금융맨과 IT맨의 핀테크
[칼럼] 손보미의 Global Tech Frontier
금융맨, 뱅커라고 불리는 이들에 대한 일반인의 환상이 있다. 하나의 책상 위로 온갖 그래프가 보이는 6~10개의 모니터를 모두 사용하고 고뇌하는 모습. 그 모습이 감히 일반인들은 범접하기도 힘들고, 모니터에 보이는 알 수 없는 암호들과 숫자들을 해석해내는 사람들이 똑똑해 보여 괜한 ‘멋짐'을 느끼곤 한다
.
모니터와 단말기에서 뿜어져 나오는 열기와 함께 금융 정보를 제공하는 것 중에 가장 많은 사랑을 받는 것이 소위 말하는 ‘블룸버그(Bloomberg)' 단말기라고 한다. 창업자인 마이클 블룸버그(Michael Rubens Bloomberg)는 기존의 수작업으로 하던 각종 분석 데이터를 자동화하여 전용 단말기를 만들어 많은 금융맨의 사랑을 받았고 기업의 성장을 이뤄냈다. 업계에서는 블룸버그 단말기와 회선을 사용하는 것이 한 기업의 대리 및 과장 연봉과 비슷하다 하여 ‘불대리, 불과장' 라는 애칭으로 불린다. 요즘은 모바일 애플리케이션에서 실시간 시장정보 체크와 함께 기관 및 개인과의 채팅, 거래 기록 등을 처리한다.
Martin Leissl | Bloomberg | Getty Images
#왜 이렇게 시장 정보를 잘 알기 위한 노력을 할까?
당연히 투자에 성공하기 위함일 것이다. 투자에 성공하려면? 이에 대해서는 투자 철학이나 방법론 등이 다양한 경험과 이론이 역사적으로 누적되어 있다. 어떤이는 ‘워런 버핏' ‘조지 소로스' 등의 인물을 논하기도 하고, 어떤이는 행동 투자학, 퀀트(Quant) 등의 이론을 논하기도 한다. 참고로 퀀트는 고도의 수학 및 통계 지식을 이용해서 투자 법칙을 찾아내고 컴퓨터로 적합한 프로그램을 구축해서, 이를 토대로 투자를 하는 사람들을 일컫는다. 금융맨이 아니었던 필자는 이 모든 말이 맞는 것 같기도 하고, 유행처럼 트렌드에 따라 다양한 기법과 흐름이 있다고 느끼기도 한다.
요즘 일반인이 흔히 접하는 주식시장이 상승하는 트렌드를 보이고 있다. 펀드 외의 각종 금융 상품들은 좋은 수익률을 가져다주고, 더불어 블록체인 기술 기반의 가상화폐/암호화폐 시장의 열기는 나이를 불문하고 다양한 사람들에게 ‘투자' 시장의 열기를 가속화하고 있다.
이럴 때 인간에게는 테스토스테론이 가득하다고 한다. 남성호르몬인 T 호르몬은 목표 달성을 위해서 공격성과 경쟁심을 갖는 것이 중요한 금융시장에서 투지와 결단력을 높이고 두려움을 가라앉히는 데 도움이 된다고 알려졌다. 뇌과학자 정재승 교수님은 한 칼럼에서 2008년 미국 리먼 브러더스 사태 당시 월가에서는 남성 호르몬인 테스토스테론을 주입받으려는 금융업 종사자들이 늘고 있다는 현상을 신경과학으로 분석한 바 있기도 하다.
#금융맨들의 행보: 수학 논리에서 금융공학 및 최신 테크놀로지까지
미국을 필두로 금융에서 인공지능 기술이 점차 확대되고 있다. 특히, 로보어드바이저 분야에서도 미국이 기술도입에도 가장 적극적이다. 골드만삭스는 2014년 주식 트레이딩 AI ‘켄쇼(Kensho)’에 투자한 이후 한때 600여 명에 달했던 뉴욕 본사 트레이더를 2명까지 줄였다. 켄쇼는 미국 하버드대 출신과 애플 초창기 창업자 등이 모여서 만든 금융 분야의 AI 업체다. 방대한 금융 관련 빅데이터를 AI 기술을 활용한 켄쇼 고유의 자연어 처리 플랫폼으로 분석해 투자의사 결정에 도움을 주는 서비스를 제공한다. 일례로 켄쇼가 개발한 분석 시스템은 애널리스트 15명이 4주 동안 달라붙어야 끝낼 수 있는 분석 작업을 단 5분 만에 처리할 수 있다.
1990년대를 전후로 모건스탠리는 퀀터티브 펀드(Quantative Hedge Fund, 흔히 퀀트펀드라고 하며 수학적 모델을 이용한 계량적 기법을 통해 고평가 또는 저평가된 투자대상을 발굴해서 투자하는 펀드)에 피터 멀러(Peter Muller)라는 수학 귀재를 필두로 약 50여 명의 인원으로 구성된 이 팀이 자동 트레이딩 시스템을 구축 및 활용하여 60억 달러의 수익을 창출하고 투자 성과를 자랑하기도 했다. 이런 모건스탠리의 퀀트팀은 지난 2017년 금융에서 빅데이터와 인공지능에 대한 전략 리포트(Big Data and AI Strategies, Marko Kolanovic PhD & Rajesh T. Krishnamachari PhD, J.P. Morgan) 를 공개했다.
<투자 매니저들을 위하 빅데이터 작업 흐름 Big Data Workflow for Investment Managers>특히 빅데이터와 머신러닝이 투자업에 미칠 영향과 주의해야 할 부분에 대해 논한 부분이 인상적이다.
<빅데이터와 머신러닝이 투자업에 미칠 영향>
1. 지엽적인 기술 도입이 아니라 근본적인 구조 변화를 가져올 것이다.
2. 더 많은 투자자들이 빅데이터 분석 기법을 적용할수록 기업 공시실적 발표와 같은 전통적인 데이터 소스는 대부분의 예측 능력을 상실할 것이다.
3. 머신러닝은 퀀트들의 표준적인 분석 도구가 될 것이며, 심지어 일부 펀더멘털 fundamental 투자자들도 이를 도입할 것으로 예상된다. 장래에 시스템 퀀트전략(Risk premia, trend followers, equity long-short quants 등)은 대부분 머신러닝 기술에 의존할 것으로 예상한다.
<빅데이터와 머신러닝 투자전략에서 주의해야 할 것>
1. 적절한 가이드 없이 너무 정교한 모델을 세울 경우 과적합이 발생, 잘못된 연관성이나 패턴을 만들 위험이 있다.
2. 금융업 경험이 없는 데이터 과학자를 고용할 경우 잘못된 투자 결정이나 조직문화에 악영향을 주는 결과가 나타날 수 있다.
3. 고급 머신러닝 기술을 적용하는 것보다 더 중요한 것은 데이터와 시그널 이면에 있는 경제적 역학관계에 대한 이해와 직관이다.
<콰라소프트의 금융 딥러닝 적용 모습 - 굉장히 난해해보이기도 하고 멋있어 보이기도 하다># IT맨들의 금융/핀테크 진출
최근 국내의 IT 업계의 성공을 이끌었던 기업들도 금융에 기술을 적용하고 보다 나은 서비스를 고객들에게 제공하려는 움직임이 역동적이다. 콰라(QARA)도 머신러닝과 딥러닝을 금융에 적용하고 있는데, 특히 많은 분이 알고리즘과 딥러닝의 차이점을 궁금해한다. 알고리즘은 기존의 똑똑한 수학자와 금융맨들인 ‘인간'이 알고리즘을 짜고 거기에 필요한 데이터를 넣어 자동화해 데이터를 가공하고 투자전략을 짜는 것이라 하면, 딥러닝은 방대한 데이터를 넣어주면 컴퓨터/머신이 자동으로 해당 데이터 간의 관계를 분석해서 알고리즘에 해당하는 규칙이나 공식들을 표현해내는 것에 가깝다. 이 외에도 더 자세한 내용은 알고리즘 트레이딩, 지도학습, 비지도학습, 딥러닝 간 트레이딩 전략 비교하는 아래 내용을 참고로 살펴보자.
<머신러닝 기술의 분류 Classification of Machine Learning Techniques>투자 수익률이 높으면 무조건 좋은 상품일까? ‘투자 수익률 극대화를 위한 도구’ 있다면 얼마나 좋을까?
절대 수익률을 보장하는 금융 상품은 역사상 존재하지 않았기에 이 수많은 이론과 기술들이 뒤엉켜 ‘금융시장'을 알겠다고 많은 사람이 몰리는 것이 아닐까.
의외로 금융맨들이 수학적 사고보다 인문학을 강조하고 사람과 가치를 강조하는 것은 결국 금융시장을 만들어가는 것이 사람들이며 인간 심리에 대한 근본적인 이해가 성투의 중요한 요소이기 때문이라고 한다.
역사상 ‘투자'로 부자가 된 사람은 소수이기에 이를 언론에서 대서특필하는 것은 아닐지.
훌륭한 타짜보다는 카지노나 하우스가, 미국 금광 시장에서 금을 캤던 사람들보다 그들에게 청바지를 팔았던 누군가가, 금융 데이터를 보고 투자하는 사람보다는 금융 정보를 제공했던 불과장이 더 고객에게 필요한 서비스이고 그토록 원하던 부를 안겨다 준 것인지 모르겠다.
모두가 부자가 되는 것을 바라지만, 쉬운 일이 아닐 것이다. 하지만, 최근 시장에서 태동하는 훌륭한 금융맨과 IT맨들의 만남으로 다양한 고객이 성투할 수 있고, 보다 많은 사람이 금융 정보를 쉽게 이해하고 원하는 투자 행위를 더욱 자유롭게 할 수 있는 글로벌 서비스나 플랫폼이 탄생하기를 기대해본다.
