- 자연어 처리 분야에서 최근 눈부신 발전을 이룬 대규모 언어 모델(LLM)이 금융 시장에서도 활용될 수 있는지에 대한 관심이 높아짐
- LLM은 단어나 단어의 일부를 나타내는 토큰의 시퀀스를 모델링하는 데 뛰어난 성능을 보이며, 이를 통해 번역, 질의응답, 사람과 유사한 문장 생성 등의 작업을 수행할 수 있음
금융 시장에서의 LLM 활용 가능성
- 퀀트 트레이더들은 LLM을 활용하여 가격이나 거래를 예측할 수 있는지에 대해 관심을 가지고 있음
- 이는 단어 시퀀스 대신 가격이나 거래 시퀀스를 모델링하는 것을 의미함
- 이러한 접근은 생성 AI와 금융 시계열 모델링에 대해 많은 것을 알려줄 수 있음
LLM과 금융 시장 데이터의 차이점
- LLM은 자기회귀 학습자로, 이전 토큰이나 시퀀스의 요소를 사용하여 다음 요소나 토큰을 예측함
- 그러나 금융 시장 데이터에서는 훈련에 사용할 수 있는 데이터의 양과 정보 내용이 제한적임
- 예를 들어, GPT-3은 5,000억 개의 토큰으로 훈련되었으나, 주식 시장에서는 연간 1,770억 개의 토큰만 사용 가능함
- 또한, 금융 시장에서의 토큰은 가격이나 수익률, 거래량 등으로, 언어 모델에서의 음절이나 단어보다 예측하기가 훨씬 어려움
- 금융 시장에는 노이즈가 시그널보다 훨씬 많으며, 시장 참여자들이 비합리적인 거래를 하거나 근본적인 변화와 무관한 이유로 거래할 수 있음
AI 기술의 금융 시장 적용 가능성
- 다중 모달 학습은 이미지와 텍스트 입력 등 다양한 모달리티의 데이터를 사용하여 통합 모델을 구축하는 것을 목표로 함
- 금융에서는 기술적 시계열 데이터와 트위터 상의 감성이나 그래픽 상호작용, 자연어 뉴스 기사, 위성 이미지 등 다양한 유형의 비가격 정보를 통합하여 예측하는 데 활용될 수 있음
- 잔차화(residualization)는 금융과 AI 모두에서 중요한 역할을 하지만, 두 영역에서 서로 다른 역할을 담당함
- LLM의 주요 성공 요인 중 하나는 장기 시야에 걸쳐 토큰 간의 유사성이나 강도를 식별할 수 있는 능력임
- 금융 시장에서는 여러 시간 범위에 걸쳐 시장 변화의 일부 측면을 설명할 수 있는 다중 스케일 현상을 분석하는 데 도움이 될 수 있음
LLM의 금융 시장 활용 방안
- LLM을 활용하여 시장에서 관찰되는 특성을 모방하는 모의 주가 궤적을 생성할 수 있음
- 이는 금융 시장 데이터가 다른 출처에 비해 희소하다는 점을 고려할 때 매우 유용할 수 있음
- 인공 데이터는 로봇 공학 등에서 성공적으로 적용된 메타 학습 기법의 문을 열어줄 수 있음
- 금융 시장 실무자들은 종종 거래 전략이 상당한 이익이나 손실을 경험할 가능성이 더 높은 극단적인 사건에 관심을 가짐
- 극단적인 시나리오에서 샘플링할 수 있는 생성 모델은 유용할 수 있지만, 극단적인 사건은 정의상 드물게 발생하므로 적절한 매개변수를 결정하고 해당 분포에서 데이터를 샘플링하는 것은 어려움
LLM의 투자 분석 활용 가능성
- LLM이 정량 거래를 대체할 가능성은 현재로서는 낮아 보이지만, 펀더멘털 분석에는 도움이 될 수 있음
- AI 모델이 발전함에 따라 투자 논거를 정교화하고, 경영진 논평의 불일치를 발견하거나, 관련 산업 및 기업 간의 잠재적 관계를 발견하는 데 도움이 될 수 있음
- 이러한 모델은 모든 투자자에게 찰리 멍거와 같은 역할을 제공할 수 있음
GN⁺의 의견
- LLM이 금융 시장에서 활용될 수 있는 가능성은 분명 존재하지만, 현재로서는 정량 거래를 대체하기에는 어려움이 있어 보임
- 금융 시장 데이터의 희소성과 노이즈가 많은 특성으로 인해 LLM을 직접 활용하기에는 한계가 있음
- 다만, 다중 모달 학습이나 잔차화 등의 기법을 활용하여 비가격 정보를 통합하거나 장기 시야에 걸친 분석을 수행하는 데에는 도움이 될 수 있음
- LLM을 활용한 모의 데이터 생성이나 극단적 시나리오 샘플링 등은 흥미로운 활용 방안이 될 수 있음
- 다만, 극단적 사건의 희소성으로 인해 적절한 매개변수 설정과 샘플링이 어려울 수 있음
- LLM이 정량 거래 자체를 대체하기는 어려울 것으로 보이지만, 투자 분석 과정에서는 유용하게 활용될 수 있을 것으로 기대됨
- 방대한 정보를 취합하고 분석하는 과정에서 LLM이 인간 애널리스트를 보조하는 역할을 할 수 있음
- 금융 시장은 본질적으로 예측하기 어려운 영역이므로, LLM을 활용한 접근 방식에 대해서는 신중한 태도가 필요함
- 다만, LLM의 발전 속도를 고려할 때 향후 금융 시장에서의 활용 가능성을 완전히 배제할 수는 없을 것으로 보임
- 관련 기술로는 Numerai의 Erasure와 같이 암호화폐 보상을 활용한 크라우드소싱 기반의 금융 모델 개발 플랫폼이 있음
- 전반적으로 금융 시장에 LLM을 적용하는 것은 아직 초기 단계이며, 많은 연구와 실험이 필요할 것으로 보임. 그러나 장기적으로는 AI가 금융 시장에 큰 영향을 미칠 것으로 예상됨