슬라이드 1

Transcription

1 Korea Equity Research April 12, 2018 글로벌전략 인공지능기술을활용한글로벌 AI 펀드사례와시사점 - 주식시장에등장한 AI 에이전트가투자를책임질수있을까? 본자료는고객의증권투자를돕기위하여작성된당사의저작물로서모든저작권은당사에게있으며, 당사의동의없이어떤형태로든복제, 배포, 전송, 변형할수없습니다. 본자료는당사리서치센터에서수집한자료및정보를기초로작성된것이나당사가그자료및정보의정확성이나완전성을보장할수는없으므로당사는본자료로써고객의투자결과에대한어떠한보장도행하는것이아닙니다. 최종적투자결정은고객의판단에기초한것이며본자료는투자결과와관련한법적분쟁에서증거로사용될수없습니다. 본자료에제시된종목들은리서치센터에서수집한자료및정보또는계량화된모델을기초로작성된것이나, 당사의공식적인의견과는다를수있습니다. 이자료에게재된내용들은작성자의의견을정확하게반영하고있으며, 외부의부당한압력이나간섭없이작성되었음을확인합니다. 백찬규 ckcien@truefriend.com

2 Contents Summary 1. 인공지능의개념 2. 인공지능에대한이해 3. 인공지능을활용한글로벌사례 4. 미국의 AI 에이전트적용사례 5. 결론 : 시사점과접근방법 6. Appendix

3 Summary 인공지능기술을활용한글로벌 AI 펀드사례와시사점 - 주식시장에등장한 AI 에이전트가투자를책임질수있을까? 인공지능의발전과금융업내적용확대 4 차산업혁명의물결속에서인공지능과로봇이인간의일자리를대신하지않을까하는우려가있다. 제조업과서비스업에서약진하는인공지능기술이이제는금융업에도도입되고있다. 과연가상의 AI 에이전트가애널리스트와펀드매니저를대체할수있을까라는의문에서이번자료를시작했다. 자료는 1) 인공지능에대한개념과이해, 2) 인공지능을활용한글로벌금융상품및서비스사례, 3) 시사점과투자주체별접근방법등으로구성됐다. 인공지능에대한기술적측면이나개념그리고관련기업에대한투자를다룬자료는다수있다. 그러나글로벌금융회사들의인공지능기술을활용한금융상품이나서비스의구체적인내용을다룬자료가많지않아이에주안점을두었다. 마지막으로글로벌최대연기금인 GPIF 가인공지능기술관련도입을추진하고있는만큼, 연기금과보험사입장에서어떤잣대를가지고관련상품과기술을접근해야하는지제시했다. 4 차산업혁명과같이변화하는시대적흐름에서인공지능기술의확대를위한환경이조성되고있다. 이미글로벌금융선도기업및연기금은이에대한필요성을인지해새로운상품과서비스를출시하고연구소를운영하고있다. 한국역시금융권에서인공지능기술에대한적용필요성을검토할시점이다. 이를위해서연기금, 보험사, 증권사, 운용사, 일반투자자등각투자주체별적용영역, 도입기준, 프로세스정립이필요하다. 3

4 01 인공지능의 개념 1) 개요 2) 정의와발전과정 3) 분류

5 누가위에올라설것인가 인간을집으로돌려보낼것인가 인간을도약시킬것인가 자료 : Shutterstock, 한국투자증권 자료 : Shutterstock, 한국투자증권 5

6 인간의능력을대신하는기술의발전 4 차산업혁명은기술이인간의사고영역을대신하는것 - 과거 1 차산업혁명의의의는기계가인간의노동력을대신하면서인간은교육과학습에시간을배분 ( 공교육시작 ) - 1 차산업혁명과 2 차산업혁명으로인류는산업자본주의이전필요했던장시간의육체적노동에서탈출 - 3 차산업혁명과 4 차산업혁명은인간고유능력이라여겼던계산, 추론등뇌를사용하는영역으로확장 산업혁명의과정은인간의노동과사고영역을대체해나가는과정 인간의육체 & 노동 인간의뇌 & 사고 1 차산업혁명 18~19C 2 차산업혁명 20C 초 3 차산업혁명 20C 중 4 차산업혁명 21C 초 자료 : 한국투자증권 6

7 인공지능의정의와발전과정 인공지능 (Artificial Intelligence, 이하 AI) 이란? - 인간의인지능력과학습, 추론등지능을구현하는기술로관련소프트웨어, 하드웨어, 기초기술 ( 뇌과학등 ) 을포괄 AI 발전과정은학습대상의데이터및컴퓨터처리능력의발달과정과동행 년, 앨런튜링이기계지능의측정방법 (Turing test) 을연구하며학문적연구대상으로서의가능성제시 년, 존매커시교수가다트머스컨퍼런스에서처음으로인공지능 (Artificial Intelligence) 이라는용어사용 - 이후활발했던 AI 연구는효용성이낮아침체기를겪다가 90 년대말부터연구가성공을거두며본격적인가능성대두 인공지능의역사한눈에보기 1974~ 차침체기 1990 년대전반 2 차침체기 2006 딥러닝등장토론토대학제프리힌튼교수 1956 다트머스컨퍼런스 1982~1992 제 5 세대컴퓨터 1997 체스에서인간에승리 2010~ 다양한시도진행중 전산학자존매커시가다트머스학회에서인공지능 (Artificial Intelligence) 용어창안 1970 년전반까지추론 / 탐색연구활발 특정분야의전문지식을학습시켜인공지능을그분야의전문가로사용하는개념으로전환 IBM 의딥블루가세계체스챔피온과승부 2010: 구글 AI 기반자율주행차시범운전 2011: Watson 퀴즈쇼승리 2012: 구글의고양이인식 2016: 구글알파고 - 이세돌 9 단바둑대결 자료 : KT 경제경영연구소, Google, 산업자료, 한국투자증권 7

8 인공지능의분류 1) 기술 다양한관점과해석에따른인공지능분류 : 기술, 지적수준, 기능의발전수준등 인공지능의기술 핵심기술세부기술기술설명대표사례 학습및추론 지식표현 지식베이스 분석된지식을컴퓨터가이해할수있는언어로표현 축적한전문지식과규칙을 DB 로구축 관리 상황이해감정이해사람의기분, 감정을인식, 구분 인식및인지 공간이해협력지능자가이해휴먼라이프이해인지아키텍처 시공간적세계를정확히인지, 3 차원의세계로변형 다른에이전트와교류하며그들의행동을해석하고효율적으로대처 자기자신 ( 개성, 정신적심리적특성 ) 을이해하고느낄수있는인지력 개인경력관리, 건강, 대인관계, 재무관리등일상생활에서의지능적도움을제공하기위해사람의생활을이해하는기술 인지심리학측면에서의사람의마음구조를컴퓨팅모델화하는기술 언어이해자연어처리인간의자연적언어를형태소분석, 개체명인식, 구문분석, 의미분석 질의응답 음성처리 자동통번역 질문에대한답변을제시 디지털음성신호를컴퓨터에서처리가능한언어로변환 한언어에서다른언어로자동으로번역하거나통역 시각이해 영상검색 색광과모양, 질감등영상데이터의내용을대표할수있는특징정보 를추출하고이를기반으로색인과검색을수행 행동인식 시각지식 동영상에서움직이는사물의행동을인식 행동인식, 영상이해, 배경인식등을통해영상데이터로부터지식정보추출, 생성 자료 : 한국지식재산연구원, Tesla, Apple, Google, 한국투자증권 8

9 인공지능의분류 2) 지적수준 약인공지능 인공지능의지적수준 - 주어진조건하에서만작동이가능 - 예 ) 구글맵, 구글번역, 자율주행, 페이스북추천기능 - 현재보편적으로이용되고있는인공지능기술은대부분약인공지능에속함 강인공지능 - 인간과같은사고가능 - 예 ) 터미네이터, 비서로봇등 초인공지능 - 모든영역에서인간을뛰어넘는사고가가능 - Nick Bostrom 이저서 <Superintelligence> 에서처음으로소개했으며개념적으로만존재 초인공지능 Artificial Super Intelligence 강인공지능 Artificial General Intelligence (Strong AI) 약인공지능 Artificial Narrow Intelligence (Weak AI) 자료 : 한국투자증권 9

10 인공지능의분류 3) 기능의발전수준 단순제어프로그램 - 마케팅수단으로 AI 라지칭하는단순제어프로그램탑재 - 예 ) 에어컨, 청소기, 세탁기, 전자면도기등 인공지능기능의발전수준 고전적인공지능 ( 지식베이스 ) - 입출력의조합수가극단적으로많은경우추론 / 탐색가능, 지식베이스로판단 - 예 ) 고전적퍼즐해결 Machine Learning( 기계학습 ) - 데이터를통한컴퓨터학습, 컴퓨터가검색엔진내장, 빅데이터또는추론의구조를바탕으로학습 - 인간이방대한데이터와규칙과논리를제공 - 예 ) 자연어처리 단순제어프로그램 고전적인공지능 ( 지식베이스 ) Machine Learning Deep Learning( 딥러닝 ) 년, 캐나다제프리힌트교수가딥러닝의개념을최초로발표 - 기계스스로다계층의인공신경망구조를통해인간이알려주지않은데이터의특징까지스스로추출및해결 - 복잡한비선형문제를비감독학습으로해결하는데효과적 자료 : 한국투자증권 Deep Learning 10

11 성능 인공지능의분류 3) 기능의발전수준 - 딥러닝 기존알고리즘대비딥러닝의탁월한강점 2 가지 - 인간은수많은데이터속에서패턴을발견한뒤사물을구분, 인공지능은이같은인간의정보처리방식을모방 - 딥러닝의장점 1) 데이터양이많아지면성능이지속적으로발전, 2) 주요변수추출이자동으로진행 - 딥러닝의단점 1) 많은데이터요구, 2) 높은컴퓨팅파워요구 딥러닝과기존알고리즘비교 딥러닝은기존알고리즘의한계를뛰어넘음 딥러닝 기존알고리즘 새로운 AI 학습방식 ( 딥러닝 ) 주요변수추출자동 ( 학습 ) 수동 분류자동 ( 학습 ) 자동 ( 학습 ) 추가데이터투입성능개선지속성능개선없음 대다수의학습알고리즘 필요데이터량 필요컴퓨팅수준 데이터량 자료 : 한국투자증권 자료 : 한국투자증권 11

12 02 인공지능에 대한이해 1) 구현방식 2) 구성요소 3) 학습과알고리즘

13 인공지능의구현방식 1) 철학적관점 합리주의자 vs 경험주의자 - 철학적개념으로볼때현재인공지능구현방법은합리주의자와경험주의자의대결 - 근대철학부터딥러닝이전까지인공지능은합리주의철학에기반을둔 Top-Down 분석 - 최근각광을받고있는딥러닝이후의인공지능은경험주의철학에기반을둔 Bottom-Up 분석 합리주의자 vs 경험주의자 : 지식공학과딥러닝의대결 지식공학 ( 합리주의자 / 이성주의자 ) 딥러닝 ( 경험주의자 ) 대표인물 Descartes Marvin Minsky Noam Chomsky Top-Down vs 대표인물 David Hume Andrew ng Pedro Domingos Bottom-Up 르네데카르트 (Rene Descartes) 특정분야의전문가나장인들이학문연구, 오랜실무경험으로터득한지식을사람이컴퓨터에직접제공 1980 년대전문가시스템 컴퓨터가데이터로부터지식을직접학습 현재의딥러닝 데이비드흄 (David Hume) 자료 : Wikipedia, 한국투자증권 13

14 인공지능의구현방식 2) 도식화 지식공학 vs 기계학습 - 학습의 3 단계 : 1) 티코브라헤단계 : 데이터수집, 2) 케플러단계 : 데이터로부터학습, 3) 뉴턴단계 : 심오한진리 - 3 차산업혁명까지티코브라헤단계가중심이었다면, 현재수준은케플러단계, 향후강인공지능을가정한다면뉴턴의단계로발전할것 지식공학 vs 기계학습 : 일반적계산 or 지식학습및창출 지식공학 데이터 : 물체의속성 ex) 질량, 온도, 색깔 프로그램 ( 이론 지식 ) ex) F=ma 컴퓨터 결과치 ex) 물체가받는힘 기계학습 데이터 : 물체의속성 ex) 질량, 온도, 색깔 결과치 ex) 물체가받는힘 컴퓨터 프로그램 ( 이론 지식 ) ex) F=ma 자료 : 한국투자증권 14

15 기계학습정의 Definition - A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E (Tom Mitchell, 1998) 축구전략게임 T: 경기승리 P: 골인 E: (x) 선수움직임 (y) 평가 자료 : McGraw-Hill, Shutterstock, 한국투자증권 15

16 현실속기계학습사례 1) 넷플릭스 넷플릭스에적용된인공지능과명확한 T, P, E 설정 - 넷플릭스는자체인공지능프로그램을활용해가입자의성향과빈도, 접속방법을분석해최적의프로그램제안 - Tasks T 는가입자들이넷플릭스가보유하고있는영화등의미디어컨텐츠를더많이보게하는것 - Performance measure P 는가입자가넷플릭스의미디어컨텐츠한개를시청하는것 - Experience E 는가입자가좋아하는장르, 시간대, 접속방법등 Netflix 의개인맞춤형추천시스템넷플릭스는첫번째고객에게 6 번째영화를어떻게제시할까? 10 만개영화 1 3 4?? 만명의고객 자료 : 넷플릭스, CTAM, 한국투자증권 자료 : Tacademy, 한국투자증권 16

17 현실속기계학습사례 2) SKYNET 파키스탄의테러리스트를식별하기위한프로그램 - 영화터미네이터의인공지능이름과같은 SKYNET 은미국국가안보국이파키스탄의테러리스트를식별하고사살하기위한목적으로만들어진프로그램 년부터스카이넷으로식별된 2,500 명에서 4,000 명가량으로추정되는사람들이사망 - 5,500 만명의파키스탄사람들의휴대전화기록사용 ( 통화시간, 거리, 수신자 / 발신자정보, GPS 등 ) - 잘못된알고리즘설계로많은사람들이무고하게희생되어강력한비판을받음 - 이는명확한 T, P, E 의설정에실패했기때문 미국가안보국의반테러리스트프로그램 정확한 T, P, E 설정이어려움을확인 자료 : 미국가안보국, 한국투자증권 자료 : 미국가안보국, 한국투자증권 17

18 기계학습구성요소에대한이해 농작물재배와기계학습비교 - 농부는좋은씨앗을심고, 비료와물을주며, 좋은작물이자라게끔도와주나, 옆에서지켜보는입장 - 기계학습역시크게다르지않은데프로그래머는목적에맞는알고리즘을심고, 좋은데이터를많이제공한뒤인공지능이좋은결과물을줄때까지옆에서지켜봐야함 농작물재배와기계학습비교 씨앗 = 알고리즘 영양분 = 데이터 농부 = 프로그래머 작물 = 프로그램 자료 : Tacademy, Shutterstock, 한국투자증권 18

19 AI: 실제치를정확하게추정하기위한노력 학습과알고리즘에앞서 bias 와 variance 이해 - 기존알고리즘의기본적인목적은과거의데이터를통해미래의변화예측, 즉향후발생할 Real 값과모델을통한 Estimation 값을정확하게일치시키려는시도. 이에편향을조정하고분산을최소화해실제치에가장근접하게만드는알고리즘이필요한데인공지능은딥러닝을통해이를달성하기위한시도중 Real 과 Estim. 을가장근접하게만드는행위. 그러기위해서는 Bias 와 Variance 를줄이는것이필요 Bias X X X X X X X X X X X X 실제값 X X X X X 추정치 X X X X X X X X X X X X X X X Variance 자료 : 한국투자증권 19

20 학습 인공지능의핵심요소 : 학습 (Learning) 선험적지식의활용 기계스스로학습 년대중반이후, 컴퓨팅기술의발달및빅데이터의등장 - 선험적지식의활용뿐만아니라, 기계스스로데이터를통해지식또는패턴을찾아가는방식으로진화 - 기계학습은학습종류에따라지도학습, 비지도학습, 강화학습으로분류 학습종류에따른분류 지도학습 (Supervised Learning) 사람이교사로서각각의입력치 (x) 에레이블 (y) 를매치해둔것을학습 분류 회귀 레이블유무 非지도학습 (Unsupervised Learning) 컴퓨터가스스로레이블되어있지않은데이터에대해학습 군집화 분포추정 半지도학습 (Semisupervised Learning) 지도학습 + 비지도학습 행동최적화 강화학습 (Reinforcement Learning) 현재의상태에서어떤행동을취하는것이최적인지를학습. 행동을취할때마다외부환경에서보상이주어지는데이러한보상을최대화하는방향으로진행 자료 : 한국투자증권 20

21 학습방법 1) 지도 / 비지도학습 지도학습 (Supervised Learning) - 학습데이터마다레이블을보유 - 주어진입력 - 출력쌍들을매핑해주는함수를학습 - D={X, Y} 로부터 F(X)=Y 를만족시키는함수 F 학습 - 장단점 : 정확한학습, 사용데이터한계, 비용문제 비지도학습 (Unsupervised Learning) - 입력만있고출력은없는상태에서이뤄지는학습 - D={X} 로부터 F(X)=X 를만족시키는함수 F 를학습 - 클러스터링 ( 비슷한데이터끼리묶음 ) 을주로사용 - 지도학습에비해학습하기어려움 - 실생활에있는대부분의데이터는레이블이없음 지도학습 (Supervised Learning) 非지도학습 (Unsupervised Learning) 자료 : 한국투자증권 자료 : 한국투자증권 21

22 학습방법 2) 강화학습 강화학습 (Reinforcement Learning) - 결과 ( 출력 ) 가바로주어지지않고시간이지나서주어지는경우. 대표적인예로바둑이나체스등이있음. 체스를예로들면승 / 패의결과 (Final Outcome) 는체스선수가 (Agent) 말을움직이자마자 (Action) 알수없음. 시간이지나서판단가능. 선수는매순간체스판의상황 (State) 을판단해서다음어떤수를둘지고민. Agent 가받는 Reward 를최대화하는쪽으로학습 - 이는게임이나미로찾기등에서도활용가능. 어떤 Action 이최종출력에영향을주었는지불명확한문제에사용 강화학습 (Reinforcement Learning) 자료 : 한국투자증권 22

23 알고리즘 기계학습의알고리즘 알고리즘트렌드변화 - 트렌드변화 : 지도학습에서비지도학습과강화학습으로변화. 이에따라과거확률기반모델이나 SVM 모델선호도는줄어든반면인공신경망을기반으로한딥러닝알고리즘에대한관심증가 다양한알고리즘 학습알고리즘 : 경사 / 기울기하강법 Convolutional Neural Network(CNN) 회귀기법확률기반기하기반앙상블 인공신경망 (Multi Layer Perceptron 기반 ) Logistic Regression Naive Bayes Classifier(NBC) Hidden Markov Model(HMM) K-Means Clustering k-nearest Neighbors(k-NN) Support Vector Machine(SVM) Boosting Bagging(Bootstrap aggregating) Recurrent Neural Network(RNN) Deep Q Learning(DQL) Deep Learning 지도학습비지도학습 자료 : 한국투자증권 23

24 학습방법 1) 인공신경망개념 퍼셉트론 : 뇌를흉내낸신경망알고리즘 - 생물학적뉴런에서인공뉴런으로개념을이동한것으로 1) 병렬계산, 2) 분산표현의유사성을가지고있음 - 인공신경망학습에적합한문제는 1) 학습해야하는현상이여러가지속성에의해표현되는경우, 2) 학습예제에에러가존재할경우, 3) 긴학습시간이필요한경우, 4) 학습된결과를사람이이해하는것이필요없는경우등 인공신경망구조도 자료 : 한국투자증권 24

25 학습방법 2) 인공신경망이해 다층신경망의특징 - 1) 같은층안에서는연결이존재하지않음, 2) 입력층과출력층사이직접적인연결이존재하지않음, 3) 각층사이는완전연결, 4) 입력층 - 은닉층 - 출력층구조를많이가짐, 5) 출력층의유닛개수는입력층의유닛개수와같을필요가없음, 6) 은닉층의유닛개수는입력층또는출력층보다많거나적어도됨 인공신경망 - 다층신경망 자료 : 한국투자증권 25

26 03 인공지능을 활용한글로벌사례 1) Sanlam 2) Sentient 3) Man 4) BlackRock 5) Goldman Sachs 6) Rebellion Research 7) Aidyia 8) 헤지펀드리스트

27 1. Sanlam Sanlam Group 년생명보험회사로시작한남아프리카기반자산운용사 - 현재 USD 104bn 규모자산운용 Sanlam Global Investment Solutions(SGIS) - Sanlam Group 의글로벌비즈니스담당부문으로현재 USD 1.6bn 규모자산운용 - AI 기반투자솔루션제공 : Sanlam Artificial Intelligence Investment Capability 라는투자솔루션카테고리하 AI Machine Learning 엔진을활용한다수의펀드운용 Key Information Sanlam 구분 지역 내용 남아프리카기반 총운용규모 (AUM) USD 1.6bn (SGIS 단독부문기준 ) 주요인물 CEO: David Itzkovits 운용전략 기간 2017 년 7 월 26 일 ~ Self-learning method ( 강화학습일부포함추정 ) 알고리즘 : Undisclosed 성과 1 Year Return: 18.52% (Simulated + Actual) 3 Years Annualized Return: 13.88% (Simulated) Sharpe ratio: 1.00 주 : Sanlam AI Select Active Global Equity 펀드기준으로운용전략, 기간, 성과작성자료 : Sanlam, 한국투자증권 자료 : Sanlam 27

28 1. Sanlam Sanlam 의 AI 기반투자솔루션 - General purpose Machine Learning Engine 이용 - 예측요소 (The Predictor) + 위험최소화 (The Allocator) - The Predictor: 600 개의 self-learning AI analyst 가예측정보제공 + 1 개의 Head AI analyst 가 Buy/Hold/Sell 의견제시 - The Allocator: AI risk manager 가투자자산군별비중결정 - AI Machine Learning Engine 을바탕으로포트폴리오관리, 위험관리, 주식형펀드종목선정 <Sanlam AI Select Active Global Equity Fund> Factsheet AI Select Series - 전체자산운용과정이 AI 에의해이루어지는 (wholly managed by AI) Equity Fund - 1 AI Select Active Global Equity, 2 AI Select Active US Equity, 3 AI Select Passive US Equity, 4 AI Select Multi-Asset 등 4 종류 주 : 2018 년 1 월기준자료 : Sanlam 28

29 2. Sentient Sentient Technologies 년, Siri 개발자인 Babak Hodjat 가 Antonie Blondeau 등컴퓨터공학자들과공동으로설립한 AI 스타트업 - Evolutionary Computation 과 Deep Learning 기법을결합하여 Evolutionary Intelligence 개발및특허권확보 - Citadel, Citigroup 등의금융전문가출신인력들을영입하여 Sentient Investment Management 자회사설립 Sentient Investment Management - Sentient Technologies 의헤지펀드자회사로 Evolutionary Intelligence 기법을이용하여자산운용 년홍콩갑부리카싱과인도대기업 Tata group 등의초기투자금 USD 143mn 으로내부운용개시 년초, 향후외부투자자들의자금도운용할것이라는계획을밝혔으나현재로선미확인 Key Information Sentient 구분 지역 총운용규모 (AUM) 내용 미국샌프란시스코 Undisclosed 주요인물창립자겸 CEO: Babak Hodjat (Apple 사 Siri 개발자 ) 운용전략 Evolutionary compute + Deep Learning 기법결합 기간 2014 년 ~ ( 시험단계추정 ) 성과 Undisclosed(Internal benchmark 상회보도 ) 자료 : Sentient Investment Management, 한국투자증권 자료 : Sentient Technologies, Sentient Investment Management 29

30 2. Sentient Evolutionary Intelligence 모델개요 - (1) 특정문제를더잘해결할다양한후보모델을생성및비교 : Fitness Score 부여 - (2) 학습데이터와각모델들비교후, 다른모델보다덜나쁜모델들배제 - (3) 신규모델들을생성하기위해남은모델들의특성을이용 - (4) 위의과정을수백만번반복후복잡한문제를해결할특정코드를가진하나의시스템에점진적으로수렴 Evolutionary Intelligence 모델도식화 자료 : Sentient Technologies 30

31 3. Man Man Group - Quant 기반트레이딩으로유명한글로벌액티브투자운용사, USD 109bn 규모자산운용 - 5 개의부문으로구성 : Man AHL, Man Numeric, Man GLG, Man FRM, Man Global Private Markets Man AHL - Man Group 의 Quantitative Trading 전담부문, 총 USD 24bn 규모자산운용 년부터 Machine Learning 모델수립, 기존의 Quant Trading 기법에참조적으로활용 - Oxford-Man Institute 를설립하여 Oxford University 와 Machine Learning, Data Analytics 관련 Quant 기법연구 Key Information Man AHL 구분 지역 내용 영국런던 총운용규모 (AUM) USD 109bn( 그룹전체기준 ) 주요인물 운용전략 CEO: Luke Ellis 기존의 quant 기법 + machine learning 요소일부참고 VOLATILITY TRADING EQUITY SECTOR TRADING SEASONALITY MEANREVERSION FX FUNDAMENTAL MODELS MACHINE LEARNING 기간 성과 2006 년 7 월 3 일 ~ (2014 년부터 machine learning 요소활용 ) 2014: 16.4% / 2015: 6.9% / 2016: -1.5%/ 2017: 3.9% MOMENTUM TRADING ON SPREADS CROSS-ASSET SIGNALS TERM STRUCTURE AND CARRY MODELS EQUITY FACTOR TRADING 주 : AHL Dimension(Multi-Strategy) 펀드기준으로운용전략, 기간, 성과작성자료 : Man AHL, 한국투자증권 자료 : Man AHL 31

32 3. Man 패턴분석을통한시장예측외 Machine Learning 활용 - Machine Learning 을활용하여지난미국대선결과발표날하루 27 억개의가격데이터를캡쳐한후분석을통해 Price Execution 매커니즘구축 - 또한 Machine Learning 기법을다른시장 / 서버간의 Routing 에도사용. 가장효율적인 Execution Route 정립을통해거래비용최소화 Machine Learning 활용데이터분석예시 자료 : Man AHL, Machine Learning in Investment Management 32

33 4. BlackRock BlackRock Group 년설립된글로벌자산운용사로다양한펀드상품및 ishares ETF 제공 - Quant 기반분석은 Scientific Active Equity(SAE) 에서담당. 최근 Machine Learning 연구및활용이활발 Scientific Active Equity(SAE) 부문 - BlackRock 에인수된과거 BGI 의 Quant Equity 부문으로미국샌프란시스코소재 - 전통적인 Quant Equity 투자접근법에최근 Machine Learning 기법을결합. 자연어처리기법활용도높음 - 기관투자자대상으로는 AI 기반분석을적용해왔으나일반투자자를대상으로한펀드 (ETF) 는 2018 년설정예정 Key Information BlackRock 구분 지역 내용 글로벌 / SAE 는미국샌프란시스코 총운용규모 (AUM) USD 6.3tn ( 그룹전체기준 ) 주요인물운용전략기간성과 CEO: Laurence D. Fink Active Equity 부문장 : Mark Wiseman 기존의 Quant 기법에의사결정트리, 클러스터링등 Machine Learning 분석활용 N/A Undisclosed 주 : AI-based 투자사례는공개되지않아기간, 성과등의측정이불가자료 : BlackRock, 한국투자증권 자료 : BlackRock 33

34 5. Goldman Sachs: QIS Goldman Sachs Quantitative Investment Strategies(QIS) - 골드만삭스자산운용의한부문으로 Quant 기반 + 인공지능활용분석및운용담당 - Machine Learning 및자연어처리관련전문성을보유 - 잠재적정보우위생성을위해빅데이터분석을통한투자접근방식고수 - 매일수백개의애널리스트보고서정독 자연어처리 를통해뉘앙스를빠르게포착하여민첩하게반응 Key Information Goldman Sachs 구분 지역 내용 글로벌 총운용규모 (AUM) USD 110bn (QIS 부문 ) 주요인물운용전략기간성과 Co-head: Gary Chropuvka 기존의 Quant 기법에빅데이터분석, 자연어처리등 Machine Learning 요소활용 N/A N/A 자료 : Goldman Sachs, 한국투자증권 자료 : Goldman Sachs, 이코노미조선 34

35 6. Rebellion Research AI 를활용한펀드만운용하는 Rebellion Research - Machine Learning 기법중 Bayesian Network 활용 : 시장변화에따라알고리즘이자동적으로새로운정보에적응 - 알고리즘의별명 Star : 매일아침, 거래할종목들의리스트제공. 트레이더가주문실행 - 총 2 개의펀드 : A.I. Global Equity Strategy, A.I. Global Absolute Return 0 Market Exposure - 20 년간축적된다양한종류의세계경제데이터로훈련. 시스템스스로시장환경에적합한전략을생성하도록설계 2006 년 Dr. Spencer Greenberg 외 3 명이공동설립 - 설립당시, Greenberg, Fleiss, Sturges 는 23 살, Newton 은 21 살. Fleiss, Sturges, Newton 은 Amherst College 동문 - Greenberg 는 Columbia University, Machine Learning 전공 Ph. D Key Information Rebellion Research 구분지역총운용규모 (AUM) 주요인물운용전략기간성과 내용 미국뉴욕 A.I. Global Equity Strategy: USD 20mn( 추정 ) A.I. Global Absolute Return 0 Market Exposure: N/A 창립자 : Dr. Spencer Greenberg 외 3 명 Machine learning- Bayesian Network 기법 A.I. Global Equity Strategy: 2007~ A.I. Global Absolute Return 0 Market Exposure: 2012~ A.I. Global Equity Strategy: 135.1% A.I. Global Absolute Return 0 Market Exposure: 78.01% 주 : 성과는 2007~2015 년누적수익률기준자료 : Rebellion Research, 한국투자증권 주 : 왼쪽부터 Jeremy Newton, Jonathan Sturges, Spencer Greenberg, and Alexander Fleiss 자료 : Rebellion Research, Wall Street Journal 35

36 6. Rebellion Research 2007 년이후, A.I. Global Equity Strategy 운용중 - Long-Only 전략. 장기적으로 S&P 500 대비초과수익목표 - 성장, 가치및모멘텀투자스타일을결합하여이용 - 초기 USD 7mn 으로운용시작, 현재는 USD 20mn 이상추정 Top 5 holdings and percentage allocation - Dick s Sporting Goods 1.2%, Nasdaq 1.2%, Intuitive Surgical 1.2%, Advanced Auto Parts 1.18%, CBOE 1.15% 장기적으로 S&P 500 대비초과수익목표 업종별비중 자료 : Rebellion Research 주 : 2018 년 1 월기준자료 : Rebellion Research 36

37 7. Aidyia Aidyia Holdings 년 10 월, 컴퓨터공학자와금융전문가출신이협력하여홍콩에설립 년 6 월, 미국주식시장대상펀드출시 - Evolutionary Computation 및 Deep Learning 알고리즘활용 - 단기적인예측에최적화된기존의투자알고리즘과달리장기적인주가변동예측이가능하도록설계 Key Information Aidyia 창립자 Ben Goertzel 구분지역총운용규모 (AUM) 주요인물운용전략 내용 홍콩 Undisclosed 창립자 : Ben Goertzel CEO: Ken Copper Evolutionary Computation, Deep Learning 알고리즘활용 기간 2015 년 6 월 ~ 성과 Undisclosed 자료 : Aidyia Holdings, 한국투자증권 자료 : Aidyia Holdings, Wikimedia 37

38 7. Aidyia Aidyia 의 AI engine - 데이터의종류와유형에종속되지않는 Artificial General Intelligence 지향 - 운용방식 : 주식시장가격지표, 매크로지표, 기업재무데이터를비롯하여뉴스기사, 소셜미디어등을매일분석 다양한요인들의역사적상호관련에대해학습 수만개의예측모델들을학습 주식, 통화등의미래성과예측 최적의결정에대해투표 - Goertzel 과의인터뷰에따르면트레이딩첫날 2% 의수익률을냄 Aidyia 모델도식화 단계구분설명 1 단계각종데이터분석 - 거래소의가격및거래량 - 매크로지표 - 다양한언어의뉴스기사 - 회사보고서의자연어데이터 - 회사의재무데이터 2 단계데이터간관련성학습다양한요인들의역사적상호관련성에대한학습진행 3 단계예측모델학습 누적된데이터에대한학습을기반으로, 예측능력을가지는것으로보이는수만개의예측모델들을학습 4 단계예측모델활용주식, 통화, Commodities 등의미래성과예측에활용 5 단계의사결정최적의 action 에대해 vote 하는방식으로최종진행 자료 : Aidyia Holdings, 한국투자증권 38

39 기존방식에 AI 기법을추가적으로활용하는헤지펀드 기존 Quant 기법에최근 AI 기법을결합하는것으로알려진대표헤지펀드리스트 회사명 Two Sigma Investments 비고 - Quant 트레이딩전략으로서다양한기법을활용 - 예 : High-Frequency Trading, Artificial Intelligence, Machine Learning, Distributed Computing 등 Bridgewater Associates 년말, IBM 의 Watson( 퀴즈쇼 Jeopardy 에서우승한컴퓨터 ) 을개발한 David Ferrucci 영입 - 10 여명의팀을구성하여 AI Unit 구성 Renaissance Technologies - 패턴인식기법중하나인 HMM(Hidden Markov Model) 을활용한 Baum-Welch Algorithm 에 IBM 출신의 Speech Recognition 전문가들을영입하여 AI 기법을결합 자료 : Robust Tech House, 한국투자증권 39

40 AI 기법을주로활용하는헤지펀드 AI 기법만으로펀드를운용중인신생헤지펀드리스트 회사명 Clone Algo Cerebellum Capital CommEq Castilium Capital Binatix sinai Fund KFL Capital 비고 - 과거데이터가아닌현재 (at the moment) 데이터기반비지도학습을통해투자참여여부를결정 - 알고리즘을어플형태로이용하도록브로커를통한리테일판매 (B2B2C) 나헤지펀드사판매 (B2B) 를시행 - Clone Algo에따르면, 리테일고객은 2013년평균 52%, 헤지펀드고객은 33.34% 수익률 - 30여년간의통계적기계학습연구를활용하여 2009년이후시장중립형 equity fund 운용중 - 시장변동에대한신규모델을시스템자체생성및테스팅. 또한, 이러한예측모델을이용하는거래전략학습 - 기존의퀀트모델과자연어처리 (NLP) 기술을결합하여 2008년이후주식시장에서자체예측모델로거래중 - 25명의직원들로구성되어있으며 MAN Group의 FRM과전략적파트너십체결 년, BAML 출신고유계정트레이더가 Deutsche Bank 파생상품전문가및 MIT 교수와함께설립 - AI 기법중 Expert System 활용. 패턴인식을위한단순한컴퓨터이용이아니라, 애널리스트, 트레이더및리스크매니저의추론및의사결정과정을따라하는것을목표로함 년, Stanford 교수출신 Itamar Arel 등이설립. 언어인식분야에 AI 기법을활용하던소프트웨어회사 - Deep Learning 기법을고유자금트레이딩에활용 - 미국주식시장을대상으로자체개발 AI 엔진을활용한 stock market investing artificial intelligence fund - 시스템이산출한개별주식에대한리스크 / 리턴프로파일에따라잠재적투자기회에대한순위부여 - 금융정보에서의미묘하고, non-random 가격패턴을확인하기위해기계학습알고리즘이용 - 거래하는각자산군의선물계약별로매일모델에서산출된예측에기반하여롱숏포지션설정 - 각포지션은변동성및거래량가중을반영하며다음의예측전까지보유됨에따라평균보유기간은약 24시간 - KFL에따르면, 지난 15개월동안평균수익률은약연 30% 자료 : KT 경제경영연구소, 한국투자증권 40

41 04 미국의 AI 에이전트적용사례 1) Kensho 2) Estimize 3) Premise 4) Betterment 5) Motif Investing 6) Robinhood

42 Kensho / Estimize Kensho( 미국, 2013) - 소프트웨어 ( 빅데이터분석을통한자료생성 ) - 이벤트가시장에끼치는영향을빅데이터및머신러닝기술을활용하여분석 - Kensho 의분석엔진은사용자질문에기업공시, 뉴스, 시세등을종합분석해 SIRI 처럼답변및보고서 제공 - 골드만삭스등글로벌투자은행을비롯한각종투자기관, 국가안보기관등에서비스제공 Estimize( 미국, 2011) - 소프트웨어 ( 컨센서스자료판매 ) - 일반투자자의구체적인예상치를바탕으로통계적분석을하여경제지표, 기업펀더멘털등의컨센서스형성. 그전망치가월스트리트보다정확하다고알려짐 - CNBC, CNN Money, The Wall Street Journal 등의 유력미디어도 Estimize 의컨센서스를활용해서보도 CNBC 의 Kensho 이용사례 Estimize 화면예시 자료 : Kensho, CNBC, 한국투자증권 자료 : Estimize, StockTwits, 한국투자증권 42

43 Premise / Betterment Premise( 미국, 2012) - 소프트웨어 ( 데이터분석플랫폼 ) - 세계각지의정보원이직접수집한자료를머신러닝으로분석및가공 ( 글로벌 30 여개이상의국가 ) - 일반적인경제분석외에특수한데이터분석도가능예 ) 인공위성과드론이작동되지않는아프리카특정 지역의전기공급세대수측정 - 지정학적이슈가시세에미치는영향, 인류복리증진등에도관심을가지고 UN, 미국국제개발처와협업 Betterment( 미국, 2008) - SEC 등록투자자문및브로커 - 딜러 - 자동투자서비스를제공하는온라인투자자문회사 - 로보어드바이저 : 투자성향에따라포트폴리오자동구성 + 고객의동의를거쳐자동운용 - 투자자의투자성향과라이프사이클에중점 - 온라인전용의경우보수는 0.25% 수준 베트남특정커피브랜드의슈퍼마켓선반점유율변화 Betterment 이용화면예시 자료 : Premise, 한국투자증권 자료 : Betterment, 한국투자증권 43

44 Motif Investing / Robinhood Motif Investing( 미국, 2010) - SEC 등록브로커 - 딜러 - 투자자가중시하는부분및투자목표등을입력하면포트폴리오와적정투자비중자동생성 - 포트폴리오구성엔진 Motif 가경제지표, 인기테마, 핫이슈등을기반으로포트폴리오추천 - 개인투자자역시자신의아이디어를 Motif 에등록및투자가능 Robinhood( 미국, 2013) - SEC 등록브로커 - 딜러 - 웹과모바일로브로커개입없이주문 : 주식매매수수료없음, 월평균 65 달러절감효과 - 주식투자가개인자산증식에효과적이라는생각하에무료수수료로개인투자자시장참여권장 - Robinhood 계정에있는현금과증권으로만수익창출 - 실시간시세정보제공, 최선집행처리의무등수행 AI 테마로 Motif 가구성한포트폴리오예시 Robinhood 와타사수수료및이용요건비교 Robinhood Fidelity Schwab $0 $4.95 $4.95 Commission Commission Commission $0 Account Minimum $2,500 Account Minimum $1,000 Account Minimum $10 Mothly Cost to Borrow $2,000 $13.87 Mothly Cost to Borrow $2,000 $14.16 Mothly Cost to Borrow $2,000 자료 : Motif Investing, 한국투자증권 자료 : Robinhood, 한국투자증권 44

45 05 결론 : 시사점과접근방법 1) AI & 금융업의시사점 2) 인공지능의장단점 3) 선택에대한기준

46 AI 시사점 1) 다른세상의도래 파괴적산업혁신 년간산업자본주의를견인했던 3 대생산요소인노동, 자본, 토지에서노동이이탈하는기로에서있는현재상황, 과학및기술발전을통한파괴적혁신의양상이도처에확인됨. 다른세상으로의진입을앞두고있음 - 글로벌고령화에따른저성장, 저금리기조에서구산업이아닌 4 차산업혁명을통해혁신적산업이새로운성장의길을제시 파괴적혁신경로 3 대생산요소인노동, 자본, 토지에서노동의이탈 자료 : 언론자료, 한국투자증권 자료 : 한국투자증권 46

47 1Q12 2Q12 3Q12 4Q12 1Q13 2Q13 3Q13 4Q13 1Q14 2Q14 3Q14 4Q14 1Q15 2Q15 3Q15 4Q15 1Q16 2Q16 3Q16 4Q16 1Q17 2Q17 시사점 2) AI 확대를위한환경조성 인공지능시장확대전망 - 딥러닝에대한기술적, 수학적제한을극복하자인공지능관련기업에대한시장의관심이폭발적으로증가 - 막대한양의데이터축적과컴퓨팅파워가필요한데현재양쪽모두성장. 특히데이터의경우양적확대와비용의감소가향후 AI 시장확대의기반이될것 인공지능관련 M&A 폭발적증가 인공지능관련비용은줄고데이터는늘고 ( 건 ) M&A Deals 자료 : FSB, 한국투자증권 자료 : FSB, 한국투자증권 47

48 시사점 3) 금융업의인공지능활용증가 글로벌금융산업은인공지능기반서비스를적극적으로도입하는추세 - 금융업은광고 / 미디어분야에이어인공지능기술활용도가높을것으로기대 - 가장널리알려진 로보어드바이저 의경우 2021 년까지 1 조달러에가까운규모로성장할것으로전망 - 금융권에서는현재인공지능기술을적극적으로도입하여 로보어드바이저 로대표되는투자자문 / 트레이딩서비스외에도신용평가, 개인금융비서, 준법감시, 업무자동화등의기능수행 글로벌인공지능시장의산업별비중구분 국내외로보어드바이저시장전망 광고 / 미디어금융정유제조유통헬스케어기타 1.0 ( 조달러 ) ( 조원 ) 글로벌 ( 좌 ) 한국 ( 우 ) (F) (%) 주 : 산업용인공지능기술관련분야만해당됨자료 : Tractica, 한국투자증권 자료 : 한국과학기술연구원, 한국투자증권 48

49 시사점 4) 금융업의인공지능활용범위확대 금융업의인공지능활용사례 분류목적기업명설명 투자자문 / 사람의개입을최소화한 자동화시스템으로고객 BlackRock, GSAM 등 - 글로벌자산운용사 BlackRock, Goldman Sachs Asset Management 등에서도머신러닝을활용한투자자산분석및트레이딩활발히진행중 트레이딩 맞춤형자산관리서비스제 공, 고객만족도향상 Aidyia 등헤지펀드사 - 전세계약 1,360개의헤지펀드사에서다양한 AI 기반예측 분석모델링사용 - 투자종목선정부터실제트레이딩까지 AI engine이전담하는펀드출시, 운용중 신용평가 고객의비금융정보까지분 석해신용평가세분화, 서 비스제공범위확대 ZestFinance - 15년 6월, 중국전자상거래기업 JD닷컴과 JDZestFinance Gaia를설립하여중국고객신용평가서비스제공 - 개인대출을위해금융정보를비롯한 SNS, 인터넷사용등을분석해신용도측정 개인 고객성향과행동패턴에 뱅크오브아메리카 - 17 년초페이스북메신저기반의챗봇 Erica 출시. 자산규모등사용자의재정 비서 맞는재무서비스제공 (BoA) 상태를파악하여기설정된재정관리목표를위해지속적인피드백정보를제공 자동업무 문서분석, 고객식별, 등의업무를자동화하여생산성향상, 실수로인한리스크최소화 J.P. Morgan Chase - 투자은행을위한추천시스템 (Emerging Opportunities Engine) 을도입하여, 주식시장, 고객의재무상태, 시장동향등을분석하고투자가필요한고객을추천 - 비지도학습플랫폼 (COiN) 을도입하여법률문서에서주요정보와조항들을추출 준법감시 머신러닝기반준법감시시스템도입으로규제이행시효율성향상 Wells Fargo Behavox - `16년레그테크 (Reg-tech) 업체 Droit에 1,600만달러투자 - 내부직원의행위감시및위험수준등급화 자료 : 금융보안원, Preqin, 한국투자증권 49

50 시사점 5) 금융업의인공지능도입 - 공급 / 수요분석 금융업계 AI 도입의공급 / 수요측요인 기술 금융업계특수요인 계산능력, 데이터적용, 알고리즘, 비용개선 새기술을적용하기위한인프라, 데이터활용도 공급측요인 수익성 비용절감, 이윤창출, 위험관리강화가능 경쟁 타금융기관및기업과의기술 장비경쟁 수요측요인 규제 투자건전성, 데이터보고, 최선집행의무, 자금세탁방지등 자료 : FSB, 한국투자증권 50

51 시사점 6) 적용필요성검토 금융산업에서 AI 적용에대한준비가필요한시점 - 한국은자문과운용은사람이주체가되어야하나 (1~2 단계 ), 외국은운용까지 AI 가가능한상황 (3~4 단계 ) - GPIF CIO 미즈노는향후아마존과구글이글로벌최대매니저가될것이라발언. GPIF 는소니 CSL 과파트너십을맺고단기 / 장기프로젝트진행중 - 중기프로젝트 : 인간이여전히장기전략, 정성적인펀드에서는 (ex ESG 펀드등 ) 주도하겠으나, 단기투자, 트레이딩에서는 AI 가앞설것으로전망하기에해당분야의적용가능성검토필요. 기존매니저는 Fee 구조를다시짜 야할것이라발언 - 장기프로젝트 : 주요내용은 1) 장기투자가능여부, 2) 역동적팩트분석구현, 3) 시나리오기반리스크매니저등 단계별 AI 금융서비스유형구분 세계최대연기금 GPIF, AI 에대한적용검토시작 서비스단계 서비스주체 분석자문운용 1 단계자문형인공지능자문인력 - 2 단계일임형인공지능 - 운용인력 3 단계자문형인공지능인공지능 - 4 단계일임형인공지능 - 인공지능 주 : 단계가높을수록사람의개입이적음자료 : 금융위, 한국투자증권 자료 : GPIF, SONY CSL, 언론자료, 한국투자증권 51

52 금융업의인공지능적용장단점 1) 장점 비용과효율성등의장점으로금융산업내 AI 침투는빠르게진행될것 - 노동력절감, 비용측면에서인공지능을활용한업무범위는빠르게증가할것 - 업무효율성측면에서인공지능이지닌빠른속도는대체불가 - 인공지능이인간의업무보조역할을할경우인력간기술및능력격차축소 - 혁신적기법및불가지성 (unknowability) 이투자수익의알파를제공 인간의두뇌와컴퓨터비교 금융업종내인공지능성장세 1.0 ( 조달러 ) ( 조원 ) 글로벌 ( 좌 ) 한국 ( 우 ) 억개의뉴런 조개의시냅스 3. 분산처리방식 4. 비선형연산 5. 병렬처리 1. 뉴런보다빠른연산 (10-9 초 ) ( 뉴런 10-3 초 ) 2. 중앙처리방식 3. 산술연산 ( 선형 ) 4. 순차처리 ( 딥러닝을통한병렬계산가능 ) 자료 : CB Insights, Bloomberg, Shutterstock, Intel, 한국투자증권 자료 : Preqin, 한국투자증권 52

53 금융업의인공지능적용장단점 2) 단점 누가어떻게책임질수있나? - 블랙박스 : 딥러닝과같은첨단기술은프로그래머조차해당결과가왜나오게됐는지검증불가 - 변동성확대 : 가격지표급등락발생시대규모거래를유발하여시장혼란가중가능성 - 책임소재및 AS 문제 : 문제발생시법적기준으로인공지능사용에대한구체적인규칙이없는상황 - 시장조작가능성 : HFT 매매와관련된시장조작을통한부당이익범죄가지속발생 - 안전장치 : 현재의구조로는안전장치가효과적으로마련돼있지않음. 이에 EU 는 MiFID II 에서 1) 금융 AI 프로그램을 강제로중지시키는 Kill 기능, 2) 알고리즘설명제공, 3) 컴플라이언스강화등을요구 인공지능단점 Flash Crash 자료 : NSE, 한국투자증권 자료 : 언론자료, Google, 한국투자증권 53

54 투자자별제언 1) 연기금, 보험사 장기운용관점에서필수적인요건점검 - 연기금과일반금융회사의차이는공공성으로운용관점에서금융상품혹은시스템에서다음의요건이필수적. 1) 안정적이어야하며, 2) 이해할수있고, 3) 설명할수있고, 4) 사후적으로대응할수있고, 5) 변화하는시대흐름에적합해야하며, 6) 불법적인일이발생하지않아야함 대응수준과최신기술에따른알고리즘분류 대응수준 로지스틱회귀법의사결정트리 k-nearest Neighbors(k-NN) Support Vector Machine(SVM) Naive Bayes Classifier(NBC) Hidden Markov Model(HMM) K-Means Clustering Convolutional Neural Network(CNN) Recurrent Neural Network(RNN) Deep Q Learning(DQL) 최신기술 자료 : 한국투자증권 54

55 투자자별제언 1) 연기금, 보험사 도입배경 금융산업의혁신적파괴시대도래, 인공지능등을활용한최신기술도입사례증가 총 5 개의카테고리 : 1) 투자 / 트레이딩, 2) 신용평가, 3) 자동업무, 4) 컴플라이언스, 5) 개인비서 GPIF 의인공지능활용에대한연구돌입. 단기목표및중장기목표에대한연구모델학습필요 도입기준 1) 안정적시스템, 2) 알고리즘및결과물에대한이해와설명가능, 3) AS 가능 4) 변화하는시대흐름에맞는기술적시스템, 5) 규정을준수하고도덕적, 합법적이어야함 이에분석, 트레이딩, 헤지펀드, 자문 / 운용등으로구분하여단계별적용필요 적용부문 분석 : 리스크매니지먼트, 포트폴리오분석, 자산배분등 트레이딩 : 글로벌사례를통해시간, 비용등에서 AI를활용한단기트레이딩은유효한것으로확인 헤지펀드 : 각종모멘텀, 이벤트드리븐, 롱숏전략에서유효하며트랙레코드보유 자문 / 운용 : 중장기관점에서검증된것은없으나비지도학습을활용한알고리즘이빠르게확산 대응체계 과거의금융상품과비교했을때, 인공지능금융상품은일반소비재또는최신전투기수입과 유사하게기술이전및교육이필수 1) 알고리즘교육과이해, 2) Kill 기능, 3) 위험전가, 4) 사후대응능력확인등요구 55

56 투자자별제언 2) 운용사, 증권사 글로벌트렌드점검 미국을중심으로한운용사와증권사및 IT 기반투자기업에서 AI 를활용한신규금융상품및서비스제공 운용사 : 미국대형운용사의 Quant + Machine learning 을활용한투자방법등 증권사 : AI 를활용한분석및컴플라이언스시스템변화, 챗봇을통한고객접점생성등점검 적용부문 금융업의인공지능기술활용범위 5 개카테고리를점검할때다양한부문에서적용기회가발생할것 운용사 : 분석, 트레이딩, 헤지펀드, 컴플라이언스, 개인비서부분의적용가능 증권사 : 분석, 평가, 자동업무, 컴플, 개인비서등전부문활용가능. 미국증권사의신규서비스참고 신규상품및서비스 국내법, 기술, 데이터를고려하면금융업에있어 AI 기술의적극적인도입은한계. 그러나 AI 기술을활용한신규상품출시및서비스대응은시대적요구사항 운용사 : 장기투자기관니즈에부합하는상품, fee structure 재구성, AI 관련신규상품출시등 증권사 : 금융업과 AI에대한분석, 글로벌 AI 대표펀드소싱, 대고객 AI 서비스제공등 56

57 투자자별제언 3) 일반투자자 AI 투자에앞서 AI 와관련해일반투자자들은 AI 밸류체인에속한기업의주식이나금융상품을매수하는것이일반적 한국은국내법상 AI 가자문및운용을할수없기에 AI 에이전트가직접운용하는펀드를사는것은제한적 다만, 분석등의영역에서 AI 기술을활용한금융상품및로보어드바이저서비스등장 직접및간접투자 국내 : AI 관련기업및 4 차산업혁명관련펀드등에직간접투자가능 해외 : 글로벌인공지능선도기업에대한직접투자및관련 ETF 를통한매매가능 ETF: 국내외관련기업에대한 ETF 가다수있으며, 해외의경우 AI 에이전트가운용에관여하는 ETF 투자가능 신규상품및서비스 미국대비관련상품과서비스는상대적으로미미하나향후사회의변화양상을고려하면증가전망 금융상품 : 1) AI 관련기업, 2) AI 에이전트관여중심의국내외간접상품위주로확대될것 서비스 : 국내의경우개인비서, 업무자동화영역에서먼저도입후나머지카테고리는순차적으로도입될것 57

58 06 Appendix 1) AI 법적이슈 2) AI 윤리

59 Appendix 1) AI 법적이슈 AI 를둘러싼다양한법적이슈존재 - 데이터및개인정보보호 : 실제로서비스가이행되기까지많은데이터가필요. 이데이터들은개인정보를많이담고있기도하므로 EU 에서는정보보호법 (GDPR) 을마련하는등정보보호노력 - 소비자보호 : AI 기반시스템에대한소비자의이해도향상노력 - 反차별주의 : 성별, 인종등에대한차별이최소화되는데이터마이닝기술개발이진행중이나여전히미흡한상태 - 법적책임할당의무 : 손해발생시각참여자 ( 데이터공급자, AI 알고리즘개발자, 최종이용자등 ) 들이얼마만큼의책임을져야하는지 - 크로스보더이슈 : AI 기술개발은소수의국가가이끄는중인데기술적용은여러나라에서동시다발적으로이루어짐. 따라서 AI 관련법적이슈는국경을넘나드는관리 감독, 협력과조사가필요 EU 정보보호법, 2018 년 5 월 25 일정식발효 자료 : EU GDPR 59

60 Appendix 2) AI 윤리 Machine Ethics 의필요성대두 - Machine Ethics : 인공에이전트의행위에대한윤리적규범을의미 - 인공에이전트가금융거래, 자율주행, 복잡한시스템관리등많은분야에서책임을지게되면서수익자의윤리적행동규범수립에대한필요성이생겨남 - AI 는프로그래밍에따라편견을심화시키기도함. 일례로, 여성지원자들에게는 high-level 직군이적게보일수있음 AI 의윤리적이용을위한노력은현재진행형 국제사회의노력 년 : 스티븐호킹, 빌게이츠, 엘론머스크등을포함한과학기술계권위자들은 AI 의혜택과위험성, 전투용로봇의위험성관련연구를촉진하는오픈레터에서명 년 : Amazon, Facebook, Google, IBM 과 Microsoft 는 Partnership on Artificial Intelligence 를체결하여 AI 를사회에득이되는유용한기술로발전시킬것을약속. 현재 Apple, UNICEF 등도참여하여 AI 의친사회적 윤리적이용과관련된연구를활발히진행 - 유럽의회에서도 AI 의법적지위에대한논쟁이지속적으로이루어짐 자료 : BT.com, Partnership on AI 60