트레이딩에 사용되는 인공지능과 머신러닝

지난 60년간 AI와 머신러닝은 거침없이 발전을 거듬해 이제 연구실 속 이론이 아닌 현실이 되었습니다. 물론 아직 발전의 여지가 많이 남았지만 이미 엄청난 변화를 일으키고 있습니다. 하지만 AI가 지나치게 과장되어 AI가 탑재되면 이 세상 모든 게 달라질 거라고 믿는 것도 현실입니다. 이 기술은 세상을 어떻게 바꾸는지 알아봅시다.

이를 통해 병원 진단 속도가 빨라지고 자율주행이 시작되며 색다른 음악과 소설을 읽을 수 있게 되었습니다. 더타2 같은 게임에서도 AI가 큰 변화를 일으키고 있습니다. AI의 한계는 어디까지일까요?

공상과학영화에서 우리는 우주 어느 생명체보다 뛰어난 지적능력을 가진 AI와 슈퍼컴퓨터를 지겹도록 보았습니다. 현실에서는 어떤 영향력을 보일까요.

인공지능(Artificial Intelligence, AI)은 기계로 인간의 인지능력을 흉내내는 기술입니다. 역사상 한 번도 시도되지 않은 최첨단 기술이죠. AI보다 "머신러닝"을 얘기하는 게 더 맞겠네요. 머신러닝은 데이터를 입력해 기계를 학습시키는 기술입니다. 인간이 일상에서 반복하는 업무를 대신해준다는 장점이 있죠.

이 기술은 FX 로봇과는 전혀 관련이 없습니다. FX 로봇은 인간이 직접 프로그래밍하는 것이지만 머신러닝은 인간이 데이터를 제공하기만 하고 분석은 기계가 홀로 내리는 기술입니다.

이제 관련 정의를 확실히 알아보았으니 트레이더로서 중요한 질문을 스스로에게 물어 봅시다. 머신러닝이 트레이딩과 금융 투자를 점령할 수 있을까요?

인간 VS 기계

트레이딩은 이성적인 판단뿐만 아니라 심리적, 환경적, 정치적, 경제적 변수가 모두 합쳐져 시세에 영향을 주기 때문에 기계가 다루기에 쉽지 않습니다. 하지만 과거 데이터를 분석해 기계를 학습시키면 시세 변동을 예측할 수 있습니다. 예를 들면 지난 10년간 주식 시장의 매매 흐름이 있습니다. 그럼 다른 정보는 어떻게 다룰 수 있을까요?

심리 지표

전문가들은 q러닝, 심리 분석, 지식 그래프를 결합해 주식 투자 결과를 예측하는 실험을 했습니다. SNS와 뉴스 보도의 헤드라인 등으로 심리를 분석하고 이를 q러닝으로 수집한 매매 데이터에 연결하는 방법입니다.

우선, 기계가 의미있는 단어를 학습하고 정보를 오염시키지 않도록 주의를 기울입니다. 그 다음 지식 그래프로 앞서 학습한 단어를 주식에 적용하는 방법을 학습합니다. 예를 들어 간단한 조사로 빌 게이츠가 나오면 마이크로소프트 주식을 구매하라고 하지 않지만 지식 그래프는 그럴 겁니다. 그래서 기사에 언급되고 주식과 관련있는 내용은 기계가 의미있는 데이터로 분석할 수 있습니다.

과정은 엄청난 시간과 자원이 소모됩니다. 물론 그만큼 투자할 가치가 있죠. 투자자 심리 지표는 은행, 전문 트레이더, 헤지펀드, 소셜 트레이딩 플랫폼 등이 구매합니다.

트레이딩 시그널

트레이딩 시그널을 보면 곧장 행동으로 옮기지 말고 시장 기회가 있을 거라는 최신 정도로만 받아들이세요. 개인적인 리스크 수용도, 투자 지평, 트레이딩 전략에 따라 본인에게 적합한 트레이딩 시그널을 골라 수용하세요.

시그널은 애널리스트가 만들어 냅니다. 하지만 데이터 분석의 경우 머신러닝이 크게 우위를 보입니다. 다양한 리소스에서 수많은 지표를 순식간에 분석할 수 있기 때문입니다. 현재 머신러닝 분석은 과거 데이터를 주로 분석하며 장기적인 관점에서 트레이딩 시그널을 보낼 수 있습니다.

하지만 많은 기업들이 머신러닝으로 연중무휴 데이터를 스캔하며 즉석에서 이용합니다. 전문가들은 투자를 할 때는 시그널에 지나치게 의존하지 말 것을 권장합니다.

머신러닝으로 도출한 트레이딩 시그널에는 현명하게 대응하세요. 이를 통해 위험 보상 비율을 최적화할 수 있습니다.

사기 방지

트레이딩이 일상이 되고 있습니다. 일상이 된 트레이딩으로 우리는 같은 행동을 기계처럼 매일 반복하고 있습니다. 습관화된 행동은 지루할 정도입니다. 이러한 현상은 투자가 잘못되어도 큰 경각심을 주지 못할 정도입니다.

머신러닝을 이용하면 곤란함을 겪지 않을 수 있습니다. 머신러닝은 수백만 개에 달하는 패턴을 학습해 불일치 시그널이 등장하면 사용자에게 알림을 보냅니다. 그 알림은 대부분 위험한 경고인 게 대부분이죠. 비정상적인 행동을 예측하면 막대한 자금을 투자할 때 손실을 피하게 해줍니다.

더군다나 머신러닝은 개인화된 데이터로 작업을 더 편하게 할 수 있습니다. 초보 트레이더가 계좌를 새로 개설할 때 가짜 아이디로 사기가 발생할 수 있습니다. 응용 AI 및 머신러닝을 이용하면 권한 인증이 더욱 빨라져 FBS 같은 글로벌 브로커가 신원 도용 같은 사기를 막을 수 있습니다.

고빈도 트레이딩

고빈도 트레이딩(High-Frequency Trading)은 복잡한 알고리즘에 기반한 트레이딩입니다. 단 몇 초 동안 컴퓨터가 어마어마한 수의 주문을 처리해 미묘한 시세 차이로 수익을 내는 것입니다. 여기에 사용되는 알고리즘은 인간이 감당할 수 있는 수준을 넘어섭니다. 머신러닝처럼 속도가 빠르고 계산이 정확한 기술이 꼭 필요하죠.

슈퍼컴퓨터는 미래 시세 변동에서 시세가 언제 상승하고 하락하는지 잡아낼 수 있습니다. 그리고 이 예측을 바탕으로 매매에 나서죠.

하지만 고빈도 트레이딩은 일반 트레이더가 쉽게 이용할 수 있는 것이 아닙니다. 고빈도 트레이딩의 단점은 다음과 같습니다.

• 고성능 컴퓨터와 복잡한 알고리즘이 필요합니다.
• 해당 컴퓨터 가격은 매우 고가입니다. 대기업 정도가 되어야 감당할 수 있죠.
• 초정밀 시계만큼이나 높은 정확도를 보여야 해 컴퓨터를 서버와 가까운 곳에서 사용할 수 있어야 합니다.

승자는 누가 될까요?

AI와 머신러닝은 더 이상 영화에서나 벌 수 있는 게 아닙니다. 2020년 현재 "AI를 위한 AI"는 현실이 될 수 없습니다. 이론 상으로 존재했지만 이제는 현실이 되어 여러 영역을 점령하고 있습니다.

하지만, 트레이딩은 워낙 복잡하기 때문에 머신러닝과 AI도 쉽지 않은 분야입니다. 컴퓨터는 과거 데이터를 처리하는 데 도움을 주고 인간 트레이더의 패턴을 분석할 뿐입니다. 이것도 상당히 까다로워 막대한 시간과 자원이 소모됩니다. 이에 대한 대안으로 전문가들은 SNS 포스팅, 금융 성명서, 뉴스를 분석해 시장 인사이트를 추가로 얻고 있습니다. 기계를 가르쳐 관련된 정보를 구뱔해 장기 전략에 적합한 트레이딩 시그널을 얻는 것입니다.

머신러닝은 사기 및 신원 도용 방지에 사용할 수 있습니다. 또한 고빈도 트레이딩에 없어서는 안 될 기술이죠.

현재 인간은 기계와 협력하고 있습니다. 서로 경쟁하는 모습은 찾을 수 없죠. 하지만 앞으로는 어떻게 될지 아무도 모릅니다.