BUTTONWOOD
제목: 버튼우드
인간 대 기계
당분간은 인간이 AI보다 매크로 트레이더로서 여전히 더 뛰어나다
10년 전 브렉시트 국민투표 개표 당시, 다음 날 아침 신문 헤드라인을 미리 보고 미리 거래할 수 있었다면 얼마를 지불했을까? 파운드화에 베팅했다면 큰 도움이 되었을 것이다. 투표 당일 밤 1파운드는 1.50달러였지만, 2주 후에는 1.30달러 미만으로 떨어졌기 때문이다. 하지만 주식 거래였다면 미리 아는 것이 약보다 독이 되었을 수도 있다. 영국 내수 중심의 FTSE 250 지수는 처음에는 하락했지만, 단 이틀 동안뿐이었다. 이후 몇 년간 지속된 강세장이 시작되었다. 가장 열렬한 브렉시트 지지자조차 예상하지 못했을 결과다.
정치 및 경제 동향에 따른 자산 가격의 변동에 베팅하는 '매크로 트레이딩'은 매력적이고 화려해 보이지만, 동시에 매우 어렵다. 투자 회사 엘름 웰스(Elm Wealth)의 제리 벨, 빅터 하가니, 제임스 화이트가 수행한 새로운 연구는 이 일이 얼마나 어려운지를 여실히 보여준다. 이들은 인간과 주요 인공지능 모델 모두가 다음 날의 뉴스를 미리 접하고, 뉴스가 보도되기 전에 베팅할 수 있는 시뮬레이션을 설계했다. 즉, 시장의 나머지 참여자들보다 앞서서 거래할 수 있게 한 것이다. 그러나 이러한 이점을 가지고도 인간과 기계 모두 파산을 피하고 수익을 내기는 어렵다는 사실이 드러났다.
벨과 동료들은 2023년에 처음 실시했던 실험을 업데이트하고 있다. 당시 그들은 명문 대학에서 대학원 수준의 재무학을 공부하는 학생들 위주로 118명의 지원자를 모집했다. 각 참가자에게는 50달러가 주어졌고, 이를 미국 S&P 500 지수와 30년 만기 국채에 베팅하여 불릴 기회가 주어졌다.
참가자들은 2008년부터 2022년 사이 연구진이 선정한 15일의 거래일 동안, 매일 자산당 한 번씩 거래할 수 있었다. 거래 전, 참가자들에게는 다음 날짜의 월스트리트 저널 1면이 공개되었다(화요일의 실제 가격 변동은 가려진 채 수요일의 1면이 공개되는 식이었다). 그들은 각 자산에 대해 롱(매수) 또는 숏(매도) 포지션을 취할 수 있었고, 베팅 금액의 최대 50배까지 레버리지를 활용할 수 있었다. 예를 들어 가격이 2% 변동할 경우 이를 '더블 오어 나씽(전부 아니면 전무)' 내기로 바꿀 수 있는 셈이었다. 각 거래는 다음 날 장 마감 시점에 종료되었다.
대부분의 참가자는 만족스러운 성과를 내지 못했다. 절반가량은 손실을 보았고 6명 중 1명은 파산했으며, 평균 최종 자산은 51.62달러로 3.2% 수익률에 그쳤다. 그 이후 엘름은 웹사이트에서 100만 달러의 가상 자본으로 시작하는 유사한 게임을 운영해 왔다. 이 게임에 참여한 6만여 명의 사람들은 원래의 유료 참가자 집단보다 "상당히 더" 저조한 성적을 거두었다.
더 놀라운 점은 최근 실험에서 주요 AI 모델들조차 확실히 뛰어난 성과를 내지는 못했다는 것이다. 엘름 팀은 챗GPT, 클로드, 제미나이, 그록 각각에게 100만 달러의 가상 자본으로 게임을 10번씩 수행하게 했다. AI들에게는 금융 자산의 100%를 운용하는 중년의 미국인 투자자처럼 행동하라는 지시가 내려졌다.
챗GPT와 클로드만이 수익을 냈는데, 평균 최종 자산은 각각 150만 달러와 260만 달러였다. 그록은 97만 달러, 제미나이는 49만 달러에 불과했다. 도대체 무엇이 수정 구슬(미래를 보는 능력)을 가진 이들에게조차 매크로 트레이딩을 이토록 어렵게 만드는 것일까?
가장 큰 교훈은 인간과 AI 모두 베팅 규모 조절에 서툴다는 것이다. 연구진은 챗GPT와 클로드조차 이 부분에서는 실력뿐만 아니라 운도 따랐다고 지적한다. 어떤 모델도 주식과 채권의 방향을 60% 이상 정확하게 예측하지 못했지만, 그럼에도 평균 레버리지 배율은 7배에서 12배에 달했다. 2000년 이후 미국 주가가 하루에 5% 이상 변동한 날이 23일, 9% 이상 변동한 날이 7일이나 있었다는 점을 고려하면, 이 모델들은 "자본의 완전한 소멸"을 포함한 "치명적인 손실"의 위험을 지나치게 감수하고 있었던 셈이다.
인간은 더 심각했다. 원래 실험에서 참가자들은 뉴스로 인해 가격 예측이 쉬운 날이라고 해서 베팅 규모를 늘리지 않았다. 그리고 AI 모델과 마찬가지로 전반적으로 너무 큰 위험을 감수했다. 그들은 전체 거래 일수의 30%에서 20배가 넘는 레버리지를 사용했는데, 이는 쉽게 파산으로 이어질 수 있는 수준이었다.
물론 훨씬 뛰어난 사람들도 있었다. 엘름 팀은 5명의 전문 매크로 트레이더를 초청해 원래의 게임을 진행하게 했다. 5명의 전문가 모두 흑자를 기록했으며, 평균 130%의 수익률을 올렸다. 이들은 방향성 예측(적중률 63%) 면에서도 AI보다 조금 더 나은 성과를 보였다. 하지만 결정적으로, 이들은 확신이 들 때는 베팅을 늘리고 그렇지 않을 때는 전혀 베팅하지 않는 방식으로 포지션 규모를 유연하게 조절했다. 뛰어난 선견지명이 있더라도 어떤 자산을 살지 아는 것은 어렵다. 하지만 얼마를 투자할지 결정하는 것은 그보다 더 어렵다.
인간 대 기계
당분간은 인간이 AI보다 매크로 트레이더로서 여전히 더 뛰어나다
10년 전 브렉시트 국민투표 개표 당시, 다음 날 아침 신문 헤드라인을 미리 보고 미리 거래할 수 있었다면 얼마를 지불했을까? 파운드화에 베팅했다면 큰 도움이 되었을 것이다. 투표 당일 밤 1파운드는 1.50달러였지만, 2주 후에는 1.30달러 미만으로 떨어졌기 때문이다. 하지만 주식 거래였다면 미리 아는 것이 약보다 독이 되었을 수도 있다. 영국 내수 중심의 FTSE 250 지수는 처음에는 하락했지만, 단 이틀 동안뿐이었다. 이후 몇 년간 지속된 강세장이 시작되었다. 가장 열렬한 브렉시트 지지자조차 예상하지 못했을 결과다.
정치 및 경제 동향에 따른 자산 가격의 변동에 베팅하는 '매크로 트레이딩'은 매력적이고 화려해 보이지만, 동시에 매우 어렵다. 투자 회사 엘름 웰스(Elm Wealth)의 제리 벨, 빅터 하가니, 제임스 화이트가 수행한 새로운 연구는 이 일이 얼마나 어려운지를 여실히 보여준다. 이들은 인간과 주요 인공지능 모델 모두가 다음 날의 뉴스를 미리 접하고, 뉴스가 보도되기 전에 베팅할 수 있는 시뮬레이션을 설계했다. 즉, 시장의 나머지 참여자들보다 앞서서 거래할 수 있게 한 것이다. 그러나 이러한 이점을 가지고도 인간과 기계 모두 파산을 피하고 수익을 내기는 어렵다는 사실이 드러났다.
벨과 동료들은 2023년에 처음 실시했던 실험을 업데이트하고 있다. 당시 그들은 명문 대학에서 대학원 수준의 재무학을 공부하는 학생들 위주로 118명의 지원자를 모집했다. 각 참가자에게는 50달러가 주어졌고, 이를 미국 S&P 500 지수와 30년 만기 국채에 베팅하여 불릴 기회가 주어졌다.
참가자들은 2008년부터 2022년 사이 연구진이 선정한 15일의 거래일 동안, 매일 자산당 한 번씩 거래할 수 있었다. 거래 전, 참가자들에게는 다음 날짜의 월스트리트 저널 1면이 공개되었다(화요일의 실제 가격 변동은 가려진 채 수요일의 1면이 공개되는 식이었다). 그들은 각 자산에 대해 롱(매수) 또는 숏(매도) 포지션을 취할 수 있었고, 베팅 금액의 최대 50배까지 레버리지를 활용할 수 있었다. 예를 들어 가격이 2% 변동할 경우 이를 '더블 오어 나씽(전부 아니면 전무)' 내기로 바꿀 수 있는 셈이었다. 각 거래는 다음 날 장 마감 시점에 종료되었다.
대부분의 참가자는 만족스러운 성과를 내지 못했다. 절반가량은 손실을 보았고 6명 중 1명은 파산했으며, 평균 최종 자산은 51.62달러로 3.2% 수익률에 그쳤다. 그 이후 엘름은 웹사이트에서 100만 달러의 가상 자본으로 시작하는 유사한 게임을 운영해 왔다. 이 게임에 참여한 6만여 명의 사람들은 원래의 유료 참가자 집단보다 "상당히 더" 저조한 성적을 거두었다.
더 놀라운 점은 최근 실험에서 주요 AI 모델들조차 확실히 뛰어난 성과를 내지는 못했다는 것이다. 엘름 팀은 챗GPT, 클로드, 제미나이, 그록 각각에게 100만 달러의 가상 자본으로 게임을 10번씩 수행하게 했다. AI들에게는 금융 자산의 100%를 운용하는 중년의 미국인 투자자처럼 행동하라는 지시가 내려졌다.
챗GPT와 클로드만이 수익을 냈는데, 평균 최종 자산은 각각 150만 달러와 260만 달러였다. 그록은 97만 달러, 제미나이는 49만 달러에 불과했다. 도대체 무엇이 수정 구슬(미래를 보는 능력)을 가진 이들에게조차 매크로 트레이딩을 이토록 어렵게 만드는 것일까?
가장 큰 교훈은 인간과 AI 모두 베팅 규모 조절에 서툴다는 것이다. 연구진은 챗GPT와 클로드조차 이 부분에서는 실력뿐만 아니라 운도 따랐다고 지적한다. 어떤 모델도 주식과 채권의 방향을 60% 이상 정확하게 예측하지 못했지만, 그럼에도 평균 레버리지 배율은 7배에서 12배에 달했다. 2000년 이후 미국 주가가 하루에 5% 이상 변동한 날이 23일, 9% 이상 변동한 날이 7일이나 있었다는 점을 고려하면, 이 모델들은 "자본의 완전한 소멸"을 포함한 "치명적인 손실"의 위험을 지나치게 감수하고 있었던 셈이다.
인간은 더 심각했다. 원래 실험에서 참가자들은 뉴스로 인해 가격 예측이 쉬운 날이라고 해서 베팅 규모를 늘리지 않았다. 그리고 AI 모델과 마찬가지로 전반적으로 너무 큰 위험을 감수했다. 그들은 전체 거래 일수의 30%에서 20배가 넘는 레버리지를 사용했는데, 이는 쉽게 파산으로 이어질 수 있는 수준이었다.
물론 훨씬 뛰어난 사람들도 있었다. 엘름 팀은 5명의 전문 매크로 트레이더를 초청해 원래의 게임을 진행하게 했다. 5명의 전문가 모두 흑자를 기록했으며, 평균 130%의 수익률을 올렸다. 이들은 방향성 예측(적중률 63%) 면에서도 AI보다 조금 더 나은 성과를 보였다. 하지만 결정적으로, 이들은 확신이 들 때는 베팅을 늘리고 그렇지 않을 때는 전혀 베팅하지 않는 방식으로 포지션 규모를 유연하게 조절했다. 뛰어난 선견지명이 있더라도 어떤 자산을 살지 아는 것은 어렵다. 하지만 얼마를 투자할지 결정하는 것은 그보다 더 어렵다.