0. 5초 결론 — 필살기가 아니라 필살기를 생각해 내는 방식부터 훔친다
잘하는 트레이더나 연구자를 따라 하려고 하면 가장 먼저 “무엇을 샀나”, “언제 들어갔나”, “정확히 어떤 조건이었나”가 궁금해진다.
하지만 더 가치 있는 것은 그 한 단계 전이다.
왜 그곳을 봤는가? 무엇을 이상하다고 느꼈는가? 어디에 경쟁이 적다고 판단했는가? 무엇을 버렸는가?
구체적인 엣지는 사라질 수 있다. 반면 문제를 자르는 방식은 다른 시장, 다른 업무, 다른 연구에도 옮길 수 있다.
필살기 이름만 외워 봐야 MP가 없으면 못 쓴다. 기술보다 빌드부터 훔치는 편이 낫다.
1. 처음부터 혼자 생각하는 것은 자유롭지만 탐색공간이 너무 넓다
제로에서 아이디어를 만드는 것은 재미있다. 문제는 시장과 연구의 후보가 사실상 무한하다는 점이다.
가격, 수급, 뉴스, 기업 자료, 거시지표, 호가창, 시간대, 참가자, 제도, 실행비용까지 모두 연구 대상이다.
오랜 기간 실제 결과를 만들어 온 사람의 사고방식은 강한 사전정보가 된다.
그 사람이 몇 년 동안 같은 종류의 문제를 파고 있다면 최소한 “여기는 파볼 가치가 있다”는 힌트를 준다.
성공자를 신격화할 필요는 없다. 탐색공간을 압축해 주는 선행 연구자처럼 이용하면 된다.
2. 오래된 X는 ‘사고의 지층’이 된다
숙련자가 현재 핵심 전략을 한 문서로 공개하는 경우는 드물다.
하지만 X, 블로그, 인터뷰, 공개 글을 몇 년씩 남기면 서로 다른 시기에 조각이 떨어진다.
“요즘 이 데이터를 본다.” “이 분야는 경쟁이 너무 세다.” “이 실험은 실패했다.” “이 환경에서는 기회가 늘어난다.” “이 연구는 버렸다.” “이 부분을 자동화했다.”
한 개씩 보면 잡담이다. 연대순으로 놓으면 연구노트가 된다.
타임라인에 지층이 생긴다. 우리는 삽을 든 고고학자가 된다.
3. 핵심은 ‘그 사람이 실제로 쓰는 단어’를 따라가는 것
처음부터 일반 키워드만 검색하면 잡음이 많다.
프로필, 최근 게시물, 공개 글, 인터뷰에서 그 사람이 반복적으로 사용하는 특이한 용어를 뽑는다.
그리고
본인 식별자 × 고유 용어
로 과거를 교차검색한다.
새로운 용어가 발견되면 다시 그 용어로 검색한다.
즉,
초기 어휘 → 과거 게시물 → 새 어휘 → 더 오래된 게시물 → 관련 인물 → 다른 매체
순으로 재귀적으로 파고든다.
모든 게시물을 완벽하게 얻을 필요는 없다. 검색엔진, 인용, 답글, 공개 미러, 블로그, 기사, 인터뷰에도 흔적이 남는다.
목표는 전수수집이 아니라 사고의 뼈대를 복원하는 것이다.
4. 매매 조건 대신 6개의 상류 질문을 뽑는다
한 사람을 조사할 때 최소한 다음 여섯 가지를 추출한다.
- 무엇을 관측하는가 — 가격, 텍스트, 수급, 시장구조, 거시데이터 등.
- 어떻게 가설을 만드는가 — 육안의 이상, 통계, 논문, 제도 등.
- 무엇을 경쟁우위라고 보는가 — 속도, 틈새, 데이터, 연구량, 리스크, 실행력 등.
- 무엇을 버리는가 — 과적합, 과도한 경쟁, 낮은 용량, 높은 비용 등.
- 리스크를 어떻게 다루는가 — 큰 한 번인가, 작은 반복인가, 분산인가, 사이징인가.
- 다음에는 어디를 파는가 — 지금 원하는 데이터와 새로 만드는 인프라는 무엇인가.
여기까지 알면 비밀 진입 조건을 몰라도 그 사람이 다음에 어떤 문제를 볼지 어느 정도 보이기 시작한다.
5. 여러 성공자를 보면 서로 다른 스타일과 공통 원리가 분리된다
익명화된 공개정보를 보면 성공자에게는 꽤 다른 유형이 있다.
한 유형은 시장을 직접 관찰하고 경쟁이 약한 곳, 너무 작거나 귀찮아서 남들이 줍지 않는 기회를 자동화한다.
다른 유형은 대규모 데이터에서 약한 예측 가능성을 추출하고 알려진 요인을 제거한 뒤 리스크, 용량, 실행비용까지 포함해 작은 우위를 많이 쌓는다.
표면은 완전히 다르다.
하지만 깊은 곳에서는,
작은 우위를 찾는다 많이 반복한다 자동화한다 한 가지에 의존하지 않는다 실제로 잡을 수 있는 이익만 센다
는 공통 원리가 나온다.
6. 구체적인 엣지를 숨겨도 교훈은 사라지지 않는다
정확한 임계값과 진입 조건은 취약하다. 경쟁이 늘면 깨지고 제도가 바뀌어도 깨지며 자금규모와 실행환경이 다르면 복제되지 않는다.
오래 남는 것은 이런 탐색 연산자다.
- 강한 경쟁자가 관심을 갖지 않는 곳을 본다
- 움직인 것뿐 아니라 움직여야 하는데 움직이지 않은 것을 본다
- 수익이 알려진 요인으로 설명되는지 의심한다
- 백테스트 수익과 실제 체결 수익을 분리한다
- 거대한 하나보다 독립된 작은 우위를 여러 개 모은다
- 실패한 연구도 다음 탐색의 데이터로 남긴다
구체적 엣지는 물고기이고 상류 사고는 어업 방식이다.
7. AI는 천재를 대체하기보다 천재의 관점을 100배로 전개해야 한다
상류 문제설정은 경험 많고 뛰어난 연구자가 강한 경우가 많다.
그 뒤의 반복 작업은 AI가 강하다.
하나의 좋은 관점에서 특징량 후보를 만들고, 과거 데이터를 훑고, 반증조건을 만들고, OOS를 나누고, 군집화하고, 구현하고, 실패를 기록하고, 다른 시장에 옮기는 작업을 대량으로 돌릴 수 있다.
따라서 핵심은 “AI 대 천재”가 아니다.
천재의 상류 프레이밍 × AI의 연구 회전수다.
8. 사람을 소개하는 대신 Lens로 만든다
한 사람을 조사한 뒤 전기문으로 끝내지 않는다.
그 사람의 사고방식을 재사용 가능한 Lens로 저장한다.
예를 들면 관찰 Lens, 경쟁회피 Lens, 틈새시장 Lens, 통계예측 Lens, 요인제거 Lens, 리스크 Lens, 용량 Lens, 실행 Lens, 실패 Lens, Machine-only Lens다.
그다음 같은 시장에 여러 Lens를 동시에 적용한다.
한 Lens는 수급 이상이라고 보고, 다른 Lens는 알려진 요인의 잔차인지 확인하며, 또 다른 Lens는 실행비용으로 사라진다고 판정할 수 있다.
한 천재를 믿기보다 여러 천재의 시점을 서로 싸우게 한다.
9. 결론 — 훔칠 것은 ‘질문 생성 함수’다
잘하는 사람을 따라 하고 싶다면 최신 포지션보다 그 사람이 어디를 볼지 결정하는 방식을 추출하는 편이 가치가 높다.
오랜 공개 게시물은 거대한 연구 로그가 된다.
고유어를 찾고, 교차검색하고, 시간순으로 연결하고, 사실과 추론을 나눈다. 무엇을 보고 무엇을 버리고 무엇을 자동화하며 다음에 어디를 탐색하는지 뽑는다.
구체적인 엣지는 감추고 상류의 search operator만 라이브러리화한다.
정답 암기보다 정답을 계속 만들어 내는 질문의 기계를 훔치는 편이 훨씬 오래 간다.
