alpha50: 하이브를 움직이는 수학

카피 트레이딩은 환상을 판다. 천재 한 명을 찾아 그 지갑을 그대로 미러링하면 부자가 된다는 환상이다. 하지만 지갑 하나는 결국 표본 하나에 불과하다. 경로가 하나뿐이면 실력인지 운인지 가려낼 방법이 없다. 그리고 그 천재가 터지는 날, 당신도 같이 터진다. 그의 편향, 특정 거래소에서만 통하던 엣지, 새벽 3시의 복수 매매까지 — 전부 풀 사이즈로 고스란히 떠안는다.

alpha50은 정반대 전제에서 시작한다. 포트폴리오 이론에는 반세기가 넘은 결론이 하나 있다. 여럿의 불완전한 신호를 하나의 훌륭한 신호로 바꿔주는 결론이다. 레이 달리오의 Bridgewater는 이것을 투자의 성배라 불렀다. 그런데 정작 카피 트레이딩에 이 원리를 가져다 쓴 사람은 거의 없었다. 적용할 재료 — 실력 있는 트레이더들의 깨끗하고 실시간이며 검증 가능한 신호 — 를 쥔 사람이 없었기 때문이다. 온체인 무기한 선물이 그 조건을 바꿔놨다.

이 글은 그 수학을 처음부터 끝까지 훑는다. 왜 분산투자가 시장에서 유일한 공짜 점심인지, 왜 엄선한 트레이더 집단이 그 점심을 쓰기에 가장 좋은 자리인지, 그리고 50개의 실시간 확신 신호를 어떻게 리스크가 통제된 단일 포지션으로 엮어내는지.

명제를 한 문장으로 줄이면 이렇다. alpha50의 엣지는 예측이 아니라 통계에서 나온다. 가격을 맞히려 들지 않는다. 실력은 있지만 노이즈가 낀 여러 신호를 묶었을 때 생기는 분산 감소를 거둬들일 뿐이다 — 그리고 이 게임의 승패는 오로지 그 신호들 사이의 상관관계가 가른다.

1. 투자의 성배

달리오의 통찰은 허무할 만큼 단순하다. 저마다 기대수익이 양(+)이고 리스크가 엇비슷한 수익원들을 모아라. 여기에 서로 상관관계가 없는 수익원을 하나씩 보태면, 포트폴리오의 기대수익은 그대로인데 리스크는 떨어진다 — 그것도 가파르게. 진짜로 무상관인 수익원 열다섯 개를 쌓으면 기대수익을 1bp도 깎지 않고 변동성을 80%가량 잘라낼 수 있다.

원리는 분산이 합해지는 방식, 그 하나로 끝난다. 각각 변동성이 $\sigma$이고 평균 쌍별 상관계수가 $\rho$인 $N$개의 동일가중 수익원이 있을 때, 포트폴리오의 리스크는 이렇게 쓴다.

이 제곱근에서 두 가지가 튀어나오고, 그 둘이 이야기의 전부다.

수익원을 더하면 리스크는 내려간다 — 하지만 곡선마다 σ·√ρ라는 바닥에 눌러앉는다. ρ = 0.25라면 아무리 많이 더해도 수익원 하나가 지닌 리스크의 약 50% 밑으로는 내려가지 못한다.

첫째, ρ가 0에 가까우면 리스크는 1/√N로 줄어든다 — 0을 향해 곤두박질치는 그 유명한 분산투자 곡선이다. 둘째, 그리고 이쪽이 더 중요한데, N이 아무리 커져도 포트폴리오 리스크는 0으로 가지 않는다. σ·√ρ라는 바닥으로 수렴한다. 바닥을 정하는 건 개수가 아니라 상관관계다. ρ = 0.25인 수익원 50개는 ρ = 0.25인 10개보다 눈곱만큼도 더 안전하지 않다. 분산투자의 한계선은 상관관계가 긋는다, 두말할 것 없이. 이 사실을 붙들어두자. 코호트를 어떻게 짤 것인가는 전부 여기서 갈린다.

2. 트레이더는 그 자체로 수익원이다 — 자산군보다 나은

달리오가 분산한 대상은 자산군이었다. 그건 어려운 일이다. 자산군은 종류가 얼마 없는 데다 정작 결정적인 순간에는 다 같이 움직여버리니까. 실력 있는 트레이더는 훨씬 나은 원재료다. 한 명 한 명이 곧 하나의 전략이다 — 기대 드리프트가 양(+)이고 스스로 적응하는 살아 있는 수익원이자, 이미 온갖 표본 밖 현실을 견디고 살아남은 존재다. 실제 체결, 실제 낙폭, 실제로 물어낸 funding까지 겪으면서.

게다가 온체인의 모집단은 어마어마하다. 우리가 Hyperliquid에서 인덱싱하는 약 13,000개 지갑 가운데 엄격한 실력 관문을 통과하는 건 수백 개뿐이다. 바로 이 잉여가 성배를 굴러가게 하는 사치다. 자산 배분가처럼 잡히는 대로 써야 하는 처지가 아니라는 뜻이다. 우리는 탈상관을 기준으로 골라낼 수 있다. 메이저 코인에서 모멘텀을 긁는 스캘퍼, 미드캡에서 평균회귀를 노리는 데스크, HIP-3 주가지수를 스윙하는 트레이더, funding 캐리 전문가 — 이들은 서로 다른 베팅이지, 같은 베타를 색만 달리한 것이 아니다. 수학이 바라는 재료가 정확히 이런 것이다.

우리가 분산하는 건 알파이지, 켜켜이 쌓는 베타가 아니다. 이 전략이 애초에 작동하는 근거가 바로 그 차이에 있다.

3. 리스크 감소에서 Sharpe 증폭으로

같은 식을 뒤집어 보자. 구성원마다 실력 — 거래당 Sharpe인 S — 이 있다면, 평균 상관계수 ρ로 N명을 묶었을 때 포트폴리오 Sharpe는 이렇게 나온다.

$A(N,\rho )$는 이 전략의 가치 제안 전체를 숫자 하나로 압축한 값이다. 하이브의 위험조정 수익이 평균 구성원을 몇 배로 앞서느냐를 나타낸다. 진짜 중요한 건 이 그래프다.

ρ = 0이면 증폭 계수는 √N — 지갑 50개 기준 약 7배다. 현실적인 상관관계에서는 이보다 한참 낮아지지만, 그래도 1은 분명히 넘어선다.

숫자를 에누리 없이 돌려보자. 완전한 독립(ρ = 0)이면 √50 ≈ 7.1배가 나온다. 하지만 그건 공상이다. 실력 있는 트레이더라도 같은 시장에 어느 정도는 함께 물려 있으니까. 현실적인 평균 상관계수 ρ ≈ 0.2에서도 계수는 여전히 약 2.1배다. 개별로는 Sharpe 1.0짜리 평범한 트레이더들의 집단이 Sharpe 2짜리 북으로 탈바꿈한다. 아무도 자금을 넣지 않는 전략과, 데스크들이 서로 들어가겠다고 다투는 전략의 차이가 딱 이만큼이다.

4. 하이브 구성은 순위표가 아니라 탈상관 문제다

"최상위 트레이더를 따라 하라"는 상품 대다수가 소리소문 없이 주저앉는 지점, 그리고 수학이 뻔하지 않은 설계를 밀어붙이는 지점이 바로 여기다.

가장 순진한 수는 자격을 갖춘 지갑을 전부 Sharpe로 줄 세워 상위 50개를 집는 것이다. 그건 틀렸다. 상위 50개가 죄다 같은 메이저를 올라타는 모멘텀 트레이더라면 ρ는 0.7이고 증폭은 약 1.2배로 쪼그라든다 — 결국 트레이더 한 명을 비싸게, 레버리지까지 얹어 복제한 셈이다. 순위 매기기는 개별 품질만 끌어올리고, 정작 성과를 좌우하는 유일한 변수는 못 본 척한다.

올바른 목적함수는 유효 독립 베팅 수다.

ρ = 0.25인 지갑 50개의 값어치는 독립 베팅 4개에도 못 미친다. 선별은 머릿수가 아니라 탈상관을 놓고 다퉈야 한다.

ρ = 0.25인 지갑 50개가 주는 유효 베팅은 4개도 안 된다. 그래서 코호트 구성은 포트폴리오 최적화 문제가 된다. 평균 실력을 최대로 끌어올리는 게 아니라, 실력 하한선을 지키면서 N_eff를 최대로 키우는 것이다. 실전에서는 후보들을 수익원의 상관관계와 거래 종목 노출로 묶어 전략 유형별 군집으로 나눈 다음, 각 군집에서 가장 잘 버틴 하나를 뽑는다 — 개별 Sharpe를 조금 내주고 독립성을 크게 사들이는 거래다. 여덟 번째로 잘하는 모멘텀 트레이더라도, 유일한 funding 캐리 전문가라면 세 번째로 잘하는 모멘텀 트레이더보다 하이브에 더 값지다.

날것 그대로의 선별은 과적합하기 때문에, 퀀트 규율 두 가지가 여기 더 붙는다.

• 수축(Shrinkage). 지갑의 측정된 Sharpe는 어디까지나 추정값이고, 가장 높은 Sharpe일수록 운으로 부풀려진 정도가 가장 크다(승자의 저주). 그래서 각 구성원의 Sharpe를 코호트 평균 쪽으로 끌어당긴다 — James–Stein / 경험적 베이즈 방식이며, 추정을 떠받치는 거래 수가 적을수록 더 세게 당긴다. 반짝하고 만 흐름에 제값을 다 쳐주는 짓을 그만두는 것이다.
• 상관관계도 추정값이고, 게다가 가만있지 않는다. 수축 공분산 추정량(Ledoit–Wolf)을 써서, 다음 주면 사라질 허깨비 탈상관을 좇지 않도록 막는다.

이렇게 짠 코호트는 히스테리시스를 두고 계속 재평가한다. 지갑이 컷오프를 한참 밑돌아야 비로소 탈락시켜, 경계선 부근의 순위 노이즈 때문에 북을 이리저리 갈아엎지 않는다.

5. 합의를 포지션으로 바꾸기

집계는 방금 분산으로 없앤 단일 지갑 리스크를 되불러들이지 않으면서 실제 노출로 옮겨야만 값을 한다. 각 종목에 대한 신호는 부호가 있고 확신으로 가중되며 리스크로 정규화된 합의다.

종목 $c$를 들고 있는 코호트 지갑 $i$ 하나하나에 대해,

• $s_i=\pm 1$ — 그가 잡은 방향(long 또는 short).
• ${\kappa }_i=|{\text{notional}}_i|/{\text{equity}}_i$ — 확신: 자기 북 대비 포지션 크기.
• $w(S_i)$ — 수축된 Sharpe 가중치: $S=1$ 아래에서는 $0$, $S\approx 5$ 언저리에서 $1$까지 올라간다.
• ${\pi }_i={\sigma }_{\text{target}}/{\sigma }_{\text{realized}}(c)$ — 리스크 패리티 스칼라: 같은 금액이 아니라 같은 리스크로.
• $c_{\max }$ — 지갑당 기여 상한. 고래 한 마리가 북 전체를 짊어지지 못하게 막는다.

모든 항이 저마다 없어서는 안 될 몫을 한다. 확신은 트레이더 자기 자본 대비 포지션 크기를 읽는다. 그래서 자기 북의 40%를 한 종목에 실은 고래는 살짝 발만 담근 고래보다 더 무겁게 반영된다. Sharpe 가중치는 운 좋았던 이들의 비중을 깎는다. 리스크 패리티는 순진한 카피어들이 건너뛰는 대목이다. 금액이 아니라 리스크를 기준으로 크기를 잡기 때문에, 변동성 120짜리 밈코인 포지션이 같은 명목금액의 BTC 포지션을 소리 없이 짓눌러버리는 일이 없다. 상한은 이 명제를 강제하는 장치다. 어떤 지갑도 혼자서는 신호를 멀리 밀지 못하니, 규모를 키우려면 여러 지갑이 진짜로 합의해야 한다. 그 합의, 곧 합류(confluence)가 "이건 한 트레이더의 특이 성향이 아니라 진짜 알파다"를 재는 실용적 잣대다.

진지하게 구현한다면 모델에 두 가지를 더 갚아야 한다.

• Funding을 반영한 엣지. 무기한 선물에서 캐리는 진짜 돈이다. 연 60% funding을 물어가며 몰려든 long은 순수 가격 신호가 시사하는 것보다 순기대수익이 낮다. 사이징에 들어가기 전에 이걸 먼저 빼내라.
• 진입 단가 맞추기. 당신은 언제나 코호트보다 늦게 들어간다 — 이 팔로워 지연이야말로 이 사업 전체에 매겨지는 세금이다. 이미 5% 흘러간 움직임을 쫓지 말고, 코호트가 실제로 진입한 자리 근처의 갓 열린 자리에 올라타라. 그래야 신호를 가져온 트레이더와 리스크가 똑같이 유지되고, 이것이 엣지를 붙잡느냐 스프레드에 갖다 바치느냐를 가른다.

6. 사이징: 변동성 타깃팅과 분수 Kelly

신호는 방향과 확신을 알려준다. 얼마나 실을지는 알려주지 않는다. 크기를 잘못 잡는 것이야말로 진짜 엣지가 있는 전략마저 죽어 나가는 이유다.

두 층으로 간다. 첫째, 포트폴리오 차원의 변동성 타깃팅. 목표 리스크 — 이를테면 연 15% — 를 정하고 실현 변동성에 반비례하게 총노출을 조정한다.

시장이 거칠어지면 실현 변동성이 오르고 북은 알아서 줄어든다($L_t$가 떨어진다). 하필 조건이 최악일 때 리스크가 부풀어 오르는 대신, 당신이 체감하는 리스크는 얼추 일정하게 유지된다.

둘째, 신호 강도에 대한 분수 Kelly. Kelly는 성장 최적 베팅이 엣지를 분산으로 나눈 값에 비례한다고 말한다, $f^{\ast }=\mu /{\sigma }^2$. 풀 Kelly가 지나치게 공격적이라는 건 익히 알려진 사실이다 — $\mu$를 정확히 안다고 가정하지만, 그걸 정확히 아는 순간은 결코 오지 않는다. 추정 오차는 꼭대기에서 특히 잔인하니, 분수로(하프 Kelly 이하로) 실어라. 합의가 강하고 넓을 때 더 걸고, 얄팍할 때 덜 걸며, 어느 한 판단에도 판돈 전부를 몰지 마라. 강한 신호에 무상관인 여러 목소리가 한데 모이고 funding까지 낮을 때 — 그때가 밀어붙일 순간이다. 얄팍한 신호에 홀로 선 고래 한 마리는 거의 흔적도 남기지 못한다.

7. 성배가 깨질 때: 상관 리스크

이제 정직한 대목, 마케팅 자료라면 슬쩍 빼놓았을 대목이다. 성배에는 실패 방식이 딱 하나 있고, 그건 구조적이다. ρ는 상수가 아니다. 위기가 닥치면 모든 게 함께 움직인다. 실력 있는 모멘텀 트레이더도, 평균회귀 데스크도, 주가지수 스윙 트레이더도 — 격렬한 청산 연쇄 속에서는 죄다 그냥 long 리스크일 뿐이라 다 같이 피를 흘린다. ρ는 1을 향해 돌진하고, 분산이 가장 절실한 바로 그 순간 A(N, ρ)는 1배로 주저앉는다.

똑같은 지갑 50개 곡선이다. 평온한 국면의 2.1배 엣지가 상관관계가 치솟으면 약 1.1배까지 떨어질 수 있다. 분산투자가 "실패"한 게 아니다 — 수학이 말한 그대로 움직였을 뿐이고, 그래서 리스크 계층은 선택 사항이 될 수 없다.

이건 대충 덮고 넘어갈 결함이 아니다. 리스크 관리를 곁다리가 아니라 일등 시민으로 두어야 하는 이유다. 방어는 동적이어야 하고 상관관계를 읽어야 한다.

• 코호트 내부 실현 상관관계를 실시간으로 감시한다. ρ가 튀면 — 국면 전환의 신호다 — 총노출을 줄이고 변동성 타깃을 조이며, 정상으로 돌아올 때까지 합의를 정보량이 낮은 것으로 취급한다.
• 부드러운 방어 밑에 단단한 방어를 깐다. 포지션별 손절, 그리고 하루 손실이 임계치를 넘으면 전량 청산하고 신규 리스크를 멈추는 포트폴리오 차원의 낙폭 서킷. 이것들은 꼬리를 예측하려 들지 않고 다만 가둔다.

이 전략은 꼬리 손실을 피하도록 설계되지 않았다. 그것을 가두고 버텨내, 나머지 95%의 시간 동안 2배 엣지를 복리로 굴릴 수 있게 살아남도록 설계됐다.

8. 실데이터 위의 모델: 지난 30일

이론은 값이 싸다. 그래서 여기 코호트가 Hyperliquid에서 보낸 지난 30일을, 모델이 다루는 방식 그대로 내놓는다. 각 지갑의 실현 일별 손익을 계좌 가치로 정규화해 하나의 수익원으로 만들고, 그 수익원들을 동일가중 북 하나로 묶는다 — 이것이 하이브다. 지갑 50개 중 30개가 이 구간에서 수익원으로 잡힐 만큼 거래했다.

희미한 선 하나하나가 코호트 구성원 한 명이고, 굵은 선이 동일가중 북이다. 구성원들은 제각각 흩어진다 — 누구는 치솟고, 누구는 옆으로 톱질한다. 하이브는 그 사이를 꿰뚫고 지나가는 매끄러운 경로다. 상승분은 거의 다 챙기고, 출렁임은 일부만 감당한다.

핵심은 수익률이 아니라 모양이다. 하이브는 여느 구성원보다 더 벌면서도 낙폭은 대략 3분의 1만 겪었다. 성배가 대수식이 약속한 그대로 작동한 것이다. 드리프트는 같고 노이즈는 훨씬 적다. 실현 증폭 약 3.4배는 측정된 상관관계가 시사하는 이론 상한 약 4.9배보다 아래에 자리한다 — 공짜 점심 환상이 아니라 유한 표본의 현실이다.

여기엔 마땅히 붙어야 할 단서가 있고, 그걸 달고 읽어야 한다. 이건 실현된 청산 손익이다. 아직 열려 있는 포지션의 평가손익은 빼고 계산했으므로, 절대 변동성 — 따라서 절대 Sharpe — 은 실제보다 낮게 잡히며 그대로 매매에 쓸 수 있는 수치가 아니다. 튼튼한 건 비율이다. 분자와 분모를 같은 방식으로 계산했기 때문이다. 그리고 측정된 ρ ≈ 0.01은 거의 틀림없이 실제 경제적 상관관계보다 낮게 잡힌 값이다 — 청산 이벤트는 드문드문 일어나고 날짜별로 잘 겹치지도 않으니까 — 그래서 상관관계가 1로 튀는 §7의 꼬리가 여전히 진짜 중요한 리스크로 남는다. 평온했던 한 달은 예시일 뿐 스트레스 테스트가 아니다.

9. 거래의 양면

예치자 입장에서. 예전이라면 퀀트 데스크가 있어야 손에 넣던 것을 얻는다. 분산되고 리스크가 타깃팅되며 쉼 없이 리밸런싱되는, 검증된 온체인 알파의 북이다 — 지갑을 고르거나, 차트를 지켜보거나, Ledoit–Wolf 추정량이 뭔지 배우지 않고도. 노출은 논커스터디얼로 유지된다. 엔진은 거래에만 서명할 뿐 출금에는 결코 서명하지 않는다. 이 제안은 "천재를 따라 하라"가 아니다. "리스크까지 설계된 앙상블을 통째로 가져라"다.

프로토콜 입장에서. 이 모델은 토큰 발행을 늘리지도, 가격을 예측하지도 않는다. 이미 존재하는 신호들에 리스크를 더 영리하게 배분할 뿐이며, 투명하고 자동으로 돌아간다. 수수료는 정액 임대료가 아니라 활동량과 성과에 맞춰 붙는다. 정보를 담아 집계된 주문 흐름은 조용하게나마, 그것이 거래하는 거래소들의 가격 발견에도 보탬이 된다.

10. 한계와 수용력

정직한 퀀트 글이라면 단서 없이 끝나지 않는다.

• 팔로워 지연은 영구적인 세금이다. 증폭은 수수료와 슬리피지를 제하고도 이를 넘어서야 한다. 특히 유동성 얕은 HIP-3 북에서는 신호 품질이 아니라 체결 품질이 손익을 가른다.
• 수용력과 반사성. 엣지는 규모와 함께 닳는다. 자본을 너무 많이 미러링하면 읽고 있던 그 시장을 스스로 움직여버리고 신호도 붐빈다. 이 전략에는 유한한 AUM 상한이 있고, 사이징은 그 선을 지켜야 한다.
• 추정 오차와 생존 편향. 모든 Sharpe, 모든 상관관계, 모든 군집 경계는 유한하고 노이즈가 끼고 부분적으로 과적합된 과거에서 추정된다. 수축은 도움이 될 뿐 병을 낫게 하지는 않는다.
• ρ가 튀는 꼬리 리스크. 앞서 다룬 이것이 지배적인 리스크이며, 리스크 계층 전체가 존재하는 이유가 바로 이걸 가두기 위해서다.

결론

alpha50은 시장을 남보다 잘 맞히려는 시도가 아니다. 금융에서 가장 오래된 공짜 점심 — 무상관이면서 엣지가 양(+)인 수익원들에 걸친 분산 — 을, 세상이 한 번도 상품으로 엮지 못한 수익원 위에 설계해 얹으려는 시도다. 온체인 최상위 트레이더들의, 실시간으로 검증 가능한 확신이라는 수익원 말이다.

엣지는 상관 구조 안에 산다. 그것을 최소화하도록 코호트를 짜고, 리스크와 수축된 실력으로 가중하며, 변동성과 분수 Kelly로 크기를 정하고, 상관관계가 배신하는 국면에 대비해 경계를 서라. 그렇게 하면 노이즈 많고 흠 있고 개별로는 이길 만한 트레이더 50명이, 이기기 어려운 단 하나의 신호로 뭉친다.

그것이 성배다. 우리는 그저 그 성배를 쓸 새로운 자리를 찾아냈을 뿐이다.

직접 확인해 보라. alpha50 하이브 대시보드는 코호트의 실시간 확신, 열려 있는 포지션, 낙폭까지 관리되는 자산 곡선을 실시간으로 보여준다. 이 앙상블을 내 편에서 굴리고 싶다면 클릭 한 번으로 전략을 그대로 따라 하라 — 논커스터디얼이며, 엔진은 거래에 서명하되 출금은 결코 하지 않는다.