주가 예측 기법과 기술의 방향

주가 예측 기법과 기술의 방향

주가 예측 기법과 기술의 방향

주가 예측에 대해서 말씀드리겠습니다. 주가 예측은 가장 어려운 과제 중에 하나입니다. 여러분, 생각해보세요. 만약에 여러분이 과학기술, 새로운 정보가 있다면, 그 정보나 기술이 돈과 관련 있다면 어떻게 하겠습니까? 당연히 그것을 활용하겠죠. 그래서 주식시장의 정보나 기술은 결국 돈입니다. 그렇기 때문에 많은 기관 투자가나 아주 큰 개인투자가는 많은 투자를 동원해서 그 당시 최신의 분석기법, 투자기법, 기술을 응용해서 주가를 예측해서 초과수익을 얻으려고 노력한다는 것이죠. 그런데 우리가 앞에서 얘기했듯이 주식시장은 효율적입니다. 그러니까 모든 정보가 주식 가격에 신속하게 반영이 되기 때문에 시장 수익률을 초과하는 초과수익률은 누리기가 힘들다, 없다는 것이죠. 그래서 내가 만약에 시장에 모르는 기술이나 어떤 정보가 있다면 가능한 것이지만, 시장이 모르는 정보나 기술은 내가 가지기 매우 힘들다는 것이죠. 그렇기 때문에 주가 예측은 아주 어려운 과정 중에 한 가지입니다.

주가 예측 모형

그래서 finance 분야에서도 많은 이론이 있지만, 특이하게도 주가 pricing과 관련해서는 아직까지도 특별한 이론이 없이 그냥 factor pricing, 요인 모형이라는 factor model에 근거한 pricing 모델이 현재 응용되고 있습니다. 그래서 이것은 완성된 완벽한 pricing theory가 아니라 아직까지 진행 중인 pricing theory라고 할 수가 있습니다. 이건 주식시장에 관한 것입니다. 그래서 그만큼 이 주가 예측 또는 주가수익률 예측은 매우 힘든 과제라는 걸 먼저 여러분이 꼭 명심하고 계셔야 하겠습니다. 그래서 주식시장으로부터 내가 떼돈을 벌겠다. 그런 생각은 하시면 안 됩니다. 과학적으로 접근을 해서 내가 과학적으로 추가 정보나 추가 기술이 있다면 그때는 얻을 수 있지만, 그때까지는 우리가 일단은 벤치마크로서 시장수익률을 생각하고 계시는 게 낫습니다. 그럼에도 불구하고 우리가 금융 AI를 배우는 이유는 이 투자하는 과정에서 좀 더 과학적으로 또 인간의 휴먼에러를 줄이기 위해서 해야 되는 것이죠. 그래서 우리가 주가 모형에 대한 이해가 필요한데, 기본적인 아이디어는 그렇습니다. 어떤 모형이나 이론이 정말 괜찮다, 훌륭하다, 성과가 좋다고 한다는 것은 뭔가 하면, 최소한의 input 데이터 그리고 되도록이면 복잡하지 않은 모형이 아주 뛰어난 이론과 모형이라고 할 수 있습니다. 그래서 우리가 이론이 복잡하고 또 많은 데이터를 활용하는 것은 지적인 측면에서는 아주 fancy 해 보이고 좋아 보일 수 있지만, 투자하는 측면에서는 오히려 그것이 안 좋을 수 있다는 것입니다.

이론 모형의 발전

금융 AI나 기계학습에서도 마찬가지입니다. 좋은 모형은 핵심 변수, 좋은 최소한의 설명변수로 최대한 종속변수를 설명하는 것입니다. 또 단순한 이론으로. 그래서 우리가 복잡성이 꼭 이 모형의 성과에 긍정적인 것은 아니라는 것을 명심하셨으면 좋겠습니다. 그래서 기본적으로 최소 비용으로 최대의 설명을 높이는 그런 가성비 있는 이론이 좋은 이론이라는 이 기본적인 틀을 가지고 계시고요. 그래서 재무이론 쪽에서는 주가 데이터가 시계열도 있고 횡단면도 있기 때문에 이 두 가지 측면 다 같이 발전하기 시작했습니다. 그래서 주가의 시계열 데이터를 보니까 기본적으로 상당히 변동이 심하다는 것이죠. 그래서 이 주가는 주가 레벨을 의미하는 것입니다. 주가 수준 데이터는 통계적으로 stationarity 하지가 않습니다. 그렇기 때문에 로그 차분, 그러니까 log difference를 한 수익률 데이터는 stationarity에 가깝습니다. 그래서 이론적으로는 사실 주가 자체는 통계적으로 stationary 하지 않기 때문에 stock return에 대해서 재무이론이 발전하게 됩니다. 그래서 재무이론이 발전하는 과정에서 초기에 우리가 효율적 시장 가설에서 유진 파마 교수가 이 Joint hypothesis problem을 얘기했죠. 그러니까 결합가설 문제가 있다. 뭐냐? 우리는 pricing model이 완벽하지 않기 때문에 계속 진행 과정인데, 이 pricing model을 근거로 해서 시장의 효율성을 우리가 실증 분석할 수 있는데, 이 pricing model이 완벽하지 않기 때문에 시장 효율성을 실제로 테스트 하기는 힘들다, 없다고 얘기한 것이에요. 그래서 초기에 엄청난 반향과 관심을 불러일으켰습니다. 그럼에도 불구하고 이러한 한계점을 인정하고 pricing model을 좀 더 완벽하게 하기 위해서 계속 지금 진행 중에 있습니다. 한계적이지만 그럼에도 불구하고 event study나 이런 것을 통해서 마켓 효율성을 계속 실증 분석을 하고 있습니다.