신발 속에 컴퓨터를 숨긴 물리학자: 룰렛 예측에서 현대 퀀트의 '동적 베팅'까지

신발 속에 컴퓨터를 숨긴 물리학자: 룰렛 예측에서 현대 퀀트의 '동적 베팅'까지

"아무리 승리 확률이 높은 게임이라도, 베팅 금액 조절에 실패하면 파산은 수학적 필연이다."

1961년 여름, 라스베이거스의 한 카지노. 한 남자가 룰렛 테이블 옆에 조용히 서 있었습니다. 그의 신발 안쪽에는 발가락으로 조작할 수 있는 작은 스위치가 숨겨져 있었고, 그 스위치는 남자의 허리춤에 숨겨진 담배갑 크기의 아날로그 컴퓨터와 연결되어 있었습니다.

세계 최초의 '웨어러블 컴퓨터(Wearable Computer)'를 입고 카지노에 들어선 이 남자는 바로 수학자이자 물리학자인 애드워드 소프(Edward O. Thorp) 박사였습니다. 옆에서 그를 도운 인물은 정보이론(Information Theory)의 아버지라 불리는 클로드 섀넌(Claude Shannon) 교수였습니다.

이들은 어떻게 물리학으로 카지노를 정복하려 했고, 이 도전은 어떻게 현대 퀀트 헤지펀드의 핵심 리스크 관리 기술로 진화했을까요?

1. 1960년대, 룰렛의 궤적을 계산하다

룰렛은 무작위(Randomness)의 대명사처럼 보입니다. 하지만 물리학자의 눈에 룰렛 휠은 단순한 뉴턴 역학(Newtonian Mechanics)의 시스템일 뿐이었습니다.

소프 박사와 섀넌 교수는 룰렛 공이 회전할 때 발생하는 물리적 궤적을 분석했습니다. 공의 초기 속도, 감속도, 휠의 회전 주기만 정확히 측정할 수 있다면, 공이 38개 칸 중 어느 섹터(Sector)에 떨어질지 확률적으로 예측할 수 있다고 본 것입니다.

[인간의 입력] 
발가락 스위치 클릭 (공/휠이 특정 지점을 통과하는 순간)
       │
       ▼
[웨어러블 컴퓨터] 
시간 간격(Time Interval) 측정 및 물리 궤적 방정식 계산
       │
       ▼
[귀로 전달되는 신호] 
특정 주파수의 음향 신호로 베팅 구역(8개 숫자 섹터) 제시

이들이 개발한 장치는 실제 실험에서 약 44%의 통계적 우위(Edge)를 가져다주었습니다. 카지노의 수수료(House Edge) 약 5.26%를 가볍게 압도하는 놀라운 수치였습니다.

그러나 왜 이 전략은 지속될 수 없었을까요?

1. 인간 반응 속도의 오차 (Human Latency): 발가락으로 버튼을 누르는 순간 $0.1 \sim 0.2$초의 오차가 발생하며, 공의 회전 속도가 빠를수록 예측 오차 범위가 급격히 확대되었습니다.
2. 현대 카지노 휠의 정밀화: 정밀 공학으로 만들어진 테플론 공, 무작위 튕김을 유도하는 디플렉터(Deflector)의 구조 변경으로 인해 궤적 예측의 혼돈(Chaos)도가 극대화되었습니다.
3. 법적 규제와 AI 감시: 전 세계 카지노는 컴퓨터 장비 활용 베팅을 중범죄(Felony)로 규정했습니다. 오늘날 카지노는 AI CCTV를 통해 공이 도는 동안 규칙적인 패턴을 보이는 베터나 불투명한 장비를 즉시 적발합니다.

결국 물리적 기계 장치로 카지노를 꺾는 시대는 막을 내렸습니다. 소프 박사는 시선을 더 거대하고 합법적인 카지노, 바로 금융 시장(Wall Street)으로 돌렸습니다.

2. 월가로 간 소프: "시장도 결국 거대한 카지노다"

1969년, 소프 박사는 세계 최초의 퀀트 헤지펀드라 불리는 프린스턴 뉴포트 파트너스(Princeton/Newport Partners, PNP)를 설립합니다. 그리고 약 20년 동안 단 한 해도 손실을 기록하지 않으며 연평균 19.1%의 컴파운드 수익을 올려 월가를 놀라게 했습니다.

소프 박사가 카지노의 룰렛과 블랙잭에서 얻은 깨달음은 간단했습니다.

"시장의 비효율성(Inefficiency)을 찾아내어 수학적 우위(Edge)를 확보하고, 연속된 데이터 시퀀스(Sequential Data)를 추적하여 위험을 완벽히 차단한다."

그는 블랙-숄즈(Black-Scholes) 방정식이 나오기도 전에 파생상품의 적정 가치를 도출해내는 전환사채 차익거래(Convertible Arbitrage)와, 유사 종목 간의 괴리를 이용한 통계적 차익거래(Statistical Arbitrage)를 발명했습니다.

하지만 소프 박사가 남긴 가장 위대한 유산은 '종목을 찾는 기술'이 아니었습니다. 바로 "얼마나 베팅할 것인가"에 대한 수학적 해답이었습니다.

3. 우위(Edge)보다 중요한 것: 켈리 공식과 자본 파괴의 비대칭성

많은 투자자들이 "승률이 높은 기법"이나 "좋은 종목"을 찾는 데 매몰됩니다. 그러나 소프 박사는 아무리 수학적 우위(Edge)가 뛰어난 전략이라도, 베팅 금액 조절(Position Sizing)에 실패하면 기하학적 확률에 의해 결국 파산한다는 것을 증명했습니다.

이를 수학적으로 정립한 것이 바로 켈리 공식(Kelly Criterion)입니다.

$$f^* = \frac{bp - q}{b}$$

• $f^*$: 전체 자산 중 베팅해야 할 최적의 비율
• $p$: 승리할 확률
• $q$: 패배할 확률 ($1 - p$)
• $b$: 손익비 (승리 시 얻는 배수)

연속적인 확률 게임에서 기하 평균 성장률(Geometric Growth Rate)을 극대화하는 최적의 자금 관리 비율을 나타낸 것입니다.

왜 고정 비중 투자는 위험한가? (손실의 비대칭성)

예를 들어 100만 원의 자산이 있을 때, $50\%$ 손실을 보면 자산은 50만 원이 됩니다. 이 50만 원을 다시 원금(100만 원)으로 복구하려면 $100%$의 수익률이 필요합니다.

[원금 100%] ──(-50%)──> [남은 자산 50%] ──(+50%)──> [최종 자산 75%]  ❌ 원금 회복 실패!
[원금 100%] ──(-50%)──> [남은 자산 50%] ──(+100%)─> [최종 자산 100%] ⭕ 원금 회복 성공!

이것이 바로 손실의 비대칭성(Drawdown Asymmetry)입니다. 아무리 $60\%$ 승률을 가진 매매 전략이라도, 한 번의 국면에서 과도한 베팅(Over-betting)으로 자산이 $-40\% \sim -50\%$ 이상 무너지면, 이후에 아무리 승률을 복구해도 계좌는 영원히 전고점을 회복하지 못하고 0으로 수렴하게 됩니다.

4. 현대 트레이딩으로의 이식: 동적 타겟 베타(Dynamic Target Beta)와 CBVR

소프 박사가 켈리 공식을 통해 증명한 "우위와 위험에 따른 포지션 크기의 동적 조절" 철학은, 현대 시스템 트레이딩 및 자산배분 프레임워크의 핵심인 동적 노출도 제어(Dynamic Exposure Control) 및 CBVR(Channel-Vector Based Volatility Rebalancing) 체계로 발전했습니다.

정적 자산배분의 한계

기존의 60/40 포트폴리오나 정적 레버리지 전략은 시장의 체제 변화(Regime Change)에 무방비로 노출됩니다. 상승장에서는 충분한 수익을 내지 못하고, 하락장이나 폭락장에서는 거대한 대형 낙폭(MDD)을 그대로 두들겨 맞게 됩니다.

동적 타겟 베타(Dynamic Target Beta)의 작동 원리

현대의 고도화된 퀀트 시스템은 선(Line)이 아닌 공간(Channel)과 방향성(Vector)을 복합적으로 추적합니다. 시장의 변동성과 국면을 실시간 분석하여 순노출(Net Exposure)을 동적으로 재설정합니다.

[시장 국면 (Market Regime)]          [순노출 (Net Exposure) 제어]
   강한 상승장 (Bull Market)   ───>   레버리지 극대화 (예: +2.0x)
   변동성 박스권 (Neutral)     ───>   중립 유지 (예: +1.0x)
   예외적 급락장 (Crash)      ───>   노출도 축소 및 인버스 (예: 0.0x ~ -1.0x)

예를 들어, 순노출 공식 $Net\ Exposure = 3w_1 - 1$과 같은 동적 레이어 매핑을 활용하면:

1. 시장의 우위가 확실하고 변동성이 안정을 찾을 때는 포지션을 확대하여 복리 효과를 극대화합니다.
2. 시장이 예측 불가능한 예외 국면(Chaos)에 진입하면, 켈리 공식이 베팅 비율을 줄이듯 즉시 노출도를 0 또는 음수(-) 영역으로 전환하여 자본의 손실(Drawdown)을 차단합니다.

이러한 공학적 제어가 결합될 때 비로소 "복리를 방해하는 대형 낙폭(MDD $\le 25\%$)을 방어하면서 극상의 복리 성장"을 달성할 수 있습니다.

💡 결론: 룰렛 휠에서 배운 최고의 투자 교훈

애드워드 소프 박사는 룰렛의 궤적을 쫓는 단순한 기술자에서 출발했지만, 결국 금융 시장 전체를 통섭하는 확률적 리스크 관리의 거장이 되었습니다.

방향성을 맞히는 "예측(Prediction)"의 영역은 언제나 오차와 변수가 존재합니다. 카지노의 정밀한 룰렛 휠이 물리적 예측을 무력화했듯, 금융 시장의 수많은 소음(Noise) 역시 단기 예측을 불가능하게 만듭니다.

결국 투자의 성패를 가르는 것은 다음 질문에 대한 답입니다.

"당신은 현재 확보한 통계적 우위에 맞게, 시장의 변동성에 맞춰 베팅 크기(Exposure)를 정교하게 동적 조절하고 있는가?"

방향성을 맞히는 것에 집착하기보다, 체계적인 동적 포지션 사이징 프레임워크를 구축하는 것. 이것이 60년 전 신발 속에 컴퓨터를 넣었던 한 수학자가 우리에게 남긴 가장 강력한 투자 시스템의 비밀입니다.

 

레딧 원문: https://www.reddit.com/user/youlim390/comments/1v2o9k1/from_casinos_to_quant_hedge_funds_edward_thorp/

Reddit의 youlim390 님 프로필: From Casinos to Quant Hedge Funds: Edward Thorp and the Science of Dynamic Position Sizing

---

https://wejump3.tistory.com/1

[문서 목록] Channel-Vector Based Volatility Rebalancing Strategy