Hyperliquid 리더보드 설명: 왜 대부분의 랭킹이 오해를 부르는가

공개 리더보드가 어떻게 계산되는가

Hyperliquid의 데이터는 공개되어 있으므로 리더보드는 직관적인 집계다: 계정을 가져와, 기간에 걸친 이익을 계산하고, 내림차순으로 정렬한다. 제3자 보드를 포함한 대부분의 공개 보드는 하루, 일주일, 한 달, 전체 기간 같은 몇 가지 기간을 제공하며 절대 PnL이나 수익률로 정렬할 수 있게 한다.

보이는 것을 형성하는 데 두 세부 사항이 대부분의 역할을 한다. 기간은 계정 이력 중 얼마가 요약되고 있는지를 결정하며, 지표는 '최고'가 무엇을 의미하는지를 결정한다. 절대 PnL은 거의 기계적으로 대형 계정을 선호한다. 5,000만 달러의 2% 움직임이 20만 달러의 60% 움직임을 능가하기 때문이다. 수익률은 정반대의 이유로 소형 계정을 선호한다.

일반적으로 범위에 대한 질문도 있다: 그 수치가 오픈 포지션의 미실현 손익을 포함하는지 여부다. 그럴 경우 계정은 청산되지 않은 큰 오픈 포지션을 보유한 채 보드 상단에 앉을 수 있으며, 그 랭킹은 결코 실현되지 않을 수도 있는 시가평가 숫자를 보고하고 있는 것이다.

이 중 어느 것도 거래소에 대한 비판이 아니다. 보드는 보고한다고 말하는 것을 정확하게 보고한다. 문제는 사람들이 그것으로 무엇을 하는가이다.

레버리지 왜곡: 같은 수익률, 다른 리스크

가장 큰 단일 왜곡은 수익률이 그것을 만들어낸 리스크 없이 보고된다는 것이다. 두 계정 모두 한 달 동안 40%의 수익을 낼 수 있다 — 하나는 유동적인 메이저 자산에서 2배로, 다른 하나는 알트 선물에서 20배로. 보드는 둘에 대해 하나의 숫자를 보여준다.

레버리지 상품에서 이것은 뉘앙스가 아니다. 두 번째 계정의 결과 분포에는 의미 있는 확률의 청산이 포함되어 있고, 첫 번째 계정은 그렇지 않다. 그들을 나란히 랭킹하는 것은 존재하지 않는 비교 가능성을 암시한다.

이 비대칭성이 중요한 이유는 보드가 항상 좋은 결과만 보여주기 때문이다. 90%의 확률로 40%를 벌고 10%의 확률로 -100%를 잃는 전략은 충분히 큰 모집단에서 매달 많은 계정을 상위 근처에 배치할 것이다 — 매번 다른 계정들이며, 그들이 나타나는 기간에서는 각각 훌륭해 보인다.

짧은 기간과 변동성

레버리지 무기한 선물 계정의 주간 랭킹은 통계적으로 대부분 잡음이다. 일주일 동안의 순서가 우연히 맞아떨어진 방향이 아니라 프로세스를 반영하기에 충분한 청산 거래가 없다.

이는 특정하고 비용이 많이 드는 패턴을 만들어낸다. 트레이더의 편향이 그 주와 맞아떨어졌기 때문에 이번 주에 상위에 있다; 자본이 그 뒤를 따른다; 다음 주의 조건이 달라지고 같은 편향이 저조한 성과를 낸다. 카피어의 진입은 체계적으로 최근 성과가 최대인 시점에 있으며, 이는 성과에 어떤 평균 회귀라도 존재한다면 가장 나쁜 진입 시점이다.

더 긴 기간이 도움이 되지만 사람들이 기대하는 만큼은 아니다. 한 문제를 다른 문제로 바꾸기 때문이다: 강력한 12개월 기록은 전적으로 하나의 뛰어난 분기 다음에 9개월의 부패로 구성될 수 있으며, 정렬된 열은 어느 쪽인지 말해줄 수 없다.

입출금과 ROI 분모

수익률 수치에는 분모가 필요하며, 살아있는 거래 계정에서 그 분모는 거래와 무관한 이유로 움직인다.

잔고의 절반을 인출하는 트레이더는 이후 수익률이 측정되는 기준을 절반으로 줄이므로 동일한 거래가 대략 두 배의 퍼센티지를 만들어낸다. 상당한 금액을 예치하는 트레이더는 자신의 보고된 수익률을 희석시킨다. 둘 다 자신의 프로세스에 대해 아무것도 바꾸지 않았다.

이것은 대개 고의적인 조작은 아니지만 그럴 수도 있다. 대부분은 리더보드가 신호로 제시하는 잡음일 뿐이다. 이것이 계정 자산이 분모에 있는 어떤 것보다 청산된 거래로부터 계산된 지표 — 손익비, 페이오프 비율, 실현 손익 분포 — 를 선호하는 한 가지 이유다.

단일 시장 결과가 실력으로 읽힌다

보드 상단 결과의 상당 부분은 단일 시장이 큰 움직임을 만드는 동안 계정이 우연히 규모를 가지고 그 안에 포지셔닝되어 있었던 데서 나온다. 보드는 이를 많은 포지션에 걸쳐 일관되게 성과를 낸 분산된 프로세스와 구분할 수 없다.

테스트는 사소하지만 거의 적용되지 않는다: 가장 큰 단일 거래를 제거하고 재계산하라. 이 테스트에서 무너지는 기록은 사건을 설명하고 있다. 이를 견디는 기록은 방법을 설명하고 있다. 정렬된 열에서 둘은 동일하게 보인다.

생존자 편향: 당신이 절대 보지 못하는 계정들

모든 리더보드는 생존자 편향으로 필터링된 표본이며, 이것이 다른 모든 것의 해석을 가장 많이 바꾸는 왜곡이다.

청산된 계정은 나타나지 않는다. 큰 손실 후 거래를 멈춘 계정은 나타나지 않는다. 남는 것은 하위 꼬리가 삭제된 분포의 상위 꼬리이며, 보이는 꼬리는 반증 자료가 시야에서 제거되었기 때문에 광범위한 실력의 증거처럼 보인다.

이는 카피 트레이딩이 만들어낼 수 있는 것을 추정하려는 누구에게나 실질적인 결과를 초래한다. 보드 상의 계정으로부터 기대 결과를 추론하는 것은 추정하려는 결과에 따라 선택된 표본으로부터 추론하는 것이다. 그 추정치는 너무 높을 것이며, 그 오차는 작지 않다.

그 수정은 보드 자체에서는 이용할 수 없다. 빠진 계정은 빠져 있기 때문이다. 이용 가능한 최선의 대안은 생존력을 선택 기준으로 강하게 가중하는 것이다 — 드로다운 깊이, 회복, 청산 이력, 계정 연령 — 선택된 계정이 존재만으로 추정되는 것이 아니라 행동으로 설명되는 생존을 가진 계정이 되도록 하는 것이다.

유용한 랭킹은 무엇을 최적화해야 하는가

표시용이 아니라 배분을 위해 설계된 랭킹은 반복 가능성을 최적화해야 한다. 이는 일어난 결과가 아니라 지속되는 속성을 측정하는 것을 의미한다.

계정 자산이 아닌 청산된 거래를 사용해야 분모가 이체로 움직일 수 없다. 애초에 랭킹하기 전에 최소 표본을 요구해야 한다. 승률과 페이오프 비율을 함께 읽어야 한다. 각각이 단독으로는 사소하게 조작 가능하기 때문이다. 사이징 확대와 레버리지 급등을 무시하는 대신 처벌해야 한다. 이번에는 폭발하지 않았다는 이유로. 그리고 생존력을 각주가 아닌 완전한 입력값으로 취급해야 한다.

이런 랭킹의 결과물은 PnL 보드 옆에서 지루해 보일 것이다. 놀라운 최근 수익률을 가진 계정이 표본이 너무 작거나 사이징이 불안정하기 때문에 종종 빠질 것이다. 그 부재가 랭킹이 작동하는 모습이다.

종합 스코어링 대 원시 성과

종합 점수는 위의 속성들을 하나의 비교 가능한 숫자로 결합한다: 실현 손익의 일관성, 승률, 손익비(Profit Factor), 포지션 규율, 계정 생존력. 각각은 후보가 독립적으로 통과해야 하는 하한선을 갖는다. 평균화하면 강한 요소가 계정을 끝내는 약한 요소를 숨길 수 있기 때문이다.

이 점수는 그다음 하나가 아니라 두 가지에 사용된다. 누가 바스켓에 있는지 결정하고, 자격을 갖춘 각 리더가 얼마나 많은 자본을 받는지 결정한다 — 균등하게 나누는 대신 점수에 비례한 배분이다. 균등 가중은 하한선을 간신히 통과한 리더가 여유롭게 통과한 리더만큼 설득력 있다는 주장을 하기 때문이다.

정직한 제약은 종합 점수도 여전히 이력으로부터 계산된다는 것이다. PnL 순위보다 견고하다. 입력값이 더 오래 지속되기 때문이다. 하지만 청산된 거래가 반영하기 전에는 국면 전환을 볼 수 없다. 스코어링은 틀릴 수 있는 방법의 수를 줄인다; 그것을 제거하지는 않는다.

리더보드를 현명하게 사용하기

보드는 합리적인 후보 생성기이며 부실한 최종 답이다. 의식적으로 사용하면 프로세스에서 자신의 자리를 얻는다.

• 보드를 조사할 숏리스트로 취급하고, 그것에 따라 행동할 랭킹으로 취급하지 마라.
• 이용 가능한 가장 긴 기간을 확인하고 가장 짧은 기간과 비교하라. 차이는 시사하는 바가 있다.
• 파생된 통계를 읽기 전에 각 후보에 대해 청산된 거래 수를 세라.
• 가장 큰 승리 거래를 제거하고 재계산하라. 무너지는 것은 무엇이든 버려라.
• 시간에 따른 포지션 규모를 자산 대비 도표화하고 손실 후 확대를 찾아보라.
• 청산과 계정 연령을 명시적으로 확인하라.
• 어떤 국면이 트랙 레코드를 만들었는지, 그것이 현재도 유지되는지 물어라.
• 당신이 보지 못하는 계정이 실패했다고 가정하고 이것으로 포지션 규모를 결정하라.

스코어링이 여전히 말해줄 수 없는 것

더 나은 랭킹도 여전히 과거의 랭킹이다. 의도를 볼 수 없고, 다른 곳에서 보유된 헤지를 볼 수 없으며, 주소 뒤의 사람이 지금 행동을 바꾸고 있는지도 볼 수 없다. 전략이 곧 작동을 멈출 것이라고 말해줄 수 없다 — 단지 그랬다는 것만 말해줄 수 있다.

여러 스코어링된 리더에 걸쳐 분산하면 이런 미지수 중 하나가 무해하게 유지되는 것에 대한 의존도를 줄인다. 시장 리스크는 제거하지 못한다: 상관된 디레버리징 사건에서는 잘 스코어링된 리더들도 같은 시장을 같은 유동성과 같은 펀딩으로 거래하기 때문에 함께 하락한다.

무기한 선물은 레버리지 상품이며 포지션 전체 손실을 포함한 상당한 손실 위험을 수반한다. 과거 성과는 미래 결과를 나타내지 않는다.

결론

리더보드는 결과를 랭킹한다. 배분에는 프로세스의 랭킹이 필요하며, 이 두 목록은 표면이 시사하는 것보다 훨씬 덜 겹친다.

우리가 운영하는 바스켓은 원시 숫자와 함께 각 리더의 종합 점수와 가중치를 공개하므로, 신뢰하고 받아들이는 대신 두 순서를 직접 비교할 수 있다.