- 투자 세계에도 AI가 들어오면서 투자환경이 매우 빠르게 바뀌고 있는데, 재미있는 사례를 하나 소개해 드리겠습니다. Orbital insight 는 인공위성을 통해서 정보를 만들어 판매하는 회사로, 전 세계에 있는 2.5만 개 원유 탱크의 사진을 분석합니다. 과거에는 상상도 하지 못했을 일이 가능해진 이유는 탱크의 그림자 크기를 AI(이미지 인식 기술)를 통해서 매우 빠르게 계산할 수 있기 때문이죠. 탱크의 바깥쪽 그림자를 통해서 탱크의 크기를 알 수 있으며, 안쪽 그림자의 크기를 통해서 탱크에 저장된 원유의 양을 계산할 수 있습니다. 여기까지 가능해지면, Orbital Insight라는 회사는 전 세계에 저장된 원유의 재고 수준을 거의 실시간으로 파악할 수 있게 됩니다. Orbital insight는 2019년 9월 사우디아라비아의 시추 탈황 설비에서 테러가 발생했을 당시 전 세계 원유재고 현황을 정확하게 확인하면서 더욱더 주목을 받게 되었습니다. 테러 발생 직후, WTI 유가는 $53 에서 $65 까지 20% 이상 급등했지만, 며칠만에 원래 가격보다 더 낮은 가격까지 하락했습니다. 사우디아라비아를 제외한 어느 국가의 원 유저장 탱크에서도 재고가 감소하는 것이 확인되지 않았기 때문입니다. 유가가 본격적으로 빠지기 시작한 것은 EIA 재고 발표 이후였지만, Orbital insight 가 확보한 정보를 알고 있는 투자자는 먼저 관 련 포지션을 구축했을 가능성이 높습니다. 중요한 것은 앞으로 AI 기술이 발전할수록 이러한 현상이 더 자연스러워질 것이고, 르네상스 테크놀리지와 같은 회사들은 앞으로도 더 많은 데이터를 분석하고 적용하면서 시장을 바꿀 것입니다.
- 사이먼스는 조지 오웰의 소설 《동물농장》에 등장하는 당나귀 벤저민의 말을 인용해 자신의 태도를 설명하기도 했다. “신은 내게 파리를 쫓을 수 있는 꼬리를 주셨다. 하지만 나는 꼬리도 파리도 없는 게 더 좋다. 이것이 언론의 주목과 관심에 대한 나의 생각입니다."
- 전직 수학 교수였던 사이먼스는 이론의 여지없이 현대 금융 역사에서 가장 성공한 트레이더다. 르네상스를 대표하는 메달리온 Medallion 헤지펀드는 1988년 이래 연평균 66퍼센트의 수익률을 기록하며 1,000억 달러 이상의 수익을 달성했다. 투자 세계에서 이런 수치에 근접한 사람은 아무도 없다. 워런 버핏, 조지 소로스, 피터 린치, 스티브 코헨, 레이 달리오도 이 수치에는 다다르지 못했다.
최근 몇 년간 르네상스는 매년 7억 달러 이상의 트레이딩 수익을 달성했다. 이는 언더아머와 리바이스, 해즈브로 Hasbro, 하얏트 호텔 을 포함한 유명 브랜드 기업의 연간 수익보다 많다. 여기서 이해하기 힘든 한 가지는 이들 기업이 수만 명의 직원을 고용하고 있는 반면, 르네상스에는 고작 300여 명의 직원 밖에 없다는 사실이다.
- 초창기부터 사이먼스는 산더미처럼 쌓인 데이터를 파헤치고 고급 수학 기법을 적용하며 최첨단 컴퓨터 모델을 개발하기로 결정한 반면, 다른 사람들은 시장 예측을 위해 여전히 본능적인 직감과 예전 연구 방식에 의존했다. 사이먼스는 트레이딩 방식에 혁명을 일으키 며 투자 세계를 휩쓸었다. 2019년 초에 이르러 헤지펀드와 '퀀트 투자자'로 불리기도 하는 계량적 투자자들이 주식 트레이딩의 약 30퍼센트를 장악하고 개인 투자자와 전통적인 투자 기업들을 능가 하며 시장의 큰손으로 부상했다. MBA 출신들은 한때 과학적이고 시스템적인 투자 방식에 의존하려는 생각을 조롱하며 만약 컴퓨터 프로그래머가 정말 필요하면 그냥 고용하면 된다고 확신했다. 오늘 날 프로그래머들은 MBA 출신을 두고 같은 말을 한다. 단 그들을 조 금이라도 염두에 두고 있다면 말이다.
- 암호 해독과 수학 분야에서 성공을 이뤄 나가는 동안에도 사이 먼스는 돈을 벌 수 있는 방법을 계속 찾았다. IDA는 소속 연구원들 에게 업무와 관련해 놀랄 만큼 많은 유연성을 부여했다. 이 덕분에 사이먼스는 주식 시장을 조사하는 데 자신의 시간을 쓸 수 있었다. 이때 바움을 비롯한 두 동료와 함께 최신식 주식 거래 시스템을 개 발했다. 이들 4인조는 최소 50퍼센트의 연간 수익을 올릴 수 있다고 주장하는 거래 방법이 담긴 주식 시장 행태의 예측을 위한 확률적 모델 Probabilistic Models for and Prediction of Stock Market Behavior)이라는 제목의 IDA 내부용 기밀 논문을 발표했다. 사이먼스와 동료들은 암호 해독자들이 시장의 기본적인 경제 통 계'로 여기고 대부분의 투자자가 집중하는 수익과 배당금, 기업 관련 뉴스라는 기본 정보를 무시했다. 대신 시장의 단기적 행태를 예측할 수 있는 소수의 거시적 변수 macroscopic variables'를 탐색할 것을 제안했다. 그들은 주식이 평균 이상으로 이동하는 '높은 변동성과 주가가 대체적으로 오르는 '좋음' 같은 최대 8개의 근본적인 상태가 시장에 존재한다고 단정했다. 이들의 주장에서 정말 독특한 점은 바로 여기에 있다. 즉 논문에 서 제시한 방식은 경제 이론이나 다른 전통적인 방법을 활용해 이런 상태들을 확인하거나 예측하려고 하지 않으며, 시장이 특정 상태에 진입한 '이유'를 찾아내려 하지 않는다. 사이먼스와 동료들은 관측한 가격 데이터에서 가장 적합한 상태를 결정하기 위해 수학적 계산을 활용했다. 그런 뒤에 결정된 상태에 따라 투자했다. '이유'는 중요하지 않았다. 사이먼스와 동료들은 추론한 상태를 활용할 수 있는 전략만 제시했다.
대다수 투자자는 이런 접근 방식을 들어본 적이 없었지만, 도박꾼들은 충분히 이해할 수 있는 방식이었다. 포커 게임을 하는 사람들은 상대방의 행동을 판단하고 그에 따라 자신의 전략을 조정하며 상대의 기분 상태를 추정한다. 우울한 기분에 빠져 있는 사람과 대결을 펼칠 때는 특정 전술이 필요하다. 경쟁자가 너무 들떠 있거나 지나치게 자신만만하다면 나머지 사람들에게는 최상의 상황이다. 게임에 참가한 사람들은 이익을 얻기 위해 상대가 침울하거나 활기 넘치는 '이유'를 알 필요가 없다. 그저 기분을 파악하기만 하면 된다.
- 사이먼스와 동료 암호 해독가들은 주가 예측을 위해 이와 비슷한 방식을 제안했다. 이는 은닉 마르코프 모델 hidden Markov model이라는 정 교한 수학적 도구에 바탕을 두고 있었다. 도박꾼이 상대의 의사 결정 방식에 따라 기분 상태를 추측할 수 있는 것처럼 투자자도 시장 가격의 움직임에 따라 시장 상태를 추정할 수 있다.
사이먼스의 논문은 당시가 1960년대 말임을 감안하더라도 매우 허술하고 유치했다. 그와 동료들은 제시한 모델이 제대로 적용되려 면 매일 많은 양의 거래가 활발히 일어나야 하는데도 거래 비용 제 로를 포함한 '이상적인 거래 조건'에서 주식 거래가 이뤄질 수 있다는 매우 순진하고 전문 지식이 결여된 가정을 설정했다. 그럼에도 이 논문은 선구적인 역할을 했다고 할 수 있다.
- 사이먼스는 학계에 완벽히 어울리는 사람이 아니었다. 기하학을 사랑하고 수학의 아름다움을 인정했지만, 돈에 대한 열정 과 비즈니스 세계에 대한 호기심, 새로운 모험을 향한 욕구가 그를 다른 학자들과 갈라놓았다.
훗날 사이먼스는 이렇게 말하곤 했다. “내가 무엇을 하든 늘 아웃 사이더라는 느낌이 들었습니다. 수학에 몰두했지만, 내가 수학계의 일원이라는 생각은 전혀 들지 않았습니다. 한 발은 늘 그 세계 바깥에 있었죠.”
뛰어난 암호 연구자였으며 수학의 차원을 올렸고 세계적 수준의 수학과를 구축했으며 이 모든 것을 마흔 살 이전에 이뤄 냈던 사이먼스는 자신이 주식 거래의 세계를 정복할 수 있다고 확신했다. 투 자자들이 시장에 통달하려고 수세기 동안 노력했지만, 큰 성공을 거둔 사람은 드물었다. 하지만 이런 도전 과제는 그를 단념시키는 대신 오히려 다시 한 번 그의 열정을 불러일으킨 것 같다.
이를 두고 사이먼스의 친구 로젠샤인은 말한다. “그는 다른 사람 들이 불가능하다고 생각했던 특이한 일을 정말 하고 싶어 했습니다."
그러나 사이먼스는 훗날 그 일이 자신의 생각보다 훨씬 어렵다는 사실을 발견한다.
- 사이먼스는 다른 세계에서 온 터라 특이한 관점을 지니고 있었다. 즉 많은 양의 데이터 집합을 면밀히 검토하고 다른 사람들이 무작위라고 생각하는 곳에서 이치와 질서를 감지하는 데 익숙했다. 과학자와 수학자는 예상치 못한 단순함과 구조와 심지어 아름다움까지 찾아내기 위해 혼란스러운 자연계의 내면을 파고들도록 훈련돼 있다. 드러나는 패턴과 규칙성이 과학의 법칙을 구성하는 요소다.
사이먼스는 시장이 뉴스나 다른 사안들에 언제나 설명 가능하거 나 합리적인 방식으로 반응하는 것이 아니므로 전통적인 조사와 상 식, 통찰에 의존하기 어렵다고 결론 내렸다. 하지만 무작위인 것처 럼 보이는 날씨 패턴이 확인 가능한 경향을 감출 수 있는 것과 매우 비슷하게, 시장이 아무리 혼란스러워 보여도 금융 가격은 최소한 어 느 정도 뚜렷한 패턴을 포함하고 있는 것처럼 보였다.
- 진리는 너무나 복잡해서 근사치 외 그 어떤 것도 허용하지 않는다. (존 폰 노이만)
- 과학자는 인간이며, 종종 너무나 인간적이기도 하다. 욕망과 데이터가 충돌하면 때로는 증거가 감정에 밀리기도 한다. (브라이언 키팅, 《노벨상을 놓치며(Losing the Novel Prize)》에서)
- 사이먼스 투자 스타일의 뿌리는 초기 상인들이 미래의 동향을 예측할 수 있기를 바라며 보리와 대추 등의 작물 가격을 점토판에 기록하던 바빌로니아 시대까지 거슬러 올라간다. 16세기 중반 독일 뉘른베르크의 상인 크리스토퍼 커츠Christopher Kurr는 계피와 후추를 비롯한 향신료의 향후 20일간 가격을 예측하는 능력으로 찬사를 받았다. 당시 대부분의 사회 구성원들처럼 별자리에 의존하면서도 커츠는 별자리에서 얻었던 과거 신호들도 확인했고 그 과정에서 가격 이 종종 오랫동안 지속되는 트렌드를 따라 움직인다는 사실과 같은 신뢰할 만한 특정 원리들을 추론했다.
18세기 일본의 쌀 상인이자 투기꾼이며 '시장의 신'으로 알려진 무네히사 혼마는 일정 기간 동안 일본 쌀 가격과 최고가, 최저가를 시각적으로 보여 주는 도표 작성법을 창안했다. 전통적인 촛대 candlestick' 패턴을 포함하는 혼마의 도표는 상당히 정교한 초기 평균 회귀' 거래 전략으로 이어졌다. 혼마는 시장이 감 정의 지배를 받기 때문에 “투기꾼들이 손실을 재빨리 감수하고 이익 을 계속 흘러가게 만드는 법을 배워야 한다.”라고 주장했으며, 이것이 바로 선물 트레이더들이 채택하는 전술이다. 1830년대 영국 경제학자들은 정교한 가격 차트를 만들어 투자 자에게 팔았다. 19세기 후반 다우존스 산업평균을 창안했고 〈월스 트리트저널>의 창간에 힘을 보탰던 미국 기자 찰스 다우 (Charles Dow는 수학적 정밀함을 다양한 시장 가설에 적용하며 뚜렷한 가격 트렌드와 거래량의 요인을 분석한 차트에 의존하는 현대의 기술적 분석을 탄생시켰다.
- 1980년대 내내 응용 수학자와 물리학자 출신이 월스트리트와 런던 금융 시장으로 영입됐다. 그들은 대개 복잡한 파생상품과 모기지 상품에 가치를 매기고 위험을 분석하며 투자 포지션에 대한 대비책 을 마련하고 보호하는 훗날 금융 공학financial engineering'의 형태로 알 려진 활동들을 실행하는 트레이딩 모델을 구축하는 임무를 맡았다. 금융 산업이 이 같은 수학 모델을 설계하고 실행하는 사람들에 게 붙일 적합한 이름을 찾기까지는 시간이 걸렸다. 월스트리트 기업 에 합류하기 전 콜롬비아대학교에서 이론 물리학 박사 학위를 받았 던 이매뉴얼 더만 Emanuel Derman은 처음에는 로켓 공학이 가장 발전된 과학 분과라고 추정한 사람들이 그들을 '로켓 과학자 rocket scientist(수완 있는 금융가, 머리가 좋은 사람, 수재를 뜻하는 속어로도 쓰인다)로 불렀다고 말한다. 시간이 지나면서 이런 전문가들은 계량 금융 quantitative finance 전문가의 영문 단어를 줄인 '퀀트quant'로 불렸다. 이 후 몇 년간 은행과 투자 기업에서 일하며 컴퓨터를 무시하는 자신 의 모습을 자랑스럽게 여기던 많은 고위 관리자들이 퀀트라는 용어 를 경멸적인 뜻으로 사용했다고 더만은 기억한다. 1985년 골드만삭스Goldinan Sachs에 합류했을 때의 상황을 더만은 이렇게 말한다. “사람들이 수리적 사고를 창피스럽게 여긴다는 것을 곧바로 눈치챘으며 트레이더와 세일즈맨, 은행가들이 일하는 기업에서 다 큰 어른 두 사람이 수학이나 유닉스 Unix 운영 체제 또는 C언어를 얘기하는 것은 좋지 못한 취향으로 여겨졌다.” 더만은 자신의 자서전 《퀀트-물리와 금융에 관한 회고My Life as a Quant》에 “우리 주위의 사람들이 아예 시선을 회피했다.”라고 썼다.
‘컴퓨터쟁이들을 회의적인 시선으로 보는 데에는 그럴 만한 이유가 있었다. 첫째 그들의 정교한 헤징이 항상 그렇게 완벽하게 작동하지는 않았다. 1987년 10월 19일 다우존스 산업평균이 23퍼센트 곤두박질치며 역사상 가장 큰 일일 낙폭을 기록했을 때, 투자자의 컴퓨터가 하락의 첫 번째 신호가 보이면 더 큰 손실을 막기 위해 주 가지수 선물을 매도하는 헤징 기법으로 광범위하게 채택된 포트폴리오 보험 portfolio insurance'이 그 원인으로 비난 받았다. 이런 매도는 당연히 가격을 더욱 떨어뜨리며, 컴퓨터에 의한 매도가 더 많이 발생하고, 결국에는 엄청난 폭락으로 이어진다.
그로부터 25년 후 뉴욕타임스의 전설적인 금융 칼럼니스트 플 로이드 노리스Floyd Noris는 이런 사태를 “멍청한 컴퓨터에 의한 시장 파괴의 시작이다. 사실 컴퓨터에 좀 더 공정하게 표현하자면 오류를 범할 수 있는 사람들이 프로그램을 짜고 컴퓨터 프로그램의 한계를 이해하지 못하는 사람들이 신뢰한 컴퓨터에 의해 파괴가 시작됐다. 컴퓨터가 개입하면서 인간의 판단이 사라졌다.”라고 말했다. 1980년대에 프랙털fractal이라는 들쭉날쭉한 특정 수학적 형태가 자연에서 발견되는 불규칙성과 닮았다는 사실을 증명했던 브누아 망델브로 Benoit Mandelbrot 교수는 금융 시장에도 이런 프랙털 패턴이 존재한다고 주장했다. 이 이론은 시장에서 예상치 못한 사건들이 널리 알려진 것보다 더 많이 일어난다는 것을 시사한다. 이것이 바로 고성능 컴퓨터가 만들어 낸 정교한 트레이딩 모델을 의심하는 또 다른 이유다. 망델브로의 연구 결과는 널리 쓰이는 수학 도구와 위험 관리 모델이 과거 패턴에서 크게 벗어나고 예측하기 어렵고 대부분의 모델이 제시하는 것보다 훨씬 빈번하게 발생하는 편차에 투자자 를 충분히 대비시킬 수 없다는 트레이더 출신 작가 나심 니콜라스 탈레브와 다른 여러 사람의 관점을 더욱 강화했다.
- 서스먼은 쇼에게 골드만삭스에서 일하지 말고 직접 헤지펀드를 운영해 보라고 제안하며 초기 투자 자금으로 2,800만 달러를 제시했다. 쇼는 서스먼의 제안을 받아들여 맨해튼 유니언 스퀘어 Union Square 구역의 모래로 뒤덮인 곳에 있던 공산주의 서점 레볼루션 북스Revolution Books의 위층 사무실 공간에서 D.E. 쇼haw 라는 헤지펀드 기업을 출범시켰다. 쇼가 처음으로 한 일들 중 하나는 값비싼 초고속 썬 마이크로시스템즈Sun Microsystens 컴퓨터 구입이었다. 서스먼은 당시 상황을 이렇게 말한다. “쇼에겐 자동차로 치면 페라리급의 컴퓨터가 필요했고, 우리는 쇼에게 그런 컴퓨터를 마련해 줬습니다.”
슈퍼컴퓨터 전문가인 쇼는 자신의 과학적 트레이딩 방식을 수용한 수학 및 과학 전공 박사들을 영입했다. 또한 다양한 배경과 경험을 지닌 아주 영리한 직원들도 채용했다. 그는 영어와 철학 전공자들을 선호했지만, 체스 고수와 스탠드업 코미디언, 단행본 작가, 올 림픽 수준의 펜싱 선수, 트롬본 연주자, 폭파 전문가도 채용했다.
쇼의 펀드에서 일했던 초창기 한 임원은 “선입견을 지닌 사람을 원치 않았다.”고 말한다. 월스트리트 기업 대부분에서 볼 수 있는 시끌벅적한 트레이딩 룸과 달리 쇼의 사무실은 조용하고 엄숙하기까지 해 방문자들은 직 원들이 청바지와 티셔츠를 입고 있는데도 의회 도서관의 연구실에 온 듯했다. 당시는 인터넷 초창기였고 교수들만 이메일을 사용할 정 도였지만, 쇼는 새로운 시대에 일어날 수 있는 일들에 관한 자신의 생각을 프로그래머에게 쏟아 냈다.
"나는 앞으로 사람들이 인터넷으로 물건을 구매할 것이라고 생 각하네. 쇼핑할 때뿐만 아니라 무언가를 살 때면 (......) 사람들은 '이 파이프가 좋아.' 또는 '이 파이프는 좋지 않아.'라고 말하며 사용 후기 를 인터넷에 게시할 거야.” 쇼가 동료에게 말했다.
프로그래머 중 한 명인 제프리 베조스Jeffrey Bezos는 쇼와 함께 몇 년간 더 일한 뒤 자신의 물건들을 이삿짐 트럭에 가득 싣고 당시 부 인이었던 매켄지Mckenzie와 함께 시애틀로 갔다. 가는 도중 베조스는 노트북 컴퓨터로 자신의 기업 아마존닷컴 Amazon.com의 사업 계획서 를 작성했다(처음에는 기업 이름을 '카다브라'로 정했으나 너무 많은 사람들이 시체라는 뜻의 영어 단어 'Cadaver'로 오해하는 바람에 그 이름을 포기했다)
- 사이먼스는 수집한 데이터를 분석할 더 나은 방법을 알고 싶었다. 어쩌면 하루를 더 세밀한 시간대로 분할하면 팀원들이 장중에 일어나는 가격 결정 정보를 분석해 미처 감지하지 못했던 새로운 패 턴을 밝혀 낼 수 있을지도 모른다고 생각했다. 이에 따라 라우퍼는 처음에 하루를 절반으로 나누었고 그다음에는 4분의 1로 나눴고 결 국에는 5분 간격으로 나눈 5분봉 five-minute bard이 가장 이상적인 분할방법이라고 판단했다. 게다가 스트라우스가 이제 연산처리 능력이 향상된 컴퓨터를 활용할 수 있어 라우퍼는 예전 데이터를 잘게 나 눠 비교하는 일을 더욱 쉽게 할 수 있었다. 예를 들면, “코코아 선물 시장의 188번째 5분봉은 과민하게 반응하는 주간 투자자 탓에 주로 하락했던 반면, 190번째 봉은 일반적으로 반등하는 현상을 보였는 가?”, “금 선물 시장의 50번째 5분봉은 인플레이션을 우려하는 주간 투자자들에 의한 적극 매수 현상을 보였지만, 63번째 봉은 대개의 경우 약세를 나타냈는가?” 하는 식이었다.
- 숫자 때문에 결정을 내리는 사람은 아무도 없다. 그들에게는 스토리가 필요하다. (경제학자 대니얼 카너먼)
- 린치의 가장 중요한 도구는 컴퓨터가 아니라 전화기였다. 믿을만한 경영진에게 주기적으로 전화를 걸고 때로는 직접 찾아가 그들의 비즈니스와 경쟁자, 공급자, 소비자 등에 대한 최근 상황을 물었 다. 당시에는 이런 행동이 합법적이었지만, 투자 규모가 작은 투자 자는 이런 정보에 접근할 수 없었다. 린치는 말했다. “컴퓨터는 비즈니스 트렌드가 한 달이 갈지 1 년이 갈지 알려 주지 않습니다.” 1990년에 이르러 미국인 백 명 중 한 명은 마젤란 펀드에 투자했으며 린치의 저서 《전설로 떠나는 월가의 영웅One Up on Wall Street》은 백만 부 이상 팔리며 “슈퍼마켓 근로자에서 일반 직장인에 이르는” 주식 투자자들에게 영감을 줬다. 피델리티는 뮤추얼펀드 시장을 장악한 후 젊은 애널리스트들을 보내 매년 수백 개의 기업을 방문하 게 했다. 제프리 비닉을 포함한 린치의 후임자들은 이런 방문을 활용해 완전히 합법적인 자신들만의 정보 우위를 확보해 경쟁자를 압도했다.
당시 피델리티의 애널리스트였던 J. 데니스 장자크J. Dennis Jean Jacques는 이렇게 기억한다. “비닉은 우리에게 공항을 오가는 동안 택시 기사와 대화를 나누며 지역 경제나 우리가 방문하는 특정 기업에 대해 알아보라고 요청했습니다. 우리는 또 방문 기업의 구내식 당에서 식사하거나 (......) 식당 종업원에게 길 건너 기업에 대해 물어 보기 위해 근처 식당에서 식사했습니다.”
- 브라운과 머서는 IBM에서 언어 인식 문제를 대할 때와 마찬가지로 자신들에게 주어진 도전을 수학 문제처럼 다뤘다. 그들이 입력한 요인은 펀드의 트레이딩 비용과 다양한 레버리지, 위험 매개 변수, 여러 가지 제한 사항과 요구 조건들이었다. 이 모든 요인을 고려해 문제를 해결하고 이상적인 포트폴리오를 구성하며 하루 종일 최적 의 결정을 내리며 수익을 극대화하는 시스템을 구축했다. 이런 접근 방식의 장점은 모든 트레이딩 신호와 포트폴리오 조 건을 하나로 통제하는 단일 트레이딩 모델에 통합함으로써 르네상 스가 새로운 신호를 쉽게 테스트하고 추가하며 잠재적 신규 전략에 서 얻는 수익이 비용을 넘어설 가능성이 있는지 곧바로 알 수 있다. 는 것이었다. 그들은 트레이딩 시스템을 적응 가능한 형태, 즉 라우퍼의 선물 트레이딩 시스템과 매우 비슷하게 자체적으로 학습하고 조정할 수 있는 형태로 만들었다. 만약 어떠한 이유에서든지 트레이딩 모델이 추천한 트레이드가 실행되지 않으면 모델은 스스로 수정 하며 포트폴리오를 원래 있어야 했던 포지션으로 회복시키기 위한 매매 오더를 자동으로 찾았다. 이를 통해 프레이의 모델을 괴롭혔던 문제를 해결했다. 그들이 만든 시스템은 이런 과정을 한 시간에 몇 번씩 반복하며 전자 트레이드 지시를 내리기 전에 수천 건에 달하는 잠재적 트레이드를 저울질하는 최적화 과정을 실행했다. 경쟁자들 에게는 이 같은 자가 개선 모델이 없었다. 르네상스는 이제 펀드의 미래 성공에 결정적인 요소로 판명될 비밀 병기를 갖췄다.
마침내 브라운과 머서는 수만 개의 코드 라인 lines of code 으로 구성 된 프레이의 예전 모델보다 훨씬 많은 50만 개의 코드 라인을 갖춘 정교한 주식 트레이딩 시스템을 개발했다. 새로운 시스템은 필요한 모든 제한 사항과 요구 조건을 시스템 내에 포함시켰다. 이 시스템 은 많은 면에서 사이먼스가 몇 년 전부터 꿈꾸던 바로 그런 종류의 자동화된 트레이딩 시스템이었다. 이 덕분에 노바 펀드의 주식 트레 이딩이 시장의 변동에 덜 민감해졌고 노바 펀드는 주식을 평균적으 로 하루 이틀 더 오래 보유하기 시작했다. 결정적인 사항은 프레이가 모건스탠리 시절의 경험을 살려 개발 한 예측 모델을 브라운과 머서가 유지했다는 점이다. 여전히 이 모 델은 곤경에서 벗어난 주식이 대개의 경우 원래대로 회귀한다는 데 베팅하는 식으로 큰 수익을 올리는 트레이드들을 충분히 찾아냈다. 지난 몇 년 동안 르네상스는 이런 기반 전략에 변형을 가했지만, 10 년 넘게 그런 변형은 단지 르네상스의 평균회귀 예측 핵심 신호를 보완하는 '2차 주문에 그쳤다.
- 1998년 가을 시장에 대혼란이 찾아왔다. 단 몇 달 만에 D. E. 쇼는 채권 포트폴리오에서 2억 달러 이상의 손해를 입으며 25퍼센트의 직원들을 해고하고 운영 규모를 축소했다. 이후 D. E. 쇼는 회복하고 트레이딩계의 거물로 다시 떠오르지만, 그들이 겪은 어려움은 LTCM의 엄청난 손실과 함께 사이먼스와 르네상스에 오랫동안 영향을 미치는 교훈을 남겼다.
패터슨과 동료들은 경쟁 기업의 갑작스런 실패와 좌절을 세밀히 분석했다. 1998년 메달리온은 그해 가을 다른 투자자들이 공황 상태에 빠진 틈을 활용해 42퍼센트의 수익을 올렸다. 하지만 패터슨은 르네상스가 LTCM과 같은 실수를 하지 않도록 단단히 대비해야 했다. 르네상스가 메리웨더의 기업처럼 차입금이 많은 것도 아니고, LTCM의 트레이드는 사이먼스가 선호하는 방식과 달리 일정 시간 내에서만 이뤄져야 했다는 것을 패터슨은 알고 있었다. 르네상스는 수학자와 컴퓨터 공학자를 영입했지만, 경제학자를 영입하지는 않 았으며 이 또한 LTCM과 다른 요소다.
그래도 보다 심오한 교훈을 찾아야 할 만큼 서로 유사한 점들은 충분히 많았다. 패터슨과 동료들에게 LTCM의 붕괴는 주문처럼 되 뇌는 르네상스의 기존 만트라를 더 강화해야 할 계기가 됐다. 즉 트 레이딩 모델을 과도하게 믿지 말라는 것이었다. 물론 르네상스의 시스템이 잘 작동되고 있었지만, 모든 공식에는 오류가 있을 수 있다. 이 결론에 따라 펀드의 위기관리 방식이 더욱 강화됐다. 전략이 제대로 먹히지 않거나 시장의 변동성이 갑자기 높아지면 르네상스 시스템은 자동으로 투자 포지션과 위험을 줄이려 한다. 예를 들면 1998년 가을에 시장이 혼란에 빠졌을 때 메달리온은 선물 트레이딩 을 25퍼센트 줄였다. 이에 반해 LTCM은 전략대로 되지 않아 허둥대 며 갈피를 못 잡고 있는 동안에도 규모를 줄이는 대신 오히려 더 키웠다. 패터슨은 설명한다. LTCM의 근본적인 실수는 자신들의 모델이 진리라고 믿은 것이었습니다. 우리는 우리 시스템이 현실을 있는 그 대로 반영한다고 생각하지 않습니다. 다만 현실의 일부만 반영할 뿐 입니다.”
또한 D. E. 쇼와 LTCM은 충분히 이해하지 못하거나 전혀 경험이 없는 시장에 빠져들었다. 바로 덴마크 모기지 시장과 온라인 뱅킹이 었다. 이는 사이먼스 팀에게 신규 비즈니스 진출이 아니라 기존 방식을 더욱 다듬고 개선해야 할 필요성을 상기시켜줬다.
- 2001년 사이먼스의 헤지펀드에 뭔가 특이한 일이 일어나고 있었다.
르네상스가 새로운 종류의 정보를 소화하기 시작하면서 수익은 계속 쌓여 갔다. 팀원들은 완료되지 않은 주문을 포함한 모든 주식 트레이드 주문 데이터와 함께 연간 및 분기별 수익 보고서와 기업 경영진의 주식 거래 기록, 정부 보고서, 경제 전망과 논문들을 수집 했다. 사이먼스는 더 많은 정보를 원하며 그룹 회의에서 물었다. “뉴스 속보로 뭔가를 할 수는 없나요?" 얼마 지나지 않아 연구원들은 신문과 뉴스 제공 서비스의 기사와 인터넷 게시물, 더 나아가 해외 보험금 클레임처럼 잘 알려지지 않은 데이터까지 추적하며 예측 가치를 얻기 위해 수량화할 수 있고 면밀히 조사할 수 있는 거의 모든 정보를 입수하려고 바삐 움직였다. 메달리온 펀드는 마치 데이터 스펀지라도 된 것처럼 연간 테라바이트terabyte, 즉 1조 바이트에 달하는 정보를 수집했고 이 모두를 소화하고 저장하며 분석하기 위한 값비싼 디스크 드라이브와 프로 세서를 구입하며 신뢰할 만한 패턴을 찾았다.
머서는 동료에게 “더 많은 데이터만큼 좋은 데이터는 없다.”라고 했으며 이 표현은 르네상스 직원들이 주문처럼 되뇌는 만트라가 됐다.
머서는 훗날 르네상스의 목표가 “미래 모든 시점에서의 주식 또 는 다른 투자 상품의 가격을 예측하는 것이었다고 설명하며 덧붙였다. “우리는 3초 뒤, 3일 뒤, 3주 뒤, 3개월 뒤의 가격을 알고 싶었습니다.”
- 머서는 한 가지 예를 들었다. 만약 세르비아에 빵이 부족하다는 신문 기사가 나오면 르네상스의 컴퓨터는 과거 빵 부족으로 밀가루 가격이 사승한 사례들을 꼼꼼히 살피며 다양한 투자 상품들이 어떻 게 반응했는지 파악했다.
기업의 분기별 수익 보고서 같은 일부 새로운 정보들은 그렇게 많은 이점을 제공하지 못했다. 하지만 주식 분석가의 수익 예측과 기업에 관한 관점의 변화를 보여 주는 데이터는 도움이 되기도 했다. 기업의 실적발표와 기업 현금흐름, R&D 투자, 주식 발행 및 다른 요인 이후의 주가 패턴을 관찰하는 것도 중요한 활동이었다. 르 네상스 팀원들은 한 기업이 긍정적이든 부정적이든 또는 그저 루머 수준이든 뉴스 피드에서 얼마나 많이 언급됐는지 측정하는 단순한 방법도 개발하며 예측 알고리즘을 개선했다.
머서와 동료들은 주식 트레이딩이 음성 인식과 비슷하다는 사실을 분명히 이해했다. 이것이 르네상스가 IBM 컴퓨터 언어 팀의 인재를 지속적으로 노리는 부분적인 이유였다. 두 부문의 목표는 불안 정한 형태로 뒤섞인 정보들을 소화하고 앞으로 일어날 일을 신뢰할 만한 수준으로 예측하는 모델을 만들어 데이터에 기반을 두지 않는 전통적인 분석 방식에서 벗어나는 것이었다.
컴퓨터로 이뤄지는 트레이딩이 점점 늘고 이에 따라 인간이 주 도하는 투자전문기관과 중개인들이 업계에서 밀려나기 시작하자 메달리온은 더 많은 전산 네트워크로 활동 범위를 넓혀 매수와 매 도를 보다 쉽고 효율적으로 했다. 마침내 사이먼스는 인간의 개입이 거의 없는 완전히 자동화된 시스템을 구축하려는 원래 목표의 달성에 가까워졌다.
- 외부인들은 제대로 이해하기 힘들겠지만, 정말 중요한 핵심은 그 모든 요인과 세력을 자동화된 트레이딩 시스템에 입력해 처리할 수 있는 르네상스의 엔지니어링 능력이었다. 르네상스는 종종 미세한 개별 신호가 혼합된 형태의 긍정적인 신호를 보내는 일정 수의 주식을 매수하고 부정적인 신호를 보내는 주식을 공매도하거나 하락에 베팅했으며, 이런 움직임은 수천 라인에 이르는 소스 코드를 통해 결정됐다. 한 선임 직원은 설명한다. “우리가 하는 개별 베팅 중에서 어떤 주식은 상승하고 또 다른 주식은 하락할 것이라고 설명할 수 있는 베팅은 없습니다. 모든 베팅은 다른 모든 베팅과 우리의 위험 감수 수준 그리고 우리가 가까운 미래와 먼 미래에 하려는 일들과 전부 다 연관돼 있습니다. 우리가 예측에 따라 충분히 수익을 올릴 수 있 을 만큼 미래에 대한 예측을 잘하고 위험과 비용, 영향, 시장 구조를 굉장히 잘 활용할 만큼 충분히 이해하고 있다는 전제를 바탕으로 이 뤄진 복잡하고 거대한 최적화입니다.”
르네상스가 '어떻게 베팅하느냐는 적어도 '무엇'에 베팅하느냐 만큼 중요했다. 예를 들어 달러 가치가 오전 9시에서 오전 10시 사이에 0.1퍼센트 상승한다는 신호처럼 수익을 올릴 수 있는 신호를 발견해도 메달리온은 9시 정각에 달러를 매입하지 않았다. 다른 투 자자들에게 매일 그 시간에 움직임이 일어난다는 것을 알려 주는 잠재적 신호가 될 수 있기 때문이다. 대신 한 시간 동안 매수 규모를 나누고, 예측하기 어려운 형태로 분산시킴으로써 트레이딩 신호가 유출되지 않도록 보호했다. 메달리온은 가장 강력한 신호가 발생하면 경쟁자들이 알아차릴 수 없을 정도로 가격을 변동시키며 최대한 트레이딩을 실행하는 방법을 개발했다. 이 방법은 대형 소매 체인점 타깃Target에서 잘 팔리는 상품들을 대폭 할인된 가격으로 판매한다. 는 정보를 들으면 매장 개장 시간에 거의 모든 할인 상품을 구매해 다른 사람들이 할인 행사가 있었는지도 모르게 만드는 것과 약간 비슷하다.
- 르네상스 같은 퀀트 투자 기업들이 누리는 이점은 이들 기업의 컴퓨터 트레이딩 모델이 소화하고 분석할 수 있는 새로운 종류의 데이터가 폭발적으로 증가해야 확대될 수 있다고 여겨진다. IBM은 전세계 데이터의 90퍼센트가 지난 2년 동안에 만들어졌으며 2020년에는 2005년 대비 300배 늘어난 40제타바이트(44조 기가바이트) 크기의 데이터가 새로 만들어질 것으로 추측했다. 오늘날 거의 모든 종류의 데이터는 디지털화되며 한때 투자자들 이 꿈에서만 그리던 거대 데이터로 활용할 수 있다. 이 중 투자자들 사이에서 크게 유행한 데이터는 감지기에서 곧바로 얻을 수 있는 정 보와 전 세계 위성사진을 비롯해 상상할 수 있는 거의 모든 정보를 포함하는 '대체 데이터 alternative data'다. 창의적인 투자자는 전화 회의 에서 들리는 경영자의 목소리 톤과 소매상점들의 주차장에 드나드 는 자동차 수, 자동차 보험 신청 기록, 소셜미디어 인플루언서의 추 천 내용들을 세밀히 조사해 수익을 올려 줄 수 있는 연관성과 패턴을 확인한다.
- 퀀트 투자자들은 농업 생산량 데이터를 기다리는 대신 농업 장 비 판매량이나 작물 수확량을 보여 주는 위성사진을 검토한다. 화물 컨테이너의 청구권을 표시하는 선하 증권 bill of lading들을 보고 전 세 계 물동량을 알 수 있다. 시스템을 활용하는 트레이더들은 휴대폰에 서 생성된 데이터를 활용해 소비자들이 한 매장 내 어느 통로와 심 지어 어느 선반에 있는 상품들을 자주 살펴보는지 알 수 있다. 신제 품의 인기는 아마존 사이트의 사용 후기들을 검토해 알아볼 수 있 다. 미국 식품의약국FDA 국장 및 구성원들의 경력과 배경을 분석해 새로운 의약품의 승인 여부를 예측하는 알고리즘도 개발되고 있다. 이와 같은 새로운 가능성을 탐색하기 위해 헤지펀드는 스트라우 스가 1980년대 중반 르네상스에서 했던 일과 매우 비슷한 신규 데이터의 근원을 찾는 데 집중하는 새로운 유형의 직원들을 고용하기 시작했으며 이들을 데이터 분석가 또는 '데이터 사냥꾼'이라 불렀다. 모든 정보는 현재 상황과 앞으로의 경제 궤적뿐만 아니라 다양한 기업들의 전망을 보다 잘 이해하기 위해 고속으로 처리됐다. 모험 정신이 풍부한 투자자들은 예를 들어 국제적 사건이 발생했을 때 미국 국방부 건물 펜타곤으로 향하는 피자 배달이 평소와 달리 많아지고 있다는 정보를 활용해 잠재적 위기에 대비하기도 한다
- 소설가 게리 슈테인가르트 Gary Shiteyngat의 재치 있는 말이 금융 산업의 미래 경로와 광범위한 사회가 나아가는 방향을 요약해 준다.
"아이들을 위한 정신과의사가 알고리즘으로 대체되면, 그것이 마지 막일 것이다. 더 이상 남은 것은 없다.”
- 딱히 설명할 만한 뉴스거리도 없이 갑작스럽게 하락한 현상은 일부 사람들에게 컴퓨터를 활용한 트레이딩이 늘어나면서 새로운 위험성과 변동성의 시대로 접어들었다는 사실을 암시했다. 자동 조 정 장치로 운항하는 비행기와 자율주행 자동차가 안전을 크게 향상 시켰다는 증거가 있는데도 사람들을 겁먹게 만드는 것처럼 컴퓨터 에 의해 자동화된 트레이딩은 많은 사람들에게 두려운 개념이다. 실 제로 컴퓨터 트레이딩이 기존 트렌드를 증폭하거나 가속화할 수 있 다고 믿어야 할 이유들이 있다. 작가이자 위험 관리사였던 리처드 북스테이버 Richard Bookstaber는 퀀트 투자 모델 수용이 “투자 세계 전반에 걸쳐 일어나기” 때문에 오늘날의 위험이 상당하다고 주장하며, 퀀트 투자자들에게 앞으로 생길 문제는 과거보다 시장에 더 많은 영향을 미칠 것이라고 했다. 퀀트 트레이딩을 수용하는 사람들이 많아질수록 금융 시장의 본질은 변할 수 있다. 새로운 형태의 오류가 등장할 수 있으며 이들 중 일부는 한 번도 경험해 보지 못한 것들이라 예측이 더 어려울 수도 있다. 지금까지 시장은 트레이더와 투자자들의 지배적인 역할을 반영하며 인간의 행동에 의해 움직였다. 머신러닝과 컴퓨터 모델이 시장에서 가장 많은 영향력을 발휘하는 요인들이 되면, 인간의 본성은 거의 일정한 반면 컴퓨터를 이용한 트레이딩의 본질은 빠르게 변화 할 수 있기 때문에, 그 요인들에 대한 예측 가능성은 낮아지고, 어쩌면 안정성 또한 떨어질 수 있다.
하지만 컴퓨터를 활용하는 트레이딩의 위험성은 일반적으로 과장돼 있다. 퀀트 투자의 형태가 너무나 다양하므로 이 주제를 일반화하는 것은 불가능하다. 일부 퀀트 투자자들은 추세를 추종하는 전략의 일종인 모멘텀 전략을 채택해 하락 장세에서 다른 투자자들이 더 많이 매도하도록 만든다. 하지만 스마트 베타 smart beta' (시장을 추종하는 데에 그치지 않고 플러스알파 수익을 추구하는 전략에 기초하는 운용방식)와 팩터 투자 factor investing, 스타일 투자 style investing를 포함한 다른 방식들이 퀀트 투자 세계에서 가장 규모가 크고 빠르게 성장하는 투자 범주에 속한다. 이런 방식들을 사용하는 퀀트 투자자들은 주가 가 하락할 때 매수하도록 프로그램해서 시장을 안정화하는 데 도움을 준다.
시장 참여자들은 시장이 위기 상황에 처하면 항상 트레이딩을 줄이고 물러나는 경향이 있으며, 퀀트 투자자들도 과거 방식을 사용하는 투자자들과 크게 다르지 않아 이런 상황에서 주저한다는 사실을 기억할 필요가 있다. 퀀트 투자자가 지배적인 위치에 올라섰을 때 시장은 오히려 더 차분해졌다. 인간은 공포와 탐욕과 완전한 공 황 상태에 빠지기 쉬우며 이 모든 행동이 금융 시장에 변동성을 불 러일으킨다. 컴퓨터가 편견과 감정에 좌우되는 인간들을 배제할 수 만 있다면 시장을 보다 안정시킬 수 있다. 항공 산업과 같은 분야에 서 이뤄지는 컴퓨터 주도의 의사 결정은 일반적으로 실수가 줄어드는 결과로 이어졌다.
- 르네상스의 경험에서 얻는 또 다른 교훈은 금융 시장과 개인 투자에 영향을 미치는 요인과 변수가 대부분의 사람이 인식하거나 추 론할 수 있는 것보다 더 많다는 사실이다. 투자자들은 가장 기본적인 요소에 집중하는 경향이 있지만, 그들이 놓치고 있는 요인은 수십 가지에 달하고, 어쩌면 요인들 전체를 다 놓치고 있을지도 모른다. 르네상스는 주가와 다른 투자 상품에 영향을 미치지만, 그동안 간과했던 수학적 연관성을 포함한 중요한 요소들을 그 누구보다 많 이 인식하고 있다. 이것은 인간이 꽃을 보며 인식하지 못하는 다채로운 색상을 벌이 동일한 꽃을 보며 인식하는 것과 비슷한 이치다. 르네상스가 시장의 모든 색상을 보지는 못하지만, 부분적으로는 기업이 풍부한 레버리지를 활용할 수 있었던 덕분에 많은 돈을 벌기에 충분할 정도의 다양한 색상을 본다. 르네상스가 예전에 어려운 시기를 잘 견뎌 내기는 했지만, 시장이 진화하고 직원들은 시장을 따라가려고 노력하기에 급급하면서, 과거만큼 성공하기가 어려울 것이라는 전망이 나 왔다. 솔직히 현재 직원들과 과거 직원들은 모두 예전 성과에 크게 놀라며 앞으로 넘어야 할 장애물을 인정한다. 사이먼스와 그의 동료들이 달성한 수익을 보며 사람들은 추정 하는 것보다 더 많은 비능률적 요소들이 있다고 생각할지도 모르겠 다. 하지만 실제로 투자자들에게는 일반적으로 추정하는 것보다 비 효율성과 기회가 더 적을 가능성이 높다. 르네상스가 확보한 그 모 든 독특한 데이터와 컴퓨터 성능, 뛰어난 인재, 트레이딩과 위험 관 리 전문성에도 불구하고, 르네상스는 전체 트레이드 중 겨우 50퍼센트가 넘는 트레이드에서만 수익을 올리고 있으며, 이는 시장을 앞서가는 것이 얼마나 어려운 일인지, 그리고 대부분의 투자자들이 그런 시도를 하는 것 자체가 얼마나 어리석은 일인지 단적으로 보여준다.
