2장 도입. 금융 데이터의 전체 지도

한 종목을 설명하는 서로 다른 기록

지우는 매주 월요일 아침에 편의점 기업 두 곳을 비교한다. 지난 금요일 가격은 A사가 얼마나 비싸게 거래됐는지 알려 준다. 분기 매출은 A사가 그 기간에 얼마나 팔았는지 알려 준다. 주말 매장 방문량은 다음 실적이 나오기 전 영업 흐름을 짐작할 단서다. 세 숫자는 서로 다른 일을 측정한다. 방문객이 늘어도 손님당 구매액이 줄면 매출은 감소할 수 있다.

연구자가 쓸 수 있는 기록은 늘어났다. 거래소의 개별 주문·체결 기록은 장중 가격이 만들어진 과정을 더 자세히 보여 준다. 위성사진, 결제 표본, 소셜 게시물은 가격이나 재무제표에 바로 드러나지 않는 움직임을 측정한다. 특정 사건이 일어나면 돈을 지급하는 예측시장 계약의 거래가격도 기대 변화의 단서가 된다. 새 자료를 붙일 때마다 대상, 시각, 표본 범위와 이용 권리를 검증할 일도 늘어난다.

월요일 아침의 판단을 재현하는 조건

금요일 종가가 마감 경매 체결가인지, 마지막 일반 체결가인지부터 정한다. 실적이 월요일 장 마감 뒤에 나온다면 월요일 아침에는 이전 공개분까지만 쓸 수 있다. 방문량 공급자가 지난주 값을 화요일에 배송한다면 이 역시 월요일 판단에는 늦다. 오늘 받은 파일에 세 값이 모두 들어 있어도 당시의 정보는 달랐다.

과거 주문을 가상으로 실행해 보는 Backtest(백테스트)는 이 경계를 지켜야 한다. 판단 당시의 종목군, 가격, 공개 버전, 주문 조건을 먼저 재현한다. 어느 한 입력에서 미래 기록을 끌어오면 좋은 성과가 전략의 판단에서 나왔는지 데이터 처리에서 나왔는지 구분하기 어렵다.

자료를 발견한 뒤 연구에 넣기까지

1. 가격·재무·방문량이 각각 무엇을 측정하고 어떤 정의를 따르는지 구분한다.
2. 주식과 선물, 외환과 채권을 비교해 관측할 수 있는 거래와 추정해야 하는 가격을 구분한다.
3. 공개 지연, 누락, 오류, 정의 변경, 제약 위반을 확인하고 금융 데이터 특유의 편향을 잡는다.
4. 공급자의 표본을 직접 검증하고 계약상 이용 범위와 장애·변경 대응 방식을 확인한다.
5. 실제 조회 방식과 팀 규모에 맞춰 파일이나 데이터베이스를 선택한다.

이 장에서는 데이터가 만들어지고 전달되는 조건을 먼저 세운다. 다음 시장 미시구조 학습에서는 주문과 체결을 더 자세히 읽는다. 기본·대체 데이터의 처리, 여러 시장 경로를 만드는 합성 데이터 학습으로 이어 가면, 전략을 명세하기 전에 입력과 검증 조건을 정할 수 있다.