News & Events
자산 관리사가 NLP를 활용하는 방법
* 이 글은 medium에작성된 decimal point analytics의 글을 번역하였습니다.
AI 헤지펀드는 전체 펀드의 3배에 달하는 누적 수익률을 달성했다.
글로벌 자산운용 분석 업체 Cerulli Associates가 2013년부터 2020년 4월까지 유럽계 AI 주도 펀드의 총관리자산(AUM)과 net new flows를글로벌 자산운용 분석 업체 Cerulli Associates가 2013년부터 2020년 4월까지 유럽계 AI 주도 펀드의 총관리자산(AUM)과 net new flows를 최근 분석한 결과 2016년부터 2019년까지 AUM 성장세가 두각을 나타냈다. 특히 AI 헤지펀드의 누적 수익률은 이 기간 헤지펀드 기록한 전체 수익률(12.1%)의 약 3배인 33.9%로 조사됐다. 유럽의 AI 액티브 주식형 펀드가 올해 1~4월 다른 액티브 주식형 펀드보다 빠른 속도로 자산을 증가한 것으로 나타났다. 연구는 “오래전부터 팬데믹과 같은 예기치 못한 사건에 AI가 대응할 수 있다는 의혹이 제기돼 왔지만, 이제는 이용 가능한 시장 데이터의 양이 늘어남에 따라 예측하지 못한 시나리오에 더 잘 적응할 수 있을 정도로 기술이 발전했다는 느낌이 든다”고 말한다.
기계는 그 어느 때보다도 텍스트를 더 잘 이해할 수 있다.
투자를 할 때 더 나은 정보 소스에 대한 접근과 우수한 분석/숫자 정리에 기반을 두었던 시기가 있었다. 그러나 정보에 접근하는 것이 더 이상 경쟁 우위가 아니라는 점을 고려하면, 알파를 생성하는 것은 훨씬 더 어려워졌다. 더욱이, 미디어 전반에 걸쳐 거대한 텍스트 기반 데이터(구조화되지 않은)가 확산됨에 따라, 더 이상 인간의 역량만으로는 데이터를 읽고 분석하는 것이 불가능해졌다. 텍스트와 관련된 불필요한 작업을 대폭 줄이고 초과 수익을 포착하기 위해 자산 관리사들은 점점 더 NLP 기술을 활용하고 있다. 즉, AI의 핵심 하위 집합인 구조화되지 않은 텍스트를 의사 결정을 위한 실행 가능한 인사이트로 처리하는 것이다. NLP는 다양한 비즈니스 영역에 걸쳐 광범위한 애플리케이션을 보유하고 있다. 팬데믹과 같은 더 힘든 경제 환경은 투자 관리에 NLP의 사용을 가속화했다. NLP의 가장 강력한 애플리케이션으로는 신용 평가, 이상 거래 탐지, 고객 서비스, 챗봇, 비즈니스 인텔리전스에 대한 문서 검색 및 처리 등의 지원이 있다.
자산 관리에서의 주요 NLP 애플리케이션의 예
1) 팬데믹 기간 동안, 블랙록은 2020년 1분기 수익 추정치를 상대적으로 느리게 업데이트한 분석가들로부터 인사이트를 얻기 위해 연구 문서에 NLP를 이용했다. 주요 자산운용사는 분석가가 수치 예측을 업데이트하는 데 다소 시간이 걸릴 수 있지만 보고서 텍스트를 검토하면 표준 수치 추정치가 없는 경우에도 전반적인 입장을 파악하는 데 도움이 된다고 주장한다. 게다가 블랙록은 최근 NLP 모델을 사용하여 재정 정책에 대한 조기 판독을 위한 정서 신호를 생성함으로써 투자 관리자가 정책이 국가 간에 어떻게 움직이고 있는지를 파악하기 위해 언어 분석을 할 수 있게 되었다. 그런 다음 투자 매니저는 미국과 같은 완화된 곳에 기대기 위해 포트폴리오 결정을 기울인다.
2) 주식의 숨겨진 시장 신호 파악: 글로벌 자산 관리사인 American Century Investments는 분기별 실적 통화 중 경영 논평/언어의 속임수를 탐지하는 것을 목표로 하는 NLP 감성 모델로 NLP를 사용하여 연구 프로세스를 보완하고 있다. 심리학 및 계산 언어학에서 예측된 NLP 모델은 Russell 3000 기업을 대상으로 훈련되었다. 누락(핵심 세부 사항 공개 실패), 스핀(지나치게 스크립팅된 언어의 과장), 난독화(단순한 개념의 복잡한 설명/스토리텔링), 비난 등의 속임수가 포함된 텍스트를 평가한다.
3) 지속 가능성 투자 개선: 도이치 은행(Deutsche Bank)은 일반적으로 대기업이 ESG 등급을 더 높게 받는 경향이 있다고 판단했는데, 이는 대기업이 보다 많은 리소스를 사용하여 세부적인 지속 가능성 리포트를 작성하기 때문일 수 있다. 예를 들어, S&P 500 기업 중 약 85%가 지속가능성 리포트를 발행한다. 은행은 탄소배출량을 줄이기 위한 기업들의 약속이 달성된 지속 가능성 성과와 상관 관계가 있는지를 확인하기 위해 NLP 알고리즘을 사용하여 지속 가능성 리포트를 평가하는 다른 방법을 고안하기로 결정했다. 리포트 내 탄소 관련 논의를 평가하기 위해 연구자들은 각 주제와 관련된 상위 키워드와 함께 다섯 가지 주제를 식별하였다. NLP 모델은 완화 및 적응 주제에 초점을 맞춘 기업 순위를 매겼다. 알고리즘은 또한 숫자 및 정량적 용어(예: ‘첫 번째’와 ‘절반’)에 대한 언급과 능동적 언어 vs 수동적 언어의 사용을 점검했다. 이 은행은 능동적이고 정량적인 언어를 사용하는 기업들이 평균 74%의 배출량을 줄일 수 있다는 것을 발견했다. 또한 기후 변화에 대한 완화 또는 적응을 자주 논의하는 기업은 감소 달성 확률이 65% 더 높았다.
4) UBS 자산 관리사는 사내 AI팀이 개발한 검색 엔진에서 가져온 방대한 양의 문서를 읽고 분석하여 부정적인 뉴스를 탐지하기 위해 NLP를 투자에 활용하고 있다. 이 알고리즘은 시간을 절약하여 연구팀이 다른 중요한 작업에 집중할 수 있도록 한다. 또한 UBS는 클라이언트 선별 과정에서도 동일한 모델을 사용하며, 여기서 프로파일을 스캔하여 기능이 클라이언트 기준을 충족하는지 여부를 식별한다.
5) AIG, Citade 등 상위 기관투자가들은 적극적인 투자수익률을 높이기 위해 소셜네트워크의 텍스트, 쇼핑 이력, 배송정보 등 대체 데이터에서 인사이트를 활용하고 있으며 NLP 기술이 어떻게 효율성과 확장성을 개선할 수 있는지 검토하고 있다. 또한, 몇몇 자산운용사는 내부 기술팀을 고용하거나 제3자 제공자를 고용하여 공개 파일 자동 수집 및 분석을 수행하고 뉴스 및 소셜 미디어 콘텐츠의 감성에서 시그널을 도출한다.
인간은 일반적으로 높은 수준의 텍스트를 이해하고 문맥을 더 잘 이해한다. 그러나, 무수한 출처와 구조화되지 않은 텍스트 데이터의 양이 증가함에 따라, 데이터를 처리하기 위해 기술을 활용하는 것은 충분히 설득력 있다. 한편, NLP 기법과 같은 AI의 진보는 계산 능력의 엄청난 증대와 함께 변곡점에 있다. 이는 자산 관리자에게 텍스트 데이터 세트에서 신뢰할 수 있는 인사이트를 도출하고 경쟁력을 구축하기 위해 NLP 기술을 활용할 수 있는 엄청난 기회를 제공한다. 미래에는 경쟁 우위를 위해 기술과 데이터를 활용하는 기업과 뒤처지는 기업 사이에 커다란 격차가 벌어질 것이 분명하다. 장기적으로 이는 자산운용사의 자산 흐름과 포트폴리오 실적에 반영될 것이다.
그러나 수많은 NLP 솔루션은 일반적으로 반복 작업의 능률을 목표로 한다. 사용자 지정 요구에 대한 해결책을 고안하고 구현에서 가시적인 이익을 도출하려면 도메인 지식이 필요하다. Decimal Point Analytics는 데이터 분석에 대한 심층적인 재무 영역 지식과 전문 지식을 바탕으로 NLP 기술을 사용하여 자산 관리 고객을 위한 고유하고 차별화된 인사이트를 제공하여 투자에 있어 차별화된 우위를 확보하고 있다.
NLP를 사용하는 자산 운용사를 대상으로 한 사례 연구를 요청하거나 당사의 프로젝트를 자세히 알아보려면 marketing@decimalpointanalytics.com으로 이메일을 보내 주십시오.
번역 – 핀인사이트 인턴연구원 강지윤(shety0427@gmail.com)
원문 보러가기>
