로봇 거래자는 3달러 중 1달러를 관리합니다. 그들은 어디에나 있습니다. 로봇 또는 양적 펀드로 간주되는 몇 가지 인덱스 펀드를 소유하고 있을 것입니다. 그들은 저렴하고 최근에 겉보기에 멈출 수없는 주식 시장에 대한 접근을 제공합니다. 그러나 마침내 거품이 터질 수 있습니다(적어도 퀀트 펀드의 경우). 퀀트 펀드 전체가 폐쇄되고 있습니다(예:Columbia Threadneedle, Neuberger Berman). 추세 추종 퀀트 펀드는 13년 만에 최악의 자금 유출을 목격했습니다. 그렇다면 이 퀀트 펀드는 정확히 무엇입니까? 그들은 왜 생겼습니까? 그리고 이 하락은 퀀트의 고유한 문제의 신호입니까 아니면 단순히 일시적인 재설정입니까?
광범위한 금융 분야는 자본에 대한 접근성 때문에 오랫동안 다른 산업보다 기술 혁신을 수용하는 경향이 있는 분야였습니다. 따라서 20세기에 소프트웨어 기술이 등장하고 알고리즘 프로그램이 등장했을 때 금융 부문이 그 잠재력을 가장 먼저 활용하는 것은 불가피했습니다. Vanguard의 설립자인 John Bogle은 1970년대에 세계 최초의 인덱스 펀드를 출시했으며, 소프트웨어를 배포하여 주식 바구니를 추적하여 기본 벤치마크의 변경 사항에 따라 펀드가 자동 재할당을 배포할 수 있도록 했습니다.
소프트웨어를 사용하여 거래를 자동화할 때의 이점은 대부분 운영 비용을 낮추는 효과에 있어서 매우 컸습니다. 인덱스 펀드는 선택 및 할당 결정을 내리는 데 사용되었을 인적 자원에 대한 비용을 지불할 필요가 없었습니다. 인덱스 펀드의 등장은 개인 재무 관리의 세계를 대중 시장에 개방한 중요한 사건이었습니다.
현재에 이르러 자동화(정량적) 펀드는 지난 10년 동안 꾸준히 상승하여 미국 증권 거래소의 기관 거래에서 가장 높은 거래량을 차지했습니다.
기술의 추가 발전으로 1980년대 말에 양적 상장지수펀드(ETF)가 도입되었습니다. 이러한 도구는 소프트웨어 프로그램을 배포하여 특정 요소를 기반으로 동적 주식 선택 결정을 내렸습니다. 예를 들어, 시장 대 장부 비율이 1.0 아래로 떨어질 때 주식을 구매하고 비율이 1.5를 초과할 때 동일한 주식을 판매하도록 알고리즘을 프로그래밍할 수 있습니다. 이 조잡한 예에서 볼 수 있듯이 소프트웨어는 인간 관리자가 수행할 기본 분석을 기반으로 체계적인 투자 결정을 내리도록 프로그래밍되었습니다.
최초의 ETF 이후 30년 동안 인공지능 분야의 급속한 혁신으로 인해 자동 거래의 정교함은 한 단계 더 발전했습니다. 알고리즘 소프트웨어의 맥락에서 인공 지능의 사용은 거래 프로그램이 스스로 학습하고 효율성을 향상시킬 수 있음을 의미합니다. 따라서 위의 ETF 예제에 사용된 소프트웨어가 인공 지능 모듈과 함께 배포되었다고 가정합니다. 이제 주식 성과에 대한 데이터를 지속적으로 분석할 수 있게 되어 시장 대 장부 비율이 1.25 아래로 떨어질 때만 주식을 매수하고 비율이 1.8로 상승할 때 매도하는 것이 더 수익성 있는 전략이라는 통찰력을 얻을 수 있습니다. 그런 다음 소프트웨어는 사람의 개입 없이 이 학습을 기반으로 결정을 내리기 시작합니다.
2019년 현재 ETF와 인덱스 펀드는 인간이 관리하는 자산 관리자보다 더 많은 미국 주식을 관리합니다. 31조 달러의 미국 주식 시장 가치에서 퀀트 펀드는 현재 시가 총액의 35.1%를 소유하고 있으며, 이는 인간이 관리하는 펀드의 24.3%입니다. 이는 상당한 변화입니다. 하지만 그것이 왜 중요한가요?
어떤 면에서 퀀트 펀드가 인간 자산보다 우수한 자산 관리자를 선택합니까? 가장 가시적인 방법은 인간이 관리하는 액티브 펀드와 비교할 수 없는 퀀트 펀드가 제공하는 낮은 관리 수수료입니다. 비용 효율성은 인덱스 펀드의 창시자인 Vanguard가 수십 년을 거쳐 세계 최대 자산 운용사가 되기 직전까지 성장한 한 가지 이유입니다. 수수료는 시간이 지남에 따라 투자자에게 상당한 비용 부담이 되기 때문에 펀드에 필수적이며, 성과 측정의 맥락에서 수수료가 높을수록 더 높은 성과가 벤치마크를 초과하여 이를 정당화해야 하기 때문입니다. 특히 헤지 펀드는 최대 20%의 수수료로 투자자에게 부담을 줄 수 있지만 지난 10년 동안 실적이 저조했습니다.
퀀트 펀드의 또 다른 장점은 실시간으로 많은 양의 데이터를 분석하여 통찰력을 얻을 수 있다는 것입니다. 저명한 펀드 매니저인 Ray Dalio가 언급한 바와 같이 이는 향후 이벤트에 반드시 유리한 것은 아닙니다.
“누군가 당신이 발견한 것을 발견하면 가치가 없을 뿐만 아니라 과도하게 할인되어 손실이 발생합니다. 이전에 효과가 있었던 전략이 다시 작동한다는 보장은 없습니다.”라고 그는 말합니다. 인간의 논리를 사용하지 않는 기계 학습 전략은 "깊은 이해가 수반되지 않으면 결국 폭발할 수 있습니다."
퀀트 펀드는 또한 인간 관리자보다 더 빠른 투자 결정을 내릴 수 있습니다. 따라서 그들은 더 빨리 주문을 하고 좁은 가격 차이로부터 얻는 이익을 더 효과적으로 활용할 수 있습니다. 그들은 중립적인 편향과 뚱뚱한 손가락 오류의 위험을 무시하기 때문에 인간 관리자보다 거래 전략을 구현하는 데 훨씬 더 효과적일 수 있습니다.
그리고 퀀트 펀드의 단점은 무엇입니까? 한 가지 부정적인 점은 인공 지능의 사용이 증가함에 따라 서로 다른 양적 펀드가 필연적으로 동일한 결정을 함께 내리기 시작할 수 있으며, 이는 금융 시장에 전염 문제를 일으킬 수 있다는 것입니다. 인간 중심의 펀드 관리의 주요 이점 중 하나는 시장의 독특한 특성을 감지하고 정성적 데이터를 기반으로 의사 결정을 내릴 수 있다는 것입니다. 퀀트 펀드는 엄지손가락을 치켜세울 수 없으므로 시장 스트레스 기간 동안 변동성을 증가시킬 수 있습니다.
퀀트 트레이딩의 체계적인 객관성은 퀀트 펀드가 어떻게 차별화를 만드는지에 대한 질문을 제기합니다. 퀀트 펀드는 어떻게 경쟁자보다 경쟁 우위를 확보합니까? 인간 관리자는 수년간의 학습을 통해 개발되고 최종 알파를 통해 객관적으로 입증된 두 요소 모두 기본 사항에 대한 더 나은 이해를 보여주거나 우수한 직관력을 통해 점수를 얻습니다.
인공지능 기반 펀드는 대량의 데이터를 실시간으로 분석한 후 통찰력과 후속 투자 결정을 도출하는 것을 전제로 합니다. 이것은 어떤 펀드가 가장 빠른 컴퓨팅 파워를 가지고 있는지 또는 페타바이트의 데이터 액세스를 가지고 있는지와 같은 순위 기준에 새로운 변수를 도입합니다. 데이터 과학자가 백그라운드에서 작성한 우수한 기계 학습 규칙을 보유함으로써 자금이 경쟁 우위를 확보하기 때문에 스타 코더가 스타 트레이더를 대체할 수 있습니다.
더 빠른 거래를 통해 경쟁 우위를 확보하려는 HFT(고주파 거래) 알고리즘 펀드의 탐색으로 인해 일부는 증권 거래소에 연결하기 위해 자체 개인 광섬유 또는 마이크로웨이브 네트워크를 만들었습니다. 가장 완벽하고 직선적인 케이블을 놓는 것이 거래소에 주문을 보내는 데 있어 가장 궁극적인 잠재 효율성을 가져오고 소유자는 공공 유틸리티를 사용하는 경쟁자에 비해 유리한 위치에 놓이게 된다는 이론입니다.
사설 광섬유 네트워크를 소유함으로써 얻을 수 있는 이점을 몇 밀리초만 측정할 수 있습니다. 그러나 이러한 몇 밀리초는 거래 세션 동안 수천 개의 주문을 실행하는 HFT 회사의 이익에서 수백만 또는 수십억 달러의 차이를 초래할 수 있습니다. 그의 책 Flash Boys에서 , 저자 Michael Lewis는 일부 거래자들이 시카고와 뉴욕 증권 거래소 사이에 건설된 개인 광섬유 라인의 한계 이익을 실현하기 위해 갔던 정도를 자세히 설명했습니다. 뉴욕에 있는 나스닥 거래소는 세계 주요 증권 거래소 중 가장 빠른 체결 시간을 갖고 있으며, 이는 가장 먼저 줄을 서서 이익을 얻으려는 신중한 거래자들에게 높은 지분을 제공하고 있음을 보여줍니다.
그러나 사설 광섬유 네트워크는 구축하는 데 비용이 많이 듭니다. 상당한 초기 투자가 필요하며 산과 같은 물리적 장벽으로 인해 방해를 받을 수 있습니다. 그러나 마이크로파 네트워크는 동일한 목적을 수행하지만 공중 기반 전송으로 인해 더 빠른 속도와 더 적은 지리적 장애의 이점이 있습니다. 일부 시장에서 HFT는 이미 가장 최적의 마이크로웨이브 네트워크를 소유하기 위해 경쟁을 벌였습니다.
일부 HFT는 거래하는 증권 거래소 내부에 위치한 시스템에 거래 소프트웨어를 배치하는 것을 의미하는 공동 위치 지정을 시도하기도 했습니다. 이것은 어떤 면에서 거래소에 주문을 받기 위한 타이밍 싸움의 최종 게임입니다. 많은 증권 거래소는 이제 코로케이션 서비스를 제공하여 거래자가 시스템을 거래소 시스템에 더 가깝게 배치할 수 있는 공간을 제공하는 데 수수료를 부과합니다. 그러나 장기적으로 이러한 코로케이션 서비스의 합법성은 망 중립성 논쟁과 유사한 방식으로 윤리적 문제를 제기하면서 도전을 받을 가능성이 있습니다. 주식 시장은 본질적으로 구매자와 판매자를 편견 없이 하나로 모으는 시장 조성자 또는 시장입니다. 유익한 액세스의 계층화된 시스템은 이러한 관계를 무너뜨리며 이는 걱정스러운 곤경입니다.
HFT가 가능한 모든 이점으로 무장하려고 시도하더라도 항상 작동한다는 보장은 없습니다. Knight Capital의 경우는 항상 이것을 상기시켜 줄 것입니다. Knight는 시장에 출시된 최초의 HFT 중 하나였지만 2012년에 알고리즘 소프트웨어가 오작동하여 단 1시간 동안 70억 달러에 달하는 잘못된 거래가 이루어졌습니다. 이러한 잘못된 거래를 수정하는 데 거의 5억 달러의 비용이 들었고 결국 펀드가 청산되고 폐쇄되어야 했습니다.
이는 또한 개인 자산 관리 문제로 이어집니다. 주식형 펀드에 들어가는 투자의 상당 부분이 개별 시민의 공동 자본 투자(예:연금)이기 때문에 사회적 수준에서 이것은 가장 중요한 검토 영역이 될 수 있습니다.
Robo-advisors는 알고리즘을 기반으로 고객을 안내하는 소프트웨어 기반 투자 고문입니다. 그들은 지난 10년 동안 점차적으로 유명해졌습니다. 재정적 조언에서 인간의 의사 결정을 제거하는 것은 약속과 위험이 있습니다. 한편으로, 재정 계획 및 투자 포트폴리오 구성의 제도적 개념에 광범위한 인구를 소개할 기회가 있습니다. 그러나 다른 한편으로 로보어드바이저의 의사 결정 기둥 중 일부는 매우 자의적이며(예:나이가 들수록 더 많은 채권을 소유함) 교과서적 의미에서 "올바른" 가능성이 있지만 고려하지 않을 수 있습니다. 투자자의 개별 상황. 인공 지능의 사용은 로보 어드바이저가 자신의 학습을 기반으로 할당 결정을 구체화하기 시작할 때 더욱 힘을 실어줄 것입니다.
이것은 인적 자산 관리자를 위한 알람 벨입니까? 자산 관리 서비스를 제공하는 은행 및 기타 금융 기관의 자산 관리 방식이 크게 바뀔까요? 돈과 투자와 관련하여 소프트웨어와 기술에 모든 것을 맡기는 것은 확실히 극소수만이 감수할 수 있는 위험입니다. 결국 소프트웨어에는 AI 구성 요소가 있더라도 작동하는 규칙이 필요합니다. 그리고 이러한 규칙은 인간만이 만들 수 있습니다. 로보어드바이저는 자산 관리 프로세스를 더 빠르고 효율적으로 만들 수 있습니다. 그래도 이 전투의 진정한 승자는 인간과 기계가 함께 일하는 이점을 최대한 활용하는 기관이 될 것입니다.