AI and Exchange Rate Predictability
이 논문은 생성형 AI 모델이 경제적 펀더멘털을 기반으로 환율 수익률을 예측함으로써 미스-로고프(Meese-Rogoff) 환율 불일치 퍼즐을 효과적으로 해결할 수 있음을 입증하며, 테일러 준칙(Taylor rule) 프레임워크를 핵심 예측 기제로 활용하는 전략을 통해 0.7을 상회하는 샤프 지수를 달성한다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
세계 경제를 거대한, 혼돈스러운 대양(大洋)으로, 통화를 그 안의 배들로 상상해 보십시오. 수십 년 동안 경제학자들은 인플레이션, 고용, 성장과 같은 '경제적 펀더멘털'이라는 기상 보고서를 살펴보며 어떤 배가 떠오르고 어떤 배가 가라앉을지 예측하려고 노력해 왔습니다. 하지만 여기에는 '환율 디스ко넥트(exchange rate disconnect)'라는 유명한 미스터리가 있습니다. 이는 마치 기상 지도를 읽으며 폭풍을 예측하려 하지만, 정작 배들은 지도를 완전히 무시한 채 완전히 무작위로 움직이는 것과 같습니다. 단순한 추측(즉, '랜덤 워크')이 복잡한 수학 모델보다 더 잘 들어맞는 경우가 많습니다. 이는 우리가 돈의 움직임을 예측할 수 없다면, 세계에서 가장 큰 금융 시장을 이해하기 어렵다는 점에서 매우 좌절스러운 일입니다. 이때 인공지능(AI), 특히 '대규모 언어 모델(LLM)'이라 불리는 새로운 종류의 AI가 등장합니다. 이들을 단순한 계산기가 아니라, 수천 개의 뉴스 헤드라인과 경제 보고서를 순식간에 읽고 인간의 뇌가 놓칠 수 있는 점들을 연결하는 초지능적이고 지치지 않는 인턴이라고 생각하십시오. 질문은 이것입니다. 이 디지털 두뇌가 마침내 이 대양의 암호를 풀 수 있을까요, 아니면 그저 추측에 불과할까요?
아민 이자디아르(Amin Izadyar)가 작성한 이 논문은 바로 그 질문을 던집니다. 저자는 ChatGPT나 DeepSeek와 같은 AI 모델이 10개의 주요 통화(미국 달러, 유로, 일본 엔화 등)에 대한 금융 분석가 역할을 수행하도록 합니다. 저자는 AI에게 복잡한 수학 방정식을 입력하는 대신, 간단한 임무를 부여합니다. 즉, 최신 경제 뉴스(GDP 보고서나 인플레이션 수치 등)를 읽고, 이를 전문가들의 예측치와 비교하여, 해당 뉴스가 긍정적인지(통화 가치 상승), 부정적인지(통화 가치 하락), 또는 중립적인지를 결정하게 하는 것입니다. 그러면 AI는 '방향성 신호'를 내놓습니다. 이러한 신호들을 시간이 흐름에 따라 수천 개씩 수집함으로써, 저자는 경제 뉴스를 바탕으로 한 통화의 순 '강도'를 측정하는 AIFX 지수라는 성적표를 구축합니다.
결과는 놀라울 정도로 유망합니다. 논문에 따르면, 이 AI 생성 성적표는 실제로 통화 수익률을 예측할 수 있다고 합니다. AI 점수가 높은 통화는 사고 점수가 낮은 통화는 파는 단순한 트레이딩 전략은 0.7 이상의 연간 수익(샤프 지수로 측정)을 창려합니다. 이를 설명하자면, 이는 단순히 추측하는 것보다 더 나은 수준의 견고한 수익이며, 트레이더들이 돈을 버는 다른 알려진 방식들을 고려한 후에도 여전히 수익성이 높습니다. AI는 전통적인 모델들이 놓쳤던 경제 뉴스와 통화 가격 사이의 숨겨진 연결 고리를 찾아낸 것으로 보입니다.
하지만 저자는 AI가 마법이라거나 이 퍼즐을 영원히 '풀었다'고 주장하지 않도록 매우 주의를 기울입니다. AI에 대한 주요 우려는 '룩어헤드 편향(look-ahead bias)', 즉 AI가 실제로 추론하는 것이 아니라 훈련 데이터에 포함된 정보를 단순히 이용하고 있는 것이 아닌가 하는 공포입니다. 이를 증명하기 위해 저자는 네 가지 영리한 테스트를 실시합니다. 첫째, 뉴스 발행 날짜를 알려주지 않은 상태에서 AI에게 해당 뉴스가 언제 발표되었는지 맞혀보라고 요청했는데, AI는 대부분 틀린 해를 예측하며 처참하게 실패했습니다. 둘째, 2021년까지의 데이터로 학습된 오래된 AI 모델과 2023년까지의 데이터로 학습된 최신 AI 모델을 비교했는데, 두 모델 모두 비슷하게 수행되어 최신 모델이 단순히 최근 사건을 '기억'하고 있는 것이 아님을 보여주었습니다. 셋째, AI가 인플레이션과 통화 가격 사이의 역사적 관계를 암기했는지 확인했으나, 그렇지 않았습니다. 마지막으로, AI가 과거의 가격 변동에 대해 '기억'하고 있다고 가정하는 '순수 사후 확신(pure hindsight)' 포트폴리오를 만들어 보았는데, AI의 실제 트레이딩 전략은 단순한 기억과는 반대로 작동한다는 것을 발견했습니다. 이러한 테스트들은 AI가 단순히 대본을 읊는 것이 아니라, 뉴스에 대해 진정으로 추론하고 있음을 시사합니다.
더 깊이 파고들어 보면, 논문은 왜 AI가 작동하는지 그 이유를 밝혀냅니다. AI는 특히 세 가지 특정 유형의 뉴스, 즉 인플레이션 데이터, 고용 데이터, 그리고 광범위한 경제 활동 지표를 살펴볼 때 가장 성공적이었습니다. 이는 중앙은행이 금리를 결정하기 위해 사용하는 유명한 공식인 **테일러 준칙(Taylor Rule)**에서 사용하는 변수들과 정확히 일치합니다. AI는 특정 국가의 인플레이션이 높거나 실업률이 낮으면 중앙은행이 금리를 인상할 가능성이 높고, 그 결과 해당 통화가 더 매력적으로 변할 것이라는 점을 직관적으로 이해하고 있는 듯합니다. 흥미롭게도, AI의 성공은 주로 긍정적인 뉴스(좋은 경제 데이터)에 의해 주도되었습니다. 나쁜 뉴스는 통화 가치의 즉각적이고 급격한 하락을 유발하여 시장이 즉시 소화해 버리는 반면, 좋은 뉴스는 더 느리고 점진적인 상승을 이끌어내어 AI가 미래의 이익을 예측할 수 있는 더 많은 시간을 제공합니다.
요약하자면, 이 논문은 인공지능이 매우 효과적인 금융 분석가로서 역할을 할 수 있으며, 눈앞에 숨겨져 있던 경제적 펀더멘털과 환율 사이의 실제 연결 고리를 밝혀낼 수 있음을 시사합니다. 이것이 시장이 완벽하게 예측 가능하다는 뜻은 아니지만, 적절한 도구가 있다면 마침내 기상 지도를 올바르게 읽기 시작할 수 있다는 것을 의미합니다. 연구 결과는 엄격한 테스트를 통해 견고함이 입증되었으나, 저자는 이것이 복잡한 시스템을 이해하기 위한 출발점일 뿐, 금융의 모든 미스터리에 대한 최종 해답은 아니라고 언급했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.