lastest update: 20250416

1. 히스토리

인하우스 개발

지금까지 다룬 주제들은 다음과 같다.

1. Market Feeder 최적화
2. Execution Engine 설계시 오더 상태 관리
3. 고성능 메시지 미들웨어
4. 초저지연 비동기 로거

이제 전략단으로 넘어간다. 앞단과 뒷단에서 열심히 레이턴시를 최적화한 일의 익절 타이밍이 온것이다.(영웅호걸들의 시간이다 다만 전략 자체의 예측 성능이 낮다면 순식간에 영웅아 호걸아 되는건 자명하다.)

ML/DL Inference latency를 줄이는 것은 ML/DL 기반 HFT 전략을 운영하였을때 가장 크리티컬한 부분이며, 최적화 엔지니어링 실력에 따라서 milliseconds 단위의 레이턴시가 좋아지거나 나빠질 수 있다.

2. 문제상황: Tree와 Neural Net 계열의 속도차이

기본적으로 트리 계열(Random Forest, Xgboost, Lgboost, Catboost)의 경우 트리 안쪽 추상화를 보면 if문의 연속인 것을 알수 있다.

https://www.xelera.io/post/ultra-low-latency-xgboost-with-xelera-silva

그리하여 개념상 if문만 n번 타고 들어가면 되기 때문에 Sub-microsecond 달성이 가능하다.

문제가 되는 지점은 Deep Learning 모델을 사용했을 경우이다.