MoE와 CoT 기반의 금융 추론 최적화로 Alpha Arena 수익률 2위 달성

Context

기존 금융 AI 모델의 단순 수치 추출 및 Context 부재로 인한 판단력 한계를 식별함. 단순 계산을 넘어 데이터 간의 상관관계를 해석하고 투자 판단으로 전환하는 고차원적 추론 능력의 필요성이 대두됨.

Technical Solution

• MoE(Mixture of Experts) 아키텍처 도입을 통한 수치 계산과 패턴 매칭의 효율적 분산 처리
• Reinforcement Learning 기반의 Chain-of-Thought(CoT) 적용으로 가설 설정부터 반박까지의 추론 체계 구축
• 통계적 맥락화 및 과거 예외 사례 처리를 통한 데이터 기반의 인과관계 분석 로직 설계
• High-Flyer Quant의 대규모 GPU 인프라와 금융 데이터 엔지니어링 노하우를 모델 학습에 직접 투영
• Open Source 기반의 사고 과정 공개를 통한 추론 경로의 검증 가능성 및 Auditability 확보

Impact

• Alpha Arena 실전 트레이딩 대회에서 4.89%의 최종 수익률 기록하며 미국계 모델(손실률 30.81%~62.66%) 대비 압도적 우위 입증
• 모회사 High-Flyer Quant의 평균 수익률 56.6% 달성 및 운용 자산 약 100억 USD 규모의 데이터 자산 활용