Win-score promotion gates in aggregator-routed RFQ markets: A two-tier stochastic control model

이 논문은 플랫폼의 승점 (win-score) 에 기반한 라우팅 게이트가 포함된 RFQ 시장 환경에서, 재고 위험과 승점 동역학을 통합한 2 단계 확률적 제어 모델을 제안하고, 이를 통해 승점 변동에 따른 최적 견적 전략과 이의 비선형적 안정성 (이중 안정성 및 히스테리시스) 을 분석합니다.

핵심

🍽️ 비유: "유명 맛집의 '별점' 시스템과 셰프의 전략"

이 논문의 핵심은 식당 (플랫폼/어그리게이터), 셰프 (딜러/거래상), 그리고 고객 (RFQ 요청자) 사이의 관계를 통해 이해할 수 있습니다.

1. 상황 설정: 두 가지 종류의 주문

셰프는 두 가지 종류의 손님을 상대합니다.

• A 등급 손님 (어그리게이터 tier): 이 손님들은 셰프의 **'별점 (승률)'**을 보고 방문합니다. 별점이 높으면 더 자주 초대받지만, 별점이 낮으면 아예 문 앞에 서지 못합니다.
• B 등급 손님 (배경 tier): 이 손님들은 별점과 상관없이 그냥 들어옵니다. 별점이 낮아도 이들은 계속 오지만, 셰프의 별점을 올려주지는 않습니다.

2. 셰프의 딜레마: "지금 버는 것" vs "미래를 위한 투자"

셰프는 손님이 오면 가격을 제시해야 합니다.

• 싸게 팔면 (공격적 전략): 손님이 더 자주 오고, 별점이 올라갑니다. 하지만 한 번 팔면 이득이 적습니다.
• 비싸게 팔면 (수익 중심 전략): 한 번 팔 때 이득은 크지만, 손님이 덜 오고 별점이 떨어집니다.

여기서 재미있는 점은, 별점이 떨어지면 A 등급 손님이 아예 안 오게 된다는 것입니다. 그래서 셰프는 별점이 낮아질 위기에 처하면, 당장의 이득을 포기하고라도 "별점 회복을 위해" 가격을 더 싸게 제시해야 할지 고민하게 됩니다.

---

🧠 이 논문이 발견한 놀라운 현상

이 논문은 수학적으로 이 상황을 분석했고, 다음과 같은 두 가지 흥미로운 전략 패턴을 발견했습니다.

1. "캠페인 (Campaigning)" vs "수확 (Harvesting)"

셰프의 별점 (R) 에 따라 행동이 완전히 바뀝니다.

• 캠페인 모드 (별점이 중간일 때):

  • 별점이 '임계점' 근처에 있을 때, 셰프는 일시적으로 이득을 포기하고 가격을 아주 싸게 제시합니다.
  • 목적: "지금 조금 손해 보더라도, 별점을 높여서 다음 달에 더 많은 VIP 손님이 오게 만들자!"라는 투자 심리입니다.
  • 비유: 유명 맛집이 오픈 초기에 "1 인당 1 만 원 할인"을 하며 리뷰를 모으는 것과 같습니다.

• 수확 모드 (별점이 이미 높을 때):

  • 별점이 이미 높으면, 셰프는 이제부터는 이득을 챙깁니다. 가격을 조금 더 비싸게 제시해도 VIP 손님이 계속 오기 때문입니다.
  • 비유: 이미 유명해진 식당이 할인 없이도 손님이 붐비니, 메뉴 가격을 조금 올리는 것과 같습니다.

2. "함정"과 "되돌릴 수 없는 상황" (이중 안정성)

이 논문은 수학적으로 증명했습니다. 별점 시스템이 너무 까다롭다면 (문턱이 높다면), 셰프는 두 가지 상태 중 하나에 갇힐 수 있다는 것입니다.

• 상태 A (지옥): 별점이 너무 낮아서 A 등급 손님이 아예 오지 않습니다. 아무리 싸게 팔려고 해도 별점이 오르지 않아서, 계속 B 등급 손님만 상대하며 고생합니다.
• 상태 B (천국): 별점이 높아서 A 등급 손님이 줄을 섭니다. 셰프는 비싸게 팔아도 손님이 끊기지 않습니다.

가장 중요한 점: 이 두 상태 사이를 오가는 것은 쉽지가 않습니다. 별점이 낮을 때 "조금만 더 싸게 팔자"라고 해도, 문턱이 너무 높으면 별점이 오르지 않아 다시 지옥으로 떨어질 수 있습니다. 하지만 한 번 천국에 올라가면, 조금 비싸게 팔아도 별점이 떨어지지 않아 천국을 유지할 수 있습니다. 이를 **'히스테리시스 (Hysteresis, 이력 현상)'**라고 합니다.

---

💡 왜 이 연구가 중요한가요?

이 논문의 결론은 **"B 등급 손님 (배경 흐름) 의 중요성"**을 강조합니다.

만약 A 등급 손님만 있었다면, 별점이 떨어졌을 때 셰프는 완전히 문을 닫는 것과 같은 상황에 처해 위험할 수 있습니다. 하지만 B 등급 손님 (별점과 무관한 손님) 이 항상 있기 때문에, 셰프는 별점이 낮아도 최소한의 손님을 상대하며 재고를 관리할 수 있습니다. 이 '안전장치' 덕분에 셰프는 별점을 회복하기 위해 과감하게 '캠페인'을 감행할 수 있는 여유를 얻게 됩니다.

📝 한 줄 요약

"금융 시장에서 딜러는 과거의 실적이 미래의 고객 유입을 결정하는 '별점 시스템' 안에서, '지금 이득을 챙길지 (수확)', '미래를 위해 싸게 팔아 실적을 올릴지 (캠페인)'를 수학적으로 계산하며 전략을 세운다. 그리고 이 시스템은 한번 떨어지면 다시 오르기 힘든 '함정'을 만들 수 있다."

이 연구는 복잡한 수학 공식 (확률 제어, 해밀턴 - 야코비 - 벨만 방정식 등) 을 통해, 실제 금융 시장에서 딜러들이 왜 때로는 이득을 포기하고 가격을 낮추는지, 그리고 왜 어떤 딜러는 쉽게 성장하고 어떤 딜러는 쉽게 추락하는지를 설명해 줍니다.

기술 요약

논문 요약: 애그리게이터 라우팅 RFQ 시장에서의 승률 (Win-score) 프로모션 게이트: 2 단계 확률적 제어 모델

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 외환 (FX) 및 기타 OTC 시장에서 클라이언트 요청 (RFQ) 은 종종 애그리게이터 (Aggregator) 를 통해 여러 유동성 공급자 (LP) 에게 라우팅됩니다. 이 과정에서 LP 의 과거 성과 (승률, 응답 품질 등) 를 기반으로 한 '승률 점수 (Win Score)'가 미래의 RFQ 유입 빈도와 라우팅 우선순위를 결정합니다.
• 문제점: 기존 시장 조성 (Market Making) 모델은 주로 재고 관리와 가격 경쟁에 초점을 맞추었으나, LP 의 점수가 미래 기회 강도 (Opportunity Intensity) 에 피드백되는 구조를 명시적으로 다루지 못했습니다.
  • LP 가 aggressive 하게 가격을 제시하면 단기 손실 (Adverse Selection) 이 발생할 수 있지만, 점수를 높여 미래의 더 많은 유입을 확보할 수 있습니다.
  • 반대로 점수가 높을 때는 수확 (Harvest) 을 위해 스프레드를 넓힐 수 있지만, 점수 하락으로 인해 유입이 급감할 위험이 있습니다.
• 핵심 질문: LP 는 재고 리스크 관리, 단기 수익 극대화, 그리고 장기적인 라우팅 점수 유지/증대를 동시에 고려하여 어떻게 최적의 가격 (Offset) 을 설정해야 하는가?

2. 방법론 (Methodology)

저자는 2 단계 (Two-tier) 확률적 제어 모델을 제안하여 문제를 해결합니다.

• 모델 구조:
  • Tier A (애그리게이터 유동): LP 의 승률 점수 $R$에 기반한 프로모션 게이트 $G(R)$에 의해 유입 강도가 조절됩니다. 이 tier 의 거래 결과는 점수 $R$을 업데이트합니다.
  • Tier B (배경 유동): 점수에 의해 게이트되지 않는 잔여 유동성으로, 점수 업데이트에 영향을 주지 않으며 LP 에게 안정적인 재고 혼합 (Inventory Mixing) 기회를 제공합니다.
• 수학적 프레임워크:
  • Hamilton-Jacobi-Bellman (HJB) 방정식: 재고 $q$, 점수 $R$, 시간 $t$를 상태 변수로 하는 가치 함수를 정의합니다.
  • Bergault-Gu´eant 연산자: RFQ 의 승/패 (Win/Lose) 분기를 명시적으로 포함하는 축소된 형태의 HJB 방정식을 유도합니다.
    • 승 시: 거래 발생 + 점수 상승 ($R^+$)
    • 패 시: 거래 없음 + 점수 하락 ($R^-$)
  • Envelope Theorem 적용: 최적 제어 (입찰/매도 오프셋) 를 1 차원 축소된 해밀토니안의 도함수로 표현하여, 최적 승률과 최적 오프셋 간의 해석 가능한 매핑을 제공합니다.
• 점근적 근사 (Adiabatic Approximation):
  • 점수 업데이트 파라미터 $\alpha$가 작을 때 (장기 기억), 재고 동역학 (빠른 시간 척도) 과 점수 동역학 (느린 시간 척도) 을 분리합니다.
  • 2 차 재고 Ansatz: 가치 함수를 재고의 2 차 함수로 가정하여 Riccati 방정식 형태의 해를 유도하고, 점수의 1 차원 드리프트 필드를 도출합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

• 이중 모드 전략 (Campaign vs. Harvest):
  • 모델은 LP 가 **캠페인 (Campaigning)**과 수확 (Harvesting) 사이에서 동적으로 전환하는 최적 전략을 보여줍니다.
  • 캠페인: 점수가 프로모션 임계값 ($R_0$) 근처일 때, LP 는 단기적인 스프레드 손실을 감수하고 더 공격적인 가격 (tighter quotes) 을 제시하여 점수를 높이고 프로모션 게이트를 통과하려 합니다.
  • 수확: 점수가 충분히 높게 유지될 때, LP 는 스프레드를 넓혀 수익을 극대화하지만, 점수가 임계값 아래로 떨어지지 않도록 주의합니다.
• 비선형 동역학 및 위상 전이 (Bifurcation & Hysteresis):
  • 로지스틱 (Logistic) 형태의 급격한 프로모션 게이트 하에서 점수 동역학은 **접점 분기 (Fold Bifurcation)**를 겪습니다.
  • 이로 인해 **이중 안정성 (Bistability)**과 **이력 현상 (Hysteresis)**이 발생합니다. 즉, 동일한 점수 $R$이라도 초기 조건에 따라 '낮은 점수 상태'에 머무르거나 '높은 점수 상태'로 이동할 수 있습니다.
  • 특정 구간에서는 점수를 높이기 위한 캠페인이 비효율적일 수 있으며 (게이트가 너무 멀어 보상 부족), 다른 구간에서는 공격적인 캠페인이 필수적입니다.
• Tier B 의 안정화 역할:
  • Tier A 의 유입이 점수 게이트로 인해 거의 차단될 때 (점수가 낮을 때), Tier B 는 재고 리스크를 관리할 수 있는 최소한의 유동성을 제공합니다.
  • 이는 재고 곡률 (Inventory Curvature) 이 무한대로 발산하는 것을 방지하여 모델이 수치적으로 안정적이고 현실적인 해를 갖도록 합니다.
• 수치적 검증:
  • 다양한 시나리오에서 HJB 방정식을 수치적으로 풀어, 최적 오프셋, 순간 PnL, 점수 궤적 등을 시각화했습니다.
  • 결과적으로, 점수 피드백이 있을 때 LP 는 점수 $R_0$ 근처에서 스프레드를 좁히는 '캠페인' 행동을 보이며, 이는 PnL 의 일시적 하락과 점수 상승으로 이어짐을 확인했습니다.

4. 의의 및 시사점 (Significance)

• 이론적 기여:
  • 시장 조성 문제를 미시적 가격 경쟁과 거시적 라우팅 규칙을 결합한 2 단계 확률적 제어 문제로 공식화했습니다.
  • 점수 기반 라우팅이 내생적으로 생성하는 **비선형 동역학 (이중 안정성, 이력 현상)**을 수학적으로 규명했습니다.
• 실무적 시사점:
  • 전략적 가격 설정: LP 는 단순히 현재 RFQ 에 대한 수익성만 고려해서는 안 되며, 미래의 유입 기회를 확보하기 위한 '점수 투자' 관점에서 가격 전략을 수립해야 함을 시사합니다.
  • 플랫폼 설계: 애그리게이터 플랫폼은 LP 들의 행동을 유도하기 위해 게이트 (Gate) 의 형태 (예: 로지스틱 함수의 기울기) 를 어떻게 설계하느냐에 따라 시장의 안정성과 LP 의 행동 패턴이 크게 달라질 수 있음을 보여줍니다.
  • 리스크 관리: 모든 유동성이 순위 기반 라우팅에 의존할 경우 리스크 관리가 어려울 수 있으므로, '배경 유동성 (Tier B)'의 중요성을 강조합니다.

5. 결론

이 논문은 애그리게이터 라우팅 RFQ 시장에서 LP 의 승률 점수가 미래 기회에 미치는 영향을 정량적으로 분석한 최초의 체계적인 모델 중 하나입니다. 연구 결과는 LP 가 단기 수익과 장기 접근성 사이에서 균형을 맞추기 위해 복잡한 동적 전략 (캠페인/수확 전환) 을 취해야 하며, 이러한 전략이 시스템적으로 이력 현상과 같은 비선형적 특성을 보일 수 있음을 입증했습니다. 이는 FX 및 OTC 시장의 유동성 공급 전략과 플랫폼 설계에 중요한 통찰을 제공합니다.