2.1 시장·기본·대체 데이터 구분하기

같은 종가 열에 서로 다른 숫자가 들어가는 이유

편의점 기업의 마지막 일반 체결가는 9,980원이고 마감 경매에서 체결된 가격은 10,000원이라고 하자. 한 공급자는 전자를, 다른 공급자는 후자를 종가로 기록한다. 두 값은 같은 날의 서로 다른 거래를 가리킨다. 어느 값을 쓸지는 연구자가 어떤 주문을 언제 낸다고 가정하는지에 따라 달라진다.

Dataset(데이터셋)은 관측값과 관측 규칙을 함께 담는다. 종가의 정의, 시간대와 휴장일, 분할·배당을 반영하는 방식, 기업과 거래 종목을 구분하는 식별자, 정정이 생겼을 때 이전 값을 남기는 방식이 그 규칙이다. 연구자는 이 정보를 열 설명이나 버전 정보와 함께 저장한다. 입력 가격을 바꾸면 모델에 넣는 변수와 나중에 맞혀야 할 수익률도 함께 달라지기 때문이다.

시장 데이터는 거래를 얼마나 자세히 남기는가

지우가 아침에 100주를 사고 싶다면 어제 종가와 함께 지금 팔겠다는 가격과 수량이 필요하다. Quote(호가)는 거래 의사를 나타낸 가격과 수량이다. Trade(체결)는 실제로 매수와 매도가 만난 기록이다. 매도호가 10,000원에 30주만 걸려 있다면 100주 전부를 그 가격에 사기는 어렵다.

Market Data(시장 데이터)는 이런 주문 추가·변경·취소, 호가와 체결을 기록한다. Order Book(주문장)은 아직 체결되지 않은 주문을 가격별로 모은 상태다. 장이 바쁠 때는 여러 메시지가 1초 안에도 오간다. 하루에 한 번 판단한다면 개별 기록 대신 OHLCV(Open, High, Low, Close, Volume, 시가·고가·저가·종가·거래량) 봉을 읽는 편이 다루기 쉽다.

1. ●09:00:05
   10,000원에 30주 체결. 첫 체결가가 시가다.↓
2. ●09:00:21
   10,020원에 20주 체결. 이 구간의 최고가다.↓
3. ●09:00:48
   9,990원에 50주 체결. 최저가이자 마지막 가격이다.↓
4. ●09:01:00
   봉을 닫는다. 시가 10,000원, 고가 10,020원, 저가·종가 9,990원, 거래량 100주다.

세 체결의 수량은 합할 수 있다. 봉을 받은 사람은 각 체결 시각이나 당시 남아 있던 주문 수량을 되찾을 수 없다.

여러 거래 장소가 있는 시장에서는 거래소 직접 전송 자료, 장외 거래 보고, 통합 전송 자료의 범위가 다르다. Over-the-Counter(장외거래, OTC)는 거래소 주문장 바깥에서 거래 조건을 맞추는 방식이다. 공개 주문장 밖에서 주식 주문이 체결되거나 중개업체가 고객 주문을 내부에서 처리하기도 한다. 한 장소의 최우선 가격은 그 장소의 범위에서 읽는다. 무료 데이터도 지연·제외 조건과 검증용 필드가 있는지 확인한다. 유료 직접 자료도 포함 시장과 메시지 순서를 확인해야 한다.

기본 데이터는 경제 활동과 공개 시각을 함께 읽는다

A사의 3월 말 재고를 조사하는 지우가 4월 초에 주문한다고 하자. 3월 말 재고는 이미 정해졌을 수 있지만 5월에 발표한다면 4월 초에는 사용할 수 없다. Fundamental Data(기본 데이터)는 기업이나 자산의 가치에 영향을 주는 경제 활동을 측정한다. 무엇을 언제 공개하는지는 회계·통계·보고·프로토콜 규칙에 따라 달라진다.

자산	어떤 변화를 관찰하는가	언제 비교할 수 있는가
주식	매출, 자산과 부채, 배당과 분할, 회사 전망	해당 회계 기간과 연결 범위를 확인하고 공시된 버전을 고른다.
원자재	재고·생산·운송·날씨, 선물 시장 참여자의 포지션	조사일과 발표일을 구분한다. 미국 상품선물거래위원회의 포지션 보고서는 보유 상태를 집계한다.
외환	금리, 물가, 성장과 통화 정책	통계 발표와 정정 이력을 구분한다. Federal Reserve Economic Data(연방준비은행 경제 데이터, FRED)의 시계열도 공개 일정과 함께 읽는다.
디지털 자산	발행 일정, 수수료, 블록체인 활동과 유동성	어떤 활동을 체인에서 볼 수 있는지, 블록이 언제 확정되는지 확인한다.

간접 신호는 표본이 달라질 때 다시 검증한다

A사의 결제 건수가 지난달보다 10% 많다고 하자. 같은 가게와 고객의 결제가 늘었다면 매출 변화의 단서다. 공급자가 카드사 한 곳을 추가했다면 같은 고객이 더 사지 않아도 기록은 늘어난다. Alternative Data(대체 데이터)는 일반 가격이나 표준 재무 자료 바깥에서 활동을 측정하며, 실제로 알고 싶은 대상을 간접적으로 보여 주는 Proxy(대리 지표)로 자주 쓰인다.

• 위성 영상, 매장 방문량, Automatic Identification System(선박자동식별장치, AIS) 신호는 위치와 이동을 보여 준다. 날씨나 추적 범위가 바뀌면 관측 공백도 달라진다.
• 카드 결제, 앱 사용, 웹 방문은 소비 활동을 보여 준다. 앱 방문에서 결제까지 이어지는 비율과 표본 구성도 확인한다.
• 채용 공고, 구매 발주, 공급망 기록은 기업 활동의 흔적이다. 같은 공고를 여러 곳에 올렸는지, 발주가 실제 납품으로 이어졌는지에 따라 의미가 달라진다.
• 뉴스, 실적 발표 통화, 공시 문장, 소셜 게시물에서는 사건과 표현을 추출한다. 공시의 숫자는 기본 데이터가 될 수 있고, 같은 문서의 문장을 분석한 신호는 텍스트 입력이 될 수 있다.
• Environmental, Social, and Governance(환경·사회·지배구조, ESG) 자료의 배출량, 인력, 평가 등급은 측정 범위와 산정 기준을 맞춰야 비교할 수 있다.

예측시장 계약이 사건 발생 시 1달러를 지급하고 0.60달러에 거래된다면, 가격을 약 60%의 기대를 나타내는 입력으로 볼 수 있다. 거래가 뜸하거나 매수·매도 간격이 크면 마지막 가격이 시장 기대를 잘 대표하는지 확인한다. Total Value Locked(예치 자산 총가치, TVL)는 탈중앙 금융에 예치된 자산을 가치로 합친 값이다. 토큰 가격이 오르면 추가 예치가 없어도 총가치가 오른다. 공시 텍스트를 쓸 때는 문서를 공개된 순서대로 보존하고 비교할 절을 같은 규칙으로 추출한다.

지우는 기존 가격·공시만 사용한 결과와 방문량을 추가한 결과를 같은 종목, 기간, 거래 조건으로 비교한다. 방문량이 없었던 기간과 공급자가 수집법을 바꾼 시기를 따로 본다. 당시에도 받을 수 있었는지, 수집법을 설명할 수 있는지, 계약이 의도한 사용을 허용하는지까지 확인해야 추가 정보의 효과를 해석할 수 있다.