SDSU 연구진, 거시경제와 소셜 데이터 융합한 주가 예측 AI 모델 공개

주식 시장에서 방향을 맞추려는 사람들은 보통 과거 차트를 뜯어보는 기술적 분석과 기업 실적이나 거시 지표를 보는 기본적 분석으로 나뉩니다. 하지만 실제 시장에서는 이 두 가지 방식 모두 갑작스러운 대형 변수나 소셜 미디어 발 급변에 속수무책으로 무너지곤 합니다.

사우스다코타 주립대학교의 카이쿤 푸 교수와 양샤오 바이 연구원 팀은 버지니아 공대, 텍사스 A&M 대학 코퍼스크리스티 연구진과 손잡고 이를 해결하기 위한 딥러닝 모델 ALERTA-Net을 개발했습니다. 관련 연구는 사전 공개 사이트인 arXiv에 실렸습니다.

700만 건의 트윗과 연준 지표를 함께 학습

연구팀의 진단에 따르면 기술적 분석은 과거 가격에 너무 의존한 나머지 돌발 변수를 놓치기 쉽고, 매매 신호끼리 증폭되면서 실물 경제와 동떨어진 반향실 효과를 만듭니다. 반면 기본적 분석은 금융 시장 자체에만 매몰돼 거시 경제와의 유기적 관계를 놓치기 십상입니다.

기존 인공지능 예측 모델들 역시 오를지 내릴지 방향만 맞추려 할 뿐, 얼마나 크게 움직이는지 변동의 규모는 소홀히 다루는 한계가 있었습니다. 실제 트레이딩에서는 0.5% 오르는 것과 10% 급락하는 것의 리스크가 완전히 다릅니다.

ALERTA-Net은 거시경제 지표, 검색 엔진 데이터, 소셜 미디어 데이터를 한데 묶은 심층 신경망입니다. 연구진은 41개 우량주를 추려 야후 파이낸스의 3년 치 주가 데이터와 미국 연방준비제도의 거시경제 지표를 입력했습니다.

여기에 딥러닝 기반 소셜 검색 기술을 동원해 X(구 트위터)에서 해당 41개 종목을 언급한 700만 건 이상의 게시물을 모았습니다. 일일 게시물 수뿐 아니라 개별 트윗의 감성 분석 결과까지 변수로 넣었습니다. 실험 결과 ALERTA-Net은 기존 대표 주가 예측 모델인 DP-LSTM과 비교 모델들을 뛰어넘는 정확도를 보였습니다.

왜 중요한가

일반 투자자가 당장 이 모델을 가져다 실전 매매에 써먹을 단계는 아닙니다. 시가총액이 크고 유동성이 풍부한 41개 대형주를 대상으로 한 학술 연구 수준이며, 실시간 호가 환경과는 거리가 있습니다.

하지만 금융 데이터 분석 업계 관점에서는 시사하는 바가 큽니다. 이제 주식 시장은 차트 지표만으로 설명할 수 없으며, SNS 상의 군중 심리와 연준의 금리 기조가 실시간으로 얽히며 요동칩니다. 거시 경제 데이터와 소셜 감성 데이터를 하나의 신경망에서 처리하는 방식은 퀀트 펀드들이 필연적으로 채택해야 할 흐름입니다.

우리가 보기에 이 모델의 가장 영리한 점은 가격의 방향과 변동성의 크기를 동시에 예측 목표로 삼았다는 부분입니다. 리스크 관리 부서나 파생상품 거래자에게는 방향보다 변동 폭의 크기가 훨씬 더 치명적인 정보이기 때문입니다.

남은 과제는 데이터 오염 문제입니다. X 플랫폼에는 시세 조종 목적의 봇이나 광고성 게시물이 넘쳐납니다. 실제 거래 환경에서 이러한 노이즈와 악의적인 여론 조작을 모델이 어떻게 걸러낼지가 실용화의 성패를 가를 것입니다.