한빛미디어

1. 서론

인공지능(AI : Artificial Intelligence)은 2010년경에 중요 기술로 대두되었고 2020년경에 이르러서는 지배적인 기술로 인정받기 시작했다. 기술과 알고리즘의 혁신, 빅데이터의 사용, 그리고 지속적으로 증가하는 컴퓨팅 파워에 힘입어 여러 산업 분야에 인공지능에 의한 근본적인 변화가 진행되고 있다.

본 서 "파이썬 기반 금융 인공지능"은 금융에서 인공지능과 관련된 다양한 측면을 다룬다. 금융 인공지능(AFI : Artificial Financial Intelligence), 신경망(Neural Network) 기반의 통계적 비효율성(Statistical Inefficiency) 발견, 알고리즘 트레이딩 등 인공지능 기반의 금융 관련된 대략적인 로드맵을 확인 할 수 있다.



본 서를 읽으면서 추천해주고 싶은 대상은 다음과 같다.

- 인공지능 연구자 및 개발자

=> 다양한 분야에 접목한 인공지능 연구결과물을 접하면서 다양한 뷰를 가질 수 있을 것이라 판단됨

- 금융공학 연구자 및 종사자

=> 금융공학 연구라함은 과거와 현재의 데이터를 기반하여 현재 상황 및 미래를 예측하는 메소드를 연구하는 분야이기에 연구에 다양한 뷰를 가질 수 있을 것이라 판단됨

아울러, 본 서 "파이썬 기반 금융 인공지능"에서 소개된 알고리즘 트레이딩 전략과 방법론을 구현하고 싶은 독자는 "파이썬을 이용한 알고리즘 트레이딩 (제이펍, 2021)"이 좀 더 프로세스 지향적이고 기술적으로 자세한 내용을 가진 참고 문헌이 될 수 있으며, 파이썬 기반 금융 분야의 맛을 보고 싶은 독자는 "파이썬을 활용한 금융 분석(한빛미디어, 2022)를 추천한다.

2. 파이썬 기반 금융 인공지능

본 서 "파이썬 기반 금융 인공지능"은 인공지능을 사용하여 금융 시계열을 예측하는 응용 분야에 초점을 맞추고 있다. 본 서의 목표는 미래의 시장 움직임을 예측해서 인공지능 알고리즘 단순 전략을 능가할 수 있는 통계적 비효율성을 발견하는 것이다. 통계적 비효율성은 경제적 비효율성의 기반이 되며, 경제적 비효율성을 이용하려면 시장을 뛰어넘는 수익을 실현 가능하도록 통계적 비효율성을 이용할 수 있는 매매 전략이 필요하다. 즉, 예측 알고리즘과 집행 알고리즘으로 구성되어 알파를 창출하려는 전략있어야 한다는 것이다.

- 금융 인공지능의 분야

그 외에도 금융 인공지능에는 다양한 분야가 있다. 그 리스트와 간단한 설명은 다음과 같다.

신용평가

인공지능 알고리즘을 사용하여 잠재적 채무자의 신용을 평가하고 의사결정을 내리는 과정을 자동화할 수 있다.

부정 적출 (이상탐지)

인공지능 알고리즘은 일상적이 패턴과 상이한 패턴을 발견하고 이러한 일이 발생하지 않도록 부정 사용을 검출하는 데 사용될 수 있다.

집행 매매

인공지능 알고리즘은 대규모 블럭 매매를 어떻게 최선으로 집행하는지 즉, 어떻게 시장 충격과 거래비용을 감소시키는지도 학습할 수 있다.

파생 상품 헤지(Hedge)

인공지능 알고리즘으로 단일 파생 상품 혹은 파생 상품 포트폴리오의 Hedge 매매를 최적으로 하는 것을 훈련시킬 수 있다. 이러한 접근법을 딥 헤지(Deep Hedge)라고 한다.

포트폴리오 관리

퇴직연금과 같은 장기 투자의 관점에서 금융상품 포트폴리오를 구성하고 리벨런싱하는 데 인공지능 알고리즘을 사용할 수 있다.

고객 서비스

고객 문의를 처리하는 자연어 처리에도 인공지능 알고리즘이 사용된다. 다른 산업 분야와 마찬가지로 금융에서도 챗봇은 인기가 많다.

위에서 제시된 금융 인공지능의 연구 성과는 2019년 이후에도 꾸준히 산출되고 있으며, 많은 연구자들의 관심사이기도 하다.

- 금융 인공지능의 위험

현재 금융 인공지능의 위험과 규제에 대한 논의가 활발하게 진행되고 있다. 그 종류는 5가지로 다음과 같다.

프라이버시

금융 분야는 엄격한 프라이버시 관련 법률을 가진 민감한 분야이다. 그에 따라, 그 데이터도 민감하다. 대규모 인공지능을 학습시키려면 개인정보가 어느 정도 필요하다. 이렇게 되면 부적절한 방법으로 개인정보가 누출되거나 사용될 수 있는 위험이 증가된다. 하지만, 본 서에서 실험을 진행한 대상 데이터인 금융 시계열과 같이 공개된 데이터를 사용할 때는 이러한 위험이 발생되지 않는다.

편향

인공지능 알고리즘은 일반 혹은 법인 고객에 관련된 데이터에 내재되어 있는 편향을 쉽게 학습할 수 있다. 알고리즘은 데이터가 허락하는 한도 내(도메인)에서만 예측이 가능하다.

설명불가능(Black Box)

딥러닝은 기본적으로 Black Box이기 때문에 어떠한 모델을 기반으로 금융상품에 대해 알고리즘 트레이딩을 수행할 때, 논리적인 설명이 불가능하다. 설명 가능한 인공지능(XAI)에 대한 연구가 활발하게 진행되었지만 아직은 미미한 수준이다.

집단행동

과거의 역사적인 폭락 이슈들을 보면 금융 매매에서의 집단행동이 어떠한 리스크를 가졌는지가 도드라진다. 인공지능의 무조건적인 활용은 집단행동으로 인해 이유없는 과매도와 과매수가 발생 할 수 있다.

알파의 감소

금융에서 인공지능이 더 널리 사용될수록 시장에서 알파가 사라질 수 있다. 경쟁 우위를 보호하려면 더 좋은 기술을 확보해야 하고 더 많은 대체 데이터를 사용해야한다.

3. 결론

본 서 '파이썬 기반 금융 인공지능'은 경제학 이론과 트레이딩 그리고 인공지능 기술이 융합된 금융 인공지능을 포커스로 하여 작성된 책이다. 개인적으로 미시경제학과 거시경제학에 대해서 공부를 조금 해보았는데, 무차별곡선, 효용 등 관련 용어에 대해서는 어느 정도 이해함과 동시에 구현 원리에 대해서는 정말 소소하게 이해한 것 같다. 그와 동시에 금융공학을 전공하는 이에게는 큰 도움이 되는 책이 될 것 이라는 생각이 들었다. 몇몇의 경제/트레이딩 전문용어를 이해하기는 힘들었지만 본 서의 전체 맥락을 이해하는 수준이 된다면, 금융 인공지능 전문가는 아니더라도 입문자/중급자 정도는 되지 않을까? 라는 생각이 들었다. 아울러, 금융 인공지능의 분야와 위험에 대해 알아가는 시간을 가졌다. 개인적으로 궁금했지만, 어떤 방식으로 지식에 접근할지 몰랐었는데 본 서를 통해 간접적이라도 알게 되어 좋은 시간을 가졌다고 생각이 든다.

한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.