2024.04.20 (토)

  • 흐림동두천 1.0℃
  • 흐림강릉 1.3℃
  • 서울 3.2℃
  • 대전 3.3℃
  • 대구 6.8℃
  • 울산 6.6℃
  • 광주 8.3℃
  • 부산 7.7℃
  • 흐림고창 6.7℃
  • 흐림제주 10.7℃
  • 흐림강화 2.2℃
  • 흐림보은 3.2℃
  • 흐림금산 4.4℃
  • 흐림강진군 8.7℃
  • 흐림경주시 6.7℃
  • 흐림거제 8.0℃
기상청 제공

[청년발언대] 금융 시장에서의 기계 학습의 활용

 

【 청년일보】요즘 키워드 측면에서 가장 뜨거운 감자인 분야 중 하나가 바로 작년의 ‘동학 개미’ 운동으로 부쩍 관심도가 높아진 금융 분야와 2016년 알파고와 바둑 기사 이세돌의 대결 이후로 꾸준히 높은 관심을 받고 있는 기계 학습 분야입니다.

 

이러한 뜨거운 두 키워드를 묶어 생각해 보았을 때, 금융 분야에서는 과연 기계 학습이 어떠한 방식으로 이루어지고 있는지에 대한 궁금증이 생길 수 있습니다.

 

현재 금융 분야에서는 금융공학적 방법론을 바탕으로 시장 예측, 알고리즘 거래, 부정 거래 행위 탐지 및 방지, 포트폴리오 관리, 대출 관리 등 다양한 분야에서 기계 학습의 모형을 활용하려는 시도가 이루어지고 있습니다.

 

우선, 시장 예측이란 주가나 시장 체제를 예측하는 알고리즘을 사용하는 것을 의미합니다. 이러한 시장 예측 결과는 투자에 대한 기준 요인이 될 수 있다는 점에서 그 의미를 찾을 수 있습니다.

 

주로 주가 예측이 이러한 카테고리에 속하며, 가격 데이터를 이용해 기계 학습 모형 후 예측할 뿐만 아니라 트위터 등 온라인 텍스트 데이터를 통해 투자자들의 감성을 분석해서 예측에 활용하는 등 다양한 방법이 활용되고 있습니다.

  

알고리즘 트레이딩은 더 나은 투자 의사결정을 내리기 위해 알고리즘을 활용하는 것을 의미합니다. 통상적으로 투자자들은 증권 가격이 오르거나 떨어질 수 있는 요소에 대해 파악하기 위해 뉴스와 거래 활동을 실시간으로 모니터링하는 수학적 모형을 구축하게 됩니다.

 

이 모형에는 거래자의 적극적인 개입 없이 거래를 성사시키기 위한 타이밍, 가격, 수량 및 기타 요인 등 다양한 매개 변수에 대한 사전 결정된 지침이 포함되어 있습니다. 강화 학습을 이용한 투자 의사결정을 통하여 제작된 투자 알고리즘과 이를 이용한 투자 자동화 등이 이러한 범주 안에 속합니다.

 

부정 거래 행위 은행기관과 금융서비스 기업에 큰 문제를 초래할 수 있습니다. 기술의 발전으로 금융 산업의 이러한 부정행위는 이제 귀중한 데이터에 큰 위협이 되고 있습니다. 과거의 부정 거래 탐지 시스템은 일련의 규칙을 기반으로 설계되었으며, 현대의 사기범들은 이를 알게 될 경우 간파하기 쉬웠습니다.

 

이에 기업들은 기계 학습을 활용하여 부정한 금융 거래를 방지하고 있습니다. 주로 이러한 부정 거래 탐지는 기계 학습을 통해 대규모 데이터 세트를 스캔함으로써 이상 거래 활동이나 이상 징후를 우선으로 탐지하고 보안 팀의 추가 조사를 위해 발생 지점을 지정하는 방식으로 작동합니다.

 

이와 같이 기계 학습을 통한 부정 거래 탐지는 규제와 기술이 결합한 ‘레그테크 (LegTech)’의 일환으로 사용되고 있습니다.

 

로보어드바이저(Robo-Advisor)는 기계 학습을 이용해 구축한 온라인 어플리케이션의 일환으로 투자자들에게 자동화된 금융 조언을 제공한다. 애플리케이션은 알고리즘을 사용하여 투자자의 목표와 위험 허용오차에 따라 금융 포트폴리오를 구축하게 됩니다.

 

로보어드바이저를 이용할 경우 투자자는 투자나 저축 목표를 시스템에 입력해야 하며, 시스템은 자동으로 수익률이 가장 높은 최고의 투자 기회를 결정합니다. 로보어드바이저는 시스템 구축을 하게 되면 보다 저렴한 가격으로 서비스를 받을 수 있다는 장점이 있습니다.

 

국내에서도 이러한 장점을 이용하여 대규모 생애주기별 개인 맞춤형 자산관리 서비스 등에 대한 연구가 활발히 이루어지고 있습니다.

 

은행 및 보험업계에서는 수백만 건의 소비자 데이터에 액세스하여 기계 학습을 이용해 대출 위험 여부를 분석하고 대출 프로세스를 간소화하는 데에 활용하고 있습니다. 기계 학습은 대출과 신용점수에 대한 신속한 결정을 내릴 수 있으며, 기업이 사람이 사용하는 시간과 재정적 자원을 모두 절약할 수 있습니다.

 

다만 기계 학습 결과를 통해 내려진 결론이 대출 신청자에게는 부족한 설명으로 다가올 수 있어 기존의 신용 및 대출 평가 방법론과 결합되어 사용되고 있습니다. 향후 설명가능한 인공지능(XAI)의 발전과 더불어 확장성이 높아질 수 있는 분야입니다.

 

이와 같이 금융 분야에서도 기계 학습의 활용이 차차 비중을 높여가며 이루어지고 있는 추세입니다. 앞으로 더욱 많은 금융 분야에서 기계 학습이 활용되어 금융 소비자들의 금융 생활이 보다 윤택해질 수 있길 바랍니다.

 

 

【 청년서포터즈 3기 최인수 】

관련기사




청년발언대

더보기


기자수첩

더보기

배너
배너