Post-Rejection Follow-up Sampling: A Methodology for Counterfactual Outcome Measurement in Algorithmic DEX Trading
이 논문은 알고리즘 DEX 트레이딩 시스템에 의해 거절된 토큰들의 실시간 시장 성과를 추적하여 67,000개의 전방향 결과 관측치를 생성함으로써, 필터 정밀도를 합성 백테스트가 아닌 실제 시장 결과에 대해 평가할 수 있게 하는 방법론인 사후 거절 후속 샘플링(Post-Rejection Follow-up Sampling, PRFS)을 소개한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
당신은 거대하고 혼란스러운 음악 페스티벌의 인재 스카우트라고 상상해 보세요. 매일 당신의 업무는 무대에 오르려는 수천 개의 새로운 밴드들을 스캔하는 것입니다. 당신은 결정을 내리기 위해 엄격한 규칙(필터)을 가지고 있습니다.
문제점: 거절의 "블랙박스"
보통 당신의 시스템이 어떤 밴드를 거절하면, 그것으로 이야기는 끝납니다. 당신은 무대에 선 밴드들과 관객들의 반응을 보게 됩니다. 하지만 당신이 거절한 밴드들이 어떻게 되었을지는 결코 알 수 없습니다. 그들에게 비밀 히트곡이 있었을까요? 형편없는 밴드였을까요? 아니면 세상에서 자취를 감췄을까요?
탈중앙화 거래소(DEX)에서의 자동화된 트레이딩 세계에서도 이는 거대한 사각지대입니다. 컴퓨터 알고리즘은 매일 수천 개의 잠재적인 토큰(디지털 자산)을 거절합니다. 전통적인 방식은 과거의 가격 차트를 살펴보며 거절된 토큰이 어떻게 되었을지 추측하려 하지만, 그 차트들은 이미 변해버린 도시의 지도를 보는 것과 같습니다. 그것들은 당신의 시스템이 "아니오"라고 말했던 특정 토큰에 실제로 어떤 일이 일어났는지 알려주지 않습니다.
해결책: "거절 후 추적" (PRFS)
이 논문은 **PRFS(Post-Rejection Follow-up Sampling, 거절 후 추적 샘플링)**라고 불리는 영리한 새로운 방법을 소개합니다.
PRFS를 당신이 거절한 밴드들을 뒤쫓는 전담 "스토커" 팀(매우 정중한 데이터 수집 방식의)이라고 생각해 보세요.
- 결정: 당신의 메인 트레이딩 시스템이 토큰에 대해 "아니오"라고 결정하고 그 이유를 기록합니다.
- 추적: PRFS 시스템은 해당 토큰을 무시하는 대신, 이를 밀착 감시하기 시작합니다. 정기적인 간격으로 토큰의 가격과 거래 가능한 자금(유동성)을 확인합니다.
- 타임라인: 최대 24시간 동안 감시를 유지합니다.
- 첫 1시간: 상황이 매우 빠르게 변할 수 있는 시기이므로 매우 빈번하게 확인합니다(마치 5분마다 휴대폰을 확인하는 것처럼).
- 이후: 시간이 흐름에 따라 확인 빈도를 줄입니다(마치 한 시간에 한 번씩 확인하는 것처럼).
- 중단: 24시간이 지나거나, 토큰이 시장에서 사라지거나(마치 밴드가 공연 전에 은퇴하는 것처럼), 또는 시스템이 기술적 한계에 도달하면 감시를 중단합니다.
이것이 달성하는 것
이 과정을 통해 연구자들은 마침내 "반사실적(counterfactual)" 결과를 볼 수 있게 됩니다. 그들은 다음과 같은 질문에 답할 수 있습니다: "만약 우리가 이 거절된 토큰을 실제로 들여보냈다면, 돈을 벌었을까, 아니면 스캠(사기)이었을까?"
이것은 추측이나 시뮬레이션이 아닙니다. 이것은 현실을 측정하는 것입니다. "만약 그랬다면 어땠을까"라는 질문을 "실제로 어떤 일이 일어나고 있는가"로 바꾸는 것입니다.
실험
연구진은 2026년 4월, 솔라나(Solana) 블록체인에서 8일 동안 이 실험을 테스트했습니다.
- 그들은 시스템이 토큰을 거절한 2,997건의 사례를 추적했습니다.
- 그 결과, 거절된 사례 중 약 **55%**에 대해 적어도 한 번 이상의 업데이트를 확보했습니다.
- 총 67,000개의 데이터 포인트(가격 확인)를 수집했습니다.
결과 ( "양봉 분포(Bimodal)"의 놀라움)
데이터는 거절된 토큰들이 마치 두 가지 다른 유형의 밴드처럼 나뉜다는 흥미로운 사실을 보여주었습니다.
- "유령" 밴드: 거절된 토큰의 약 절반은 거의 즉시(첫 번째 확인 단계에서) 사라졌습니다. 트레이딩 관점에서 보면, 이들은 스캠이거나 순식간에 자금이 바닥난 토큰이었을 가능성이 높습니다. 시스템은 성공적으로 거절했으며, 추적 결과 그들이 사라졌음을 확인했습니다.
- "장수하는" 밴드: 나머지 그룹은 24시간 동안 유지되었습니다. 이들 중 일부는 실제로 시스템이 실수로 거절한 좋은 토큰이었고, 다른 일부는 단순히 움직임이 없는 지루한 토큰들이었습니다.
이것이 중요한 이유
이 논문은 이 방법이 트레이딩 알고리즘을 미세 조정(tuning)하는 데 더 나은 방법이라고 주장합니다. 추측하는 대신, 이제 거절된 토큰의 실제 운명을 직접 보고 이렇게 말할 수 있습니다: "우리 필터가 이 유형의 토큰에 대해 너무 엄격하구나" 또는 "좋아, 우리 필터가 저 스캠을 잡아냈구나."
한계점
저자들은 제약 사항에 대해 솔직하게 밝히고 있습니다:
- 윈도우(Window): 이들은 단 8일 동안만 관찰했습니다. 시장 상황은 변하기 때문에, 이것은 하나의 스냅샷일 뿐입니다.
- 밀도(Density): 일부 토큰의 경우, 가격의 움직임을 완벽한 곡선으로 그려낼 만큼 충분한 데이터 포인트를 얻지 못했습니다. 데이터 소스(가격 오라클)가 처리할 수 있는 요청 수에 제한이 있기 때문입니다.
- "실종"의 미스터리: 만약 토큰이 거절 직후에 사라진다면, 시스템은 이를 스캠으로 간주합니다. 논문은 이것이 합리적인 추측이지만, 아직 독립적인 기록을 통해 100% 증명된 것은 아니라고 인정합니다.
요약
이 논문은 마법 같은 돈 벌기 공식을 찾아냈다고 주장하는 것이 아닙니다. 대신, 측정을 위한 새로운 도구를 제공합니다. 이것은 요리사에게 자신이 버린 재료들을 다시 맛볼 수 있는 방법을 알려주어, 어떤 재료가 나빴고 어떤 재료를 실수로 버렸는지 정확히 배울 수 있게 하는 것과 같습니다. 이를 통해 미래에 더 나은 요리(더 나은 트레이딩 결정)를 할 수 있게 도와줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.