AI를 이용한 주가 예측

최근 알파고로 인해 일반인들의 주목을 받기 시작한 AI에 대한 관심은 한국 사회의 전형적인 성급함의 결과로 주가 예측 모형을 만들어 내놓도록 부채질한다. 인공지능의 활용적인 측면으로 보나 컴퓨터의 역사가 군사분야와 금융분야의 발전과 궤를 같이 하고 있다는 역사적인 관점으로 보나 주가예측모형을 만들려는 시도는 크게 트집 잡을 사항도 아니고 우리나라의 발빠른 응용력과 컴퓨터 활용의 측면으로 보면 충분히 긍정적으로도 평가할 수도 있는 사항이다.

그러나 알파고라는 시스템은 구글이 바둑으로 돈을 벌기위해 만든 것이 아니듯 기초분야에 대한 꾸준한 투자와 돈이 안되는 일이지만 기술 발전을 위해 투자를 아끼지 않는 정책들이 기초분야 및 응용력을 발전시키는 원동력이 된다. 하지만 한국 사회는 기초투자에 대한 주목 보다는 당장 아웃풋을, 그리고 돈이 되는 결과를 내 놓을 것을 요구한다.

가장 발빠르게 반응하는 분야는 자산운용 분야로 주식 투자에 대한 계량적인 분석 데이터를 컴퓨터를 통해 분석하여 의사결정에 활용하는 로보어드바이저와 알파고가 나란히 신문지면을 다 뒤덮다시피 하고 로보어드바이저를 하지 않으면 자산운용을 못하는 것처럼 호들갑이다.

그러나 조금만 자세히 들여다보면 적어도 우리나라에서는 로보어드바이저나 인공지능의 활용이 호들갑을 넘어 상술에 불과한 듯 보인다.

구글링해서 나오는 “AI를 활용한 주가 예측모형” 자료 대부분은 주가 자체의 움직임을 학습하여 미래 주가를 예측 하는 모형들을 소개하고 있다.  국내에서 유명한 로보어드바이저드 자산운용회사는 그 상세한 기술적 기반을 소개하고 있지는 않지만 개별 주가의 예측보다는 의사결정을 위한 금융환경 분석에 주로 활용하는 것 같다. 광의로 보면 어느 정도 맞는 말이지만 엄밀히 말하면 그냥 새로운 분석 툴을 하나 더 가지고 있다 정도로 볼 수 있지 않을까 싶다. 단순히 과거 주가의 움직임으로 미래의 주식을 예측한다는 말은 주식 투자 기법 중 기술적 분석 분야로 굳이 인공지능을 도입할 필요도 없이 이미 구현되어 있거나 방법론이 널리 알려져 있다. 흔히 말하는 챠트분석 분야 말이다.

AI를 이용한 주가 예측을 구현하기 위해서는 다양한 경제 변수, 경제정책 등을 통해 유가, 주가지수, 환율, 인구변동, 주택가격 변화 등을 예측할 수 있을 정도의 AI 기반 기술 또는 이론적인 방법론, 모형 등이 제시되어야 비로소 주가 예측이 가능하다고 할 수 있을 것 같다. 시계열 정보를 잘 학습하는 모형, 동시에 수십가지의 변수들을 한꺼번에 빨리 연산해 낼 수 있는 모형 등 전세계 학자들이 매달려 연구하는 효율적인 모형 자체에 대한 연구 말이다.

최근 투자 자문사들이 RNN(Recurrent Neural Network)이나 CNN(Convolutional Neural Network) 등의 모형을 이용하여 로보어드바이저 모형들을 완성하고 이를 통해 투자한다고 앞다투어 발표하고 있는데 한때 IT 버블이나 의미도 잘 모르면서 외쳐대던 핀테크 산업, 창조 경제론 등을 보는 듯 위태위태해 보인다. 왜냐하면 아직 유가, 주가지수, 환율 등 서로 영향을 주고 받는 많은 변수들을 예측할 수 있는 일반적인 모형을 만들었다는 뉴스를 한번도 본 적이 없기 때문이다. 즉, 기본적인 인공지능 모형 등에 대한 연구보다는 “방법론은 모르지만 인공지능이 다 알아서 해 줄거야” 하면서 적당한 모형을 적용하여 인식율만 높이면 주가가 예측 될 것 처럼 광고하거나 활용한다는 것은 무지의 소치이거나 마케팅의 산물에 불과하며 결과적으로는 일반인들이 인공지능에 쏟기 시작한 관심에 찬물을 끼얹게 될 것이기 때문이다.

개인적인 견해로는 CNN을 이용한 모형을 경제 상황에 맞게 적용하기 위해서는 RNN에 있는 것과 같은 시간적인 흐름, 즉 시계열 정보를 다룰 수 있는 기능이 포함되어야 하는데 CNN 모형에서는 그런 분석이 힘들다. 물론 입력 데이터 값을 조정하거나 모형을 일부 수정하면 가능할 수도 있겠지만 어쨌든 모형 자체의 한계가 있다.

RNN 모형의 경우도 시계열적인 특성을 반영할 수 있다고는 하나 복잡한 경제 상황들이 시간 차를 가지고 발생하는 경우 이를 모형화하기에는 여전히 적합해 보이지 않아 보인다.

두 모형 다 시각 인식, 음성인식 등의 기초적인 분야에서 월등한 성능을 보이는 모형들이지만 경제 환경이나 주가는 사물을 찍은 사진이나 음성이 아니다. 알파고도 바둑을 위한 프로그램이 아닌 전체 판세를 분석하는 알고리즘과 첫번째 수를 놓았을때 가장 적합한 다음 수를 찾는 모형들을 조합하여 바둑에 적용한 것이지 바둑 잘두는 알고리즘을 코딩한 것이 아니다.

로보어드바이저로 주식, 펀드, ETF 등에 투자하기 위해서는 인공지능모형 자체에 대한 투자와 연구를 더 하고 이를 경제상황과 같은 현실 세계에 적용하기 위해서는 더 많은 기초적인 연구가 필요할 듯 하다. 즉, 지금 당장 “인공지능으로 주식투자를 하니 수익률이 엄청 좋아!” 하면서 돈을 끌어모으려고만 하지 말고 “지속적으로 인공지능에 대한 연구를 하다보니 이러이러한 모형을 결합하면 주식 투자도 가능해” 하는 연구 결과가 먼저 나오는게 순서가 아닐까. 그러기 위해서는 진정한 투자가 필요하고 학계나 인공지능 연구를 위한 장기 플랜으로 기초적인 모형 연구에 많은 자금과 인력을 투입해야 우리나라가 인공지능에서 선두 그룹과 견줄 수 있게 될 것이라고 생각된다.