주간동아 1122

2018.01.17

커버스토리

“시장 상관없이 ALIS 펀드, 견고한 성과 거둘 것”

낮은 펀드 운용비용과 수수료 장점…과(過)적합 문제는 해결해야 할 과제

  • 입력2018-01-16 13:34:50

  • 글자크기 설정 닫기

      인터뷰 | 마이클 와인버그 프로테제 최고투자책임자

      미국 월가에서는 투자패턴의 변화를 크게 세 단계로 구분한다. 전통적 투자방식을 제1의 물결, 퀀트 투자 같은 대규모의 정량적 투자를 제2의 물결이라 한다. 머신러닝, 인공지능(AI), 빅데이터 등 데이터 과학을 투자에 이용하는 자율학습투자전략(ALIS)은 제3의 물결이라고 통칭한다. 

      월가에서 제3의 물결을 선도하고 있는 이가 바로 마이클 와인버그(Michael Weinberg) 프로테제(Prote′ge′) 최고투자책임자다. 그는 전통적 투자와 퀀트 투자 등 제1, 제2의 물결을 모두 경험한 베테랑. 제2의 물결 때는 소로스펀드와 크레딧스위스에서 큰 포트폴리오를 운용하기도 했다. 지난 연말 직접 인터뷰했다. 

      인공지능, 빅데이터를 이용한 헤지펀드에만 투자하는 펀드를 만든 계기가 뭔가. 언제 이런 아이디어를 얻게 됐나. 

      “나와 회사 최고경영자(CEO)인 제프리 태런트는 인공지능 전문가 제레미 하워드를 테드(TED) 토크에서 만날 기회가 있었다. 당시 우리는 하워드의 이야기를 듣고 ‘이제는 컴퓨터가 모든 분야에서 인간을 능가하는 시대가 왔다’고 받아들였다. 이후 우리가 투자할 첫 번째 ALIS 펀드를 찾아 나섰다. 몇 년 동안 세계 곳곳에서 약 200개의 인공지능을 이용해 투자전략을 구사하는 펀드를 찾아냈다. 그들이 쓰는 방법과 프로세스는 마치 우버, 아마존, 구글만큼이나 투자 영역에서 파괴적일 수 있다는 생각을 했다.”

      마케팅 용어로 전락한 ALIS

      아직까지 인공지능, 머신러닝을 투자모델에 쓰는 펀드는 많지 않을 것 같다. 현재 펀드 운용에서 인공지능이 얼마나 어떻게 쓰이고 있다고 판단하나. 

      “200개 펀드 가운데 인공지능, 머신러닝, 빅데이터를 완벽히 이용한다고 할 만한 펀드는 소수다. 그렇지만 그 소수가 가장 훌륭한 매니저다. 많은 펀드가 인공지능과 머신러닝을 별로 사용하지 않거나 전혀 사용하지 않으면서 마케팅 용어로만 활용하고 있었다. 대부분 완벽하게 ALIS를 사용할 준비가 아직 돼 있지 않았다. 문제가 발견돼 지속적으로 이용할 만큼 안정된 상태도 아니었다.” 



      이들 펀드가 인공지능, 머신러닝 등을 현존하는 투자 프로세스에 접목하는 데 가장 큰 도전은 무엇이었나. 

      “가장 큰 문제는 정량적(quantitative) 또는 컴퓨팅 재무(computational finance) 기법을 활용하는 펀드들이 기존 투자의사 결정 시스템 안에 있다는 것이었다. 그들은 인공지능, 머신러닝, 빅데이터를 통해 변화하는 것을 허용치 않는다. 예를 들어 퀀트 투자를 하는 아주 큰 투자회사가 있다고 치자. 수천 명의 직원과 수백 명의 박사급 연구원, 그리고 단단하게 하나로 묶인 투자모델이 있을 것이다. 또한 기존 투자자들과 엄청난 서버, 데이터를 저장하는 스토리지는 물론, 막강한 커뮤니케이션 인프라도 갖고 있을 터다. 이 회사가 언젠가는 인공지능 등을 이용하는, 파괴적인 스타트업이 운용하는 펀드에 뒤처질 것이 뻔한데도 과거 투자 방식을 버리는 것이 쉽지 않다. 이 경우 가장 손쉽게 선택하는 방법이 기존 방식에 머신러닝과 빅데이터 분석을 얹어 마치 최첨단의 투자전략을 구사하는 양 포장하는 것이다. 이는 수수료에 또 하나의 비용을 얹는 것밖에는 되지 않는다. 변화에 따른 인센티브가 크지 않은 펀드 매니저 처지에서는 현 투자방식을 버리고 자신이 받는 수수료를 낮추려는 혁신을 해나갈 이유가 없는 것이다. 그에 반해 요즘 생기는 ALIS 펀드는 박사 몇 명이 새로운 머신러닝 툴을 이용해 새 모델을 만든다. 클라우드를 이용해 빅데이터를 가공, 분석, 저장한다. 기존 투자 시스템이라는 것이 없기 때문에 소요비용도 무척 적을 수밖에 없다. 이 새로운 펀드들은 기존 펀드와 똑같은 수익률을 기록해도 비용이 적게 들어 투자자에게 더 많은 수익을 안겨준다. 이게 바로 우리가 ALIS 펀드에 투자하는 궁극적 이유다.”

      투자+기술 다 능통한 팀 멤버는 필수

      머신러닝, 빅데이터를 투자 결정에 활용하는 데는 잠재적 함정이 있지 않을까. 

      “가장 큰 잠재적 함정은 과적합(over-fitting)이다. 과적합이란 인공지능이 기존 데이터를 매우 잘 학습해 과거는 완벽하게 알지만, 미래에는 잘 맞지 않는 것을 뜻한다. 예를 들어 우리가 본 많은 ALIS 펀드의 테스트 결과는 무척이나 좋다. 그런데 실제로 이를 활용해 투자했을 때는 별로 성과가 없거나 심지어 나쁜 성과를 내기도 했다. 결국 이런 문제점을 잘 이해하고 보완할 수 있는 펀드 운용팀의 리서치 프로세스와 경험이 필요하다.” 

      머신러닝, 인공지능 등이 지속가능한 투자전략을 만들도록 하려면 무엇보다 적합한 인재를 확보해야 하지 않을까. 어떤 인재가 필요하다고 생각하나. 

      “ALIS 펀드 투자의 핵심은 금융과 투자에 대한 깊은 이해를 바탕으로 이를 데이터사이언스를 통해 증명하고 알고리즘 등으로 만들 수 있는 인재를 찾아내는 것이다. 이 두 가지, 즉 투자기법과 인공지능 같은 첨단기술을 동시에 숙지한 펀드나 펀드 매니저가 아직 많지는 않다. 지난 몇 년 동안 우리의 경험에 따르면 대부분 둘 중 하나만 갖고 있으면서 마케팅용으로 그럴듯하게 포장한다. ALIS 펀드 투자자는 이런 인재를 찾아낼 수 있는 안목을 갖춰야 한다.” 

      빅데이터, 인공지능, 머신러닝 등이 금융 및 투자업계를 어떻게 바꿀 것이라고 예상하나. 

      “우리는 ALIS 펀드가 기존 펀드 매니저들과 경쟁해 이기고 훨씬 높은 수익률을 성취할 것이라 생각한다. ALIS 펀드는 투자정보를 수치화하고 시스템화하면서 매니저들이 전통적으로 하던 일들을 포함하고, 여기에 빅데이터 분석 등 새로운 것을 더하고 있다. 과거 큰 성공을 거둔 퀀트 펀드보다 결과적으로 훨씬 좋은 성과를 보여주리라 기대된다. 만약 퀀트 펀드와 비슷한 성과를 기록한다 해도 적은 펀드 운용비용과 수수료 덕분에 훨씬 더 좋은 수익을 낼 수 있다. 우리는 현재 ALIS 펀드가 기존 매니저들의 전통적 투자방식을 이미 뛰어넘었다고 생각한다. 올해 시장 전체의 여건이 좋든 나쁘든 ALIS 펀드가 견고한 성과를 낼 것으로 기대하고 있다.”



      댓글 0
      닫기