Let’s talk

Quantitative research & technology

Beyond the
obvious.

시장의 표면 너머,
다음 가능성을 설계합니다.

통계적 정밀함과 인공지능으로 연결하는
트레이딩, 유동성, 그리고 시장의 신뢰.

Discover our perspective
IN PURSUIT OF WHAT’S NEXTAlpha. Liquidity. Integrity.Scroll to explore
01 / OUR PERSPECTIVE

Towards a next-generation
Fintech Financial Group.

수익의 기회.
유동성의 깊이.
시장을 향한 신뢰.

좋은 금융 기술은 시장을 더 깊이 이해하는 데서 시작됩니다. 가격에 숨어 있는 신호를 찾고, 거래가 이어질 유동성을 설계하며, 시장의 공정성을 위협하는 패턴을 읽어야 합니다.

MirQuant는 퀀트 리서치, 수리 최적화, 인공지능과 블록체인 전문성을 연결합니다. 세 가지 역량을 기반으로, 금융의 새로운 가능성을 만드는 전문가 그룹을 지향합니다.

01 / ALPHA발견하는 지능불확실성에서 기회를 찾다 02 / LIQUIDITY연결하는 기술시장 참여와 거래를 잇다 03 / INTEGRITY신뢰를 읽는 시야개별 거래 너머의 관계를 보다

02 / OUR CAPABILITIES

Alpha. Liquidity. Integrity.

The science behind
the next move.

시장 데이터를 실행 가능한 판단으로.
세 가지 사업 영역을 하나의 기술적 관점으로 연결합니다.

01 / SYSTEMATIC TRADING

신호를 발견하고,
위험을 설계하다.

시장의 움직임을 예측하는 것만으로는 충분하지 않습니다. 얼마나 배분하고, 언제 실행하며, 어떤 위험까지 감수할지를 함께 결정해야 합니다.

Statistical & Optimization Engine

통계적 관계와 불확실성을 계량하고, 상관관계·노출·손실 제약을 반영한 자본 배분으로 리스크 최소화를 추구합니다.

Machine Learning Alpha Engine

비선형 시계열과 시장 국면을 학습해 수익 신호를 탐색합니다. 거래비용을 고려한 기대수익 극대화가 연구의 목표입니다.

사업 방향자체 전략 연구와 고유자본 운용 모델을 중심으로, 기관 공동연구 및 실행·리스크 기술 라이선싱으로 확장합니다.

TWO ENGINES. ONE RISK FRAMEWORK.TECHNOLOGY CONCEPT
ENGINE / AOptimize risk.

통계 · 수리 최적화

ENGINE / BDiscover alpha.

머신러닝 · 시계열

공통 리스크·실행 체계

노출 한도 · 거래비용 · 유동성 제약

표본 외 검증 → 스트레스 평가 → 모의 운용연구·운용 설계

02 / MARKET MAKING

거래가 이어지는
시장의 깊이를 만들다.

마켓 메이킹은 매수·매도 호가를 함께 제시해 거래의 연결을 돕는 일입니다. 핵심은 좁은 스프레드와 재고 위험 사이에서 균형을 찾는 것입니다.

Adaptive Quoting

변동성, 주문 흐름, 보유 재고에 따라 호가의 위치와 간격을 조정합니다. Avellaneda–Stoikov 계열의 재고 위험 모델을 연구 기반으로 삼습니다.

Optimization at Market Speed

조합 최적화와 메타휴리스틱으로 실행 시간 안에 가능한 의사결정을 탐색하고, 딥러닝으로 호가창의 구조와 변화를 읽습니다.

연구 기반실제 호가장 데이터 수집, 동적 호가 백테스트와 DeepLOB 초기 구현을 바탕으로 유동성 엔진을 고도화합니다.

LIQUIDITY, BY DESIGN.CONCEPT ART
매수와 매도 양쪽의 깊이를 연결하는 유동성 구조를 표현한 청록색 유리 조형
BUY-SIDE DEPTHADAPTIVE SPREADSELL-SIDE DEPTH
호가 × 재고 × 시장 상태

유동성 공급과 위험 관리를 동시에 설계합니다.

거래소 기술 협력 · 유동성 API · 엔진 라이선싱

03 / MARKET INTEGRITY

한 건의 이상 거래에서,
연결된 위험의 구조로.

가격 급등만으로는 시장교란을 설명할 수 없습니다. 주문의 생성·취소·체결과 계좌 사이의 관계를 함께 봐야 행동의 맥락이 드러납니다.

Layered Anomaly Detection

Isolation Forest·Autoencoder로 이상 후보를 선별하고, DeepLOB 계열 모델로 호가장 패턴을 정밀 분석하는 다단계 탐지 구조를 개발합니다.

Graph-based Market Intelligence

GNN으로 계좌·거래 관계를 학습해 조직적 교란 징후를 탐색합니다. 반복적인 상호 거래와 동조 주문 등, 개별 알림에 흩어진 관계가 분석 대상입니다.

확장 방향시장감시 SaaS·API, 거래소·규제당국 보고 자동화 지원, 실시간 시장 건전성 지표로 연결합니다.

SEE THE CONNECTION.CONCEPT ART
연결된 거래 네트워크에서 함께 움직이는 이상 징후 집단을 주황색으로 강조한 개념 이미지
거래·계좌 관계연관 이상 징후
Detect. Connect. Explain.

탐지에서 관계 분석으로, 관계에서 설명 가능한 조사 단서로.

호가·체결 분석 → 관계 그래프 → 검토·보고
OUR STANDARD

모델의 예측력, 실행 가능성, 판단의 근거를 함께 봅니다. 각 영역의 기술을 검증하고 고도화하며, 기관별 데이터와 업무에 맞는 협력을 설계합니다.

03 / RESEARCH FRONTIER

DeFi · Automated Market Makers

가격은 어떻게 만들어지고,
가치는 누구에게 돌아가는가.

이규민 × 김형중 공동 DEX 연구

탈중앙화 거래소(DEX)의 자동화 시장조성자(AMM)는 유동성 풀과 수학적 규칙으로 거래 가격을 정합니다. 이때 가격 함수의 설계는 거래자뿐 아니라, 풀에 자산을 맡긴 유동성 공급자(LP)의 경제적 결과에도 영향을 줍니다.

우리는 이 구조를 금융공학과 최적화의 문제로 바라봅니다. 두 교수의 공동연구는 AMM의 비영구적 손실, 가격 결정 원리, 더 나은 거래 메커니즘을 탐구합니다.

PRICE FORMATION

가격은 규칙의 결과입니다.

호가장 대신 수식으로 교환 비율을 정하는 AMM. 어떤 가격 함수가 바람직한지, 그 설계가 거래에 어떤 영향을 주는지 연구합니다.

LIQUIDITY PROVIDER ECONOMICS

유동성에도 기회비용이 있습니다.

비영구적 손실(IL)은 가격 변화에 따라, 풀에 넣은 자산이 단순 보유했을 때보다 낮은 가치를 갖는 차이입니다. 수수료 수익을 제외한 비교로 살펴봅니다. 공동연구는 이를 최적화로 완화하는 방법을 다룹니다.

MARKET DESIGN

거래의 구조를 다시 묻습니다.

시장 가치평가와 거래 정산 규칙의 관계, 거래자와 LP 사이의 가치 배분을 살펴봅니다. 새로운 DEX 구조로 이어질 질문을 연구합니다.

Selected joint research

공개 논문으로 확인하는 연구의 깊이

IJIE · VOL. 31(6)
Impermanent Loss Mitigation for Decentralized Exchanges through Optimization

Gyu M. Lee · Hyoung Joong Kim 최적화를 통한 DEX 비영구적 손실 완화 연구

논문 보기 — 새 창IEEE · 2025
What Must the Price in Decentralized Exchanges Be?

Hyoung Joong Kim · Gyu M. Lee 외 탈중앙화 거래소의 가격 결정 원리 연구

논문 보기 — 새 창

04 / FROM COMPLEXITY TO DECISIONS

이규민 교수의 주요 연구와 프로젝트 경험

복잡한 현실을
풀어온 경험.

반도체의 생산 흐름에서 재난 대응 네트워크, 디지털 자산의 가격 구조까지. 다른 산업의 어려운 문제를 풀어온 최적화·AI 연구가 금융 기술의 기반으로 이어집니다.

INDUSTRIAL AI

반도체 공정 예측

퍼지 군집화, 유전 알고리즘과 신경망을 결합해 반도체 제조의 작업 소요 시간을 예측하는 하이브리드 모델 연구.

Applied Sciences · 2021 — 새 창

ROBUST OPTIMIZATION

불확실성 아래의 자원 배분

재난 이후 수요와 거점의 처리 능력이 변하는 상황에서, 물류비·부족량·추가 거점 비용을 함께 고려하는 강건 최적화 연구.

Sustainability · 2021 — 새 창

RESEARCH & INDUSTRY

국제 연구와 산업 프로젝트

NIH·NSF·NIST·미 공군 및 한국연구재단 관련 연구, Intel·HP·삼성중공업·대우조선해양 관련 프로젝트 경험.

개인 연구·프로젝트 이력 · 제공 약력 기준

각 연구와 프로젝트는 이규민 교수의 기존 연구 경력입니다. 이 경험을 바탕으로 시장의 예측·배분·실행 문제에 접근합니다.

05 / THE MINDS BEHIND

Quantitative research · Fintech · Global markets

연구의 깊이에,
금융의 시야를 더하다.

수학적 엄밀함과 금융 현장의 통찰.
서로 다른 전문성이 하나의 방향을 향합니다.

이규민 교수
Gyu M. LeePhoto: 부산대학교 ↗ — 새 창

OPTIMIZATION · AI · DECENTRALIZED FINANCE

이규민 교수

Gyu M. Lee, Ph.D. · 부산대학교 산업공학과

복잡한 시스템을,
실행 가능한 모델로.

수리 최적화와 인공지능으로 제조·물류·네트워크의 의사결정 문제를 연구해 왔습니다. 이 전문성을 AMM 가격 구조와 유동성 공급자의 위험 분석으로 확장하고 있습니다.

  • Fintech & DEX Research김형중 교수와 AMM 비영구적 손실 완화 및 DEX 가격 결정 공동연구
  • International Research LeadershipInternational Journal of Industrial Engineering: Theory, Applications and Practice 편집장 · 2022 이영해 SCM학술상
  • Models for Real-world Decisions반도체 AI 예측, 강건 최적화, 공급망·물류 시스템의 연구 및 산업 프로젝트 경험
대표 연구·프로젝트 Academic profile — 새 창

01 / 03 · 이규민

A CONVERSATION AHEAD OF THE CURVE

The next move
starts with a conversation.

다음 가능성을 함께 볼 파트너를 기다립니다.

파트너십 문의