가격발견은 가장 거래량이 큰 거래소나 가장 먼저 움직인 한 번의 사례가 아니라, 같은 자산을 거래하는 여러 시장 중 어느 가격 혁신이 공통의 영구 가격 변화에 더 기여했는지를 묻습니다. 먼저 상품·quote·시간을 맞추고 비동시 관측을 처리한 뒤 교차상관으로 후보 지연을 보고, 장기 가격이 공적분되는 경우 VECM 기반 information share나 component share를 계산합니다. 동시 상관이 높고 잔차가 상관되면 모형·변수 순서에 따라 기여도가 달라질 수 있어 범위와 상·하한을 함께 보고해야 합니다. 거래량 순위와 가격발견 기여도는 같은 지표가 아닙니다. 피드 도착 지연이 작은 거래소가 통계상 먼저 보일 수 있고, 활발한 차익거래 때문에 두 가격이 거의 동시에 움직일 수도 있습니다. 따라서 시간대별·변동성 구간별 결과와 bootstrap 불확실성을 함께 제시하고, 한 기간의 순위를 거래소의 영구 서열이나 안전성 평가로 사용하지 않습니다.
같은 경제적 가격부터 만듭니다
BTC/USD 현물과 BTC/USDT 현물은 quote가 달라 환율을 같은 시각에 적용해야 합니다. 현물과 무기한 mark price는 상품 성격이 달라 단순 선행 비교에서 분리합니다. 각 venue의 best midpoint 또는 마지막 체결 중 하나를 고르고, 둘을 섞지 않습니다.
거래소 A 시계가 40ms 빠르고 B 수신 경로가 60ms 짧다면 관측 순서가 실제 사건 순서와 다를 수 있습니다. event time·receive time·sequence 품질을 먼저 보고 gap과 재연결 구간을 제외합니다.
가장 빨리 화면에 도착한 가격과 공통 가격을 가장 먼저 만든 시장은 같은 개념이 아닙니다.
JOBCOIN 해설
그림은 이 주제의 공통 개념을 단순화한 설명입니다. 아래 항목에서 이 글의 구체적인 조건과 예외를 함께 읽어보세요.
- 같은 경제적 가격부터 만듭니다
BTC/USD 현물과 BTC/USDT 현물은 quote가 달라 환율을 같은 시각에 적용해야 합니다.
- 작은 시계열로 lead-lag를 검산합니다
가상 100ms 수익률에서 A가 `[+1,0,-1,0]`, B가 한 칸 늦은 `[0,+1,0,-1]`이라면 A(t)와 B(t+1)의 상관이 가장 큽니다.
- 비동시 거래를 같은 값 반복으로 숨기지 않습니다
A는 10ms마다, B는 1초마다 움직이는데 10ms 격자로 이전값을 채우면 B에 99개의 0수익률이 생깁니다.
AI로 제작한 개념도 · 실제 가격·거래 내역·통계가 아닙니다.
작은 시계열로 lead-lag를 검산합니다
가상 100ms 수익률에서 A가 `[+1,0,-1,0]`, B가 한 칸 늦은 `[0,+1,0,-1]`이라면 A(t)와 B(t+1)의 상관이 가장 큽니다. 표면적으로 A가 100ms 선도합니다. 하지만 B의 timestamp가 100ms 늦게 찍히는 시스템 차이라면 경제적 선도가 아닙니다.
지연 후보를 -1초부터 +1초까지 탐색할 때 여러 lag를 시험했다는 사실과 신뢰구간을 남깁니다. 가장 큰 상관 하나만 고르면 잡음에서도 선도 시장이 생깁니다.
| 방법 | 묻는 것 | 필수 조건 | 한계 |
|---|---|---|---|
| 교차상관 | 단기 선행 시차 | 동일 시각 격자 | 공통 추세 구분 못함 |
| Granger 검정 | 과거값의 추가 예측력 | 정상성·lag 선택 | 인과 확정 아님 |
| Hasbrouck IS | 공통 혁신 분산 기여 | 공적분 VECM | 순서·잔차 상관 민감 |
| Component share | 영구 공통요인 구성 | 오차수정 구조 | 혁신 분산과 다른 질문 |
비동시 거래를 같은 값 반복으로 숨기지 않습니다
A는 10ms마다, B는 1초마다 움직이는데 10ms 격자로 이전값을 채우면 B에 99개의 0수익률이 생깁니다. 이는 B가 정보를 처리하지 않았다는 뜻이 아니라 관측 빈도 차이입니다. midpoint 이벤트를 동기화하거나 적절한 interval을 택하고 민감도 결과를 비교하세요.
이상적인 동시성 확보가 어렵다면 Hayashi-Yoshida 같은 비동시 자료 방법을 검토할 수 있지만, 방법을 바꾸면 질문과 가정도 문서화해야 합니다.
- 동일 base·상품유형·quote 환산을 확인합니다.
- event·receive 시각과 시계 offset을 보존합니다.
- sampling interval과 이전값 채움 규칙을 기록합니다.
- lag·변수 순서·공적분 검정의 민감도를 보고합니다.
정보비중은 한 숫자보다 범위로 봅니다
Baillie 등은 Hasbrouck information share가 공통요인 혁신 분산 기여를, Gonzalo-Granger 접근이 오차수정 계수 기반 공통요인 기여를 본다고 설명합니다. 잔차가 상관되면 두 방법이 다른 결과를 줄 수 있습니다.
Hasbrouck 분해는 변수 순서에 민감할 수 있어 거래소 순서를 바꾼 상·하한을 계산합니다. A 70%라는 단일 숫자보다 A 45~70%, B 30~55%처럼 식별 불확실성을 보여 주는 편이 정직합니다.
가상 기여도 합계를 검산합니다
가정한 두 venue의 IS 상한·하한이 A 0.45~0.70, B 0.30~0.55라면 각 순서별 기여도 합은 1이어야 합니다. A 상한과 B 상한을 더해 1.25를 하나의 결과로 보고하면 서로 다른 분해 순서를 섞은 오류입니다.
기간을 뉴스일·평상시, 아시아·미국 시간대로 나누면 선도 venue가 바뀔 수 있습니다. 전체 기간 평균을 영구적 서열로 쓰지 말고 동일 규칙의 rolling 결과와 표본 수를 함께 보세요.
결론은 영구 가격 기여의 조건부 추정입니다
거래량이 많고 spread가 좁은 시장이 가격발견에도 기여할 수 있지만 관계는 검증 대상입니다. 지연이 짧다는 이유만으로 유동성이나 신뢰성이 우수하다고 단정하지 않습니다. 데이터센터 위치와 API 설계도 관측 선도를 만듭니다.
보고서에는 시장·기간·가격 정의·환율·시각 원천·sampling·lag·공적분 결과·IS 범위를 남깁니다. 가격발견 기여도는 미래 수익 방향이나 거래소 안전성을 평가하는 점수가 아닙니다.
자주 묻는 질문
먼저 움직인 거래소가 가격발견 시장인가요?
반복적이고 공통 영구 가격에 기여하는지 봐야 합니다. 한 사건과 짧은 지연만으로 확정할 수 없습니다.
거래량이 가장 큰 거래소를 쓰면 되나요?
거래량과 가격발견은 관련될 수 있지만 같은 지표가 아닙니다. 공통요인 기여를 별도로 측정해야 합니다.
IS 합계가 100%면 모형이 맞나요?
정규화 조건일 뿐입니다. 공적분, 시각 정렬, 잔차 상관과 변수 순서 민감도를 추가로 확인해야 합니다.
더 깊이 읽기
본문에서 다룬 개념과 확인 절차를 다음 글에서 이어서 살펴보세요.
