라 네 배가 됩니다. 하지만 계수는 모든 시장에 통하는 값이 아닙니다. 자산, 거래소, 주문 규모, 시간대, 측정 단위를 정해 추정해야 합니다. 실제 호가 스프레드, 대기열 우선순위, 숨은 유동성, 수수료, 부분 체결과 다른 참여자의 반응까지 이 항 하나가 설명하지는 않습니다. 원 논문의 일시적 충격 함수에는 스프레드형 비용을 나타내는 고정 단위당 항(흔히 ε sgn(v)로 표기)도 있습니다. 정해진 수량을 끝까지 단조롭게 거래하면 이 항의 총액은 일정해 일정 선택을 바꾸지 않습니다. 여기서 η 항은 거래 속도에 따라 달라지는 부분을 따로 나타냅니다.

가장 단순한 선형 모형에서 영구적 충격을 실행 속도에 비례하는 값으로 두더라도, 이를 일정 선택을 좌우하는 추가 속도 벌점으로 보면 안 됩니다. 고정된 총수량을 끝까지 거래하면 그 영구 충격의 총 기대 비용은 일정의 세부 경로와 무관할 수 있습니다. 이 특별한 경우 비용 수준에는 영향을 주지만 실행 일정 자체를 고르지는 않습니다. 비선형 또는 시간이 지나며 소멸하는 충격 모형에서는 결론이 달라질 수 있습니다. Gatheral의 시장 충격과 동적 차익거래 부재 연구는 충격 가정을 보편 법칙처럼 적용하지 말고 내부 일관성을 따져야 하는 이유를 설명합니다.

기대 실행 비용을 E, 실행 비용의 분산을 V라고 쓰겠습니다. 고전적인 평균-분산 목적함수는 E + λV를 최소화합니다. λ는 거래자의 위험 회피 정도를 반영하는 가중치입니다. 값을 높이면 불확실성에 더 큰 비중을 두고, 낮추면 기대 비용을 더 중시합니다. 연속 시간의 선형 모형에서 일정에 따라 달라지는 목적함수의 부분은 다음처럼 쓸 수 있습니다.

η ∫₀ᵀ v(t)² dt + λσ² ∫₀ᵀ x(t)² dt

첫째 항은 거래 속도가 높은 일정에 벌점을 주므로 천천히 거래하도록 합니다. 둘째 항은 미체결 수량을 가격 변동에 노출해 두는 비용을 반영하므로 더 빨리 실행하도록 합니다. 둘을 절충하면 비용과 위험의 효율적 경계가 생깁니다. 불확실성을 줄이려면 일반적으로 기대 비용을 더 부담해야 합니다. Bertsimas와 Lo의 연구는 고정된 기간 안의 실행 비용 최적화를 다루며, 뒤이은 Almgren–Chriss 모형은 실행 비용 분산을 의사결정에 더합니다. Bertsimas와 Lo의 「실행 비용의 최적 제어」도 함께 볼 수 있습니다.

λ에 모두가 쓰는 표준값이 있는 것은 아닙니다. 비용과 분산 항의 단위·크기에 따라 수치의 의미가 달라지고, 위험을 부담하는 사람이 어떤 절충을 받아들일지도 반영해야 합니다. 변동성 및 충격 추정치, 주문 규모와 마감 시간도 결과에 영향을 줍니다. 모수와 목적함수를 밝히지 않은 ‘최적’ 일정만으로는 무엇이 최적화됐는지 알 수 없습니다.

변동성과 선형 일시적 충격 계수가 일정하다고 가정하면 최적 잔량 경로는 다음 형태를 가집니다.

x(t) = X × sinh(κ(T − t)) / sinh(κT)

κ는 실행의 긴급도를 나타내는 모수입니다. 한 가지 연속시간 관례에서는 κ² = λσ²/η입니다. 원 논문의 이산시간 모형에서는 시간 구간을 짧게 할 때 이 관계에 가까워집니다. 구현 사이에서 κ 값을 비교하려면 계수의 정의와 측정 단위가 먼저 같아야 합니다.

λ가 0에 가까워지면 κ도 0에 가까워지고 위 비율은 1 − t/T에 가까워집니다. 따라서 일정한 수량을 시간에 따라 고르게 실행하는 직선형 경로가 됩니다. 위험 회피도나 변동성이 높아지면 κ가 커져 더 많은 주문을 초기에 배치하고, 큰 잔량이 열려 있는 시간을 줄입니다. 일시적 충격 계수 η가 커지면 긴급도가 낮아져 실행량이 전체 시간에 더 넓게 퍼집니다. 이는 목적함수의 변화에 따른 모형 결과일 뿐, 앞당겨 거래하면 실제 체결 가격이 더 좋아진다는 뜻은 아닙니다.

이 식이 완전히 적응하는 실시간 알고리즘으로 소개되는 경우가 있지만, 기본형은 실행 전에 정한 모수를 바탕으로 계산한 경로입니다. 원 논문은 정보와 확장도 다루지만, 정적인 기본 경로가 갑작스러운 가격 변화, 유동성 변화, 새 신호에 자동으로 대응하는 것은 아닙니다.

마감까지 60분이 남은 1,000주 가상 매도 주문을 생각해 보겠습니다. 추정한 긴급도 모수의 곱이 κT = 2라고 둡니다. 이 무차원 값만으로 경로를 지정했으며, 현재 시장의 변동성이나 충격 계수를 가져왔다고 가정하지 않습니다.

예를 들어 15분이 지난 뒤의 잔량은 식에 대입한 1,000 × sinh(1.5) / sinh(2)이며 약 587주입니다. 이 일정은 약 413주를 이미 거래한 셈이고, 직선형 TWAP의 250주보다 많습니다. 모두 정규화한 모형에서 계산해 반올림한 값으로, 실제 체결 가격이나 시장 전망 또는 매도 속도 권고가 아닙니다. 또한 마감 순간에 정확히 주문을 끝내고, 수수료·스프레드·최소 주문 단위·유동성 변화를 무시한다고 가정합니다.

비교에서 알 수 있는 점은 위험 항이 실행 경로를 어떻게 바꾸는가입니다. 후반까지 남는 수량이 줄도록 거래를 앞에 배치합니다. 이 변화로 늘어나는 거래 비용과 잔량을 더 오래 보유할 때의 위험 중 어느 쪽이 중요한지는 주문마다 다르며, 모형의 목적함수와 모수가 결정합니다.

모수를 추정하려면 각 항의 측정 방식을 정해야 합니다. 변동성은 어떤 수익률 계열과 표본 간격을 썼는지에 따라 달라집니다. 연율화한 값인지, 실행 구간 단위로 환산했는지도 밝혀야 합니다. 일시적 충격 추정치는 자산, 거래소, 참여율, 주문 규모, 스프레드와 수수료 포함 여부에 따라 달라집니다. 한쪽은 분 단위이고 다른 쪽은 일 단위인 값을 그대로 대입하면 수식이 맞아도 긴급도 모수는 의미가 없습니다.

분석에는 주문 기간, 변동성 관례, 충격 함수, 위험 가중치와 주문 제약을 일정과 함께 기록하는 편이 좋습니다. 각 추정치를 조금 바꿔 경로가 얼마나 달라지는지도 살펴야 합니다. η, σ, λ의 작은 변화에 따라 거래량 대부분이 마감 직전에서 시작 직후로 이동한다면, 민감도 자체가 중요한 결과입니다.

목적함수에는 사람의 선호도 들어갑니다. 가격과 유동성 예상치가 같아도 불리한 가격 변화나 포지션 미완성을 더 걱정하는 거래자는 다른 경로를 고를 수 있습니다. 모형은 그 선택을 눈에 보이게 하지만, 받아들일 절충을 대신 결정해 주지는 않습니다.

닫힌 형태의 경로는 단순화된 가격 과정과 실행 구간 동안 고정된 모수를 가정합니다. 여기서 설명한 단일자산형은 관련 자산을 거래할 때 생기는 교차 충격도 넣지 않습니다. 실제 호가창에는 호가 단위, 변하는 잔량, 대기열, 거래소 분산, 부분 체결, 수수료, 무기한 계약의 펀딩과 주문 제약이 있습니다. 비선형 또는 시간이 지나며 소멸하는 시장 충격을 넣으면 최적 경로가 달라질 수 있습니다. 기대 수익에 관한 신호도 긴급도에 영향을 줄 수 있지만, 그때는 이 식의 무알파 기준 문제와 달라집니다.

암호화폐 시장에서는 데이터 기준도 특히 중요합니다. 무기한 계약의 체결가, 지수 가격, 마크 가격, 펀딩 흐름과 청산 규칙은 서로 다른 질문에 답합니다. 이 계약에 모형을 적용하려면 최적화하는 가격 계열과 비용 측정 기간부터 정해야 합니다. 기본 식에는 펀딩 비용이 들어 있지 않고 거래소 간 체결도 보장하지 않습니다. 교과서 경로를 특정 거래소에서 그대로 쓸 주문 지시로 받아들이면 안 됩니다.

이런 한계가 모형을 쓸모없게 만들지는 않습니다. 대신 어떤 입력과 절충이 일정을 좌우하는지 살펴볼 기준선이 됩니다. 이 경로를 현실적인 체결, 측정한 충격, 주문 완료 여부와 비교하는 것이 가정을 밝히지 않은 채 한 경로를 ‘최적’이라고 부르는 것보다 유익합니다.

TWAP와 VWAP는 기준가격과 알고리즘 양쪽을 가리킬 수 있습니다. TWAP 기준가격은 시간에 따라 가격을 평균하고, TWAP 일정은 시간에 주문량을 나눕니다. VWAP 기준가격은 시장가격을 거래량으로 가중하며, VWAP 일정은 예상 거래량 곡선을 따르려 합니다. Almgren–Chriss는 비용과 위험의 목적함수에서 실행 경로를 도출합니다. 서로 비교하거나 함께 쓸 수 있지만 이름만으로 동일한 목적을 뜻하지는 않습니다. VWAP·TWAP 기준가격과 주문 일정 비교도 참고하세요.

Implementation shortfall(실행 부족분)은 투자 결정과 실제 포트폴리오 사이의 차이를 사후에 측정하는 방식입니다. 정한 평가 기간 안에서 미체결 수량을 추정해 포함할 수도 있습니다. 최적화 모형과는 역할이 다릅니다. implementation shortfall 계산법에서는 결정 가격, 체결, 미체결 수량의 측정 방법을 설명합니다. 주문 일정이나 중개사를 비교할 때는 결정 시점, 기준가격, 수수료, 부분 체결과 미체결 잔량의 평가 조건을 맞춰야 합니다.

주문 실행 모형은 기초자산 투자가 양의 기대수익을 낸다는 증거가 아닙니다. 모형에 의존하는 여러 주문 분할 방법 중 하나로 보고, 실제 체결과 제약은 따로 검토해야 합니다. 충격 가정은 Gatheral의 시장 충격 분석도 함께 확인할 수 있습니다.