ChatGPT와 같은 인공 지능 기반 도구는 인간이 수행하는 작업의 효율성, 효율성 및 속도를 혁신할 수 있는 잠재력을 가지고 있습니다.
이는 의료, 제조 및 우리 삶의 거의 모든 측면과 같은 분야뿐만 아니라 금융 시장에서도 마찬가지입니다.
저는 14년 동안 금융 시장과 알고리즘 거래를 연구해 왔습니다. AI는 많은 이점을 제공하지만 금융 시장에서 이러한 기술의 사용이 증가함에 따라 잠재적인 위험도 지적됩니다. 컴퓨터와 AI를 수용하여 거래 속도를 높이려는 월스트리트의 과거 노력을 살펴보면 컴퓨터와 AI를 의사 결정에 사용하는 것의 의미에 대한 중요한 교훈을 얻을 수 있습니다.
1980년대 초, 기술 발전과 파생상품 등 금융 혁신에 힘입어 기관 투자자들은 컴퓨터 프로그램을 사용하여 사전 정의된 규칙과 알고리즘을 기반으로 거래를 실행하기 시작했습니다. 이는 대규모 거래를 빠르고 효율적으로 완료하는 데 도움이 되었습니다.
당시 이러한 알고리즘은 상대적으로 단순했으며 S&P 500과 같은 주식 지수 가격과 이를 구성하는 주식 가격 간의 불일치로부터 이익을 얻으려는 소위 지수 차익거래에 주로 사용되었습니다.
기술이 발전하고 더 많은 데이터를 사용할 수 있게 됨에 따라 복잡한 시장 데이터를 분석하고 다양한 요인을 기반으로 거래를 실행할 수 있는 알고리즘을 통해 이러한 종류의 프로그램 거래가 점점 더 정교해졌습니다. 이러한 프로그램 거래자의 수는 매일 1조 달러가 넘는 자산이 거래되는 대규모 비규제 거래 고속도로에서 계속해서 증가하여 시장 변동성을 극적으로 증가시켰습니다.
결국 이는 1987년 블랙 먼데이(Black Monday)로 알려진 대규모 주식 시장 붕괴로 이어졌습니다. 다우존스 산업평균지수는 당시 역사상 가장 큰 하락률을 겪었고, 그 고통은 전 세계로 퍼졌습니다.
이에 대해 규제 당국은 상당한 시장 변동이 있는 경우 거래를 중단하는 서킷 브레이커 및 기타 제한 조치를 포함하여 프로그램 거래의 사용을 제한하기 위한 여러 가지 조치를 시행했습니다. 그러나 이러한 조치에도 불구하고 프로그램 거래는 붕괴 이후 몇 년 동안 인기가 계속해서 높아졌습니다.
15년이 흐른 2002년, 뉴욕 증권 거래소는 완전 자동화된 거래 시스템을 도입했습니다. 그 결과, 프로그램 트레이더들은 훨씬 더 발전된 기술을 갖춘 더욱 정교한 자동화, 즉 고주파 트레이딩에 자리를 내줬습니다.
HFT는 컴퓨터 프로그램을 사용하여 시장 데이터를 분석하고 매우 빠른 속도로 거래를 실행합니다. 차익 거래 기회(이익을 위해 이용할 수 있는 유사 증권의 가격 차이)를 이용하기 위해 시간이 지남에 따라 증권 바스켓을 사고 파는 프로그램 트레이더와 달리, 초단타 트레이더는 강력한 컴퓨터와 고속 네트워크를 사용하여 시장 데이터를 분석하고 매우 빠른 속도로 거래를 실행합니다. 1980년대 트레이더들이 몇 초씩 걸리던 것과 비교하면, 고빈도 트레이더들은 약 6,400만분의 1초 만에 거래를 수행할 수 있습니다.
이러한 거래는 일반적으로 매우 단기적이며 나노초 내에 동일한 증권을 여러 번 사고 파는 작업이 포함될 수 있습니다. AI 알고리즘은 대량의 데이터를 실시간으로 분석하고 인간 거래자가 즉각적으로 알 수 없는 패턴과 추세를 식별합니다. 이를 통해 거래자는 수동으로 가능한 것보다 더 나은 결정을 내리고 더 빠른 속도로 거래를 실행할 수 있습니다.
HFT에서 AI의 또 다른 중요한 응용 분야는 뉴스 기사 및 소셜 미디어 게시물과 같은 인간 언어 데이터를 분석하고 해석하는 자연어 처리입니다. 이 데이터를 분석함으로써 거래자는 시장 심리에 대한 귀중한 통찰력을 얻고 이에 따라 거래 전략을 조정할 수 있습니다.
이러한 AI 기반 고빈도 트레이더는 사람들과 매우 다르게 운영됩니다.
인간의 뇌는 느리고, 부정확하며, 잊어버리기 쉽습니다. 무역 신호를 식별하기 위해 막대한 양의 데이터를 분석하는 데 필요한 빠르고 고정밀 부동 소수점 연산이 불가능합니다. 컴퓨터는 본질적으로 오류가 없는 메모리, 완벽한 주의력, 밀리초 단위로 대량의 데이터를 분석할 수 있는 무한한 기능을 갖추고 있어 수백만 배 더 빠릅니다.
따라서 대부분의 기술과 마찬가지로 HFT는 주식 시장에 여러 가지 이점을 제공합니다.
이러한 거래자들은 일반적으로 시장 가격과 매우 가까운 가격으로 자산을 사고 팔기 때문에 투자자들에게 높은 수수료를 부과하지 않습니다. 이는 시장에 항상 구매자와 판매자가 있도록 하여 가격을 안정시키고 급격한 가격 변동 가능성을 줄이는 데 도움이 됩니다.
초단타 거래는 또한 시장의 잘못된 가격을 신속하게 식별하고 활용함으로써 시장 비효율성의 영향을 줄이는 데 도움이 될 수 있습니다. 예를 들어, HFT 알고리즘은 특정 주식이 과소평가되거나 과대평가된 시기를 감지하고 이러한 불일치를 활용하기 위해 거래를 실행할 수 있습니다. 그렇게 함으로써 이러한 종류의 거래는 시장 비효율성을 바로잡고 자산 가격이 보다 정확하게 책정되도록 하는 데 도움이 될 수 있습니다.
그러나 속도와 효율성도 해를 끼칠 수 있습니다.
HFT 알고리즘은 뉴스 이벤트 및 기타 시장 신호에 매우 빠르게 반응하여 자산 가격의 급격한 급등 또는 하락을 유발할 수 있습니다.
또한 HFT 금융 회사는 속도와 기술을 사용하여 다른 거래자보다 불공정한 이점을 얻고 시장 신호를 더욱 왜곡할 수 있습니다. 이러한 극도로 정교한 AI 기반 거래 괴물이 만들어낸 변동성은 2010년 5월 소위 플래시 붕괴로 이어졌습니다. 이때 주식은 폭락했다가 몇 분 만에 회복되어 약 1조 달러의 시장 가치가 사라졌다가 회복되었습니다.
그 이후로 변동성이 큰 시장은 새로운 표준이 되었습니다. 2016년 연구에서 두 명의 공동 저자와 저는 HFT 도입 이후 변동성(가격이 얼마나 빠르고 예측할 수 없이 오르락내리락하는지를 측정하는 척도)이 크게 증가했다는 사실을 발견했습니다.
고빈도 거래자가 데이터를 분석하는 속도와 효율성은 시장 상황의 작은 변화라도 많은 거래를 촉발하여 갑작스러운 가격 변동과 변동성 증가로 이어질 수 있음을 의미합니다.
또한, 제가 2021년에 다른 여러 동료들과 함께 발표한 연구에 따르면 대부분의 고빈도 트레이더는 유사한 알고리즘을 사용하여 시장 실패 위험이 증가하는 것으로 나타났습니다. 시장에서 이러한 거래자의 수가 증가함에 따라 이러한 알고리즘의 유사성은 유사한 거래 결정으로 이어질 수 있기 때문입니다.
이는 알고리즘이 유사한 거래 신호를 방출하는 경우 모든 고주파 거래자가 시장의 동일한 측면에서 거래할 수 있음을 의미합니다. 즉, 그들은 모두 부정적인 소식이 있을 경우 매도를 시도하고 긍정적인 소식이 있을 경우 매수를 시도할 수 있습니다. 거래의 반대편을 맡을 사람이 없으면 시장은 실패할 수 있습니다.
이는 우리를 ChatGPT 기반 거래 알고리즘 및 유사한 프로그램의 새로운 세계로 안내합니다. 그들은 거래의 동일한 측면에 너무 많은 거래자가 있는 문제를 해결하고 상황을 더욱 악화시킬 수 있습니다.
일반적으로 인간은 자신의 의지에 따라 다양한 결정을 내리는 경향이 있습니다. 그러나 모든 사람이 유사한 인공 지능을 통해 결정을 내린다면 의견의 다양성이 제한될 수 있습니다.
모든 사람이 ChatGPT에 의존하여 구입할 최고의 컴퓨터를 결정하는 극단적인 비재무적 상황을 생각해 보십시오. 소비자들은 이미 동일한 제품과 모델을 구매하는 경향이 있는 집단행동에 매우 취약합니다. 예를 들어, Yelp, Amazon 등에 대한 리뷰는 소비자가 몇 가지 최고의 선택 중에서 선택하도록 동기를 부여합니다.
생성적 AI 기반 챗봇의 의사결정은 과거 학습 데이터를 기반으로 하기 때문에 챗봇이 제안하는 의사결정에는 유사성이 있을 것입니다. ChatGPT가 모든 사람에게 동일한 브랜드와 모델을 제안할 가능성이 높습니다. 이는 가축 사육을 완전히 새로운 수준으로 끌어올릴 수 있으며 특정 제품 및 서비스의 부족은 물론 심각한 가격 급등으로 이어질 수 있습니다.
이는 결정을 내리는 AI가 편향되고 잘못된 정보를 통해 정보를 얻을 때 더욱 문제가 됩니다. AI 알고리즘은 시스템이 편향되거나 오래되었거나 제한된 데이터 세트로 훈련될 때 기존 편향을 강화할 수 있습니다. 그리고 ChatGPT 및 유사한 도구는 사실적 오류를 범한다는 비판을 받았습니다.
게다가 시장 붕괴는 비교적 드물기 때문에 이에 대한 데이터가 많지 않습니다. 생성 AI는 학습을 위해 데이터 훈련에 의존하기 때문에 이에 대한 지식이 부족하면 이러한 일이 발생할 가능성이 더 커질 수 있습니다.
적어도 현재로서는 대부분의 은행에서 직원이 ChatGPT 및 유사한 도구를 활용하는 것을 허용하지 않는 것 같습니다. Citigroup, Bank of America, Goldman Sachs 및 기타 여러 대출 기관은 개인 정보 보호 문제를 이유로 이미 거래실에서의 사용을 금지했습니다.
그러나 나는 은행이 일단 생성 AI에 대한 우려를 해결하면 결국에는 이를 수용할 것이라고 굳게 믿습니다. 잠재적인 이익은 너무 커서 포기할 수 없으며 경쟁업체에 의해 뒤처질 위험이 있습니다.
하지만 금융시장, 세계경제, 그리고 모두에게 미칠 위험도 크기 때문에 조심히 다녀오셨으면 좋겠습니다.