QuantumStreet AI의 80억 달러 규모 전략과, 투자자들이 이를 어떻게 활용할 수 있는지

더 많은 기관 투자자들이 인공지능을 활용하는 이유는 단순히 예측 능력을 얻기 위해서가 아니라, 투명성을 확보하기 위해서입니다. 이러한 변화는 QuantumStreet AI가 몇 년 전부터 예상했던 것입니다. “현재 우리는 전 세계적으로 80억 달러 규모의 인덱스 자산을 보유하고 있습니다.”라고 QuantumStreet AI의 대표이자 공동 창립자인 아트 아마도르는 말했습니다.

캘리포니아 대학교 버클리 캠퍼스에서 진행된 연구를 바탕으로 설립된 이 회사는, 거시경제 데이터, 기업의 기본 정보, 기술 지표, 실시간 뉴스 등을 통합하여 포트폴리오 신호를 생성하는 투자 플랫폼을 개발했습니다. 아마도르에 따르면, 이 시스템은 현재 전 세계적으로 약 80억 달러 규모의 인덱스 연결 자산을 운용하고 있습니다.

“우리는 거시적 데이터, 기본적인 데이터, 기술적 데이터를 모두 활용하며, 이를 뉴스와 결합하여 더 나은 데이터 투자 결정을 내릴 수 있도록 합니다.” 아마도르는 AInvest과의 인터뷰에서 이렇게 말했습니다.자본과 권력.

이 회사의 기술은 HSBC, 도이체방크, BNP 파리바와 같은 은행들을 통해 유통되는 기관용 상품 및 구조화된 제품을 지원합니다. 또한, 소비자들을 대상으로 한 거래소 기반 펀드인 AIEQ도 있습니다. 아마도르는 이 펀드를 “세계 최초의 AI 기반 거래소 기반 펀드”라고 설명했습니다.

그의 주장은 매우 간단합니다. 시장은 경제적 기반이 변화함에 따라, 그리고 투자자들의 심리 상태에 따라 움직입니다. 고정적인 모델로는 이러한 변화를 따라가기 어렵습니다. QuantumStreet의 시스템은 그러한 변화들을 동적으로 파악하려고 노력합니다.

“시장은 때로는 감정에 따라 움직이기도 하고, 때로는 근본적인 요소에 따라 움직이기도 합니다.” 아마도르가 말했다. “이것이 바로 인공지능의 힘입니다. 인공지능은 적응적인 방식으로 작동합니다. 시장이 변함에 따라, 인공지능 모델과 시스템도 그 변화에 맞춰 적응할 수 있으며, 과거의 패턴을 분석하여 시장이 어디로 나아갈지를 예측할 수 있습니다.”

이 회사의 접근 방식은 더 넓은 산업 트렌드를 반영합니다. 최근 로이터와 블룸버그 뉴스가 보도한 내용에 따르면, 자산 관리회사들은 점점 더 머신러닝 기술을 활용하여 대규모 데이터셋을 처리하고, 전통적인 요인 모델로는 놓칠 수 있는 비선형적 관계를 발견하고 있습니다. 블룸버그 뉴스는 머신러닝 모델을 활용하면 이러한 문제를 해결할 수 있다고 보도했습니다.약 71%의 확률로 예측할 수 있습니다.상호투자 관련 거래 결정들은, 인공지능이 학습할 수 있는 패턴을 얼마나 많이 따르는지를 보여줍니다.

이러한 시스템들은 종종 뉴스의 감정 분석이나 거시적 지표와 같은 대체 데이터를 활용하여 예측의 정확성을 높입니다. QuantumStreet는 그 강점이 바로 규모와 통합성에 있다고 말합니다. Amador에 따르면, 2015년과 2016년 당시 이 회사는 하루에 약 백만 개의 뉴스 기사를 처리했으며, 동시에 구조화된 금융 데이터도 함께 처리하고 있었습니다.

성과 관련된 주장들은 해당 회사의 위치를 결정하는 데 있어 매우 중요한 요소입니다. 아마도르는 지난해에 80억 달러 규모의 자산 중 98%가 기준치를 초과한 성과를 거두었다고 말했습니다. 그리고 올해도 비슷한 추세가 이어지고 있다고 말했습니다. 그는 다중 자산 전략 내에서 금과 같은 자산을 활용하는 것과, 미국 주식 시장에서 S&P 500 지수 대비 더 나은 성과를 거둔 것 등이 그러한 성과의 원인이라고 지적했습니다.

기관 투자자들은 머신러닝 모델의 투명성에 대해 우려를 표하고 있습니다. 특히, 포트폴리오 관련 결정들이 투자 위원회에 설명되어야 할 경우에는 더욱 그렇습니다.

이는 소위 ‘설명 가능한 인공지능’, 즉 XAI에 대한 관심을 높여주었습니다. XAI의 목적은 기계 학습 결과를 이해할 수 있도록 만드는 것입니다. 아마도르는 회사가 작성한 논문에서 “포트폴리오 관리자는 투자 위원회에게 ‘우리는 AI 모델의 권고에 따라 2억 달러 규모의 공매 거래를 했습니다’라고 말할 수 없습니다.”라고 썼습니다.

QuantumStreet는 SHAP(Shapley Additive Explanations)와 같은 속성 분석 프레임워크를 사용하여 모델 예측 결과를 그 근본적인 요인들로 분해합니다. “우리는 예측을 수행하는데… 그리고 우리가 할 수 있는 것은, 각각의 요인들이 얼마나 기여했는지를 파악하는 것입니다.”라고 그는 말했습니다. 이는 거시적, 기술적, 기본적인 요인들이 어떻게 서로 영향을 미치는지를 정량화하는 방법입니다.

이 회사는 그러한 투명성이 선택사항이 아니라고 주장합니다. “설명 가능성은 통계적 예측과 투자 판단 사이의 연결고리입니다.” 아마도르는 그 논문에서 이렇게 말했습니다. 또한, 기관투자자들은 “실적과 전략을 투자위원회에 명확하게 설명할 수 있어야 한다”고 덧붙였습니다.

QuantumStreet의 모델들은 시장의 불안정한 상황에도 대응할 수 있도록 설계되었습니다. 아마도르는 이란 전쟁과 같은 긴장된 정치적 상황을 언급하며, 이러한 시스템이 과거의 사례를 파악하여 반응적인 결정을 피할 수 있다고 말했습니다. “이건 공황에 빠질 때가 아니라, 오히려 더 많은 투자를 할 수 있는 시기입니다.” 그는 변동성이 있음에도 불구하고 기본적인 상황이 여전히 유지되고 있다는 점을 강조했습니다.

비록 전반적인 AI 투자 환경이 여전히 경쟁적이긴 하지만, 아마도어는 모델 선택, 신호의 가중치 부여, 데이터의 질 등과 같은 구현 방식의 차이가 비슷한 기술을 사용하는 기업들 사이에서도 서로 다른 결과를 초래할 수 있다고 강조했습니다. “AI는 과학이면서도 예술이기도 합니다.”라고 그는 말했습니다.

소매 투자자들에게는, 해당 회사의 전략에 접근할 수 있는 방법이 주로 ETF나 은행에서 제공하는 제품들에 국한됩니다. 기관 투자자들의 자금은 여전히 대부분을 차지하고 있습니다. 그리고 금융회사들이 자동화와 감독 사이의 균형을 어떻게 맞출지 고민하는 동안, 퀀텀스트리트는 AI 전략의 성공 여부를 결정하는 요인이 바로 설명 가능성이라고 생각합니다.