01

Trading Execution

  • 증권사는 자산운용사 등의 기관으로부터 대량의 주문을 수탁받아 집행하고 거래수수료를 받습니다.

  • 증권사의 대량주문을 시장에서 한번에 집행하면 많은 마켓임팩트가 발생하여 적절한 가격에 거래하기 어려워지므로 이를 위해 딜러들이 주문을 나누어 집행하거나, 주문을 적절히 분할하여 집행해주는 알고트레이딩 시스템을 사용하고 있습니다. 


  • Brokerage firms receive brokerage fees based on the trading volume from the institutional investors.

  • To minimize the market impacts caused by massive trading orders, brokers normally divide trading orders into pieces or utilize algorithm trading systems which automatically break orders in parts.

 

02

AS-IS:
Algo Trading System

  • 알고트레이딩 시스템은 대량의 주문을 효율적으로 분할하여 집행하기 위한 알고리즘을 탑재한 주문집행시스템입니다.

  • 알고트레이딩은 TWAP, VWAP, MOC, POV, IS, Peg 등의 알고리즘을 탑재하고 있습니다.

  • 이러한 알고리즘은 사전에 미리 입력된 것으로 새로운 시장데이터에 대한 적응성과 효율성이 떨어집니다.


  • Algo-trading system is a trading execution solution which designed to increase the efficiency of trading when breaking large orders into pieces.

  • Algo-trading has algorithms such as TWAP, VWAP, MOC, POV, IS, Peg, etc. 

  • These algorithms are predetermined rule-based and, therefore, cannot adapt to the fast-changing market conditions instantly.


03

TO-BE:
AI execution Engine

Logo-Mockup-vol12.jpg
  • AXE는 크래프트테크놀로지스의 딥러닝기반 주문집행시스템 브랜드입니다.

  • AXE는 JP Morgan Chase 의 LOXM 시스템에 이어 세계에서 두번째로 개발된 딥러닝기반 인공지능 주문집행시스템입니다. 

  • AXE의 목적은 ① 주문에 의한 시장 충격을 최소화하고 ② 주문 비용을 절감하는 것입니다.

  • AXE는  사전에 입력된 룰에 의해 주문을 분할하는 것이 아니라, Adversarial Soft-learning RL 알고리즘에 마켓 시뮬레이션 알고리즘이 결합된 엔진을 통해 시장 데이터를 지속적으로 학습하여 적절한 분할 전략을 발견하고 끊임없이 진화하도록 설계되어 있습니다.

  • 그 결과 AXE는 기존의 알고트레이딩 시스템보다 성능이 우수하고 시장의 변화에 대한 적응력이 뛰어납니다.

  • AXE는 실거래 테스트에서 VWAP 대비평균 6bps 낮은 체결가를 기록하고 있습니다. (KOSPI200 주식주문/2018-10기준)


  • AXE is a deep-learning-based execution system developed by QraftTechnologies.

  • AXE is the second AI-driven trading execution system followed by JP Morgan’s LOXM.

  • The purpose of AXE is to minimize the market impact of orders and reduce transaction costs.

  • AXE is designed to discover the most efficient trading strategies and to learn and evolve with fast-changing market conditions rather than just following predetermined trading rules.

  • AXE was able to reduce 6 bps of transaction cost in terms of VWAP when it was applied in the actual market (Oct. 2018 / Trades for KOSPI200 Equities).

 

04

Industry Reference

LOXM (JP Morgan AI 주문집행시스템) 

세계최초 딥러닝 기반 Execution System | DQN기반 엔진

스크린샷 2019-03-03 오후 11.58.36.png

05

AXE :
Qraft AI Execution Engine

Execute orders more efficiently by learning how to lower the trading cost

스크린샷 2019-03-04 오전 12.05.48.png

06

Architecture

스크린샷 2019-03-04 오전 12.07.15.png

스크린샷 2019-03-04 오전 12.08.31.png

스크린샷 2019-03-04 오전 12.09.11.png

07

AXE vs. LOXM(JP Morgan)

스크린샷 2019-03-04 오전 12.10.39.png
 

08

AXE Challenge 2018


  • 실거래 성과 측정 기간 : 2018.11.14 ~ 22 ( 총 7거래일 )

  • 총매수금액 : 2,536,275,830 원 (코스피 200 중 70종목)

  • 대회기간 평균 절감 비율 : VWAP 대비 5 bps


  • Actual Trading Period  :   From Nov. 14th, to Nov. 22nd, 2018 (Total 7 Trading Days)

  • Total Purchased Amount  :   KRW 2,536,275,830(70 Equities from KOSPI 200)

  • Average Trading Cost Saved  :   5 bps saved compared to market VWAP


09

Statistics

Any constraints could be learned to execute trades

Example) TWAP Constraints ±20%

스크린샷 2019-03-04 오전 12.13.13.png
 

10

PoC Cases







11

Internal Cases

KOSPI 200 대상 실계좌거래 샘플


 

12

For ETFs

ETF Rebalancing (TIGER 모멘텀 ETF)

•리밸런싱 평균절감비용 : 9.7bp

•분기 리밸런싱, 리밸런싱 회전율 70% 가정

Passive ETF 의 경우 같은 ETF 간 수익률이 유사  
> AXE 적용 시, 유사 경쟁 상품 대비 확실한 성과 우위를 점할 수 있음

 

13

Why AXE?

Profit = Revenue - Cost

To increase profit

1. Revenue Up > Investment Strategy

2. Cost Down > Where AXE can contribute

스크린샷 2019-02-14 오후 5.26.42.png