AI는 투자자들을 더 빠르고 정보에 강하게 만들 수 있지만, 동시에 거래의 쏠림 현상을 심화시키고, 시스템을 속임수에 취약하게 만들며, 리스크 관리를 더 어렵게 만들 우려가 있습니다.
금융사들이 투자 우위를 점하기 위해 저마다 유사한 AI 모델을 사용할 때 어떤 일이 벌어지는지 연구가 진행 중이며, 이는 시장 전체에 심각한 결과를 초래할 수 있습니다.
최근 나타나는 연구 결과들에 따르면, AI의 광범위한 도입은 수익성 있는 매매 신호(시그널)의 수명을 단축시키고 투자 시스템을 속임수에 더 쉽게 넘어가도록 만들 수 있다고 합니다.
또한 AI 모델이 의도했던 것보다 체계적으로 더 큰 리스크를 감수하거나, 소비하는 정보의 왜곡을 통해 조작될 수 있으며, 조작된 정보에 취약해짐으로써 투자 시스템에 새로운 결함(실패 지점)을 유발할 수도 있습니다.
헤지펀드부터 자산운용사에 이르기까지, 월가는 투자 우위를 확보하기 위해 인공지능을 적극적으로 받아들여 왔습니다. 이제 연구자들은 더 많은 투자자가 동일한 주식을 사고, 동일한 헤드라인에 반응하며, 때로는 동일한 실수를 저지르는 등 유사한 AI 모델에 의존할 때 어떤 결과가 나타날지 의문을 던지고 있습니다.
최근 발표되는 연구들은 이러한 시나리오가 시장 전체에 파장을 미칠 수 있음을 시사합니다. AI가 투자자들의 분석을 더 신속하게 하고 더 풍부한 정보를 제공해 줄 수는 있지만, 한편으로는 거래의 쏠림(crowded trades)을 심화시키고 시스템을 속기 쉽게 만들며 리스크 제어를 까다롭게 만들 수 있다는 것입니다. 몇몇 최근 연구에 따르면, 투자자들이 동일한 기회로 몰려들면서 AI의 확산이 수익성 있는 매매 신호의 수명을 단축시킬 수 있다고 합니다. 또 다른 연구들은 AI 모델이 의도보다 체계적으로 더 큰 리스크를 지거나, 입력되는 정보를 통해 조작될 수 있다는 점을 밝혀냈습니다.
종합해보면, 이 논문들은 금융권 내 AI 논쟁의 초점이 '기술이 투자자의 시장 초과 수익에 도움을 줄 수 있는가'에서 '점점 더 많은 투자자가 동일한 기계에 의존할 때 시장이 어떻게 변하는가'로 이동하고 있음을 보여줍니다.
이러한 우려는 단순한 전제에서 출발합니다. 시장이 작동하는 이유는 투자자들의 의견이 서로 다르기 때문입니다. 매일 펀드매니저들은 동일한 실적 발표, 고용 지표, 또는 연방준비제도(Fed)의 성명서를 읽고도 무엇을 사고팔지에 대해 각기 다른 결론을 내립니다. AI는 이 정보를 더 빨리 처리하도록 돕겠다고 약속합니다. 하지만 수천 개의 기업이 유사한 데이터로 학습된 유사한 모델에 점점 더 의존하게 된다면, 이러한 견해의 차이는 좁혀지기 시작할 것입니다.
뉴욕대학교(NYU) 연구진은 이러한 역학 관계가 이미 나타나고 있다는 증거를 발견했습니다. 슈첸 멩(Shuchen Meng)과 슈펭 첸(Xupeng Chen)은 약 100만 개의 기관 펀드 보유 자산을 분석한 결과, 투자 업계 전반에 AI 도입이 확산됨에 따라 포트폴리오들이 점점 더 유사해지고 있음을 확인했습니다. 이러한 경향은 기술을 더 적극적으로 활용하는 기업들 사이에서 특히 두드러졌습니다.
그 여파는 단순히 포트폴리오 구성을 넘어 시장 구조 자체로 확장될 수 있습니다. 이들의 모델에 따르면, AI가 보편화되기 전에는 5년에서 7년 동안 지속되던 수익성 있는 매매 신호의 초과 수익 수명이 약 18개월 만에 절반으로 줄어들 수 있다고 합니다. 더 많은 투자자가 거의 동시에 동일한 결론에 도달함에 따라, 수익성 있는 아이디어가 훨씬 더 빨리 포화 상태(crowded)가 되기 때문입니다. 액티브 매니저들에게는 오늘의 승리 전략이 내일은 훨씬 더 빨리 쏠림 거래로 전락할 수 있음을 의미합니다.
멩과 첸은 "AI 기반 알파 감쇠: 알고리즘 동질화, 반사적 신호 침식, 그리고 지능형 시장의 역설"이라는 제목의 논문에서 "새로운 AI 진입자가 늘어날 때마다 활용 가능한 패턴의 수명이 가속도적으로 단축된다"며 "모두가 유사한 AI를 사용할 때 나타나는 집단적 결과는 개별 이익의 합과는 본질적으로 다르다"고 썼습니다.
이러한 연구 결과는 리서치와 포트폴리오 구성에 첨단 AI를 점점 더 많이 활용하고 있는 바이사이드(buy-side) 기업들에 경종을 울리고 있습니다. 지난해 대안투자관리협회(AIMA)의 조사에 따르면, 펀드매니저의 58%가 투자 프로세스에 AI를 더 많이 사용할 것으로 예상했는데, 이는 2년 전의 20%에서 급증한 수치입니다.
다른 연구자들은 AI가 조작된 정보에 취약해짐으로써 투자 시스템에 새로운 취약점을 유발할 수 있다고 주장합니다.
리히텐슈타인 대학교의 아드비예 리즈바니(Advije Rizvani), 지오반니 아프루제세(Giovanni Apruzzese), 파벨 라스코프(Pavel Laskov)는 주식 포트폴리오의 감성 분석을 통해 주가를 예측하는 10개의 LLM 기반 매매 모델을 설계했습니다. 이 모델들은 모두 2025년 4월까지의 14개월 투자 기간 동안 플러스 수익을 기록했습니다. 하지만 연구진이 금융 뉴스 헤드라인에 인간 독자는 거의 알아채기 힘든 미세한 변형(글자를 모양이 거의 비슷한 다른 문자나 부호로 바꾸거나 숨겨진 텍스트를 심는 방식)을 주자 모든 모델이 속아 넘어갔습니다. 최악의 경우, 단 하루 동안 단 하나의 종목을 겨냥한 정보 조작만으로도 모델의 전체 수익률이 약 18%포인트나 폭락했습니다.
리즈바니는 "단 한 번의 잘못된 결정이 다른 날짜와 시스템이 내리는 또 다른 결정으로 전염될 수 있다"며 "단 하루의 오류일지라도 매우 재앙적인 결과를 초래할 수 있다"고 말했습니다.
그렇다고 이 연구들이 인공지능이 시장을 더 취약하게 만들 것이라고 확정 짓는 것은 아닙니다. 대부분은 시뮬레이션이나 통제된 실험, 혹은 제한된 데이터 세트에 의존하고 있으며, 연구자들 스스로도 광범위한 결론을 도출하는 데는 신중을 기하고 있습니다. 특히 기술주 중심의 거래 쏠림 현상은 AI가 등장하기 훨씬 전부터 미국 시장의 오랜 특징이었으며, 파국적인 결과로 이어지지는 않았습니다.
그럼에도 불구하고 최근 나타나는 문헌들 관통하는 공통된 주제는 명확합니다. 투자자를 더 많은 정보로 무장시키겠다고 약속하는 바로 그 기술이, 시장에 거래 쏠림과 잘못된 정보, 그리고 과도한 자신감을 더 쉽게 확산시킬 수 있다는 점입니다.
세 번째 연구 방향은 우리에게 익숙한 문제, 즉 AI가 투자자들의 가장 오래된 약점 중 하나인 '과도한 리스크 감수'를 그대로 물려받을 수 있다는 점을 지적합니다.
엘름 파트너스 매니지먼트(Elm Partners Management)의 제리 벨(Jerry Bell), 빅터 하가니(Victor Haghani), 제임스 화이트(James White)는 4개의 대중적인 AI 모델을 대상으로 시뮬레이션 매매 테스트를 진행했습니다. 월스트리트저널(WSJ) 초판 가판대 페이지를 읽게 한 뒤 S&P 500과 미국 국채에 배팅하도록 한 것입니다. 클로드(Claude)와 챗GPT(ChatGPT)는 엘리트 거시 경제 트레이더들의 방향성 예측 정확도와 맞먹으며 50%가 넘는 확률로 시장 방향을 정확히 맞췄습니다.
하지만 이 실험은 치명적인 사각지대를 드러냈습니다. 4개 모델 모두 부여된 투자자 성향에 따른 권장 범위(약 7%~15%)를 훨씬 초과하여, 일일 수익률 변동성을 20%에서 40%까지 키우며 지속적으로 지나치게 큰 리스크를 짊어졌습니다.
하가니는 "우리는 AI를 사람처럼 행동하도록 훈련시켰고, 결국 AI가 사람과 똑같이 행동한다는 것을 발견했습니다. 즉, 과도하게 확신하고 너무 큰 포지션을 잡는 것이죠"라고 설명했습니다.
금융권의 1세대 AI 연구는 기계가 인간 투자자와 경쟁할 수 있는지를 물었습니다. 다음 세대의 연구는 투자자들이 동일한 기계를 통해 서로 경쟁할 때 어떤 일이 벌어지는지 묻고 있습니다. 모든 투자 혁신은 남들보다 앞서는 우위를 약속합니다. 하지만 이제 떠오르는 질문은 '모두가 동일한 무기를 갖게 되었을 때 어떤 일이 벌어질 것인가'입니다.
리히텐슈타인 대학교의 아프루제세는 "대형언어모델이 건전한 결정을 내릴 것이라고 맹신하는 것은 현명하지 못한 처사"라며 "모두가 AI가 그저 좋고 돈을 더 벌어다 줄 것이라 생각해서 결과에 대한 고민 없이 도입한다면, 막대한 손실을 입을 위험이 있습니다"라고 경고했습니다.
<출처:BLOOMBERG.COM>