Kyle의 람다: 방향성 주문 흐름 단위당 가격 충격

시장가 주문은 이용 가능한 유동성을 소진합니다. 시장조성자가 예상보다 강한 매수를 관측하면 그 흐름에 자산 가치에 대한 정보가 담겼다고 보고 가격을 올릴 수 있습니다. 보통 λ로 쓰는 Kyle의 람다는 시장 미시구조 모형에서 순방향 주문 흐름 한 단위에 따라 가격이 얼마나 변하는지를 나타냅니다. 양의 λ가 클수록 같은 방향성 주문 흐름에 모형 가격이 더 많이 움직입니다. 그 모형의 의미에서 시장 깊이는 얕습니다.

방향성 주문 흐름을 y라고 하겠습니다. 매수 주도 수량에서 매도 주도 수량을 뺀 값입니다. 단순한 선형 가격 규칙은 다음과 같습니다.

\[ p(y)=\mu+\lambda y, \]

여기서 μ는 사전 기대가치이고 λ의 단위는 거래량 한 단위당 가격입니다. 주문 흐름을 주식 수로 측정하면 λ는 거래 주식 수 한 주당 가격 변화이고, 달러 명목 금액으로 측정하면 순명목 금액 1달러당 가격 변화입니다. 단위는 모수의 일부이지 표기상의 세부 사항이 아닙니다.

‘충격’이라고 할 때는 시간 구간도 정해야 합니다. 체결 직후 가격이 움직였다가 일부 되돌아갈 수도 있고, 체결이 정보를 드러내 가격에 계속 반영될 수도 있습니다. 같은 구간의 중간호가 회귀, 몇 초 뒤 호가 반응, 장기 반응은 서로 다른 결과를 측정합니다. Hasbrouck의 체결 정보 모형은 체결과 호가 갱신을 동적으로 분석하고, 연구한 표본에서는 체결의 정보 효과가 시차를 두고 온전히 반영될 수 있음을 보였습니다(Hasbrouck, 1991).

Kyle의 틀에는 자산의 최종 가치에 관한 정보를 가진 거래자, 해당 정보와 무관한 이유로 주문을 내는 노이즈 거래자, 합산 주문 흐름을 관측한 뒤 가격을 정하는 경쟁적 시장조성자가 등장합니다. 정보 거래자는 큰 주문이 자신에게 불리하게 가격을 움직일 것을 예상하며 주문 크기를 선택합니다. 시장조성자의 가격 반응과 정보 거래자의 주문 전략은 균형에서 함께 결정됩니다(Kyle, 1985).

익숙한 닫힌형 해는 단일 경매의 선형 정규분포 기준 모형에서 가장 쉽게 확인할 수 있습니다. 최종 가치 v의 사전 평균은 μ, 표준편차는 σᵥ이고, 노이즈 주문 흐름 u의 표준편차는 σᵤ라고 하겠습니다. 정보 거래자의 주문은 x=β(v−μ)이고 전체 흐름은 y=x+u입니다. 경쟁적 시장조성자는 p(y)=E[v|y]=μ+λy로 가격을 정합니다. 이 가격 규칙에서 정보 거래자의 기대 이익은 x[(v−μ)−λx]에 비례하므로 최적 선형 전략은 β=1/(2λ)입니다. 여기에 시장조성자의 조건부 기대를 결합하면 다음 식을 얻습니다.

\[ \beta=\frac{\sigma_u}{\sigma_v}, \qquad \lambda=\frac{\sigma_v}{2\sigma_u}. \]

이 식은 단일 경매 기준 모형의 결과이지, 모든 시장이나 연속 경매 균형의 매 시점에 적용되는 보편 공식이 아닙니다. 식은 모형의 작동 원리를 보여줍니다. 가치에 대한 불확실성이 커지면 역선택 압력이 높아지고, 노이즈 흐름이 많아지면 정보 주문을 식별하기 어려워져 흐름 한 단위당 가격 반응은 작아집니다. 여러 차례 거래하는 모형에서는 전략적 주문 분할, 거래 기간, 노이즈 흐름 경로도 영향을 줍니다.

실증 분석의 출발점으로 중간호가 수익률을 방향성 흐름에 회귀하는 경우가 많습니다.

\[ r_t = a+\widehat{\lambda}_{\mathrm{OLS}}q_t+\varepsilon_t, \qquad r_t=10{,}000\Delta\log m_t. \]

여기서 mₜ는 중간호가, rₜ는 로그 수익률을 베이시스포인트로 표시한 값, qₜ는 정한 시간 구간의 방향성 흐름, a는 절편, εₜ는 적합 직선으로 설명되지 않는 부분입니다. qₜ를 10만 달러 명목 금액 단위로 측정하면 기울기의 단위는 순방향 흐름 10만 달러당 베이시스포인트입니다. 추정치가 양수이면 이 표본과 시간 구간에서 매수 주도 순흐름이 클수록 중간호가 수익률도 커지는 경향이 있다는 뜻입니다.

연구 설계가 인과적 해석이나 구조적 해석을 뒷받침하지 않는 한 이 해석은 기술적 설명에 머뭅니다. 흐름과 가격은 함께 만들어집니다. 거래자는 가격에 반응하고, 시장조성자는 흐름에 대응하며, 둘 다 정보에 반응할 수 있습니다. OLS만으로 정보 거래자의 전략이나 경쟁적 시장조성자의 균형 가격 규칙을 복원할 수는 없습니다. 기호도 구분해 쓰세요. 모형의 모수는 λ, 적합된 회귀계수는 \(\widehat{\lambda}_{\mathrm{OLS}}\)로 표기할 수 있습니다.

종속변수의 정의도 중요합니다. 체결 가격 변화에는 매수·매도 호가 튐 효과가 포함되지만, 중간호가 변화는 그 기계적 움직임 일부를 걸러냅니다. 그렇다고 호가 시점, 뉴스, 내생적 거래까지 사라지는 것은 아닙니다. Glosten과 Harris는 체결 가격과 호가 변화를 모형화해 스프레드 구성요소를 분리했습니다. Brennan과 Subrahmanyam은 자산 가격 분석에서 장중 거래 비용과 가격 충격 지표를 다뤘습니다(Glosten and Harris, 198890034-7); Brennan and Subrahmanyam, 199600870-K)). 이 지표들은 유동성과 관련되어 있지만, 같은 시점의 OLS 기울기와 서로 바꿔 쓸 수는 없습니다.

추정에 앞서 방향성 흐름을 정의해야 합니다. 체결 i의 부호를 매수 주도일 때 sᵢ=+1, 매도 주도일 때 sᵢ=−1로 놓고 수량을 주식 수, 계약 수, 명목 금액 중 하나로 정하면 흐름은 다음과 같습니다.

\[ q_t=\sum_{i\in t}s_i n_i. \]

피드가 공격자 방향 필드를 제공하면 그 필드의 의미와 방향 미정 사례를 기록하세요. 방향을 추정한다면 분류 규칙과 호가 연결 규칙을 설명해야 합니다. Lee–Ready 안내는 관측 체결만으로 거래를 시작한 쪽을 항상 알 수 없는 이유를 설명합니다. 오더 플로우 불균형은 연관되지만 다른 지표입니다. 체결 방향뿐 아니라 표시된 매수·매도 대기열 변화를 포함할 수 있습니다.

두 축의 단위를 모두 기록하세요. q를 주식 수, 계약 수, 달러, 10만 달러 단위로 바꾸면 기울기의 숫자가 달라집니다. 수익률을 달러 가격 변화, 베이시스포인트, 퍼센트 중 무엇으로 쓰는지에 따라서도 값이 바뀝니다. 예를 들어 계수가 10만 달러당 0.64bp인데 흐름 단위를 백만 달러로 바꾸면 숫자는 10분의 1이 됩니다. 정규화한 계수는 금융상품 간 비교에 쓸 수 있지만, 원래 계수와 다른 질문에 답하므로 정규화 방식도 밝혀야 합니다.

표본 구간도 마찬가지로 중요합니다. 5분 흐름과 5분 수익률을 짝지으면 5분 구간의 관계를 추정하는 것이지 가격 움직임이 얼마나 지속되는지를 보여주는 것은 아닙니다. 짧은 구간은 타임스탬프 정렬, 매수·매도 호가 튐, 드문 체결에 민감합니다. 긴 구간은 체결과 뉴스를 더 많이 포함하지만 가격 반응 순서를 가립니다. 수익률과 흐름을 같은 시점에 측정했는지, 미래 구간으로 측정했는지, 어떤 시계와 거래장 범위 및 시차 구조를 썼는지 보고해야 합니다.

숫자 계산을 위해 만든 가상의 5분 관측값 네 개를 보겠습니다. qₜ는 10만 달러 단위 방향성 명목 금액이고 rₜ는 중간호가 수익률(bp)입니다.

\[ q=[-2,-1,1,2],\qquad r=[-1.1,-0.3,0.5,1.7]. \]

흐름 평균은 0이고 수익률 평균은 0.20bp입니다. OLS 기울기와 절편은 다음과 같이 계산됩니다.

\[ \widehat{\lambda}_{\mathrm{OLS}} =\frac{\sum_t(q_t-\bar q)(r_t-\bar r)} {\sum_t(q_t-\bar q)^2} =\frac{6.4}{10} =0.64 \quad\text{10만 달러당 bp}, \qquad \hat a=\bar r-\widehat{\lambda}_{\mathrm{OLS}}\bar q=0.20\text{ bp}. \]

예를 들어 q=2일 때 적합 수익률은 0.20+0.64×2=1.48bp이며 관측값은 1.7bp입니다. q=−2일 때 적합 수익률은 −1.08bp, 관측값은 −1.1bp입니다. 네 점의 잔차가 작다고 안정적인 관계가 입증되는 것은 아닙니다. 네 관측값은 계산 과정을 보여주기 위한 것일 뿐 충분한 추정치나 매매 성과가 아닙니다.

단위를 붙이면 수치를 해석하기 쉽습니다. 이 적합 직선에서는 같은 5분 구간에 매수 주도 순흐름이 10만 달러 더 많을 때 중간호가 수익률이 0.64bp 더 큰 경향이 있습니다. 시장조성자가 언제나 이만큼 가격을 움직인다거나, 효과가 5분 이후에도 지속된다거나, 10만 달러 주문을 중간가격에 체결할 수 있다는 뜻은 아닙니다.

<!-- learn:illustration --> <!-- 글자 없는 개념도: 네 개의 유리 용기에 파란색과 호박색 구슬이 점점 한쪽으로 치우친 비율로 담겨 있고, 아래의 투명한 리본은 완만하게 상승합니다. 개념도이며 실제 시장 자료, 예측 또는 거래 신호가 아닙니다. -->

실증 흐름 자료의 품질은 체결 부호에 달려 있습니다. 매수와 매도를 무작위로 잘못 분류하면 양의 흐름이 음수로, 음의 흐름이 양수로 기록될 수 있습니다. 독립적이고 대칭적인 분류 오류가 있고 나머지 측정 오류도 외생적이라는 제한적인 가정 아래에서는, 관측 흐름이 참 흐름을 더 시끄럽게 대리하면서 기울기가 보통 0 쪽으로 낮아집니다. 이는 항상 적용할 수 있는 보정 규칙은 아닙니다. 대량 체결, 급변 장세, 특정 거래장, 가격 급변 시점에서 오류가 몰리면 어느 방향으로든 기울기를 왜곡할 수 있습니다.

시간 정렬도 부호 규칙만큼 중요합니다. 체결 뒤에 갱신된 호가와 체결을 비교하면 반대편으로 잘못 분류할 수 있습니다. 스프레드 내부 체결, 중간호가 체결, 경매, 정정, 정밀도가 낮은 타임스탬프도 방향이 모호할 수 있습니다. 미분류 상태를 따로 유지하고 부호를 붙인 거래량이 전체 거래량에서 차지하는 비율을 보고하세요. 가능하다면 합리적인 대체 분류법으로도 추정치를 계산하세요.

유동성에 따라 분류 오류의 양상이 달라질 수도 있습니다. 평상시에는 괜찮은 분류기가 호가가 빠르게 바뀌거나 스프레드 내부 체결이 많은 상황에서는 제대로 작동하지 않을 수 있습니다. 거래장 자체의 공격자 방향 필드를 쓸 수 있다면 거래소 간에 값이 직접 비교 가능하다고 가정하기 전에 필드 설명과 예외를 확인하세요. 추정 부호를 사용할 때는 Lee–Ready 안내를 참고해 방법과 타임스탬프 한계를 기록할 수 있습니다.

같은 시간 구간의 흐름과 수익률을 사용하면 구간 안에서 이벤트가 어떤 순서로 일어났는지 알 수 없습니다. 구간 초반의 가격 상승에 뒤이어 매수가 늘었는데도 회귀 결과를 ‘흐름이 가격을 움직였다’고 표현할 수 있습니다. 동시에 유동성 공급자는 체결을 보고 호가를 고칠 수 있습니다. 연구 설계로 두 방향을 분리하지 않으면 기울기에 양쪽 반응이 모두 섞입니다.

공개 정보도 공통 원인이 될 수 있습니다. 예정된 발표 하나가 가치 기대, 변동성, 스프레드, 주문을 동시에 바꿀 수 있습니다. 이때 방향성 흐름은 사적 정보의 내용이 아니라 뉴스 반응의 대리변수일 수 있습니다. 단순한 Kyle 모형은 정보 거래와 노이즈 거래를 분리해 작동 원리를 보여줍니다. 현실의 관측값에는 공개 뉴스, 재고 관리, 헤지, 지수 주문, 유동성 충격이 들어갑니다. 예정된 이벤트를 표시하고 관측 가능한 공통 충격을 통제하며 수익률 구간보다 앞선 흐름을 분리하면 분석 질문을 명확히 할 수 있지만, 통제변수를 추가했다고 내생성이 자동으로 사라지지는 않습니다.

구조적·인과적 해석은 식별 가정을 명시하고 설득력 있게 뒷받침할 수 있을 때만 사용하세요. 흐름을 시차 변수로 놓으면 ‘앞선 흐름이 이후 수익률을 예측하는가’라는 다른 질문이 됩니다. 시차를 뒀다고 흐름이 외생적으로 바뀌는 것은 아닙니다. 거래와 호가의 시차를 둔 정보 효과가 분석 대상이라면 Hasbrouck의 동적 접근법이 참고가 됩니다. 단순 OLS 계수는 여전히 선택한 구간과 회귀식에 종속됩니다(Hasbrouck, 1991).

체결은 군집을 이루고 가격은 시간에 걸쳐 조정됩니다. 흐름이나 회귀 잔차에 계열 의존성이 있으면 계수 자체가 유용한 기술 통계일 수는 있어도 통상적인 OLS 표준오차는 신뢰하기 어려울 수 있습니다. 잔차를 점검하고 이분산성과 계열 상관을 고려한 불확실성 추정 여부를 밝혀야 합니다. 지속성이나 지연 반응이 질문이라면 동적 모형을 고려하세요. 같은 구간 계수와 뒤이은 구간의 누적 반응을 같은 이름으로 해석해서는 안 됩니다.

유동성은 거래일 안에서도, 날짜 사이에서도 바뀝니다. 스프레드, 표시 잔량, 변동성, 시간대, 거래장, 시장 상태에 따라 주문 한 단위가 움직이는 가격이 달라집니다. 전체 표본의 기울기 하나는 이 상태들을 평균냅니다. 시장 상태별 반응을 알아보려면 사전에 정한 하위 표본을 비교하거나 관측한 유동성과 흐름의 상호작용을 추정할 수 있습니다. 각 비교를 뒷받침하는 관측 수도 보고해야 합니다. 평온한 시장에서 나온 계수를 뉴스 충격이나 호가가 얕은 시장에 그대로 적용해서는 안 됩니다.

가격 충격이 선형이거나 대칭이어야 할 이유도 없습니다. 작은 주문과 큰 주문의 한계 가격 반응이 다르면 회귀선 하나가 모두 평균내 버릴 수 있고 매수와 매도의 반응이 다를 수도 있습니다. Hasbrouck은 자신이 분석한 표본에서 체결 크기와 전체 가격 충격 사이에 양의 오목한 관계가 있다고 보고했습니다(Hasbrouck, 1991). Tóth와 공저자들은 금융시장의 이례적 가격 충격과 유동성 크기를 연구했으며, 연구한 환경에서 제곱근 형태의 패턴을 포함한 결과를 제시했습니다(Tóth et al., 2011). 이런 결과는 비선형 모형을 확인할 이유가 되지만, 모든 자산·거래장·시간 구간에 적용되는 보편적 가격 충격 곡선이 있다는 뜻은 아닙니다.

발표된 연구나 데이터 업체의 ‘람다’ 수치를 비교하기 전에 무엇을 추정했는지 맞춰 보세요. 흐름은 방향성 주식 수, 계약 수, 달러 명목 금액 중 무엇인가요? 결과값은 체결 가격, 중간호가, 장기 가격 변화 중 무엇인가요? 흐름은 같은 시점, 시차를 둔 시점, 여러 구간에 누적한 값 중 무엇인가요? 표본 간격, 거래장 범위, 금융상품, 시장 환경, 부호 분류 방식은 비슷한가요? 단위와 측정 대상이 다른 원시 수치로 유동성 순위를 정할 수는 없습니다.

추정 방법에 따라서도 대상이 달라집니다. 단순 OLS 기울기는 표본의 선형 관계를 요약합니다. 동적 거래·호가 모형은 즉시 반응과 지연 반응을 나눌 수 있습니다. 스프레드 분해는 주문 처리 비용과 역선택 비용 같은 요소를 추정합니다. Hasbrouck의 일별 자료 방법은 다른 정보 집합에서 유효 거래 비용을 추정합니다(Hasbrouck, 2009). Roll 추정량은 자체 가정 아래 수익률 자기공분산으로 스프레드를 추론하고, Hasbrouck 정보비중은 서로 연결된 시장들이 공통 영구가격 혁신의 분산에 기여하는 비중을 배분합니다. 어느 쪽도 Kyle의 람다와 같은 지표가 아닙니다.

추정치는 신중하게 정의한 가격 반응 지표 하나로 다루세요. 시장 품질 전체를 평가하거나 바로 거래에 쓸 신호는 아닙니다. 근거 있는 결과를 보고할 때는 균형 가정 또는 실증 회귀식, 흐름의 부호와 단위, 가격 척도, 시간 구간, 표본, 불확실성 계산법, 이벤트 처리, 대체 모형에 대한 민감도를 밝혀야 합니다. 수익성은 스프레드, 수수료, 지연, 슬리피지, 시장 충격을 포함한 별도의 표본 외 검정으로 평가해야 합니다.