인공지능 도구가 주가 움직임과 변동성을 예측하는 데 도움이 될 수 있을까?

사우스다코타주립대 전기공학 및 컴퓨터과학과의 조교수인 카이쿤 푸와 대학원 연구 조교인 양샤오 바이는 주가 움직임과 주식 시장 변동성 추세를 예측하는 AI 기반 모델을 개발했다.

'알러타-넷(ALERTA-Net)'이라는 이름으로 소개된 이 모델은 거시경제 데이터, 검색 엔진 데이터, 소셜 미디어 데이터를 통합하는 심층 신경망으로, 업계 최초로 개발되었다.

푸는 "우리가 아는 한 소셜 미디어, 거시경제 데이터, 검색 엔진 정보를 결합해 주가 움직임과 변동성을 모두 예측하려는 시도는 이번이 처음이다"라고 말했다.

미국 증시는 세계에서 가장 주목받는 금융 시장 중 하나이며 한 국가의 경제 상황을 나타내는 주요 지표 역할을 한다. 또한 이 시장은 지속적으로 정확하게 예측하기가 매우 어렵다.

주식 시장 조사 및 예측에는 기술적 분석과 펀더멘털 분석이라는 두 가지 주요 방법이 있다.

기술적 분석은 과거 주가에 의존해 미래 추세를 예측한다. 펀더멘털 분석은 외부 정보와 데이터를 활용한다.

푸와 바이에 따르면 두 방법 모두 주요 주식 시장 지표를 놓칠 수 있는 결함이 있다고 한다.

푸는 "기술적 분석은 과거 데이터에 크게 의존하기 때문에 예상치 못한 사건으로 인한 갑작스러운 시장 변화를 간과할 수 있다"고 말했다.

또한 “시장 행동이 균일하게 합리적이라고 가정하면 이 방법은 실수로 에코 챔버를 만들 수 있다”며, “이러한 효과로 인해 거래 신호가 스스로 증폭되어 결국 실제 경제 상황과 단절될 수 있다”고 설명했다.

반면 펀더멘털 분석은 금융 시장에 초점을 맞추는 경향이 있으며, 경제와 주식 시장 간의 공생 관계를 무시하는 경우가 많다. 하지만 여전히 기술적 분석보다 더 포괄적인 접근이 필요하다.

푸는 "기존 모델은 주로 추세 변화를 예측하는 데 중점을 두며, 이러한 변화의 규모에 대한 중요성을 간과하는 경우가 많다"고 주장했다.

이 다층적이고 포괄적인 예측 모델을 구축하기 위해 버지니아 공과대학교와 텍사스 A&M 대학교의 교수진을 포함한 연구팀은 글로벌 산업 분류 표준에서 41개의 "우량" 주식을 선정했다.

그런 다음 푸와 바이가 보유한 소셜 미디어 정보 검색에 대한 전문 지식을 통합해 AI 방법인 딥러닝을 활용해 방대한 양의 게시물을 수집하고 판독하는 과정을 거쳤다.

데이터는 3년 동안 41개 주식의 궤적을 도표화한 야후 파이낸스에서 제공했다. 소셜 미디어 게시물의 출처는 이전에 트위터로 알려진 소셜 미디어 플랫폼 X를 사용했다. 41개 종목에 대해 논의한 700만 개 이상의 트윗을 수집, 분석해 모델에 포함시켰다.

푸는 "트위터 볼륨이 주식 거래에 미치는 영향이 크다는 것을 잘 알고 있다"며, "우리는 모델의 입력 매개변수에 개별 트윗의 감성 분석과 처리된 트위터 게시물의 일일 수를 포함하도록 했다"고 말했다.

연구 결과, 이 모델은 유명한 주식 움직임 예측 네트워크인 DP-LSTM은 물론 다른 기준 예측 모델보다 정확도 측면에서 더 나은 성능을 보였다.

푸는 "우리 연구에 따르면 거시경제 데이터를 통합하면 주식 움직임과 변동성에 대한 모델의 예측 능력이 다양한 수준으로 크게 향상된다"고 주장했다.

푸와 바이의 연구는 이제 시작에 불과하며, 이들은 모델의 정확도를 개선하기 위해 새로운 입력과 데이터 소스를 계속 실험할 것이라고 전했다.