본 포스팅에서는 최근 해외 IT포럼에서 화제가 되고 있는 AI가 운영하는 ETF에 대해 소개해보고자 합니다. AI ETF는 2016년에 시작되었는데요, 당시에는 인공지능의 성능에 대한 의구심이 크고, 성능도 저조했기에 조롱의 대상이었습니다. 하지만 최근 AI ETF는 S&P를 크게 넘어서며, 가능성을 보여주고 있습니다.
NFT 뜻이 무엇일까? 알아야 하는 이유 feat.일론 머스크
AI ETF, AIEQ의 역사
그러면 인공지능 ETF는 어떻게 시작된 것일까요? 그 시작과 발전과정을 정리해보았습니다.
AI ETF의 시작 : 아이디어가 현실로
2016년에 Chida Khatua, Art Amador, Chris Natividad가 캘리포니아 대학교 버클리의 책상 위에 앉아 각자의 백그라운드 지식을 활용하여 성공적인 회사를 세울 방법을 고민했습니다. 그들은 매일 강연을 들으며 헤지펀드 운영 경험에 대해 이야기들을 듣고 정리했습니다. 그러나 각 헤지펀드 매니저들은 상품이나 글로벌 시장과 같은 자신의 영역에 풍부한 지식을 가지고 있었지만, 이를 신기술과 결합하는 것에는 한계를 보였습니다.
이들은 인공지능을 사용하여 모든 분야의 지식을 하나로 모으고, 인간보다 빠르고 광범위하게 데이터를 모아 와서 이것을 투자 통찰력으로 전환하는 아이디어에 대해 고민하기 시작합니다. 그리고 투자자들에게 이 아이디어를 피칭하며 투자를 받기 시작했습니다.
1년 만에, 이들은 이것이 실제 가능한 비즈니스임을 증명해냈습니다. 2017년 AIEQ는 AIEQ가 운영하는 세계 최초의 ETF 주식회사가 되었습니다. 이들은 인도의 7명의 개발자와 함께 약 10명으로 구성된 팀으로 시작했습니다.
그 첫 해에 펀드는 6천만 달러에서 7천만 달러의 자산을 운용하기 시작했고, 그 이후 회사는 팀을 세 배로 늘렸습니다. 그리고 그들의 펀드는 현재 약 6,000개의 미국 기업을 분석하기 위해 8만 개의 AI모델을 사용한다고 합니다. 이 회사는 현재 약 1억 5천만 달러의 자산을 관리하고 있는데, 이는 미국 내 1,596개 ETF에서 관리하는 약 5조 2천억 달러 중 일부입니다.
AIEQ의 발전 : 시장을 이기기 시작하다
AIEQ가 펀드를 굴리기 시작한 이후 수년간 미국 시장을 상대로 먼저 저조한 성적을 냈고 투자자들은 의심을 가지기 시작했습니다. 하지만, 2020년 S&P500을 최소 7% 포인트 이상 제쳤고, 마침내 플러스 수익률을 내기 시작했습니다.
그러나 AIEQ는 몇 가지 난관에 부딪히게 됩니다. 기술 및 의료 관련주에 대한 과도한 베팅으로 2021년 2분기 실적이 부분적으로 악화되었습니다. S&P는 같은 기간 동안 약 70% 상승했지만, AIEQ는 창사 이래 42% 상승했습니다.
대니얼 위글리 조지아공과대학 조교수는 "투자자들이 시간이 지나면서 양적 알고리즘 펀드에 점점 더 편해지는 모습을 봐왔고 AI가 운영하는 펀드는 자산운용 진화의 다음 단계로 보인다"라고 언급했습니다. 그는 "장기적으로 봤을 때 AI가 운영하는 평균 펀드가 인덱스 펀드를 능가할 것으로 예상하지 않는다"며 "특히 더 많은 펀드가 시장에 진입해 AI 모델이 식별한 알파를 물리치기 위해 경쟁하고 있기 때문이다"라고 이유를 설명했습니다. (출처 : Emerging Tech Brew)
AI ETF의 작동방식 : 기술도 AI 관리도 AI
AIEQ는 공동 창업자의 AI 투자 플랫폼이자 포트폴리오 회사인 EquBot이 운영하고 있습니다. ETF는 EquBot의 수만 개의 독점 모델을 사용하고 있으며, 이 플랫폼은 매일 EquBot이 추적하는 6,000개의 미국 기업과 관련된 데이터를 수집하고 분석하는 것에 초점을 맞추고 있습니다. 8만 개의 AI 모델은 인간이 관리하기에 너무 많기 때문에, 이들은 IBM과 협약을 맺고 왓슨이라는 IBM의 AI모델을 활용하여 관리하고 있습니다. 결론적으로 기술도 AI를 쓰고, 관리도 거의 AI가 하는 셈입니다.
AIEQ는 수익, 성장, R&D 지출 및 시장 이동과 같이 금융 세계에서 항상 사용되는 전통적인 종류의 구조화된 데이터를 활용하여 AI모델들을 학습시키고 있습니다. 또한 비정형 데이터(뉴스 기사, 블로그, 기업 혁신 발표, 소셜 미디어)에서도 일정 부분 데이터를 반영하고 있습니다.
이 AI모델들은 5년에서 30년 사이의 과거 데이터를 활용하여 학습시켰습니다. 하지만, 최근의 데이터를 더 중요하게 생각하도록 가중치를 두었다고 합니다. AIEQ의 AI전문가인 Khatua는 "모델들은 비용 함수에 대해 훈련되어 있는데, 이는 2001년의 뉴스 기사와 같은 각각의 과거 데이터 포인트에 대해 모델이 예상 수익을 예측한다는 것을 의미한다"라고 말했습니다. 예를 들어, 중앙일보의 기사를 일반 사람들의 블로그 포스트를 구분하여 평가하도록 훈련됩니다.
시스템은 80,000개의 모델에 의존하는데, 이 중 특히 뛰어난 세 가지 AI모델에 대해 살펴보겠습니다.
First up은 주로 수익과 지출 데이터, 즉 회계재무 데이터를 활용하여 사용하여 다양한 시간 범위에 대한 회사의 재무상태를 차트 화하는 AI모델입니다. 또한 혁신 순위나 R&D 역량을 평가하는 약 170개 라인 항목을 사용해서 기업의 현재 수준과 가치평가를 결정하는 모델이 있습니다. 마지막으로, 직원인 Khatua가 "유명하지 않은 모델"이라고 부르는 것이 있는데, IBM Watson의 자연어 처리 도구를 사용하여 메타데이터를 추출하고 하루에 백만 개 이상의 콘텐츠의 감정과 정서를 분석합니다.
도지 코인 채굴방법 3분 강좌 (그대로 따라 하세요) - 보러 가기
즉 재무데이터를 분석하고, 가치평가를 분석하고, 사람들의 평가를 종합적으로 분석하는 것입니다. 정말 기술의 발전과 AI의 도전은 어디까지일까요? 이들은 단순한 아이디어가 아니라 실제 ETF를 굴리고 있고, 성과를 내고 있다는 사실이 더 놀랍습니다. 앞으로도 투자함에 있어서 계속해서 기술 발전에 관심을 기울여야 하는 이유입니다.