GitHub에 방금 오픈소스로 공개된 퀀트(Quant) 서적이 있는데, 설계 방식이 조금 다릅니다.

게다가 저는 이 책이 실제로 가르치고 있는 것이 단순히 퀀트만이 아니라고 생각합니다. 그 이면에는 심각하게 저평가된 하나의 메타 능력(Meta-ability)이 있습니다. 바로 모호한 아이디어를 명확한 Spec(사양서)으로 작성한 뒤, AI가 이를 실행하게 만드는 능력입니다.

이 능력은 어떤 복잡한 분야에도 적용 가능하며, 퀀트 트레이딩(Quantitative Trading)은 단지 이 능력을 연습하기 위한 첫 번째 전장일 뿐입니다.

현재 퀀트 트레이딩의 학습 경로를 대부분의 사람들이 거꾸로 알고 있습니다.
전통적인 경로: 수학부터 파고들기 → 준비가 안 되었다고 느낌 → 영원히 실행하지 못함 → 포기.

GitHub에 오픈소스로 공개된 한 권의 책은 이 경로를 뒤집었습니다. 먼저 Spec을 작성하여 AI가 전략을 실행할 수 있도록 돕게 하고, 돈을 잃더라도 일단 실행시킨 뒤에 이론을 보충하는 방식입니다.

책의 제목은 《XQuant: 누구나 퀀트 트레이더가 될 수 있다》이며, 핵심 설계는 단 하나입니다: 지식 주도(Knowledge-driven)가 아닌 문제 주도(Problem-driven) 방식입니다.

9개의 질문이 전체 퀀트 파이프라인(Pipeline)을 관통합니다:

1. 퀀트는 어떻게 돈을 버는가? (최소한의 폐쇄 루프를 먼저 실행)
2. 무엇을 사는가? (3개의 ETF로 시작)
3. 얼마나 사는가? (3가지 포지션 분할 방식 실측)
4. 언제 사고파는가? (신호, 리밸런싱(Rebalancing), 익절 및 손절)
5. 유효한지 어떻게 아는가? (백테스트(Backtest) 프레임워크)
6. 어떻게 자기기만을 피하는가? (과적합(Overfitting) 탐지) —— 이 장이 매우 앞부분에 배치되어 있다는 것은 저자가 초보자들이 실제로 어떻게 실패하는지를 잘 알고 있음을 의미합니다.
   7-9: 실전 매매 실행, 지속적인 개선, 팩터(Factor) 연구 일상

몇 가지 직관에 반하는 지점들:
• 제1장에서 바로 전략을 실행하게 합니다. CAPM이나 Black-Scholes를 먼저 설명하는 것이 아니라, 직접 실행 가능한 최소 시스템을 구축하게 합니다. 실행하며 발생하는 피드백과 도파민은 그 어떤 이론보다 당신이 계속 학습하도록 동기를 부여합니다.
• 본문과 연습 코드를 분리하여 관리합니다. 원고 저장소(Repository)에는 깔끔한 본문을 두고, 학습 저장소에는 Specs + Jupyter Notebooks를 둡니다. 읽을 때는 방해받지 않고, 실습할 때는 완전한 참고 자료를 가질 수 있습니다.
• 매 장마다 작성된 Spec을 Claude나 Cursor에 던져 코드를 생성하게 합니다. 당신이 훈련하는 것은 코드를 직접 쓰는 것이 아니라, 모호한 전략 아이디어를 명확한 작업 기술(Task Description)로 변환하는 능력입니다.