서론 (Intro)

미국 주식(US equities)을 위한 커스텀 오더북(Order Book) 시스템이나 퀀트 백테스팅(Quantitative backtesting) 파이프라인을 구축하고 있다면, 거의 확실하게 다음과 같은 답답한 데이터 아티팩트(Data artifact)를 마주했을 것입니다. 시장 API에서 가져온 가공되지 않은 실시간 틱(Real-time tick) 데이터가 전체 깊이 사다리(Full depth ladder)로 렌더링될 때 가격 계층(Price tiers) 사이에 눈에 보이는 간격이 발생하는 현상입니다.

이러한 빈 가격 대역(Empty price bands)은 종종 개발자들로 하여금 스트림 연결이 끊겼거나 API 데이터가 누락되었다고 착각하게 만듭니다. 기관급 미국 주식 데이터 수집 인프라를 구축하던 커리어 초기에, 저는 중간 가격 활동(Intermediate price activity) 없이 최상단 호가(Top-of-book)의 매수/매도(Bid/Ask) 값만 업데이트되는 로그 스트림을 디버깅하며 수 시간을 허비했습니다. 가공되지 않은 틱 페이로드(Tick payloads)를 분석한 끝에, 저는 그 빈 레벨들이 데이터 손실이 아니라, 단순히 해당 가격 지점에 대기 주문(Resting orders)이나 거래 이벤트(Trade events)가 기록되지 않았을 뿐이라는 것을 깨달았습니다.

이 가이드는 누락된 가격 계층의 근본 원인, 세 가지 실질적인 처리 전략, 표준화된 틱 정규화(Tick normalization) 워크플로우, AllTick API를 사용한 샘플 Python WebSocket 코드, 그리고 안정적인 장기 운영 수집을 위해 설계된 2단계 오더북 아키텍처(Two-tier order book architecture)를 상세히 설명합니다. 모든 패턴은 개인용 퀀트 도구와 소규모 트레이딩 팀 모두에서 즉시 운영 가능한 수준(Production-ready)입니다.

무엇이 빈 가격 레벨을 만드는가? 틱 스트림(Tick Streams)과 전체 오더북(Full Order Books) 사이의 핵심적 차이

거의 모든 공개된 미국 주식 시장 API는 L1 최상단 호가(Top-of-book quotes) 또는 개별 틱 이벤트 스트림(Discrete tick event streams)을 제공합니다. 이러한 페이로드는 새로운 거래(New trades), 업데이트된 최선 매수/매도 스프레드(Updated best bid/ask spreads)와 같은 상태 변화만을 방송할 뿐, 그 이상의 정보는 제공하지 않습니다. 이들은 현재 매수 호가와 매도 호가 사이의 모든 증분 가격 레벨(Incremental price level)을 자동으로 채워주지 않습니다.

구체적인 예로, 최선 매수 호가(Best bid)가 $100.10에 있다가 바로 $100.30으로 뛰어오르는 경우가 있습니다. 이 경우 100.11부터 100.29까지의 모든 가격에는 대기 주문(Resting orders)이 전혀 존재하지 않습니다. 이러한 자연스러운 간격을 데이터 손상으로 취급하는 것은 유동성 분석(Liquidity analysis), 스프레드 모델링(Spread modeling), 그리고 장중 전략 백테스팅(Intraday strategy backtesting) 전반에 걸쳐 체계적인 편향(Systemic bias)을 초래합니다.

표준 기초: 기본 틱 사이즈(Base Tick Size)를 사용하여 가격 사다리 골격(Price Ladder Skeleton) 구축하기

업계에서 가장 널리 채택되는 해결책은 해당 상품의 고정된 틱 증분(Tick Increment)을 기반으로 정적 가격 사다리(Static Price Ladder)를 미리 생성하는 방식에 의존합니다 (미국 보통주(US common stocks)는 0.01의 표준 틱 사이즈(Tick Size)를 사용합니다). 이 정적 구조 계층은 오더북(Order Book)의 시각적/계산적 레이아웃을 실시간 주문 활동으로부터 분리합니다:

1. 최신 실시간 매수(Bid) 및 매도(Ask) 가격을 상한/하한 경계로 캡처합니다.
2. 정의된 틱 단계(Tick Step)를 사용하여 가격 범위를 반복하며 가능한 모든 가격 계층(Price Tier)을 생성합니다.
3. 생성된 모든 가격 레벨을 유지합니다. 활성 주문이 없는 계층은 빈 Null 값으로 표시하고, 유동성(Liquidity)이 남아 있는 레벨에는 거래량(Volume)과 가격 데이터를 채웁니다.

이러한 정적 골격(Static Skeleton)은 가격이 점프할 때마다 오더북을 전체 재구성해야 하는 번거로움을 제거하고, 프론트엔드 렌더링 오버헤드(Frontend Rendering Overhead)를 줄이며, 기술적 지표 및 유동성 지표를 위한 계산 로직을 통일합니다.

빈 계층(Empty Tier) 처리를 위한 세 가지 접근 방식 — 사용 사례에 따라 선택하세요

빈 가격 레벨에 대한 보편적인 솔루션은 없습니다. 각 방법은 백테스팅(Backtesting), 실시간 트레이딩 대시보드, 통계 모델링 측면에서 각각 트레이드오프(Tradeoffs)를 가집니다:

1. 빈 계층을 거래량 0으로 채우기
디버깅 오버헤드가 최소화된 가장 간단한 구현 방식입니다. 치명적인 단점은 시장에 존재하지 않는 인위적인 유동성을 만들어낸다는 점입니다. 실시간 전략 로직이나 유동성 요인 연구에는 피해야 하며, 단순한 데모 시각화에만 적합합니다.

2. 빈 계층을 Null 값으로 유지 (퀀트 및 실시간 트레이딩 권장)
이 방법은 미국 주식 시장의 실제 이산적 매칭 메커니즘(Discrete Matching Mechanics)을 반영합니다. 빈 가격 대역에 합성 데이터(Synthetic Data)를 주입하지 않으며, 간격 해석 및 표시 로직은 상위 애플리케이션 계층에 맡깁니다. 이는 프로덕션 백테스팅, 실시간 트레이딩 시스템, 기관용 시장 심도(Market Depth) 분석을 위한 골드 스탠다드(Gold Standard)입니다.

3. 매수-매도 스프레드(Bid-Ask Spread) 사이의 누락된 가격을 보간(Interpolate)
선형 보간(Linear Interpolation)을 사용하여 빈 레벨을 추정값으로 채웁니다. 오프라인 통계 곡선 피팅(Statistical Curve Fitting) 용도로만 사용을 제한해야 합니다.

이를 실시간 매매 결정 로직(Live trading decision logic)에 절대 통합하지 마십시오. 보간법(Interpolation)은 전략의 진입/청산 트리거(Entry/exit triggers)를 왜곡하는, 존재하지 않는 유동성 신호를 생성합니다.

오더북(Order Book) 구축 단순화를 위한 유입 틱 데이터(Tick Data) 정규화

다중 소스 마켓 API(Multi-source market API) 통합은 일관되지 않은 필드 명명(Field naming)과 페이로드 스키마(Payload schemas)를 초래하며, 이는 오더북 재구성 로직을 비대하게 만듭니다. 가격 래더(Price ladders)를 생성하기 전에 모든 외부 틱 피드(Tick feeds)를 통일된 표준 데이터 형식으로 변환하는 전처리(Pre-processing) 단계를 구축하십시오.

저는 개발 및 검증 작업을 위해 AllTick API의 지속적인 WebSocket 엔드포인트를 사용했습니다. 이 API의 일관된 틱 출력 스키마는 래더 생성 로직과 원활하게 통합되어, 고빈도 실시간 오더북 파이프라인(High-frequency real-time order book pipelines)에 이상적입니다.

최소한의 작동 가능한 Python 코드 스니펫 (필요에 따라 에러 핸들링, 지속성 및 동시성 로직을 확장하십시오):

import websocket
import json

...

프로덕션급 최적화: 2계층 분리형 오더북 아키텍처(Two-Tier Decoupled Order Book Architecture)

여러 차례의 실시간 배포 반복을 거친 결과, 분리된 2계층 설계가 급격한 가격 변동(Volatile price jumps) 시 최대의 안정성을 제공함을 확인했습니다.

구조 계층(Structural Layer): 해당 상품의 틱 사이즈(Tick size)를 기반으로 구축된 영구적인 정적 가격 래더(Static price ladder)를 유지합니다. 기본 가격 티어(Price tier) 구조는 매수/매도(Bid/ask)의 큰 변동 중에도 완전히 재구축되지 않습니다.

데이터 계층(Data Layer): 거래소에서 검증된 실제 주문 및 체결 이벤트(Order and trade events)만을 저장합니다. 빈 레벨에는 합성된 거래량(Synthetic volume)이나 가격 데이터를 기록하지 않으며, 이를 통해 시장 유동성 분포(Market liquidity distribution)를 정확하게 표현합니다.

구조와 데이터를 분리함으로써 변동성이 큰 틱 업데이트 상황에서도 반복적인 과부하 재계산을 제거할 수 있습니다. 핵심 원칙은 다음과 같습니다. 시장 고유의 빈 가격 대(Empty price bands)를 인위적으로 채우지 말고, 대신 사용 가능한 모든 가격 티어의 실제 상태를 정확하게 기록하십시오.

요약

미국 주식 오더북(Order Book) 내의 빈 가격 레벨(Empty price levels)은 퀀트 개발자들에게 만연한 데이터 엔지니어링의 난제입니다. 이 문제를 안정적으로 해결하는 것은 다음 네 가지 핵심 관행에 달려 있습니다:

1. 이산적인 틱 스트림(Discrete tick streams)과 전체 깊이 오더북(Full depth order books) 사이의 근본적인 구조적 차이를 구분하십시오.
2. 해당 종목의 틱 사이즈(Tick size)에 고정된 정적 가격 사다리 골격(Static price ladder skeleton)을 생성하십시오.
3. 파이프라인의 목적(백테스팅, 라이브 대시보드, 통계 분석)에 부합하는 빈 티어(Empty-tier) 처리 로직을 선택하십시오.
4. 장기적이고 안정적인 데이터 수집(Ingestion)을 위해 결합되지 않은(Decoupled) 2계층 오더북 아키텍처를 배포하십시오.

업스트림(Upstream)에서 모든 유입 틱 페이로드(Tick payloads)를 정규화하고, 데이터를 2계층 오더북 설계와 결합하면 시각화 및 퀀트 계산 레이어의 유지보수 오버헤드를 줄일 수 있습니다. 동시에 백테스트와 라이브 시장 데이터를 실제 미국 거래소의 매칭 규칙(Matching rules)과 일치시킴으로써 전략 성과 편향(Strategy performance bias)을 최소화할 수 있습니다.