AI 퀀트 리서치 + 독립 전략 감사

PQ Research는 퀀트 전략의 리서치 자동화와 독립 검증을 통합한 AI 기반 SaaS 플랫폼입니다.
축 1 - Ops Studio: 전략 생성, 백테스트, 검증, 리포트를 하나의 자동화 캔버스로 연결
축 2 - Audit Report: 자체 고정밀 엔진 위에서 전략을 실행하고, 기관급 감사 리포트로 결과를 증명

산출물 (협약기간 내 목표):
1. Ops Studio MVP (워크플로우 자동화 캔버스)
2. Audit Report MVP (전략 검증 + 감사 리포트 자동 생성)
3. 과금 체계 및 랜딩페이지
4. 클로즈드 베타 운영 및 WTP 검증 결과

[1] Grand View Research · [2] ForTraders · [3] Finance Magnates, FTMO/OMHC 연간보고 (2024) · [4] PropFirmApp, Google Trends · [5] TradingView 공식

1) 전략은 넘치는데, 신뢰를 증명할 수단이 없다.
프랍 시장($12B)이 커지면서 전략의 신뢰성 증명이 필수가 됐다. 하지만 Lookahead bias와 Repaint는 LLM 코드 리뷰로 탐지할 수 없는 런타임 문제다. 독립적으로 신뢰를 증명하는 자동화 검증 체계가 필요하다.

2) 리서치 도구는 많지만, 연결되어 있지 않다.
차트, 백테스트, 데이터, 검증이 각각 다른 도구에 흩어져 있다. AI가 생산을 가속할수록 이 파편화가 병목이 된다. 생산에서 검증까지 끊기지 않는 단일 파이프라인이 필요하다.

3) 검증 수요와 잠재 고객이 동시에 폭발하고 있다.
개발자 95%가 AI 코드 검증에 시간을 투입하고(Sonar, 2025), LLM으로 인해 퀀트 전략 생산자 수가 급증하고 있다. 생산은 가속되고, 검증은 부재하고, 고객은 늘고 있다. 지금이 진입 적기다.

PQ Research는 두 축으로 구성된다. Ops Studio가 전략의 생성부터 운용까지 전체 생명주기를 자동화하고, Audit Report가 그 결과를 독립 검증하여 증명한다. 자체 고정밀 백테스트 엔진이 양쪽의 신뢰 기반을 제공한다.

축 1 · 전략 생명주기 - Research에서 Live까지 (최종 목표)

LLM 기반으로 워크플로우를 자동 생성하고, 각 단계의 전이를 자동 수행. 주요 전이 지점에 승인 게이트 추가 가능.

현재: 워크플로우 생성·실행 + 백테스트 검증까지 구현  |  전체 생명주기 자동화가 최종 목표

축 2 · 감사 리포트 파이프라인 - 제출에서 리포트까지

고객이 전략을 제출하면 샌드박스에서 자동 실행. 구조 검증부터 리포트 산출까지 사람 개입 없이 완료.

현재: 핵심 감사 로직 구현 80%  |  건당 직접 원가 <$5  |  데이터 소스: 고객 제출 (BYOD)

제품 계층 구조 (Product Layer Architecture)

● Built (L0~L1) ● In Progress (L2~L4) ● Planned (L5~L6)

백테스트 결과의 95%의 과대평가 원인이 Lookahead Bias와 Repaint에서 비롯된다. PQ Engine은 이를 코드 레벨이 아닌 실행 레벨에서 탐지한다.

1단계 (약 3개월) - MVP 개발 + 인프라 구축

2단계 (약 3개월) - 베타 운영 + WTP 검증 + 시제품 완성

총 사업비: 40,000,000원 (1단계 20,000,000 + 2단계 20,000,000)
1단계는 핵심 엔진 개발과 인프라 구축에 집중하고, 2단계는 고객 검증과 시제품 완성에 집중하는 구조.

알고리즘 트레이딩 시장은 2024년 $21B에서 2030년 $43B로 연 12.9% 성장 전망. 리테일 프랍 시장($12B)의 폭발적 성장이 핵심 동력. PQ는 3개 세그먼트를 타겟으로 한다.

Audit Report(건당 과금) → Workspace(월 구독 MRR) → API(종량제 + 라이선스) 순서로 확장. A/B는 Audit에서, C는 Workspace에서 먼저 결제가 발생하는 양방향 전환 구조.

2개 트랙을 병렬 검증. SOM의 56%를 차지하는 개인 퀀트(C)와 고단가 세그먼트(A/B)를 동시에 테스트하여 제품-시장 적합성을 확인.

Audit 건당 원가 <$5, Gross Margin 70%+. Workspace 구독으로 반복 매출(MRR)이 더해지는 구조.

시드 초기에는 대표 인건비 + 인프라 비용만으로 린 운영하여 런웨이를 최대화. 추가 채용은 매출이 뒷받침될 때 실행.

학력: 컴퓨터공학 대학원 석사 졸업(2008), 머신러닝·데이터마이닝 전공

경력 (15년+):
· OOO정보기술 연구소 · 연구원 (2009~2011)
· OOO커뮤니티 신기술개발연구소 · 주임연구원 (2011~2013)
· 프로젝트OO · 공동창업 · 대표 (2013~2015)
· OOO베타 연구소 · 선임연구원 (2016~2017)
· OOO카메라 연구소 · 책임연구원 (2017~2022)

퀀트 리서치 · 트레이딩 (2022~현재):
2022년 퇴사 후 퀀트 리서치 본격 시작. ML/통계적 접근법으로 트레이딩 시스템 개발. 2023~2025년 2년간 선물 시장 실전 운용. 자체 자금으로 시장과 직접 부딪히며 백테스트-실전 괴리, 전략 생성~검증~운영의 반복 비효율, 워크플로우 파편화를 직접 경험. PQ Research의 모든 기능이 실전 경험에서 출발.

핵심 역량:
A. 머신러닝·딥러닝 엔지니어링 — 석사 전공(ML/영상처리)에서 시작해 15년+ 산업 현장에서 전통 ML부터 딥러닝까지, 데이터 수집·모델 설계·고성능 최적화·서비스 배포 전 과정을 반복 수행
B. 퀀트 도메인 실전 경험 — 2년간 자체 자금 실전 운용. 백테스트와 실전의 괴리, 슬리피지, 리스크 관리를 체득
C. 시스템 아키텍처 설계 — 고정밀·고성능 백테스트 엔진(Numba JIT), LLM 에이전트 오케스트레이션, 실시간 데이터 스트리밍, 전략 생명주기 관리를 단일 아키텍처로 통합 설계
D. 풀스택 제품 개발 — 백테스트 엔진, LLM 워크플로우, 데이터 파이프라인, 프론트엔드까지 1인 풀스택으로 PQ Research 전체를 설계·구현