Collections
Curated reading paths through the blog, ordered from basics to advanced.
Backtesting Without Fooling Yourself
A step-by-step path from what your backtest really optimizes to proving an edge survives overfitting, multiple testing, and live execution. Read top to bottom — each part builds on the last.
- 01목적함수 설계: 최적 화하는 지표가 전략을 은밀하게 고른다
- 02멀티 타임프레임 백테스트에서 선행 참조(look-ahead) 없음을 증명하기: 미래를 흔들어 과거가 그것을 볼 수 없음을 증명한다
- 03미래 참조 편향(Look-Ahead Bias): 한 바(bar)의 실수가 순수한 노이즈에서 Sharpe 15를 만들어내는 방법
- 04워크포워드 최적화: 유일하게 정직한 전략 테스트
- +7 more
High-Performance Backtest Engines
How to build a backtest engine that runs hundreds of times faster without changing a single PnL number — data layout, caching, adaptive resolution, and architecture, from first speedups to production internals.
- 01백테스트 엔진 속 도 사다리: 노트북 CPU에서 298배, 마지막 트레이드까지 동일한 PnL
- 02프레임워크 세금: 백테스트 라이브러리가 순진한 pandas 루프보다 느릴 때
- 03집계 Parquet 캐시: 멀티 타임프레임 백테스트를 수백 배 빠르게 하는 방법
- 04이축 파라미터 공간: 왜 스윕의 대부분은 거의 공짜여야 하는가
- +7 more
Complex Arbitrage in Rust
A six-part build-up of multi-leg crypto arbitrage — from negative-cycle detection to the linear algebra, copulas, and machine learning behind it, ending in low-latency Rust execution.
- 01아비트라지 탐지를 위한 그래프 알고리즘: Bellman-Ford에서 RICH까지
- 02선물-현물 아비트라지: 캐시 앤 캐리에서 DeFi-CeFi까지
- 03행렬, 텐서, 열대 대수: 차익거래 탐지를 위한 선형대수학
- 04Vine Copula를 활용한 차익거래: 고차원 의존성 모델링
- +2 more
Order Book & Market Microstructure
How the order book really works — accessing the data, reading queue position, rebuilding bars from order flow, and modeling it with deep learning and Hawkes processes.
- 01CCXT: WebSocket 오더북 메서드의 실 제 동작 원리
- 02알고리즘 트레이딩의 주문 유형: 체이싱 리밋부터 가상 주문까지
- 03벽 안의 큐: 주문장 밀도에서의 주문 포지션 분석
- 04알고리즘 트레이딩을 위한 바 유형과 집계 방법
- +8 more
Portfolio Construction & Risk
From Markowitz to production HRP + CVaR: how to allocate across crypto assets, model tail dependence with copulas, and size positions without blowing up.
- 01암호화폐를 위한 마코위츠 포트폴리오 이론: 제로에서 히어로까지
- 0212가지 포트폴리오 최적화 알고리즘 비교: HRP, Black-Litterman, NCO 외
- 03내부 알고리즘 분석: HRP + 롱/숏 + Hull-White를 사용한 CVaR
- 04코풀라 모델: 암호화폐 포트폴리오의 공동 리스크 모델링
- +1 more
Risk & Position Sizing
Build position sizes from drawdown math, realistic trading costs, and uncertainty in backtest results before applying Kelly.
- 01손실-이익 비대칭: 당신의 자금을 죽이는 수학
- 02슬리피지 상수가 아닌 슬리피지 곡선: 실전 트레이딩과의 접촉에서 살아남는 비용 모델
- 03몬테카를로 부트스트랩: 10줄의 코드로 백테스트 신뢰구간을 얻는 방법
- 04전략을 위한 켈리 기준: 포지션 크기를 정하고 자본을 배분하는 법
Statistical Arbitrage & Pairs Trading
Trade the spread between correlated assets — from the distance approach to cointegration and Kalman filters, then dynamically combining mean reversion with momentum.
- 01페어 트레이딩에서의 거리 접근 법: Rust를 활용한 구현과 분석
- 02암호화폐 시장의 통계적 차익거래와 페어 트레이딩: 공적분에서 칼만 필터까지
- 03시그널 상관관계: 몇 개의 페어를 모니터링해야 하는가
- 04통계적 아비트라지에서 평균 회귀와 모멘텀 전략의 동적 결합: 수학적 기초와 실용적 구현
- +1 more
Deep Learning for Markets
Neural forecasting for crypto — transformers, diffusion models, and foundation models, and how conformal prediction keeps their uncertainty honest.
- 01다중 기간 포트폴리오 예측을 위한 Temporal Fusion Transformer
- 02확산 모델 vs 암호화폐 무정부 상태: DDPM이 점쟁이보다 비트코인 폭락을 더 잘 예측할 수 있는 이유
- 03Kronos: 캔들스틱 차트에 Transformer 언어를 가르치는 파운데이션 모델
- 04리스크 인식 포지션 사이징을 위한 컨포멀 예측
AI Agents for Trading
The agentic-AI stack for markets — multi-agent frameworks, open-source hedge funds, and LLMs that mine alpha from earnings calls.
- 01에이전트 AI를 활용한 투자 포트폴리오 관리의 혁명
- 02TradingAgents: 헤지펀드를 모델링하는 멀티에이전트 AI 프레임워크
- 03AI4Finance Foundation: 알고트레이딩을 위한 FinGPT, FinRL, FinRobot 생태계
- 04AI Hedge Fund: AI 애널리스트들이 투표로 거래를 결정하는 멀티에이전트 펀드
- +1 more
QuestDB for Algorithmic Trading
Stand up a time-series stack for trading on QuestDB — from architecture to the SQL that matters, to a production deployment.
- 01알고리즘 트레이딩을 위한 QuestDB: 시장의 언어를 말하는 아키텍처
- 02알고리즘 트레이딩을 위한 QuestDB: 게임을 바꾸는 SQL 확장
- 03알고리즘 트레이딩을 위한 QuestDB: 오더북에서 프로덕션 아키텍처까지
Low-Latency Trading Infrastructure
The plumbing under an HFT stack — how components talk (WebSocket, FIX, gRPC, Aeron), messaging on Aeron and Zig, and a C++ FIX/FAST scalper.
- 01알고리즘 트레이딩 시스템의 데이터 통신: 기술 개요
- 02Aeron: HFT 업계 절반을 움직이는 메시징 시스템의 내부 구조
- 03ZigBolt: 우리가 Zig로 자체 Aeron을 구축해 메시지당 20나노초를 달성한 이유
- 04FAST/FIX를 사용한 간단한 C++ 스캘퍼 개발: 단계별 가이드
Execution & Market Making
From TWAP/VWAP and Almgren-Chriss to TCA, slippage models, and the Avellaneda-Stoikov market maker — how to turn a signal into fills without paying the spread twice.
- 01TWAP vs VWAP vs POV: 실행 벤치마크 선택하기 (그리고 각각이 언제 당신을 속이는지 알기)
- 02얼버무리지 않는 알름그렌-크리스: 오후 한나절이면 구현할 수 있는 최적 집행
- 03슬라이스 내부: 스케줄러와 거래소 사이의 자식 주문 전술
- 04크립토 스마트 오더 라우팅: 하나의 주문, 열두 개의 거래소, NBBO는 없다
- +7 more
Onchain & DeFi Quant
Quantitative DeFi from first principles — MEV and sandwich attacks, atomic arbitrage, liquidation cascades on lending protocols, and LP profitability on Uniswap v3.
- 01MEV의 해부: 샌드위치, 프론트러닝, 그리고 멤풀이라는 어두운 숲
- 02MEV 공급망: PBS, MEV-Boost와 블록 시장
- 03온체인 아비트라지: 아토믹 사이클, 플래시 론, 그리고 반드시 이겨야 하는 경매
- 04온체인 청산: Aave와 Compound의 메커니즘, 그리고 그 주변에서 돌아가는 봇 비즈니스
- +5 more
Causality & Lead-Lag in Markets
Who moves whom — Granger causality, transfer entropy, PCMCI discovery, and the causal ML toolbox (double ML, causal forests, synthetic control) applied to crypto markets.
- 01Toda-Yamamoto vs Differenced Granger: Does the BTC Lead-Lag Survive?
- 02전이 엔트로피: 암호화폐 자산 사이에서 정보는 어느 방향으로 흐르는가?
- 03PCMCI: Causal Discovery in Multivariate Crypto Time Series
- 04트레이딩에서 이질적 치료 효과를 위한 인과관계 포레스트
- +3 more
Volatility Modeling & Regimes
Forecast volatility with the GARCH family — asymmetry and leverage effects, dynamic correlations, vol targeting — then detect market regimes with HMMs and trade adaptively.
- 01GARCH(1,1): 크립토 변동성 예측하기
- 02비대칭·두꺼운 꼬리 GARCH: EGARCH, GJR, Student-t
- 03DCC-GARCH: 페어 트레이딩과 포트폴리오 리스크를 위한 동적 상관관계
- 04GARCH 예측을 활용한 변동성 타겟팅과 트레이딩
- +1 more
Modern ML for Trading
The full gradient-boosting-to-neural-operator toolkit — ensembles, AutoML, probabilistic forecasting, distillation and pruning for latency, plus physics-informed architectures like Neural ODEs and Fourier operators.
- 01수익률 방향 예측을 위한 XGBoost: 클래스 불균형과 의사결정 임계값
- 02앙상블 방법: 강력한 알파를 위한 약한 학습기 결합
- 03시스템 트레이딩 파이프라인을 위한 AutoML
- 04Multi-Task Learning for Simultaneous Price, Volume, and Volatility Prediction
- +11 more