최근 많은 사람들이 구글의 딥마인드(DeepMind)가 개발한 컴퓨터 프로그램(알고리즘)인 알파고(AlphaGo)와 이세돌 9단의 대국소식을 듣고 과연 기계가 사람을 넘어설 수 있을지에 대한 호기심들이 넘쳐나고 있다.

이 대국은 승패를 떠나 인공지능(AI)가 그동안 엄청난 계산량과 난해함에 불구하고 정복하기 어려웠던 바둑이라는 엄청난 성벽을 넘어서기 위해 바로 성벽 밑까지 다가섰고, 머지 않아 이 성벽을 넘어설 거 같은 기대 혹은 우려를 보여주는 상징적인 사건이라 할 수 있다.

그런데 비단 바둑뿐이겠는가.

인공지능기술이 발달함에 따라 여러 분야에 사람이 아닌 기계 혹은 로봇이 그 자리를 대체하는 분야가 생기고 있다. 놀랍게도 그 중의 하나가 주식, 파생상품과 같은 투자분야이다.

전세계 금융의 중심지인 월스트리트를 보면 펀드매니저와 기계의 대결에서 기계에 의한 거래가 더 좋은 수익률을 보여주고 있고, 많은 분야에서 대부분 기계에 의한 거래가 이뤄지고 있다. 이렇게 기계에 의해 이뤄지는 거래를 알고리즘 트레이딩이라고 한다.

알고리즘 트레이딩은 수학적 계산과 IT 시스템을 이용해 트레이딩을 하는 것으로 시스템 트레이딩, Algo Trading 혹은 Blackbox 트레이딩이라고 불린다.

알고리즘 트레이딩은 투자은행, 연기금, 헤지펀드, 증권회사 등 많은 곳에서 사용되고 있다. 최근 몇 년 사이에는 수학적지식과 IT 지식을 가진 개인들도 많이 참여하고 있다. 우리에게는 다소 생소할 수 있는 알고리즘 트레이딩은 이미 미국 금융시장의 모습을 많이 바꿔놓았다.

월스트리트와 영화나 미국드라마에서 보던 뉴욕증권거래소 객장의 모습은 그야말로 시골장터처럼 활기가 넘치는 곳이었다. 트레이더라고 불리는 사람들이 여기저기를 뛰어다니고, 전화로 여기 통화하는 모습, 무슨 이유에서인지는 모르겠지만 환호성을 지르는 사람과 반대로 세상이 멸망한 것처럼 깊은 한숨을 내쉬는 사람들이 있는 그런 곳이었다.

하지만 2015년 현재 더이상 이런 모습은 찾아볼 수 없고 적막만이 감도는 조용한 곳이 되었다.

2007년부터 알고리즘 트레이딩의 확산에 따라 객장에서 거래를 사람이 아닌 기계가 대신하기 시작했다.

자료에 따르면 미국의 경우 2012년 알고리즘 트레이딩에 의한 거래량이 85%에 달할만큼 알고리즘 트레이딩은 가파르게 증가해 왔다.

• 사진 출처 : 이곳

미국의 월스트리트는 2008년 금융위기이후 시장환경의 악화로 이익창출이 어려워지고, 새롭게 도입된 각종 규제 그리고 전세계적인 저금리 기조와 맞물리면서 현 상황을 타개하기 위한 많은 노력을 기울이고 있다. 새로운 이익창출과 비용절감, 특히 인건비를 줄이기 위한 대안으로 정보 기술을 적극적으로 활용하고 있다. 알고리즘 트레이딩은 그 자구책중의 하나이다. 세계적 컨설팅 업체인 매킨지는 보고서를 통해 알고리즘 트레이딩과 같은 정보 기술을 도입하면 이익을 30% 정도 증가시킬수 있다고 이야기 하고 있다.

이런저런 상황을 보면 앞으로 금융시장에서 알고리즘 트레이딩과 정보 기술들은 더욱 확고부동한 위치를 차지할 것으로 예상된다. 알고리즘 트레이딩이 이처럼 전세계 금융의 중심지인 월스트리트에 성공적으로 안착할 수 있는 원인은 단연코 수익을 내기 때문이다.

Goove WM, Zald DH등이 작성한 Clinical versus Mechanical Prediction: a meta-analysis 논문에 의하면 136건의 사례를 조사해보니 수학적 모델이 사람보다 비슷하거나 더 좋은 결과를 가져올 확률이 94%라고 한다. 알고리즘 트레이딩은 주가의 움직임을 수학적으로 분석하고, 이를 가장 설명할 수 있는 수학적 모델을 만들고, 이를 IT로 구현한 것으로 객관적인 기준에 의해 거래를 실시한다.

수학적 모델을 만드는 과정에서 제일 중요한 핵심은 검증이다. 설계된 수학적 모델이 과거 데이터를 이용해 검증해 확률통계적으로 유의미하다고 판단되는 모델만이 살아남아서 알고리즘 트레이딩으로 구현되기 때문에, 주먹구구식으로 거래를 하는 사람보다는 좋은 결과를 가져올 수 밖에 없다.

알고리즘 트레이딩은 금융거래를 "Art to Science"로 변화시킨 것으로, 그동안 사람들이 직관 혹은 어떤 믿음에 근거해 거래하던 방식을, 데이터에 의한, 그리고 수학에 기반을 둔 과학적인 방식을 적용했고, 결과적으로 효과가 있음을 증명했다.

알고리즘 트레이딩에 있어서 아직까지는 머신러닝(Machine Learning) 보다는 수학적 모델링을 통한 거래가 일반적이다. 여러가지 이유가 있지만 가장 주요한 이유는 이전의 환경과 다르게 금융시장이 급격하게 변화하기 때문에, 상황에 맞게 빠르게 적응하는 것이 생존과 수익율에 직결된 문제인데 머신러닝의 경우는 블랙박스(Black Box)이기 때문에 사용하고 있는 모델을 수정하는 것이 매우 어렵기 때문이다.

금융시장은 데이터가 풍부하기 때문에 머신러닝에 필요한 데이터를 충분히 공급할 수 있고, 또 전통적인 금융회사들이 IT의 중요성을 인식해 과감한 투자를 하고 있기 때문에 머신러닝이 더욱 더 많은 금융분야에서 활약할 것으로 기대된다. <테크수다 Techsuda>