자본 배분 · 8분 분량
리더를 선택하는 일은 주목을 받습니다. 자본 배분이 결과를 결정합니다. 한 명 이상의 트레이더를 팔로우하기 시작하면, 각자가 얼마를 받는지 — 그리고 각 슬리브가 제대로 기능할 만큼 충분히 큰지 — 가 후보 목록의 순서보다 더 중요해집니다.
요약
여러 Hyperliquid 리더에 걸친 자본 배분은 최소 주문 크기와 마진 요건에 의해 하한이 제약됩니다: 의미 있는 포지션을 보유하기에 너무 작은 슬리브는 분산 효과 없이 비용만 더합니다. 균등 분배가 아니라 근거에 따라 가중치를 부여하고, 가중치가 집중으로 변질되지 않도록 단일 리더에 상한을 두고, 슬리브 수는 그 반대가 아니라 자본을 따라가게 하십시오. 고정된 일정이 아니라 드리프트 임계값에 따라 리밸런싱하십시오. 이 중 어느 것도 그 자체로 기대수익률을 높이지는 않습니다. 다만 의도한 익스포저가 실제로 얼마나 신뢰성 있게 유지되는지를 개선합니다.
선택 작업을 이미 마쳤다고 가정해 봅시다: 여러 리더가 일관성, 손익비, 포지션 규율, 생존 가능성에 대한 당신의 기준선을 통과했습니다. 이제 더 어려운 질문에 직면하며, 이는 판단이 아니라 기계적인 답을 가진 질문입니다.
각 리더는 얼마의 자본을 받아야 하는가, 슬리브는 얼마나 작아지면 더 이상 기능하지 못하는가, 그리고 가중치가 설정한 지점에서 벗어나면 무엇을 해야 하는가?
이 질문들은 Hyperliquid에서 구체적인 답을 갖습니다. 제약 조건이 구체적이기 때문입니다: 최소 주문 크기, 시장별 마진 요건, 그리고 격리된 서브계정은 서로 자금을 빌릴 수 없다는 사실입니다.
균등 가중치는 중립적으로 느껴집니다. 하지만 실제로는 바스켓 내 모든 리더가 동일한 기대 품질을 갖는다는 능동적인 주장이며, 이는 당신 자신의 선택 과정과 모순됩니다. 그들을 점수화했다면, 이미 그들이 서로 다르다고 믿는 것입니다.
여기에는 기계적인 대가도 따릅니다. 균등 가중 바스켓에서 가장 약한 리더는 가장 강한 리더와 동일한 자본을 받으므로, 바스켓의 결과는 상위가 아니라 세트의 중위값 쪽으로 끌려갑니다.
근거에 따른 가중치 부여 — 그리고 그것이 집중으로 변질되지 않도록 막는 상한선 — 에 대한 더 깊은 논거는 점수 가중치 대 균등 가중치 노트에 정리되어 있습니다. 이 노트는 그 논거를 전제로 삼고, 가중치가 존재하게 된 다음에 벌어지는 일 — 사이징, 분절화, 드리프트 문제 — 을 다룹니다.
실전에서 가중치를 준다는 것은 각 리더의 자본 비중이 그의 종합 점수에 비례한다는 뜻입니다: 자본은 각 리더의 종합 점수에 비례하여 가중됩니다. 모든 기준을 여유 있게 통과한 후보는 두 기준을 겨우 통과한 후보보다 더 많은 자본을 받습니다.
가중치 공식보다 더 중요한 두 가지 구현 세부 사항이 있습니다.
첫 번째는 상한입니다. 최대 가중치가 없다면, 한 리더를 높게 평가하는 스코어링 시스템은 다른 이름으로 단일 트레이더 집중을 재현할 것입니다. 상한은 바스켓의 분산을 점수 분포의 우연이 아니라 구조의 속성으로 만듭니다.
두 번째는 하한입니다. 어떤 가중치 아래에서는 슬리브가 의미 있는 규모의 포지션을 보유할 수 없으며, 그런 슬리브는 존재해서는 안 됩니다. 리더의 비례 가중치가 기능하는 슬리브에 필요한 수준 아래로 떨어지면, 올바른 조치는 형식적인 배분이 아니라 더 적은 수의 더 큰 규모의 슬리브입니다.
리더를 추가하는 것은 그중 하나가 틀렸을 때의 충격을 줄이지만, 그중 하나가 옳았을 때의 효과도 희석시킵니다. 두 효과 모두 실재하며 둘 다 슬리브 수에 비례해 커집니다.
그 이득은 선형적이지도 않습니다. 리더 1명에서 3명으로 늘리면 단일 실패점 리스크의 대부분이 제거됩니다. 7명에서 10명으로 늘리면 리스크 프로파일은 훨씬 덜 바뀌면서 회전율, 수수료 부담, 마진 분절화만 늘어납니다.
상관관계는 그 유용한 상한선이 어디인지를 결정합니다. 세 명의 리더가 같은 방향으로 같은 두 개의 무기한 선물을 거래한다면, 슬리브는 세 개지만 베팅은 사실상 하나입니다. 거래 시장의 폭과 보유 기간의 차이야말로 추가 슬리브가 중복이 아니라 부가가치가 되게 만드는 요소입니다.
이는 대부분의 배분 계획이 간과하는 제약 조건이며, 소규모 및 중간 규모 계정에 실제로 걸림돌이 되는 조건입니다.
Hyperliquid 무기한 선물에는 최소 주문 크기와 가격, 수량 단위가 있습니다. 미러링된 주문은 슬리브의 자본에서 비례적으로 도출된 다음 유효한 크기로 반올림됩니다.
슬리브가 작을 때 반올림은 더 이상 사소한 문제가 아닙니다. 1.4단위여야 할 포지션이 1 또는 2가 되어 — 해당 거래에 30% 또는 40%의 사이징 오차가 발생합니다. 그 슬리브는 더 이상 리더의 리스크 프로파일을 추적하는 것이 아니라, 그것에 대한 거친 근사치를 추적하는 것이며, 근사 오차가 복사하려는 우위를 초과할 수 있습니다.
특정 슬리브 규모 아래에서는 리더의 일부 거래가 비례 크기가 0으로 반올림되어 전혀 미러링될 수 없습니다. 그러면 의도가 아니라 반올림이 선별한 전략의 부분집합만 보유하게 됩니다.
격리는 다중 리더 카피 트레이딩을 일관되게 만드는 요소입니다 — 미러링된 리더당 하나의 서브계정을 두면 상반된 포지션이 상쇄되지 않습니다. 이는 동시에 마진을 공유할 수 없다는 뜻이기도 합니다. 각 슬리브는 포지션을 열고 정상적인 불리한 움직임을 견디기에 충분한 담보를 독립적으로 보유해야 합니다.
총합의 효과는 분절화된 계정이 동일한 익스포저를 가진 단일 교차 마진 계정보다 더 많은 유휴 마진을 보유하게 된다는 것입니다. 그 유휴 마진은 봉쇄에 대한 대가이며, 발견되는 것이 아니라 예산에 반영되어야 합니다.
따라서 슬리브 수는 선호가 아니라 자본에 의해 상한이 정해집니다. 최소 유효 규모 아래로 자금이 배분된 10개의 슬리브는 제대로 자금이 배분된 3개의 슬리브보다 나쁩니다: 3개 슬리브분의 실질적인 익스포저를 위해 10세트의 수수료를 지불하는 셈입니다.
이것이 완전 분산을 모두에게 즉시 제공하지 않고 거래량 기준으로 잠금 해제하는 논리적 근거입니다. 미러링 거래량 10만 달러 미만에서는, 자금이 충분히 투입된 하나의 슬리브가 자금이 부족한 여러 슬리브보다 훨씬 더 충실하게 리더를 추적합니다. 그 이상에서는 최대 10개의 슬리브 각각이 의미 있는 규모를 감당할 수 있습니다.
이 임계값은 기능처럼 포장된 유료 장벽이 아닙니다. 최소 크기와 슬리브별 마진의 산술이 당신에게 불리하게 작동하지 않게 되는 지점일 뿐입니다.
가중치는 설정한 지점에 머물지 않습니다. 성과가 좋은 슬리브는 계정 내 비중이 커지고, 손실이 나는 슬리브는 줄어듭니다. 방치하면 바스켓은 가중치 체계가 존재하는 이유와 정반대로, 최근에 운이 좋았던 리더 쪽으로 표류합니다.
리밸런싱을 유발하는 두 가지 요인이 있습니다: 목표 가중치로부터의 드리프트, 그리고 기저 점수의 변화입니다. 이 둘은 다른 트리거이며 다르게 다뤄야 합니다.
고정된 일정에 따른 리밸런싱은 최악의 선택입니다: 아무것도 변하지 않았을 때 거래하고, 무언가 변했을 때는 기다립니다. 임계값 기반 리밸런싱 — 슬리브가 목표에서 어느 허용치 이상 벗어났을 때만 행동 — 은 거래를 줄이면서도 중요한 순간에는 더 빨리 대응합니다.
리밸런싱에도 비용이 따릅니다. 서브계정 간 자본을 이동하고 포지션 크기를 재조정하는 것은 회전율, 스프레드, 수수료를 의미합니다. 허용 대역이 존재하는 이유는 바로 계정이 형식적인 정밀함을 위해 그 비용을 치르지 않도록 하기 위해서입니다.
다음은 자본에 대해 무엇을 해야 하는지에 대한 조언이 아니라 제약 조건에 대한 사고 방식입니다. 정확한 수치는 당신의 리더들이 어떤 시장을 거래하는지에 달려 있습니다 — BTC와 ETH 트레이더로 구성된 바스켓은 틱이 넓고 장부가 얇은 소형 무기한 선물을 거래하는 바스켓보다 더 작은 슬리브 규모로도 운용될 수 있습니다.
소규모에서는 반올림이 제약 조건입니다. 제대로 자금이 투입된 슬리브 하나가, 리더의 더 작은 포지션을 표현할 수 없는 세 개의 슬리브보다 리더를 훨씬 더 잘 추적할 것입니다. 집중 리스크를 의식적으로 받아들이고, 이를 보완하기 위해 레버리지를 낮춰서 사이징하십시오.
중간 규모에서는 여러 슬리브가 실현 가능해지며, 유용한 선택은 수가 아니라 폭입니다: 시장과 보유 기간이 서로 다른 리더를 선호하십시오. 두 개의 상관된 슬리브는 하나의 두 배 비용이 들면서도 분산 효과는 거의 없기 때문입니다.
더 큰 규모에서는 제약이 뒤바뀝니다. 최소 크기는 더 이상 문제가 되지 않고 시장 충격이 문제가 되기 시작합니다: 장부를 움직일 만큼 큰 슬리브는 그에 비례해 커지는 슬리피지를 지불하며, 복사할 가치가 있는 리더는 자신의 규모 자체가 그 스케일에서 운용될 수 있음을 증명하는 리더입니다.
대부분의 배분 오류는 몇 가지 유형으로 나뉘며, 의도보다 제약 조건을 먼저 확인함으로써 모두 피할 수 있습니다.
자본 배분은 우위를 만들어낼 수 없습니다. 리더 중 누구도 우위가 없다면, 영리하게 가중치를 준다고 해도 손실의 형태만 바뀔 뿐입니다.
점수는 공개된 이력으로부터 만들어진 추정치이며, 이력은 리더의 가능한 행동의 작은 표본에 불과합니다. 점수로 가중하는 것은 확신이 아니라 이용 가능한 최선의 증거로 가중하는 것입니다.
과거 성과는 미래 결과를 보장하지 않습니다. 무기한 선물은 레버리지 상품이며 전체 포지션의 손실을 포함해 상당한 손실 위험을 수반합니다.
증거에 따라 배분하고, 증거가 그렇지 않으면 만들어낼 집중을 상한으로 제한하고, 반올림이 파괴할 규모 이상으로 각 슬리브에 자금을 대고, 달력이 아니라 드리프트에 따라 리밸런싱하십시오. 이 네 가지 규칙은 후보 목록을 아무리 정교하게 다듬는 것보다 다중 리더 바스켓에 더 큰 효과를 냅니다.
실제 운용 바스켓이 이를 어떻게 적용하는지 — 현재 가중치, 슬리브 수, 이를 지배하는 거래량 임계값 — 는 성과 페이지에서 확인할 수 있으며 모드 노트에 설명되어 있습니다.
| 방식 | 최적화 대상 | 실패 모드 | 필요 자본 |
|---|---|---|---|
| 단일 리더 | 하나의 전략에 대한 충실도 | 한 계정의 드로다운이 전체 드로다운이 됨 | 낮음 |
| 균등 가중치 | 단순함과 겉보기 중립성 | 가장 약한 리더가 바스켓을 중위값으로 끌어내림 | 중간~높음 |
| 점수 가중, 상한 없음 | 최선의 증거에 대한 최대 노출 | 다른 이름으로 집중을 재현함 | 중간 |
| 점수 가중, 상한 적용 | 분산 하한선 안에서 증거 기반 가중치 | 리더들이 비슷하게 거래하면 여전히 상관됨 | 중간~높음 |
| 다수의 소형 슬리브 | 체감상의 폭 | 반올림과 마진 분절화가 추적을 망가뜨림 | 높음, 대개 오판됨 |
레버리지가 적용된 무기한 선물은 원금 전액 손실을 포함한 상당한 리스크가 따릅니다. 과거 성과는 미래를 보장하지 않습니다.
계속 읽기
위의 구조적 논거가 성립한다면, 흥미로운 질문은 구현입니다: 리더를 어떻게 스코어링하고, 가중치를 어떻게 정하고, 교체를 언제 트리거하는가.
