세계 최대 로보어드바이저 중 하나인 Betterment가 AI를 사용하지 않는 이유는 무엇일까요?

*2022-10-17 글

Betterment는 세계에서 가장 큰 규모의 로보어드바이저 (알고리즘을 통한 투자결정 및 자산배분 프로그램)서비스 중 하나이다. 그러나 이들의 소비자 대상 로보어드바이저 대상 상품들은 머신러닝을 사실상 거의 사용하지 않는다.

Betterment에 따르면, 머신러닝을 사용하지 않는게 수익률에 더 좋기 때문이라고 한다.

"우리가 소비자 대상 상품들에 머신러닝을 적용하지 않은 이유는 매우 단순합니다. 머신러닝이 해결해줄 수 있을줄 알았던 매우 중요한 문제를 효율적으로 해결하지 못했기 때문이에요."

Betterment의 투자부문 시니어 디렉터인 Mychal Campos가 얘기했다.

"우리가 머신러닝을 쓰지 않는다고 연구나 적용을 안해보았다는 얘기는 아닙니다. 머신러닝을 적용해보았더니, 오히려 간단한 알고리즘을 사용하는것보다 비효율적인것을 발견했습니다."

로보어드바이저의 "로봇" 파트를 감안해서 Campos와 그의 팀은 머신러닝을 포트폴리오 구축에 사용하려 시도했지만, AI 기반의 포트폴리오 최적화는 기대보다 더 낮은 수익을 냈다고 한다. 팀은 AI와 같은 최첨단 기술이 유의미하게 나은 성과를 가져다 줄 수 있을때에만 적용하기로 결정했고, 결국 전통적인 통계 모델링 기법을 사용하게 되었다.

Betterment는 AUM (운용자산)이 3,300억 달러에 달하며 Wealthfront와 같은 로보어드바이저 경쟁사보다 훨씬 더 많은 운용액을 자랑한다. 그러나 장기 투자성과를 밝히지는 않았다.

통계기반 접근방식

회사가 머신러닝 기술 중 사용했던 기술은 포트폴리오 최적화를 위한 뉴럴 네트워크 (neural networks)였다.

"뉴럴 네트워크는 특정 분야에서는 매우 유용할 수 있지만, 모델의 과최적화 문제로 이어질 수 있습니다."

"뉴럴 네트워크 기술을 사용한 모델을 특정 데이터로 훈련시키면 해당 데이터를 설명하는데는 매우 뛰어날 수 있지만, 실제 환경에서 훈련되지 않은 데이터 혹은 상황과 맞닥뜨렸을 때 성과는 별로 좋지 않을 수 있다는 말 입니다."

그에 따르면 뉴럴 네트워크를 사용한 모델들은 통상적으로 "싱크대 한 곳에 온갖 데이터들을 때려넣고 앞으로 어떤것이 들어올지 예측하는 것인데, 이렇게 하면 모델이 실제로 보지 못한 데이터를 예측할 수 없는 결과로 이어진다"고 한다.

그렇다면 Betterment의 로보어드바이저는 어떤 방식으로 운용되고 있는것일까? 정답은 아주 많은 수학 및 통계적 모델링이다.

그 중 하나로는 몬테 칼로 시뮬레이션 (Monte Carlo simulation)이 있는데, 몬테 칼로 시뮬레이션은 시장의 환경을 수천번씩 시뮬레이션 하고 이 각각의 시나리오에 맞는 최적화된 포트폴리오를 만들어 가능한 최고의 성과를 낼 수 있는 선택지를 만드는것이라고 한다. 또 사용되고 있는 모델은 Black-Litterman 모델로, 포트폴리오 배분 프레임워크 중 하나라고 한다.

"우리는 이 모델들을 한 사람의 위험 수용도, 투자기간, 투자 목표등에 알맞게 최적화 할 수 있습니다. 그리고 나서 그에게 예상 결과값은 어떻게 되는지 설명해주는 식이죠."

Campos가 말했다.

"우리가 머신러닝과 AI를 적용할 때에는 우선 우리가 어떤 문제를 해결하고 싶어하는지 명확하게 하려 합니다. 그리고 우리는 머신러닝을 사용한 문제해결이 최고의 방법이라는 확신이 있어야만 합니다. 우리가 하지 않으려는것은 온갖 머신러닝/AI 기술들을 갖춰놓은뒤에 해결할 문제들을 찾는것 입니다.

국내에도 수십억에서 수천억원을 투자받은 로보어드바이저/AI 기반 투자 스타트업들이 있는데, 나는 예전부터 AI가 장기투자에 있어 얼마만큼의 알파 (@)를 창출해낼 수 있는지에 대해 의문을 품곤했다.

물론, 이들의 기술이 이미 3300억 달러를 운용하고 있는 Betterment의 기술보다 뛰어날 가능성도 배제할 수 없지만 말이다.

CORE SIGHT - 경제/금융시장에 대한 어웨어의 코멘트

어웨어 Family - 뛰어난 인사이트를 가진 어웨어 구독자들의 대화