technologies.marketmaker.cc - C++
- Golang
- Rust
- Python
- Pytorch
- TypeScript
- Elixir
- ClickHouse
- QuestDB
- DuckDB
- PostgreSQL
- Hasura
- GraphQL
- gRPC
- Websocket
- OpenAPI
-
01머신러닝 기술
- 금융 데이터 구조
- 비정형 금융 데이터셋을 정형화된 바(틱, 볼륨, 달러 바 등) 및 혁신적 정보 기반 구조로 변환하는 첨단 시스템.
- 라벨링 기법
- Triple-Barrier, Meta-Labeling, Trend Scanning, Tail Sets, Matrix Flags 등 다양한 금융 데이터 라벨링 기법.
- 특징 엔지니어링
- 시장 미시구조 분석, 분수 미분 특징 등 도메인 지식을 활용해 원시 금융 데이터를 모델 특징으로 변환하는 고급 기술.
-
02포트폴리오 최적화
- 크리티컬 라인 알고리즘
- 자산 가중치 상하한을 정밀하게 설정할 수 있는 전통적 평균-분산 한계를 극복한 포트폴리오 최적화 기법.
- 평균-분산 최적화
- 역분산, 최소 변동성, 최대 샤프 등 고전적 포트폴리오 구축 방법론 모음. 목표와 제약 조건을 자유롭게 설정 가능.
- 엔트로피 풀링
- 비선형 시장 관점을 지정해 사후 분포를 생성하는 첨단 방법. 기존 수익률 모델을 뛰어넘음.
- 수축 기법
- 공분산 행렬의 노이즈를 줄이고 포트폴리오 최적화의 견고성을 높이는 전문 기법.
- 계층적 리스크 패리티
- 비지도 머신러닝 기반 계층적 트리 클러스터링으로 자산을 리스크 특성별로 그룹화.
- 블랙-리터만 모델
- CAPM과 베이지안 통계를 결합한 효율적 자산 배분 프레임워크.
- 강건 베이지안 할당
- 시장 사전 파라미터 가정에 기반해 베이지안 효율 경계상에서 강건한 포트폴리오를 생성하는 첨단 알고리즘.
- 노이즈 제거 및 디토닝
- 공분산 구조의 노이즈를 정보 손실 없이 효율적으로 제거하는 첨단 행렬 최적화 기법.
-
03차익거래 전략
- 거리 기반 접근법
- 단순성과 투명성으로 널리 쓰이는 페어 트레이딩 전략. 대규모 실증 연구에 적합.
- 공적분 접근법
- 계량경제학적으로 균형 관계가 있는 페어를 식별해 통계적 차익거래에 활용하는 방법.
- 시계열 접근법
- 전통적 공적분 방법을 넘어 평균회귀 과정의 시계열 모델링을 활용한 고도화된 거래 규칙.
- 확률적 제어 접근법
- 스프레드 예측이나 형성 기간 없이 확률적 과정을 통해 최적 거래 규칙을 찾는 첨단 방법.
- 머신러닝 접근법
- 여러 통계적 차익거래 기법과 머신러닝 알고리즘을 결합한 통합 프레임워크로 전략 생성 능력 강화.
-
04맞춤형 트레이딩 솔루션
- 타임머신 터미널
- OHLCV, 호가창, 틱 데이터를 동시 재생할 수 있는 고급 스캘핑 터미널.
- ProfitMaker.cc 프레임워크
- 컴포넌트 기반 아키텍처로 맞춤형 모듈 통합이 가능한 오픈소스 모듈형 트레이딩 터미널.
- 맞춤형 터미널 개발
- 특정 전략, 자산군, 기관 요구에 맞춘 엔드투엔드 개발 및 지원 서비스.
-
05AI Tools
- AI 전략 빌더
- 프로그래밍 없이 인공지능으로 전략을 구축, 최적화, 백테스트할 수 있는 혁신 플랫폼.
- 백테스팅 프레임워크
- 실거래 전 전략을 과거 데이터로 시뮬레이션하고 성과를 평가하는 강력한 시스템.
-
06마켓메이킹 강화학습
- 강화학습 모델 개발 및 구현.
- DQN, Avellaneda-Stoikov 등 온체인 마켓메이킹을 위한 강화학습 모델 개발 및 구현.
- 수익 목표와 리스크 관리를 균형 있게 달성하는 맞춤형 보상 함수 설계.
- 수익 목표와 리스크 관리를 균형 있게 달성하는 맞춤형 보상 함수 설계.
- 고지연 온체인 환경에서 고빈도 전략을 효율적으로 실행할 수 있게 하는 전문 기술.
- 고지연 온체인 환경에서 고빈도 전략을 효율적으로 실행할 수 있게 하는 전문 기술.
- 퀀트, 강화학습, DeFi 등 최신 트렌드를 지속적으로 통합해 경쟁 우위 유지.
- 퀀트, 강화학습, DeFi 등 최신 트렌드를 지속적으로 통합해 경쟁 우위 유지.