서울대학교 교수의 AI 주식 거래 - 평균 수익률 -5.9%

 어라? 싶지만, 정확히 봤다. 서울대학교 컴퓨터공학과 데이터마이닝 연구실의 강유 교수가 참여한 DeepTrade의 한 주 평균 수익률은 온통 파란색이었다. 그럼에도 불구하고, 강유 교수는 당당하게 8월 9일부터 열린 서울대학교 AI 연구원 주최 컨퍼런스에서 자신의 알고리즘을 공개할 수 있었다. 어떤 자신감이었을까?

---

DeepTrade 베타버전

 현재 베타버전만 공개된, AI 주식 거래 스타트업 DeepTrade의 xpct 프로그램은 일주일 간격으로 주식을 거래한다. 월요일에 추천 종목을 매수하여 금요일에 판매하는 것이다. 세상 모든 거래가 이런 식이라면, 정말 월요일에는 매수만 가득하여 주가가 오르고, 금요일에는 매도만 가득하여 주가가 내려가는 일로 가득차겠구나 싶은 생각이 들었다. 

 

 그럼에도 불구하고, 위 그래프와 같이 DeepTrade의 수익률은 꽤 좋다. 훌륭하다고 말해도 무방하다. 2020년 4월부터 코스피는 사실 미친듯한 질주를 이어나가고 있었기 때문이다. 

 

 

 이번에 컨퍼런스에서 강유 교수가 직접 발표한 주식 거래 알고리즘은, 단일 종목을 거래하기 위해 다양한 종목간의 상관관계를 볼 줄 아는 놈이다. 이게 왜 대단한지 다시 생각해보려면, 이미지 분석에 사용되는 CNN 기법이 고양이를 분류하는 방법을 예로 들면 좋다. 고양이 사진들로 학습한 CNN은 고양이를 분류할 때 1. 색깔 2. 귀의 모양 을 보고 분류한다고 한다(출처). 그럼 아래와 같은 이미지도 고양이로 쉽게 분류될 것이다.

 

 고양이를 고양이로 명확히 분류하기 위해서는, 개와는 어떻게 다른지 또는 살쾡이와 어떻게 다른지(살쾡이와의 구별은 정말 어렵다) 알아야 한다. 결국 필요한 정보도 많아질 뿐더러 더 복잡한 연산이 필요해지는 것이다. 

 강유 교수 연구진은 세 가지 방법을 사용해서 위와 같은 난제를 풀어내려고 했다. 먼저 오늘의 주가를 파악하기 위해 과거 데이터 중 어떤 시점을 가장 눈여겨 봐야 하는지 알 수 있는 "Time-axis Attention" 기법. 두 번째는 시장 전체(예를 들면 코스피/코스닥 지수)의 흐름을 포함시키는 "Context aggregation", 마지막 세 번째는 주식 종목간의 상관관계를 알 수 있는 "Data-axis attention" 기법이다. 

구글 Transformer 알고리즘

 조금 잘게 잘게 쪼개져있긴 하지만, 결국에는 딥러닝 트렌드 중 "attention" 기법을 활용해서 주가를 파악하겠다는 것이고, 이는 구글에서 2017년에 발표한 Transformer 알고리즘(링크)과 동일하다. 채 5년이 지나지 않은 시점에서 인용 수만 25000 건이 넘는 이 논문은 주가 예측과는 영 딴판으로 보이는 "언어 번역"(영어 -> 프랑스어)을 예로 들었다.

 

 알고리즘을 세밀히 알면 당연히 도움 되겠지만, 핵심 포인트는 역시 attention, 즉 어느 부분에 중점을 둘 것인지 해석하는 능력이다. 구글 검색엔진이 "어떤 검색결과가 가장 우수한 내용을 담고 있을까"를 연구하며 나온 서비스이듯(PageRank 라는 알고리즘이다), "나는 소년입니다"를 프랑스어로 번역하기 위해서는 어떤 부분을 중점적으로 봐야 하는지 알아야 한다. 여기서는 "~는" 이나 "~입니다" 보다는 "나"와 "소년"이 중요하다. 같은 원리로 주어진 데이터 중에서 중요하게 여겨지는 시점(결론적으로는, 최근에 나온 시점이다)과 연관성이 높은 주가정보를 파악한다면 주가 예측 또한 쉽게 할 수 있다. 

---

 마찬가지로 주가 예측 스타트업인 QRAFT (관련 글) 도 그렇지만, 이런 기업들 덕분에 주식 공부는 하지 않아도 되는 것이 아닌가 싶다. 정말 자신이 중요하게 생각하는 분야의 선두주자 기업에 가진 돈의 절반을 투자하고, 남은 절반은 이런 AI 주식 거래기업에 맡겨보는 것도 괜찮지 않을까?

 

---

추가 관련 글

1) Qraft AI ETF 알고리즘 소개

Qraft AI ETF 구성 방법 - 왜 Pabii 블로그는 실패했는가

2) 아크인베스트

아크인베스트와 캐시 우드의 철학 - 파괴적 혁신