데이터지능 생방송: 금융데이터 & 퀀트 권용진님

안녕하세요

네 지금 방송을 시작했고요 네, 저 이제 시작을 하겠습니다. 네. 온라인에 계신 분들, 저희 혹시 보이시나요? 어... 자...

여섯 명 시청 중이라고 나옵니다.

네.

여섯 명?

네, 여섯 명이면... 다섯 명! 지금 세 명 중 한 명 나갔어요.

아, 이거 보고 있으면 안 될 것 같은데요? 점수판 같아요, 마치.

네, 그래도 뭔가...

저희가 5명 모니터링해서 선물나갔어요.

이거 보고있으면 안될것같은데요. 점수판같아요. 네 그래도 뭔가 저희가 5명 모니터링해서 선물나갔어요.

네 그러면은

그러면은 뭐요?

시작할게요 아 이게 근데 이거를 여기다 넣어놔서 다 제가 읽는게 다 들통이 나겠는데요 네 안녕하세요 여러분 데이터 지능 다섯번째 에피소드 시작하겠습니다 지난번에 저희가 한규용님과 함께 에듀테크 세계에 대해서 알아보았는데요 이번에는 분야를 바꿔서 금융, 파이낸스 데이터 그리고 이제 그 분야의 데이터 과학자라고 할 수 있는 펀트의 세계로 떠나보겠습니다 펀트라면 이제 사실은 굉장히 여러가지 서로 설명할 수 있지만 저희는 이제 금융 데이터를 가지고 다양한 가치를 창출하는 데이터 과학자라는 생각도 드는데요 저희는 데이터 지능 방송인 만큼 좀 더 기술적인 측면에서 데이터 그리고 인공지능 관점에서 좀 더 접근을 해보도록 하겠습니다 오늘 모시는 권영진님은 실제로 월가에서 일하시는 퀀트이시기도 하고 최근에 이제 베스트셀러가 된 인공지능 투자자 퀀트라는 책의 저자이기도 하신데요 저는 사실 책 집필 과정에서 처음 권영규님을 알게 됐고 최근에 시애틀에서 뵙기도 했어요. 오늘 방송에는 테리님도 저희 방송을 자주 함께하시는 테리님도 하셨고요. 우선은 용진님, 테리님 안녕하세요?

네, 안녕하세요.

네, 안녕하세요.

이렇게 초대해 주셔서 정말 감사합니다. 네, 지금 뉴욕은 밤 11시인데 저희가 불금요일에 청취자분들과 함께 할 수 있어서 너무 좋고요.

네, 이쯤 되면 출연료도 나가야 되는 거 아닙니까?

출연료는 또 제가 서부를 가면 청구를 하겠습니다. 맛있는 맛집과 와인으로.

도대체 이거 어떻게 운영되고 있는 건지 모르겠어요.

출연료는 저희 그 방송 자체를 즐기는 걸로 일단은 방송 자체가 이제 참여하는 분들의 출연료가 되는 걸로 아무튼 뭐 이러다가 명력이 실패할 것 같은데 그 부분은 좀 하겠습니다. 어쨌든 저희가 무려 다섯 번째 방송인데 사실 여기까지 온 것도 참 대단한 것 같고 근데 이번에는 조금 그러니까 저희가 매번 새로운 시도를 하는데 이번에는 이제 저희가 데이터과학과 인공지능 분야에 소식을 한번 그동안에 이제 저희가 방송을 2주에 한 번씩 새로운 방송이 올라가는데요 소식을 한번 들어보는 워낙 빨리빨리 바뀌기 때문에 순서를 한번 가져보려고 합니다 그래서 테리님이 뭐 소식을 좀 준비해 주셨다고요

아 네 뭐 소식을 뭐 자세히 준비를 한 건 아니고요 어 여러분들 하실 수 있습니다 레딧을 펴셔서 어 머신러닝 챗 어 레딧을 가셔서 이제 그동안에 무슨 소식이 하이라이트 됐는지를 탑을 검색을 해보시면 나오는데요 저도 한번 쭉 둘러봤었죠 한 달간의 이제 어떤 소식들이 반짝반짝 거렸나를 봤는데 가장 유명한 것 중에 하나는 보스톤 다이나믹스, 다들 보셨나요?

네, 봤어요. 좀 무섭던데, 백텀블링 하는 거 보니까.

제가 원래 로봇 쪽에서 왔잖아요. 그래서 보스톤 다이나믹스가 커온 과정을 쭉 봤었는데 사실 이렇게 백덤블링하고 뭐 이런 것들 하는 거 사실 시뮬레이터 상에서는 잘 됐었거든요 이제까지는 근데 그게 하드웨어로 된 거는 진짜 처음 봐요 진짜 이거는 말도 안 되는 거고 사실 하드웨어랑 시뮬레이션 사이에는 너무나 큰 간극이 있거든요.

그렇죠.

네, 뭐 센싱하는 범위도 다르고 그다음에 뭐 그 인터랙션, 환경을 전혀 모르잖아요. 그 피드백하는 그런 실시간성도 문제가 있고 그런데 그런 것들을 모두 잡아낸다는 게 엄청난 소식이고요. 그래서 보스턴 다이나믹스가 정말 큰 히트를 쳤었고

아, 지금 이거 말씀하시는 거죠? 보스턴 다이나믹스, 아틀라스, 롤워크캔, 백브린, 나우.

근데 소리만 들리는데요?

지금 나오고 있어요, 제가.

그래요?

좋네요. 그리고 보슨다이너맥스 말고 어떤 소식들이 있었냐면 캡슐 네트워크라고 들어보셨나요?

전 처음 들어요.

아 처음 들어보셨나요? 이제까지 주로 컨볼루션 뉴럴 네트워크가 굉장히 핫했었잖아요. 그리고 컨볼루션 뉴럴 네트워크를 주최한 사람은 얀루쿤도 있고 대부라고 할 수 있는 힌튼, 아버지 힌튼도 있었고 그래서 힌튼이 내는 논문들은 항상 엄청나게 핫하게 회자가 되거든요. 근데 오랜만에 힌튼이 논문을 냈어요. 그게 바로 캡슐 네트워크라는 겁니다. 그래서 기존의 컨볼루션 뉴럴넷 같은 경우에는 어떤 인베리언스를 잡는데 굉장히 취약했었거든요. 예를 들어서 어떤 이미지가 있는데 이미지가 약간 로테이션을 했다, 쉬프팅을 했다고 하면 그거를 잡지 못하기 때문에 보통은 데이터 어그멘테이션을 해서 잡아줘요. 근데 이제 캡슐 네트워크는 사람은 근데 가능하잖아요. 사람은 물체가 약간 움직이거나 약간 돌아가도 인식을 할 수 있잖아요. 근데 이제 캡슐 네트워크는 이제 그런 것들을 어떻게 잘 잡아낼 수 있을까를 굉장히 심플한 아이디어로 했고 결국은 굉장히 더 좋은 성능은 아니지만 굉장히 컴퓨러티브한 성능을 낸 캡슐 네트워크가 지난달에 핫했었죠. 뭐 더 알려드려요? 이 정도면 됐나요?

아 근데 그 원래 컴포루셔널 네트워크도 기존 메소드보다는 좀 더 그런 인베리언트를 잘 잡아내는 거 아니었나요?

그렇죠. 그 인베리언트를 잘 잡는다는 게 약간의 그런 피라미드 구조잖아요. 점점 점점 앱스트랙 해가는 구조. 그래서 굉장히 그런 약간의 트랜슬레이션 같은 거? 그런 것들을 잘 잡아내는데 그게 만약에 물체가 왼쪽에 있었는데 이번에 오른쪽에 있는 걸 알고 싶다. 그러면 전혀 알 수가 없는 거죠.

그러면 캡슐 네트워크는 어떤 원리로 그런 걸 잘 잡아낼 수 있게 된 건가요?

저도 그걸 자세히는 보지 않았는데요. 오브젝트의 약간 신텍스를 이용하는 것 같더라고요. 예를 들어서 그냥 픽셀 단위로 인식을 하는 게 아니라 그 물체의 위치라든지 오리엔테이션이라든지 이런 것들의 변화들, 벡터들 이런 것들을 이용해서 하는 것 같던데 논문을 다 읽지 않은 상태로 해서 말을 하기 위험하네요.

저희가 사실은 다음주에 딥러닝 방송을 계획하고 있습니다 그래서 다음 방송에서 이번에 사실 이번주에 립스라는 머신러닝 쪽 가장 큰 컨퍼런스도 있잖아요 컨퍼런스 소식과 함께 따끈따끈한 저희가 소식을 딥러닝 관련된 방송을 전해드릴 예정이고요 게스트 모셔놓고 다음 방송 광고하자 저희는 계속 해야되니까 잘 돼야죠 어쨌든 네, 그러면은 오늘의 주제는 퀀트와 금융 데이터 분석이니까 퀀트의 세계를 한번 들어가 보도록 하겠습니다

네,

우선은 용진님께서 사실은 책을 시애틀에 오셨을 때 한 권을 주셨는데 저한테 제가 이미 책을 샀었거든요 그래가지고 책이 두 권이 됐는데 어쨌든 두 번 전자책을 한 번 읽고 제가 종이책을 한 번 읽었는데 저도 관심이 많은 분야인데 퀀트라는 분야에 대해서 굉장히 잘 이해할 수 있게 도와주는 좋은 책이었던 것 같은데요 그래도 이제 퀀트에 대해 잘 모르시는 분도 계실테니까 퀀트에 대해서 한번 설명을 좀 해주실까요? 저는 사실 월가의 데이터 과학자 약간 이렇게

생각을 하고 있는데 월가의 데이터 과학자라는 말이 저는 굉장히 마음에 드는 표현이고요. 사실 퀀트가 정의가 굉장히 여러가지가 있어요. 어떤 사람이 어떻게 정의하냐에 따라서 굉장히 다른데 제가 주로 정의하는 부분은 금융 데이터를 이용해서 금융적 가치를 창출하는 그런 사람이라고 이야기를 할 수 있어요. 그래서 최초, 초창기 컨트들은 주로 주식시장 데이터로 그냥 돈을 번다. 감 대신에 수치를 사용한 그러니까 데이터를 이용한 투자를 해서 돈을 번다에 국한되었었고 이제 그런 사람들을 주로 소개를 했는데 이제 앞으로나 현재 시대만 해도 그냥 돈을 버는 것뿐만이 아니라 주식시장을 투자를 하거나 뭐 어떤 트레이딩을 하지 않더라도 이제 이 사회적인 경제학적인 부분까지도 다 데이터로 분석을 해서 미래를 예측을 한다 또 그런 부분을 주로 하는 사람들이라고 정의를 내릴 수 있을 것 같아요

아 재밌는게 예전에는 시장 데이터만 분석을 했는데 이제는 모든 사회 모든 데이터를 분석한다는 말씀이신 것 같네요

예전에는 사실 유용 분석을 하고 가져와서 사용할 수 있는 데이터 풀 자체가 그렇게 많지 않았어요 그래서 시장 데이터 자체도 완벽하게 클린하게 들어올 수 있었던 시기가 불과 5년 이내였고요 그 전까지 레코드를 하고 또 어느 정도 시계열 상태로 만들 수 있는 거 자체가 주가나 거래량 같은 일반적인 시장 데이터였기 때문에 그런 거 위주로 하다가 투자를 하는데 사실은 저희가 일반적으로 주식 시장에 투자할 때도 기술적 투자자와 가치 투자자가 있다고 얘기를 하잖아요. 근데 마찬가지로 퀀트 데이터를 분석을 할 때도 어떠한 시장의 움직임과 패턴을 위주로 분석을 하는 사람들을 이제 그동안은 콘트라고 부르고 또 그런 사람들이 주로 활동을 했지만 이제 앞으로는 가치 투자나 또 어떠한 그 거대한 거시경제 흐름 같은 거를 분석을 하고 예측을 하는 사람들이 좀 더 득세를 하려고 하는 추세고 사실 그 전까지 이런 부분이 아예 불가능했어요. 데이터가 없었기 때문에. 데이터가 있더라도 이걸 어떻게 정제해야 될지도 모르고. 실제로 예를 들어서 AQR이라는 해지펀드가 있는데요. 거기서 시도한 것 중 하나가 트럼프 대선이 될까 안 될까 이런 거를 예측을 했었어요. 그걸 이용해서 투자를 엄청 크게 했었고 예전에는 이런 거를 하기가 너무 어려웠어요. 일단 데이터 포인트 자체도 대선이라는 거 자체가 많이 있지도 않았고 있다 하더라도 그게 굉장히 아웃라이어가 많고 또 각각 케이스가 너무 다 다르기 때문에 또 어떠한 베이어블을 넣어야 되고 이런 부분이 어려운데 이제 너무나 많은 기술들이 생기면서 이제 그냥 다양한 데이터를 가지고 이제 경제적인 부분을 예측하는 사람이다 이렇게로 이제 많이 개념이 변해가고 있는 것 같아요

네 그렇게 그러니까 기술적 분석을 하던 사람에서 그렇게 거시경제의 모든 전반을 분석하는 이제 그런 성격으로 이제 퀀트가 바뀌었다고 말씀을 해주셨는데 어 그러면 이제 그런 모든 여러가지 데이터를 다 이제 모아서 처리를 하려면은 뭔가 그 방법이나 아니면은 어떤 그 인프라스척처 같은 것도 조금 달라 졌을 것 같네요? 그런 부분이 있나요?

그렇죠, 당연히. 그전까지는 사실 데이터 자체가 얼마나 더 빠르고 잘게 쪼개졌냐를 가지고 많이 얘기를 했어요. 그래서 사실 컨트라는 거는 물론 제가 장황하게 데이터를 분석해서 예측을 한다 이런 얘기를 했지만 제일 큰 부분은 돈을 벌어야 되는 거고 수익을 얼만큼 내느냐가 제일 큰 부분이었고 그동안의 수익을 낼 때는 더 빠른 인프라 스트럭처 그리고 더 많은 데이터 많다 하면 어쨌든 날짜는 정해져 있으니까 더 잘게 잘게 쪼개서 주가에는 거래소에서 주는 데이터가 여러 가지가 있어요. 제일 쉽게 쓰는 데이터가 종가 데이터라고 해서 일별로 끝날 때 가격이 얼마였나 이런 게 있고 그 다음에 좀 더 시간당 분당 초당 이렇게 점점 더 내려가다가 모든 거래 하나하나를 다 데이터를 입력을 받는 그런 정도 데이터가 되면 하루에 주식 S&P500 데이터를 다 받으면 하루에 한 3TB 정도가 돼요. 그 저장을 하고 또 처리를 할 수 있는 인프라스척처가 제일 중요했어요. 그래서 딱히 데이터의 퀄리티를는 어차피 가격과 거래량이었기 때문에 간단하게 레코드를 하고 크게 클린리스가 중요한 부분이나 뭐 특이하게 분석을 하거나 이런 것들이 중요하다기보다 분석 기술 자체는 주로 간단한 리그레션이나 머신러닝 모델에서도 간단한 것들을 많이 썼는데 앞으로 데이터 자체가 소셜데이터라던가 이런 NLP 같은 걸 많이 쓰다 보니까 아무래도 인프라 자체가 그리드 같은 걸 많이 쓰게 됐고요. 그런 클라우드 같은 걸 많이 도입하게 됐죠, 예전에 비해. 그래서 인프라 개발자의 역량이 예전보다 훨씬 중요해져서 예전에는 주로 회로 전문가들이 득세를 했었거든요. 그래서 주로 그런 사람들이 얼마나 더 빨리, 얼마나 더 적은 파워로 용량을 많이 저장할까 이런 거를 많이 하다가 요즘은 이제 어떻게 하면 그런 머신러닝 기술을 더 빠르게 돌릴 것인가 약간 이제 일반 그런 데이터 과학을 많이 하는 회사들, 검색이라던가 그런 부분에서 많이 쓰는 인프라를 공유하게 된 것 같아요.

저도 퀀트라는 것을 처음 들어봤거든요. 그런데 들어보니까 뭔가 로봇이랑도 비슷한 면이 많이 있는 것 같아요. 보통 데이터 사이언스나 머신러닝을 할 때 오프라인으로 많이 하잖아요. 데이터 세트 딱 주어지고 돌리고 예측하고 이런 것들을 하는데 이제 여기는 즉각 즉각적으로 리스폰스를 주고 매매를 하고 해야 되니까 그런 속도도 중요하고 인크리멘탈하게 프레딕션을 해야 되는 경우도 있고 굉장히 뭔가 실시간으로 진행된다는 점이 로봇하고도 굉장히 비슷하네요.

아까 말씀하셨듯이 보스턴 다이나믹스 얘기할 때도 제가 굉장히 공감한 게 저희는 돈이 아무래도 관여가 되어있다 보니까 시뮬레이션을 굉장히 중요시 하거든요. 그래서 모의 시장에서 여러가지의 알고리즘을 테스트하거나 데이터 분석을 해서 백 테스트를 하는데 그거를 실제 프로덕션에 냈을 때 정말 별의별 사건 사고가 많이 생기고 나비 효과도 많이 생기고 예상하지 못한 베리어블이 영향을 미치기도 하고 그래서 그런 부분을 해결하는 게 굉장히 어려워요. 그래서 그런 부분에 대해서도 아까 공감이 좀 됐는데 그래서 로봇 쪽 분들도 많이 넘어오시기도 해요.

제가 한 3분짜리 썰 하나 풀어도 될까요?

편하게 푸세요.

저희 석사 교수님이 로봇 하시지만 수학 박사님이시거든요. 근데 약간 파이낸스 쪽에 어떤 스타트업을 하셨어요. 그래서 대학원생들을, 하버드 수학과 출신이신데 자기 친구들은 모두 월가에서 잘나가고 있으니 나도 금융을 해보겠다고 하셔서 하나를 세우시고 우리 로봇하는 대학원생들 몇 명이 붙은 거죠. 그래서 저희도 똑같은 것들을 했어요. 예전 데이터를 놓고 머신러닝이나 이런 것들을 가지고 모델을 만들고 예전 데이터 가지고 시뮬레이션을 돌려보고 수익이 얼마가 난다. 이걸 또 인프로브 해가지고 돌려보고 얼마가 난다. 이런 걸 했거든요. 근데 이제 문제는 뭐냐면 애들이 이제 불안해서 잠을 못 자는 거예요. 왜냐하면 한 번 친구들이 이제 돈을 크게 잃었거든요. 갑자기 무슨 어떤 이벤트가 발생을 한 거죠. 그러니까 이 친구들이 어떻게 하냐면은 자기가 옛날 데이터에선 잘 나온다는 걸 알았는데 내일 아침에 혹시나 무슨 큰일이 터질까 큰일이 터지면 내가 수동으로 이걸 멈춰야 되는데 그래가지고 이 친구들이 잠을 못 자는 거예요 잠을 못자서 막 괴로워하니까 교수님은 교수님대로 화가 난거죠. 너희들이 공부해가지고 대학원생이니까 머리 써서 하라고 했지 누가 너희들 보고 아침에 일어나가지고 이거 계속 주식시장 체크하라고 했냐. 근데 또 학생들 마음은 그게 아니잖아요.

그렇죠.

이게 모든게 수학으로만 다 해결되는게 아니고 얘기치 못한 이벤트들이 생겨서 그때 팍 잃어버리니까 되게 쉽지 않은 것 같아요.

아니 근데 여기서 그 대학원생들을 로봇 공부하러 온 대학원생들을 주식 프로그램 만들어서 돌리는...

아니 근데 그게 학생들의 의지도 있는거죠 학생들도 이제 아 이거 로봇 이거 언제 걷냐 이거 비전 없다 금융 해보고 싶다

이런 친구들 언제 걷냐?

태용님도 그 중 하나?

아니요 저는 그때 뭐 모든 것에 관심이

없었어가지고 하여튼 제가 사실 저도 이거 잘은 모르지만은 보면은 이제 사실 뭐 로봇 어드바이저 이런 말도 있잖아요 그렇죠 그렇죠 그리고 이제 제가 보니까 이게 로봇이라고 생각을 할 수 있는 요지가 많아요. 왜냐하면 이게 로봇이라는게 사실 결국 추상화를 하면은 뭔가 그 지능을 가진 에이전트가 환경이랑 상호작용하면서 자기의 뭔가 그 목적을 수행하는 거잖아요. 거기에 뭐 리워드가 있고 그 리워드를 큐뮬레이트하고 약간 이런 관점에서는 강화학습에서 보통 얘기하는 모델이랑도 통하는데 보니까 시장이라는게 태용님이 말씀하셨던, 이게 사실 다 용진님 책에서 나오는 썰인데 이게 사실은 굉장히 환경인데 굉장히 혹독한 환경이더라구요. 그래서 자기가 그 뭔가 거래를 하면은 이게 그냥 돼서 뭔가 기계적으로 수익이 나는 게 아니라 그걸 누가 보고 있더라구요 그거 보고 있고 경쟁사가 보고 있고 자기 회사에 또 감사하는 사람이 보고 있고 그래서 만약에 이제 이게 패턴이 읽히면은 바로 그냥 누가 또 치고 들어오는 거에요 그래서 자기가 뭐 어제까지 잘 수익을 놔뒀는데 갑자기 안 나기도 하고 그 다음에 이제 말씀하셨듯이 시장 상황이 갑자기 변해가지고 오늘 뭐 대폭락을 한다 그러면 거기서 바로 빼야 되는 경우도 있고 이게 어찌 보면 정말 자연 상태에서 예를 들어 화성에 가서 뭔가 살아남아야 되는 로봇보다 더, 혹도 가면 혹도겠지 더 좋을 게 없는 환경인 것 같더라고요. 제가...

네, 맞는 말씀이에요. 사실 이 컨트 하시는 분들이 제일 많이 여기를 진입하는 이유가 저도 사실 비슷한 이유였고 그냥 돈을 벌어주는 프로그램이 있다더라. 내가 아는 사람은 이거 잘 짜놓고 여기 홍콩 가서 편하게 놀면서 매일매일 아침에 장고만 확인하고 아주 재밌게 산다더라 이런 얘기를 많이 듣고 뛰어드시는 분이 많거든요 저도 사실 돈 벌면서 알아서 벌고 있으면 편하게 바닷가나 놀러 다니고 싶다는 생각으로 많이 시작을 했는데 실제로는 정말 그렇게 신경 쓸 거가 많은 편이고요. 사실 그런 시장을 직접 모니터링 하는 사람을 따로 뽑는 경우는 많아요. 그래서 이제 그거를 이제 쥬니어 퀀트가 하는 경우도 있고 아니면 그냥 모니터링 트레이더라고 해서 그것만 평생 하는 사람도 있어요. 어떻게 보면 QA 같은 느낌도 나는데 계속 이제 버그 같은 거 체크하고 시장 상황 리포트 해주고 그런 분도 계시는 거고 그런걸 떠나서 시장 상황이 계속 변하고 데이터도 계속 업데이트가 되기 때문에 그런 부분에 계속 신경을 써줘야 하니까 아무래도 제가 아까 말한 꿈같은 이야기는 잘 없더라고요 물론 그럼에도 불구하고 훨씬 편하게 성공한 컨트들은 그렇게 돈을 번다고 얘기를 할 수도 있겠지만 그런 오해가 많이 계시더라고요

그러면 뭔가 이렇게 나의 오늘 하루에 잘되고 잘못되고 이런 게 되게 피드백이 빨리 오잖아요. 오늘 하루는 망했어, 오늘 하루는 성공했어 이런 게. 또 한편으로는 어떤 사람들은 그 피드백이 굉장히 늦게 오는 30년짜리 작업을 해야지 오는 사람들도 있고. 어느 쪽이 더 행복한 것 같으세요?

저는 그거는 성향의 차이인 것 같아요. 사실 저희가 인터뷰를 볼 때 새로운 사람을 많이 뽑잖아요. 그러면 정말 다 똑똑한 사람들이에요. 당연히 수학도 잘하고 코딩도 다 잘하고 특히나 저같이 초단타 매매를 하는 회사들은 C++ 실력이 굉장히 좋아야 돼서 웬만한 개발자 레벨보다 더 잘하고 어떻게 보면 데이터 과학자보다 Pure 개발자분들이 더 많이 오시는 편이고 좀 더 롱텀을 하는 건 데이터 쪽을 많이 하시는 분들이 오시는데 인터뷰를 해보면 다 똑똑하고 잘 알 것 같고 그런데 저희가 이제 포인트로 잡는 게 이 사람이 그런 즉각 즉각인 피드백이나 이런 부분을 어떻게 반응을 하는가 스트레스는 어떻게 책 관리를 하는가 이런 부분을 그리고 또 그런 거를 오히려 즐기는가 약간 그 어떤 면에서는 게임 같은 면이 있어요 이게 그 보상이 바로바로 보이고 또 늘어날수록 뭐 그 주식 그냥 단타 매매 하시는 분들도 그런 얘기 많이 하시잖아요 이런 거는 게임하는 기분으로 한다 그런 식으로 그런 거를 좋아하시는 분들은 이런 게 더 잘 맞고요 제 주변 분들 중에서도 그런 것보다는 좀 더 빅 프로젝트로 크게 가는 걸 더 좋아하시는 분들은 아무래도 안 맞는 분들도 많이 계시고 실제로 자기가 이런 거에 되게 잘 맞을 거라고 생각하고 재밌겠다 하고 오셨다가 너무 힘들고 특히나 퀀트 안에서도 종류가 많은데 저같이 바이사이드라고 해지펀드 같은 데서 하는 퀀트들은 어떤 데는 굉장히 자극적이어서 저같은 경우에는 각각의 퀀트들이 얼마를 벌었는지가 다 나와요. 화면에 모니터에 다 띄워주거든요. 보험 판매원들, 이달의 보험사원 이런 것 같이 보면서 쟤는 잘 벌었는데 난 못 벌었어 하면서 스트레스 받는 사람도 많고 또 아무래도 이게 시장의 영향을 받기 때문에 알고리즘이나 분석이 아무리 잘 맞아도 말씀하셨듯이 돈을 잃을 수도 있거든요. 그런 거에 하나하나에 다 반응을 하다 보면 사실 모델이라는 것 자체가 어느 정도 이 검증이 꽤 오랜 시간 끝나야 하는데 계속 바꾸기도 하고 그래서 그러다가 결국엔 그런 분들은 은행에 요즘은 컨트도 거래를 하는 트레이딩 컨트 말고도 리서치만 하시는 분도 있고 모델을 그 검증하는 모델 검증 컨트도 있고 제가 책에서도 써놨지만 그런 분들도 많이 계셔서 그런 쪽으로 많이 옮겨 가시더라고요. 그런 데는 아무래도 수익이랑 별로 상관이 없기 때문에 몸이 좀 편하고 스트레스도 훨씬 덜 하거든요. 그래서 아무래도 사람 성향에 따라서 이런 게 더 좋다 안 좋다를 말할 수 있지 막 이게 무조건 더 좋다 이런 거는 아닌 것 같아요.

네, 말씀 들어오면 머리는 기본적으로 좋아야 되고 게다가 체력도 좋아야 되고 깡도 좋아야 되고 굉장히 어려운 그런 일 같은데 그래도 보람이 있으시니까 계속 하시는 거잖아요. 내가 퀀트라서 행복해 이런 순간이 언제가 있으신가요?

물론 여기 계신 분들 다 돈을 쫓아서 왔기 때문에 그걸 빼놓을 수는 없는데 요즘에 제가 느끼는 게 사실 컨트롤을 돈 때문에 하는 거는 굉장히 미스리딩하다는 생각이 들었어요. 왜냐하면 요즘은 아무래도 다양한 부분에서 재미있고 즐기는 사람들이 성공하는 시대잖아요. 제 친구들도 보면 정말 다양한 분야에 가 있어요. 저는 물론 컴퓨터 공학을 전공했기 때문에 대부분 개발자이긴 하지만 그 개발자 안에서도 미디어 쪽에 간 친구도 있고 스타트업에 간 친구도 있고 대기업에서 구글이나 이런 데 있는 친구들도 많이 있는데 어떤 면에서는 이런 정말 좋은 컨트 알고리즘을 만드는 거가 좋은 스타트업에 들어가서 터지는 거랑 별 차이가 없다는 생각이 들었어요. 그래서 이제 돈보다는 제가 보람을 느끼는 부분은 아무래도 다른 사람에 비해 좀 더 빠르게 저 자신의 아이디어를 실현을 시킬 수 있는 작업이라고 생각을 해요. 어떠한 큰 비즈니스를 어떻게 보면 컨츠는 1인 비즈니스 같은 느낌이 들거든요. 그래서 어떠한 개발자가 자신의 프로덕트를 만들고 실현시키기까지는 굉장히 오래 걸리고 투자도 받아야 되거나 아니면 팀을 꾸려야 되거나 여러가지 난관이 있는데 저 같은 경우에는 아무래도 처음에 은행에서 투자 은행에서 어느정도 기본적인 시스템만 배우고 헤드펀드에서 일을 시작을 하면서 제가 직접 아이디어 기획을 하고 데이터를 분석을 해서 실현을 시키고 코드도 제가 다 짜서 모니터링을 하면서 아까 말씀하신 것처럼 뉴스 때문에 울고 웃기도 하고 진짜 잠 못 잔 적도 있어요 저도 저도 연예인 있을 때 유럽 주식시장을 투자를 해서 새벽에 맨날 일어났는데 블랙베리 않고 이제 그런 거를 다 겪고 나서도 결국에 이제 제 이름으로 된 프로그램이 몇 수익을 냈다 아니면 잘됐다 못됐다 피드백이 바로 나오고 그런 부분이 굉장히 짜릿한 것 같아요 제가 그런 뭔가를 프로덕션을 그래도 비교적 젊은 나이에 직접 와서 결과를 볼 수 있다. 결과가 즉각적으로 나오는 것도 굉장히 매력적이고요. 그래서 뭐 그런 말씀은 많이 하세요. 너네가 그래서 이제 세계에 어떠한 밸류를 애드를 하는 거냐. 개발자들이 저기서 이렇게 멋진 프로덕트를 만들고 백덤블링 하는 로봇도 만드는데 너네 돈 벌려고 그렇게 그런 말씀도 많이 하시는데 저도 다 돈

못 버는 사람들이 하는 얘기에요

아니 근데 저도 그런 부분에 굉장히 많은 생각을 하게 됐어요 아무래도 철학적인 접근도 하게 되고 많이 해보니까 그런 생각이 들더라고요 이게 결국에 어떠한 기술이나 이런 가장 이 월가에 있는 여러가지 회사들이 사실 수많은 하이테크놀로지를 가장 먼저 도입하고 시도해보고 실패하고 이런 곳이기도 하거든요. 초단타 매매 같은 데서도 인공위성 같은 거 다른 데도 쓰지도 않는 거 다 써보고 사실 그게 돈이 되니까 써볼 수 있는 거고 그것들이 이제 그런 기술들이 여기저기 퍼져나가는 거라 생각을 하고요. 시장을 안정화에 기여를 하고 이런 것들도 있지만 저의 개인적인 부분은 그런 것들이 제일 크다고 생각해요. 그런 부분에서도 굉장히 보람있고 그렇습니다.

시장의 안정화에 기여한다는 게 어떤 의미인가요?

그 부분을 좀 설명을 해드리자면 제가 예전에 쓴 블로그 글에 이런 토픽으로 이야기를 했었는데요. 시장... 효율적 시장 가설이라는 얘기를 많이 해요 유진 파마 교수가 처음 만든 그 설인데 사실 주식이나 경제를 공부하신 분들은 워낙 유명한 거라 많이 들어보셨을 텐데 주식 시장 자체가 모든 정보를 반영하고 있어서 가격이 이미 다 반영된 가격이다 이런 가설인데 이게 굉장히 혁신적이어서 많은 사람들이 이것을 따르기 시작했어요. 그런데 실제로는 여러가지 시장의 틈이 있고 이 틈 때문에 시장 자체가 완전히 붕괴되는 경우가 많아요. 그걸 유동성이 부족해서 잘못된다고 얘기를 하는데 예를 들어 어떤 물건이 있는데 차라고 해볼게요. 중고차를 파는 사람이 아무도 없으면 중고차 사는 사람들이 어디서 살지를 모르고 또 파는 사람들도 어디서 팔아야 될지 몰라서 서로 서로를 찾아당기다가 만약에 어떤 중고차를 팔아야 되는 사람이 급전이 필요했어요. 그러면 이 사람은 중고차 사고 파는 상인이 없으면 결국에 현금화를 못 시켜가지고 큰일 나게 되거든요. 근데 중고차 매매 상인이 있기 때문에 그거를 조금 수수료를 떼주고 팔고 이런 식으로 해서 돈을 버는거죠. 그런 중고차 마켓이 돌아가는 건데 마찬가지로 이제 주식시장이나 외환시장이나 전부 다 이런 원리로 돌아가고 있어요. 그래서 저희가 그냥 주식을 사고 판다고 생각을 하지만 그 중간 상인들이 굉장히 많이 있어요. 그런 거를 주로 하는 사람들이 트레이더라고도 하고 요즘은 퀀트 트레이더라고도 많이 하는데 그런 사람들이 주식이 엄청 떨어지려고 할 때 파는 사람이 많은데 사려는 사람이 없으면 자신은 이걸 빨리 팔아야 되기 때문에 가격을 더 낮추고 더 낮추고 하다 보니까 마켓이 붕괴되는 경우가 있어요. 그래서 사실 요즘에 만약에 이게 유명한 주식 같은 경우에는 당연히 상관없지만 워낙 사려는 사람과 팔려는 사람이 많으니까 어떠한 되게 유동성이 없는 자산이 일 경우에는 그런 경우가 굉장히 많이 일어나고 그런 것 때문에 망하는 경우도 많고 정말 시스템 자체가 붕괴되는 경우가 많은데 일반 트레이더들은 이런 걸 잘 못 건드렸어요 예전에 가격이 얼마가 될지도 모르고 위험하기도 하고 그러니까. 근데 이 컨트들이 등장을 하면서 이런 거에 반응도 빨리 할 수 있고 또 니즈 같은 것도 금방 파악을 할 수 있기 때문에 그런 것들을 많이 거래를 하게 됐고 그래서 실제로 제가 책에서도 많이 그래프를 소개를 해드렸지만 그 스프레드라 그래서 수수료 자체가 굉장히 낮아졌어요. 그리고 그런 부분에 그 유동성도 많이 해결이 됐고 이게 사실 눈에 보이지는 않는 부분이기 때문에, 얘네가 기여를 했다고 얘기해도 그렇게 와닿지 않을 수도 있는데, 잘못하면 없으면 붕괴되고 있어서 유지되기 때문에 그런 부분이 있죠.

지금 방금 어떤 부분에서 시장 안정성에 기여하느냐 이런 말씀에 대한 대답이셨죠 네네 너무 길어서 질문을 까먹었어요

굉장히 어려운 부분이라서 이거는 사실 저도 잘

얘기를 안 하는데 제가 개인적으로 관심 있는 걸 여쭤보다 보니까 너무 깊이 들어간 느낌이 있는데 어쨌든 아까 중고차 비유가 되게 좋은 설명이신 것 같아요 내가 예를 들어서 정말 예를 들어 소나타를 판다 그러면 누군가 사겠지만 1950년에 나온 무슨 올스무비를 지금 한국에서 판다 그러면 아무도 안 살 거 아니에요 근데 그 가격을 정확하게 쳐줄 수 있는 사람이 있으면 그 사람은 그걸 사겠죠

그렇죠

그런 역할을 시장의 빈틈을 다 메우는 그런 역할을 하는 것 같은데 제가 용진님 책을 한 번 읽었더니 뭔가 엄청나게 상식이 많이 생긴 것 같아요.

근데 그게 안정성을 기여하는 건가요? 아니면 오히려 비닉빈 VP처럼 안정성을 깨트리는 건 아닌가요?

그걸 어떤 관점에서 보느냐에 따라 다를 수 있는데요. 제가 예전에 한 비교 중 하나가 그 어떤 바닷가나 놀이동산에 음료수를 파는 상인이라고 생각을 해보시면 그런 데서 1불짜리 콜라를 한 3불에 팔고 있다고 생각을 해보세요. 이 사람이 폭리를 취하는 사람이냐 아니면 바닷가에서 진짜 콜라가 먹고 싶은데 이 사람이라도 없으면 콜라를 못 먹는데 그런 거를 팔아주는 고마운 사람이냐 그거는 이제 뭐 그 관점에 따라 좀 다를 수도 있어요. 그런데 이제 보통 이제 이 관점에 그 폭리가 그 마진이 얼마나 되냐를 가지고 이제 보통 얘기를 하거든요. 그래서 이제 저는 당연히 뭐 아무래도 이쪽에 있는 사람이다 보니까 아니 뭐 그렇게 유동성이 그러니까 그런 거를 유동성이라고 하는 거예요. 만약에 바닷가에서 콜라도 못 먹게 하면 그건 유동성이 없는 거고 거기서 뭐라도 사 먹을 수 있는 것 자체가 유동성이 있는 건데 저는 그런 사람들은 돈을 좀 벌더라도 리스크를 어쨌든 테이크를 하는 거니까 바닷가에서 낑낑대면서 들고 와서 파는 거니까 이 사람은 마진을 좀 받더라도 유동성 공급을 해주면 안정화에 기여해 주시는 분이다 라고 얘기할 수도 있는 거고 또 반면에 저는 장사 치네 라고 얘기할 수도 있죠 그래서 그런 관점에서 이야기할 수 있어요

네 뭐 상대적인 것 같아요 이게 뭐 내가 예를 들어서 정말 해변에 떠밀려가지고 어디 배에서 난파되가지고 방금 상륙했는데 앞에서 콜라를 팔고 있다 그러면 이제 뭐 정말 100만원이라도 주고 먹을 거 아니에요 그치 그게 유일한 뭐 드링크라면은 그러니까 뭐 사실 그럴 수 있을 것 같은데 아 네 이건 너무 여러분은 지금 완전히 시장

안정성에 대한 얘기를 듣고 계십니다. 너무 해변가 콜라 얘기는 아니고요.

근데 좋은 질문이신 것 같아요. 사실 계속 얘기가 나오는 게 권투는 시장의 악이다. 너네들 알고리즘으로 되게 이상한 짓 한다. 무섭다. 이런 얘기가 워낙 많이 나오기 때문에 그런 부분에 대해서 개념을 좀 아시면 더 좋을 것 같아요.

그래서 특히나 이제 이런 알고리즘들이 약간 나비효과 때처럼 해가지고 갑자기 기울이는 경우가 있잖아요.

그렇죠. 그런 경우도 있는데 이제 그런 거 같은 경우에도 그러니까 어 퀀트 안에서도 이건 사실 모든 직업이 그렇잖아요. 뭐 그 좀 그 규제 허점이나 이런 걸 이용해서 좀 그런 위험한 짓이나 좀 크리피한 그것들을 전략을 구사하는 사람들도 있어요. 그런 사람들이 뭔가 사고를 치면 그런 식으로 사고가 터지는 거고 그런 거는 사실 근데 퀀트의 문제다라고 말하기보다는 규제나 어떤 사람들의 문제다라는 게 더 제 견해고요. 그거는 사실 어느 분야나 다 있는 그런 프러드나 이런 거 같아요. 네.

어쨌든 뭐 아까 이제 완전 시장 말씀을 해주셨는데 어쨌든 저도 사실은 금융시장이 주식 투자는 뭐 주식 가격은 누가 아무도 예측할 수 없다 만약에 시장의 어떻게 방향 어떤 방향으로 간다 이제 약간 그런 정보가 있다면 이미 그 정보는 내가 뭐 알기도 전에 이미 가격에 반영이 되어있다. 저도 이런 얘기를 되게 많이 들어서 그렇죠. 그러니까 거의 뭐 주식은 아예 쳐다보지도 않았거든요. 근데 책을 읽어보니까 2000년대 초반까지만 해도 꽤 많이 구멍 같은 게 있더라고요. 여러가지 뭐 그러니까 조금 시장에 그 본질을 아는 사람이라면 뭔가 참여해서 수익을 낼 만한 그렇죠.

사실 지금도 많이 있다고 얘기는 해요. 그런데 아무래도 스코프 자체가 예전처럼 몇 분씩 유지되고 이런 것도 아니기 때문에 훨씬 어려워지고 그런 부분에서 데이터 분석이 무조건 들어가야 된다라는 얘기를 많이 하는 것 뿐이지 제가 느끼기로는 시장의 틈이라는 것은 항상 있는 것 같아요. 그게 어느 부분에 메워지면 또 다른 부분이 생기고 정보의 불균형이라는 건 결국 영원히 없어질

수가 없는 부분이기 때문에 그래서 조금 더 그 알고리즘 쪽 얘기를 더 해보면 예전에는 조금 더 단순하고 뭔가 핸드 튜닝 된 그런 모델 같은 걸로도 돈을 벌 수 있었는데 최근에는 아까 말씀하셨듯이 뭔가 거시경제 데이터도 좀 써야 되고 뭔가 그렇게 데이터를 굉장히 많이 써서 분석을 해내지 않으면 돈을 벌 수 없는 변화가 생긴 건가요?

일단은 포인트 자체는 맞아요 경쟁이 심해진 게 제일 크고요. 솔직히 말해 데이터 지능적인 부분을 많이 도입을 한 것은 정말 최근 일이에요. 제가 듣기로는 2015년까지만 해도 머신러닝을 주로 이용하는 트레이딩 회사나 컨트 회사가 그렇게 많지 않았어요. 그 전까지는 제일 많이 했던 것들이 초단타 매매라는 분야인데 초단타 매매 자체가 시간을 짧게 짧게 할수록 미래 예측이 훨씬 쉬워져요. 마치 저기 앞에 가는 택시가 1시간 뒤에는 어디 있을지 모르지만 1초 뒤에는 어디 있을지는 대충 예상이 되잖아요. 멈춰 있거나 1미터 앞으로 가거나 중에 하나일 테니까. 그래서 사람들이 시장 데이터를 최대한 쪼개서 짧게 짧게 보고 있었는데 그러면서 짧은 시간이기 때문에 큰 복잡한 모델이 필요가 없었어요. 주로 하던 게 리니어 레그레이션을 돌리고 주로 통계적 오류나 이런 부분만 해결하는 방식이었는데 아무래도 이런 거는 기술의 평준화가 일어나면서 모든 사람이 다 볼 수 있게 되니까 그런 부분을 정말 나눠먹기가 됐어요. 말 그대로 13년만 해도 퀀트 회사들 수익이 전체 합해서 한 4조인가 40조인가 정도 됐는데 이게 한 해 한 해 지날 때마다 반투막이 난 거예요. 근데 그게 회사의 증가량과 똑같았어요. 이런 회사가 늘어나니까 점점점 수익이 줄어들고 그렇기 때문에 사람들이 쉽게 볼 수 없는 것들을 찾아서 테스팅을 하게 됐고 그러면서 그런 거시경제 그거를 쓰기도 하고 그런데 이제 이 말은 그 기존에 그런 거를 다 버렸다는 뜻이 아니고 이제 그 지표를 하나씩 하나씩 추가를 하게 된 거예요. 예를 들면 이제 아까 말씀드렸듯이 중고차 시장 상인이면은 소나타를 매입을 얼마에 할지를 정할 거 아니에요. 그래서 아 이거를 한 뭐 2천만 원을 주고 이제 사야겠다 중고차를 이렇게 생각을 했는데 이 소나타 가격 자체가 거시적으로 봤을 때 더 오를 가능성이 아니면 떨어질 가능성이 있다고 예측이 되는 거예요. 현대 자체가 망할 수도 있다. 그러면 오히려 소나타 가격을 좀 더 낮게 매입을 한다든가 그런 식으로 원래 하던 거에다가 좀 더 여러 가지 요인을 더 추가를 해서 자신의 트레이딩 알고리즘에 추가를 하기 시작을 했죠. 그래서 그런 틈 같은 것들을 예전에는 말씀하셨듯이 되게 간단한 걸로 거래를 했어요. 제가 책에서 소개한 것처럼 제일 쉬운 거 페어 트레이딩 같은 거 옛날에 구글이랑 야후가 가격이 비슷하게 움직일 때 구글이 떨어지면 야후 미리 팔아놓고 야후가 오르면 구글 미리 사놓고 이런 식으로 굉장히 간단하게 많이 했는데 이제는 그거 자체가 야후가 조금이라도 오를 조짐이 보이면 구글도 이미 사는 사람이 엄청 많기 때문에 같이 오르는 게 너무 티가 나는 거야. 그래서 이제 이런 것들을 한계가 아니고 여러가지 지표를 써서 그게 정말 크게 틈이 생겼다 라고 했을 때만 이제 거래를 하기 시작했어요 그래서 이제 아무래도 트렌드 자체가 좀 점점 더 이제 어려워지고 레드오션화되고 레드오션이 되다 보니까 좀 더 다양한 지표를 보게 되고 시간 스코프 자체도 더 어려운 쪽으로 가게 되고 데이터도 안 보던 데이터를 많이 보게 되고 그런 방향으로 가고 있죠

네 되게 재밌는게 뭐냐면 저희 방금 말씀하신게 사실은 예전에는 정말 극단적으로 말해서 한 주식의 가격 다른 주식의 가격만 보고도 예측할 수 있는 시절이 있었고 그거는 이제 말하자면 피처가 하나인 리니어 모델인 거잖아요.

그렇죠.

그게 어느 순간 피처가 늘어났고 그래서 이제 뭐 리니어 리그레이션 돌리다가 어느 순간에 이제 피처가 더 많아지고 그러면 이제 사실은 단순한 모델로는 할 수가 없고 핸디 튜닝이 안 되니까 뭐 머신 러닝을 써야 되고 머신 러닝도 이제 복잡한 여러 피처를 상대할 수 있는 이제 뭐 앙상블이나 이제 이런 거를 써야 되고 좀 그런 식으로 계속 가는 건데 뭐 그렇게 이해를 하면 되나요? 대충?

네, 굉장히 좋은 비유였던 것 같아요. 그렇게 생각을 안 해봤는데 확실히 피처가 늘어난다는 말이 딱 좋은 표현인 것 같고요. 특히나 이제 롱텀 가치투자 같은 경우에는 여전히 사람이 훨씬 유리하고 약간 이런 느낌이에요. 어떤 사람을 봤을 때 이 사람이 얼마짜리 사람일까라는 걸 계산하는 게 너무 어렵잖아요. 포텐셜도 봐야 되고 이 사람의 생활 패턴에 따라 다를 수도 있고 그거와 마찬가지로 이제 가치 투자 부분은 기업이 20년 뒤에 15년 뒤에 어떻게 될지를 하는 거는 이런 거는 너무 어려운 부분이라서 이제 근데 이런 것들도 잘 잡아내는 사람들이 분명히 있고 워너비 버핏이나 이런 짐 로저스 같은 사람들을 어떻게 하면은 그 비슷하게 따라 해볼까 이런 부분에서 이제 그 사람의 그 패턴을 한번 이해해보고 데이터를 어떤 걸 쓰냐 이런 것도 생각을 해보게 되는 것 같아요.

제가 보기에는 저도 뭐 이런 것들을 생각을 좀 해봤는데 약간 그런 것 같아요. Observation Space랑 Latent Space랑 달라가지고 그러니까 옵저베이션 할 수 있는 부분들은 그냥 표면상에 나타나는 지표들이잖아요. 근데 이제 그것들을 움직이는 원인들은 숨겨져 있는 거고 그래서 지금까지는 이제 옵저베이션만 보고선 상승이다 그러면 바로 상승하는 것도 사면 되고 이런 건데 좀 더 이제 롱텀의 그런 것들을 말씀하신 가치라든지 이런 것들을 보려면은 그 밑에서 움직이고 있는 원인들을 이제 알아야 된다는 거죠. 근데 지금까지는 내부에 있는 모델, 그래서 이제 모델을 세우는 건데 근데 뭐 수학적으로 단순한 모델이 꼭 그런 모든 것들을 다 잘 설명한다는 게 아니니까 어느 정도는 프라이언 알리지도 섞어야 되고 쉽지 않은 문제인 것 같아요 특히 돈이 걸려 있어서 그렇죠 돈만 안 걸려 있으면 그냥 논문 내고

말 텐데 그래서 실제로 그래서 사실 이제 제가 많은 기술을 얘기하고 많은 부분이 되게 핫하긴 하지만 정말 코어하게 돈을 잘 버는 헤지펀드들은 여전히 그렇게 많은 시도를 못해보고 있어요. 여러가지 제약이 있어서 아무래도 돈이 걸려있기도 하고 검증되지 않은 모델이나 이런거를 섣불리 시도해보기도 무섭기도 하고 아무래도 투자자들의 비유도 너무 다르기 때문에 그런거에 관심있는 사람이 모르겠지만 어떻게 보면은 이런 부분에서 선고자 되는게 굉장히 큰 기회가 될 수도 있다는 생각을 요즘에 하고 있어요.

뭐 같이 투자 말씀하셨는데 사실 되게 어려울 문제라는 생각이 들어요. 왜냐하면 말씀하신 대로 시간이 굉장히 더 그러니까 뭔가 투자를 한 다음에 같이 투자하는 게 제가 이해를 하기로는 기업의 아까 뭐 사람이 얼마냐 얼마라고 평가를 할 거냐 말씀을 하셨는데 그런 것처럼 기업의 본질적인 가치를 평가를 해서 그 본질적인 가치가 시장의 가격보다 낮으면 거기에 투자하고 그런 걸로 알고 있는데요

맞아요

네 근데 사실은 그러면은 본질적인 가치가 실현되기까지는 시간이 오래 걸릴 거고 그럼 이제 데이터 관점에서는 트레이닝 데이터를 모으는데 시간이 오래 걸리는 거죠? 그렇죠. 그러면 근데 이제 말씀하신 대로 그런 가치투자는 뭔가 결정할 때 고려해야 될 사항, 피처라고 말할 수 있는 뭐 거시경제도 봐야 되고 기업 CEO의 자질도 봐야 되고 여러가지를 봐야 될 텐데 말하자면은 피처는 많아졌는데 트레이닝 데이터는 줄어드는 굉장히 머신러닝에서 안 좋은 그런 상황이 되는 거라서 참 되게 어려운 문제죠. 아닐 것 같다 생각이 들고 제가 아까 피처 말씀을 드린 게 사실은 검색 쪽 기술이 어떻게 발전을 해왔는지 그거를 제가 조금 지금 책을 읽으면서 조금 저도 비교를 해봤는데 저희 쪽도 사실은 예전에 정말 1990년대 후반까지만 해도 아니면 2000년대 초반까지만 해도 검색해서 사용할 수 있는 피쳐라는게 뭐 텍스트 정도밖에 없었어요 텍스트의 어떤 통계 텍스트가 이제 뭐 문서에서 뭐 어떤 단어가 얼마나 나오면 이제 뭐 그 문서와 지리와의 단어가 얼마나 겹치고 그런 단어의 통계적인 특성이 어떻게 되는지 그런걸 가지고 사람들이 5만가지 공식을 다 만들었거든요 그래서 뭐 이름이 스마트라는 SMART라는 이상한 약자를 가진 알고리즘도 있었고 BM25라는 알고리즘도 있고 엄청나게 많은 알고리즘이 있어요 거기에도 뭘 온갖 문서를 찾는 사람의 심리상태가 이러하고 이런 정당화가 들어가는데 결국에는 어쨌든 핸드튜닝을 하는 거예요 그렇게 공식을 만들어가지고 문서의 개수를 문서와 지리와 겹치는 단어를 찾고 그 개수에 뭐 로그를 씌운 다음에 그거를 문서의 전체 길이로 나누고 뭐 그렇게 해가지고 온갖 뭔가 뭐 말하자면 휴리스틱을 쓰는데 그걸 가지고 휴리스틱을 잘 튜닝하는 게 2000년대 초반까지는 검색의 왕이었어요 근데 그게 2000년대 중반으로 가서 어느 순간에 이제 피처가 굉장히 많아진 거예요 그러니까 웹 검색 엔진이 등장하고 그럼 이제 웹 문서에 뭐 뭐 타이틀도 따로 보고 뭐 내용 따로 보고 또 그 웹문서와 링크하는 다른 문서의 타이틀도 보고 사용자 클릭한 것도 보고 문서를 얼마나 사용자가 읽었는지 그런 데이터도 웹검색엔진이 있으니까 웹검색엔진 사용자의 모든 행동을 관찰할 수 있잖아요 그런게 다 어느 순간에 검색엔진에서 고려할 사항이 됐는데 피처가 몇천개가 되는 거예요 어느 순간에 그러면 이제 더 이상 핸드 튜닝이 안되고 머신러닝 써야되고 머신러닝도 그중에 복잡한걸 모델 스페이스가 더 큰걸 써야되고 그러다보니까 어느 순간에 이제 뭐 굉장히 대형회사에서 뭐 해야되는 그런 복잡한 컴퓨팅 시스템이 됐는데 그게 이제 지금 말씀하신 콘트라는 분야가 발전해온 양상이랑 굉장히 비슷하지 않나 그런거 같아요

지금은 월가에서 제일 핫한 부분이 물론 기존의 초단타 이런 것도 많이 하지만 데이터 회사들이 엄청 많이 생겼어요. 다양한 특이한 데이터를 이제 매뉴얼 트레이더들 아까 말씀드렸듯이 같이 투자나 이런 부분은 아직까지는 그렇게 많이 활동을 못하고 하더라도 보조 역할을 많이 하고 있어요. 그래서 리서치 애널리스트 형태로 대형 헤드펀드에 들어가서 아까 말씀드린 AQI도 그런 쪽이고 Bridgewater라는 헤드펀드도 약간 그런 쪽인데 그런 데들은 이제 데이터를 다양한 것을 가져와서 지표를 만들어주고 일반 가치투자자들한테 넘겨주는 그런 역할을 해요 이제 그 전까지 그렇게 인하우스로 하다가 요즘은 이제 그 컨설팅 회사처럼 뭐 우리는 어 뭐 구글 지도의 그 데이터를 뭐 다 이렇게 그라인딩 해서 넘겨줄 수 있다 뭐 어떤 데는 어 도미노 피자의 매출 데이터를 가지고 있다 우리는 어 이거를 사지 않겠냐 뭐 어디는 어 그 뭐 우버가 어떻게 움직이냐 뭐 뭐 뭐 이런 것들을 뭐 좀 넘겨줄 수 있다 이런 식으로 계속 잉커리가 들어와요. 그러니까 이제 이런 데이터 회사들이 굉장히 많아진 거예요. 그래서 그 말인즉슨 이제 그런 거를 활용할 수 있는 거나 이제 활용하려는 회사가 많다는 뜻이기도 하겠죠.

네 그러니까 데이터만 퀀트에 필요한 데이터만 모아서 제공하는 그니까 회사가 따로 생길 정도로 뭔가 이코시스템이 성숙한 거네요. 그렇죠?

그렇죠.

텐션 좀 업 해주시죠.

아니 나는 지금 되게 재밌는데 태용님은 지금 축구하고 와서 지금 졸린 거 아니야?

요즘에 뭐 라디오 스타든 뭐든 얼마나 빠르게 드립들이 오가는지 아십니까? 1분 이상 이렇게 하시면 저 잡니다.

저희는 롱테일을 위한 롱테일을 위한 롱테일 방송으로

저도 다른 쪽의 시청자들도 있으니까 저는 그

반대편을 그러면 아무래도 제 생각에는 시청자분들이 제일 궁금한 게 어떤 식으로 돈을 벌고 또 어떤 라이프고 이런 것들이 그리고 뭐 그런 부분이 좀 궁금하실 것 같은데 그런 부분을 얘기를 해드려도 좋을 것 같아요.

그럼 뭐 잡담을 한번 해볼까요? 펀트시잖아요. 월간에서 일하시고. 소개팅 같은 거 하면 여자들이 반응이 환상적인가요?

저의

시청자들은 올라가고 있다고 생각하고 있어요

의외로 멀가 쪽에 계시는 한국 분이나 아시아 분들이 굉장히 많아요 다들 돈을 참 잘 버시고 똑똑하시고 그래서 사실 돈을 워낙 어린 나이에 많이 버시다보니까 좀 씀씀이가 해투는 면이 있어요. 그런 분들이. 근데 이제 퀀트들은 상대적으로...

본인을 얘기하신 건가요?

아니요. 퀀트들은 근데 상대적으로 아무래도 공대생들이다보니까 그런 거를 잘 못해요 사실. 저는 상대적으로 잘 할 수 있긴 놀러 해요. 다니고 하는 편인데 다른 분들 보면 정말 워커홀릭도 많고 그냥 집에 있는 것도 좋아하시고 여자나 이런 분도 잘 안 만나는 사람도 있고 그러다 보니까 사실 여성분들에게는 월간에서 일한다 이런 게 이미지가 그렇게 좋지가 않아요

왜죠? 왜죠? 지금 돈 안 쓰고 차곡차곡 잘 쌓아내는데.

아니, 그러니까.

퀀트들은 괜찮은데 그냥 일반적으로 이제 막 투자를 합니다. 투자회사에서 일을 합니다. 뭐 은행에서 일합니다. 헤즈펀드에서 일한다 그러면은 되게 조금 그...

나도 함께 리스크를 감수해야겠구나. 뭐 이런 생각인가요?

아니요. 그런 거라기보다 좀 양아치들 같다.

양아치.

그 영화 보셨어요? Wolf of Wall Street? 그런 이미지로 많이 가지고 있어요. 그래서 저같은 경우에도 이제 막 그런 퀀트는 당연히 모르니까 월간에서 이미지로 일한다 이런 식으로 얘기할 많이 때도 있지만 주로 그냥 가지고 있어요. 인공지능 전문가입니다. 그래서 이쪽으로 저같은 경우에도 이제 얘기하는 막 걸 더 좋아하고요. 그래서 그런 반응은 잘 없는 것 같아요. 그냥 관심 있으신 분들은 좋아하시고.

근데 아까 용진님께서 전 되게 무심코 하신 말씀인 것 같은데 주의깊게 드린 게 이 사람은 얼마짜리 사람인가 이런 그런 말씀을 하셨는데 저는 그렇게 그런 방식으로 생각해 본 적이 한 번도 없거든요 어떤 사람에 대해서 얼마짜리 사람인가 근데 약간 직업병 같은 것도 있지 않을까요? 컨트라는 물론 이제 모든 직업에 직업병이 다 있지만 그런 게 모든 걸 계량하고 약간 그렇게 가치를 특히 돈으로 약간 환산해서 보고 약간 그러면 이제 데이트를 하려고 갔는데 이 여자가 얼마짜리인가? 이렇게 막... 그렇게 가면 조금...

그거는 근데 이제 저희 콘트들보다 약간 덴처 캐피탈리스트들이 더 그렇게 많이 하시는 것 같아요. 위험한 발언들이 막 오가고 있어요. 이미 그런 쪽으로 듣고 계시는 분들 계실 것 같은데...

초단타 매매하시는 분들이 초단타 연애를 한다는 얘기도 있어요.

아 갑자기 분위기 사는데요.

태용씨 역시. 태용칼 아닙니까?

네 갑자기. 네 그러면 다시 좀 이제 잠도 깨신 것 같고 하니까.

잠 깼으면 다시 자러 갈게요.

지금 질문이 나와서 딥러닝 관점에서 주식계측 데이터 수집 전처리 과정은 어떻게 하시는지, 딥러닝 말씀도 하셨고 전처리 말씀도 하셨는데 사실 전처리가 필요가 없는게 딥러닝이 보통 얘기하는 장점이라는 생각도 들긴 하지만 좀 더 구체적으로 어떤 물론 영업비밀도 있겠지만 프로그래밍 언어나 아니면 어떤 머신러닝 기법을 쓰신다 그런 어 그런거 좀 말씀해 주셔도 좋을 것 같아요 이제 펀트로서 이제 뭐 실제로 아까 뭐 c++ 말씀도 하셨고 근데 내가 예를 들어서 용진님이 내일 당장 뭐 이제 뭐 가서 뭘 짜신다 그럼 어떤 환경에서 어떤 언어로 뭐 또 어떤 모델을 쓰실 것 같은지 뭐 그런게 있나요?

그런거 조금 네 물론 여러가지 일단은 그 퀀트 안에서도 여러 종류마다 일하는 방식이 굉장히 달라요. 저 같은 경우에는 이제 초단타 회사이기 때문에 그 스타일이 다른 거 자체가 이제 가장 흔한 퀀트는 사실 초단타가 아니고요. 이제 약 일주일에서 한 달 정도를 투자하는 저희는 이제 약간 롱텀이라고 얘기하기도 하고 미드 프리퀀스라고도 하는데 그 정도 분들이 제일 많이 계세요. 그런 분들 같은 경우에는 데이터 자체도 일별 데이터를 받거나 아니면은 미닛 바이 미닛 분당 데이터를 많이 받고 하시는데 일단은 먼저 제가 일하는 방식을 말씀드리자면 저 같은 경우에는 틱 바이 틱 데이터를 많이 받아요. 틱 바이 틱이라는 게 거래소에서 주문 한 개 한 개를 다 받아서 보는 거거든요. 그러면 그거를 시뮬레이터 상에서 쌓으면서 이런 오더가 많을 때는 어디로 움직인다? 이런 오더가 많으면 가격이 상승 압력이 있다라 이런 것을 보기 위해서 그렇게 하는데 그래서 데이터 자체는 저희는 로데이터는 다 HDF5나 VDF라는 기술을 쓰는데 그걸 쓰는 이유는 그냥 용량이 너무 많이 들어서 다 바이너리 상태로 들어있어요 그 좀 편한 데이터들은 그냥 csv, separated로 다 저장을 하는데 어 그런게 아니고 이제 tick by tick 까지 내려가면 아까 말씀드렸듯이 테라바이트도 아니기 때문에 너무 오래 걸리기도 하고 아 탈보라는 거네요

그렇죠

마라차에 네 그래서 바이너리 상태로 어차피 숫자밖에 없거든요 그 그 주가 같은 것들은 그러니까 이제 숫자 이외에 그 ASCII 코드를 쓸 필요가 없으니까 굳이 이제 그렇게 하지 않고 다 그 상태로 만들고요. 그 다음에 이제 뭐 사실 저도 파이썬 머신러닝이나 이런 거 많이 써보고 싶은데 초단타이기 때문에 쓰면 거의 며칠이 걸려요. 한 바퀴 돌리는데. 그래서 다 어쩔 수 없이 저희는 C++로 다 하고요. 데이터 빼는 것도 다 그렇게 하고 초단타기 때문에 제약이 굉장히 많아요 그래서 저는 컴파일하고 이런거에 너무 노의로제가 많아서 전처리 부분은 사실 자동으로 전처리하는 부분도 많지만 예를 들면 포맷을 고치거나 저희 같은 경우는 거래소를 여러개를 보다보니까 거래소마다 포맷이 다른 경우도 많고 각각의 표시하는 단위도 다를 수도 있고 그런 것들은 이제 어느정도 라이브러리도 많이 생겼고 보통 인터널 라이브러리에요 그래서 사실 개인이 하실때는 이런걸 직접 만드셔야 되는데 막 전처리 애초에 이 거래소 데이터 자체가 어느정도는 노멀라이즈가 됐기 때문에 너무 어렵지는 않아서 개인이 하시기에도 그렇게 어렵지는 않아요 그리고 이제 그 외에 이제 좀 들어갈 수 있는 부분이 도메인 지식이 좀 있으시면, 주식 같은 경우에는 실적 발표, Earnings 발표하기 전에 여러가지 노이즈가 많이 생겨요. 그런거를 잘라줄 수도 있고 아니면 Earnings 데이터나 Earnings Announcement랑 합칠 수가 있어요. 얘네가 배당을 이만큼 주기로 했다, 그만큼을 주가에다가 쫙 처리를 해줘서 배당 직전에는 주가가 무조건 오르고 배당 후에는 떨어지거든요 그런 거는 사실 진짜 트렌드랑은 관련이 없으니까 그런 것들을 전처리를 해주실 수도 있고 기술적인 부분은 정말 사람마다 일하는 방식이 달라요 그래서 정답이 없고 또 제가 아까 말씀드렸듯이 이게 회사마다 다른데 저희 회사는 되게 재밌는 방식으로 굴러갔어요 그게 인프라나 데이터 같은 거를 전부 다 팔았어요. 인터널리. 무슨 말이냐면 개발자들이 자기네 프로그램을 엄청 만들어요. 시뮬레이터도 만들고, 머신러닝 라이브러시도 만들고, 데이터 전처리도 해주고, 애널라이즈도 쫙 해줘서 이거를 가판에 놓듯이 쫙 놓고, 미닛바이 미닛데이터는 2,000불에 살 수 있고, 틱바이틱데이터는 8,000불이고, 데일리데이터는 1,000불이야. 쫙 해놔요. 그러면 이제 컨트들이 와가지고 쇼핑을 하는 거예요. 이 데이터에다가 이 시뮬레이터에 이런 리눅스 박스에 그 AWS 쇼핑 하듯이 그렇게 해서 쭉 사가지고 전처리 하는 것도 전처리를 진행을 해주면은 뭐 2000불을 내야 되고 그런 게 아니고 내가 직접 다 라이브러리 만들어서 할 거면은 공짜고 이런 식으로 하는데 그렇게 해서 수익을 내면은 자기가 몇 퍼센트를 가져가는 거예요.

역시 월가는 다 뭔가 다 이렇게 돈으로

환산되는 건 옛날에 발란트 시장에서나 진짜 그런 느낌이죠. 근데 그거를 회사 안에서 그렇게 한다고요?

네, 회사 안에서 그렇게 해요.

그러면 돈은 본인 부서에서 예산 이런 걸로 집행이 되는 건가요?

아니죠. 처음에 캐피탈이라는 건 정해주지만 이제 자기 돈이죠. 어떻게 보면. 왜냐면 내 수익에서 까는 거기 때문에.

이거 완전 무슨 마카온데요?

좀 더 이제 구체적으로 이제 수치를 좀 알려드릴게요. 이게 뭐 비밀스러운 거라고 할 수도 있지만 어쨌든 그래도 이제 마켓의 동향 같은 걸 아시면 좋으니까 다른 청취자분들도 그 예를 들면 이제 저희 분야 같은 경우에는 최소 수익을 내야 되는게 대충 1밀리언 정도가 돼요. 그러니까 10억이죠.

그게 어떤 기간이 있지 않나요?

1년이요, 1년에. 1년에 그 정도를 벌어와야 돼요. 근데 이제 캐피탈을 이 사람의 경력이나 아이디어나 어느 시장에서 할 거냐에 따라서 바꿔줘요. 50억을 캐피탈으로 줄 때도 있고 20억을 줄 때도 있고 그런데 2밀, 1밀, 5밀 이렇게 캐피탈을 주고 이 사람이 1밀을 벌어오면 낮은 후, 약간 안 좋은 퀀트 회사들은 10% 정도를 주고요. 좋은 회사들은 30%까지도 줘요. 그러면 경력에 따라 다를 수도 있고 회사 딜 어떻게 했느냐에 따라 다를 수도 있는데 해지 펀드 자체는 원래 20%를 가져가는 게 일반 룰이에요. 22 룰이라고 있는데 그런식으로 딜을 걸어놓고 아까 말씀드렸듯이 캐피탈 10밀리언을 가지고 쇼핑을 하는거야 아까 말한 데이터도 가져와서 하고 거래소는 어떤식으로 연결을 할것인가 하고 그렇게 해서 자기가 필요한 시스템을 다 구축을 해놓고 그 다음에 이제 수익을 이제 직접 내보기 시작하고 수익을 내면은 이제 20%를 가져가든 15%를 가져가든 30%를 가져가든 그런 식이구요 어 그러다 보니까 이제 어떤 사람마다 이제 그 스타일이 다 나와요 어떤 사람은 시뮬레이션을 내 돈 쓰는 게 아까워서 시뮬레이션 보다는 자기가 어 어느 정도 가설을 세워놓고 데이터가 어느 정도 그 좀 그 직관이랑 맞는다 생각을 하면 바로 트레이딩에 들어가시는 분들도 있고요 아니면 이제 완전 철저하게 모델을 그 빌드를 해서 그거대로만 하시는 분도 있고 어 이런게 되게 그니까 이거는 약간 해지펀드 스타일이구요 은행에서는 이렇게 안하는데 어 좋은 점이 없진 않아요 이게 좋은 점이 뭐냐면 그 일단 개발자들 분들이 굉장히 의욕적으로 개발을 하세요 왜 그러냐면 그 자신의 솔루션 자체가 판매가 직접 되는 거잖아. 그러면 그만큼 보너스를 받아요. 그러니까 이제 시뮬레이션 만드시는 개발자분들도 와가지고 우리 새로운 패치 했는데 한번 써보지 않을래. 세 달 공짜로 줄게. 뭐 어떤 분들은 계속 업그레이드도 시키고 그런 게 장점이고 또 코스트가 완벽하게 다 나뉘기 때문에 보너스나 수익을 나눌 때도 확실히 철저하고 트러블이 없어요 정치 같은 게 안 들어가고 단점은 아무래도 돈을 하나하나 다 차지하다 보니까 자유롭게 시도할 수가 없고 코스트에 끌려다니는 면이 있죠 그래서 팀을 만드는 것도 팀원끼리 아이디어를 쉐어하려고 하는 게 아니고 코스트를 아끼기 위해서 야 너도 이 데이터 쓰냐고 나도 이 데이터 쓰는데 우리 같이 사서 쓰자 이런 의미로 약간 팀을 만드는 거고 그래서 약간 팀 컬처 같은 것도 조금 아쉽긴 해요

그런 면에서 근데 진짜 엄청나게 많은 돈들을 움직이는 곳들인데 이런 곳들이 굉장히 개인의 능력에 의해서 움직인다는 게 되게 재밌네요 뭔가 큰 시스템에서 움직이는 게 아니라 각각의 이런

뭔가 시장 같은 느낌의 물론 근데 이것도 회사마다 다른거에요. 특히나 가치투자나 롱텀 투자를 하는 경우에는 해지펀드 말고 사모펀드라는 데가 있어요. 그 차이가 해지펀드는 거래를 주로 하는 회사들이고 사모펀드는 유망한 회사를 아예 인수를 해버려서 키우는 그런 회사들인데 사모펀드에도 펀트분들이 밸류에이션을 위해서 들어가기도 하고 근데 이런 분들은 아무래도 큰 팀을 만들어서 여러가지로 하긴 하죠 저희 회사는 그런 쪽은 아니었죠

네 저는 사실 우선은 들으면서 왜 그럼 다른 회사들은 이렇게 운영을 더 투명하게 운영을 안할까 이런 생각도 좀 들었거든요 왜냐면 저희도 내부적으로 팀이 많은데 IT 회사들도 인프라는 팀이 있고 저희처럼 이벨레이션 메트릭 쪽만 하는 팀이 있고 모델만 만드는 팀이 있고 그런데 이걸 이렇게 마켓플레이스로 만들면 훨씬 더 잘 알려진 인센티뷰가 생기지 않을까

이런 생각도 좀 들고 그렇죠 근데 이제 확실히 컨트 회사도 팀별로 하는 회사도 있고 이런 식으로 철저하게 하는 회사도 있는데 확실히 장단이 있는 것 같아요 그런 팀별로 하는 회사들은 콜라보레이션이 그래도 좀 편안하게 되고 그런데 저희 같은 경우에는 좀 상막한 면이 있어요 아무래도 아이디어 같은 것도 쉐어 안 하고 얘는 나의 적이다 이런 느낌도 있고 개발자랑도 안 친하고 서로 돈 깎으려고 하고 이런 게 있어서 근데 저는 어쨌거나 원래 택에서도 제가 이 얘기를 드렸지만 철저하지 못한 시스템 때문에 피해를 입은 적도 있기 때문에 이런 철저히 실력 베이스로 이렇게 하고 뭐든지 깔끔하게 하는 것도 나쁘지는 않은 것 같아요.

마치 무슨 유전 알고리즘 같기도 해요. 왜냐하면 그렇게 개인별로 뭔가 테스크를, 같은 테스크를 주고 실력을 본 다음에 그럼 잘하는 사람은 내년에 돈을 더 줄 거 아니에요. 못하는 사람은.

그렇죠. 맞아요.

그러니까 약간은 큰 회사에서 계속 그러니까 이제 여기서 가정하는 거는 여러 명이 모여서 만드는 게 똑똑한 개인이 만든 것보다 꼭 나으리라는 게 없다. 그런 거를 어찌 보면 시장 자체가 워낙 예측 불가능한 요인도 많고 뭔가 사람마다 관점이 다르기 때문에 그걸 약간 다이버시파이를 한 다음에 그 결과를 어찌 보면 합치는 건데 약간 앙상블 모델 같은 느낌도 들고 유전 알고리즘 같기도 하고 뭔가 컨트에서 전체가 운영 자체가 뭔가 어쨌든 조직에서는 수익을 최대화 하려고 할텐데 그런거에 이제 가장 달인이라고 할 수 있는 컨트 헤즈펀드에서 이제 그런식의 운영을 한다는게 참 마켓에 대해서 마켓의 본질이란게 이제 그런거 이런거다 하는 인사이트를 가지고 하는게 아닐까

네 저도 재밌는 분석이신 것 같아요

어쨌든 퀀트에 대해서 상당히 말씀을 심도있게 나누고 있는데 여기서 다시 한번 분위기를 올리는 차원에서 뭐 필요하신가요?

부르셨어요?

역시 이제 그러면 퀀트 관점에서 일반인이 사실 해서 아 이거는 그래도 조금 승률이 있다 이런 그 투자 기법 아니면은 어떤 모델 아니면 분석 뭐 이런게 있을까 퀀트 그러니까 약간 뭐 퀀트가 그러니까 그런걸 해보시고 싶은 일반인이 될 수도 있고 아니면 퀀트가 되려고 이제 공부를 하는 학생일 수도 있고 퀀트가 아닌 사람이 퀀트 흉내를 내려면 어떻게 하면 좀 덜 다치고 좀 뭔가 그래도 얻어가는 게 있을까 배움일 수도 있고 돈일 수도 있고 그렇지만 그런 거 좀 말씀해 주시면 어떨까요

네 사실 그런 부분을 저는 많이 고민을 안 해보다가 이제 많은 분들이 질문을 해주셔서 저도 이제 여러가지 공부도 해보고 내가 어떤 부분에서 좀 시작을 해볼 수 있을까 생각을 했는데 이제 요즘에 사실 한국에서 굉장히 뜨는 부분이 컨트 투자라 그러는데 저는 그거를 나누는게 퀀트 트레이딩과 투자를 나누고 있어요 트레이딩 자체는 시장 미시적인 부분을 다 입력을 받아서 단기적인 트렌드가 어떻게 될지 혹은 가격의 움직임 패턴을 분석하는 쪽이고요 퀀트 투자라고 하면 근본적으로 투자라는 것 자체가 가치를 보고 돈을 투입을 하는 것이기 때문에 아까 기업이나 사람이나 어쨌든 그 가치를 어떻게 밸류할 거냐 마찬가지로 그런 것들을 롱텀으로 1년이든 2년이든 6개월이든 투자를 하면서 지표 자체를 데이터를 베이스로 한다는 것 자체를 펀트 투자라고 하거든요. 그래서 펀트 트레이딩 자체는 사실 일반인이 진입하기에는 너무 어려워진 게 아까 말씀드렸듯이 데이터 자체도 굉장히 크고 경쟁도 심해서 알파도 거의 없어졌고 또 인프라도 너무 비싸기도 하고 복잡하기도 하고

여기서 알파가 없어졌다고 하셨는데 알파가...

알파는 이제 아까 말씀드린 그 시장의 구멍을 보통 알파라 그러거든요 그래서 그거를 메워주면서 수익이 나는 바닷가에서 콜라를 파는 그 마진을 알파라고 할 수 있는데 이제 그런 부분이 많이 사라졌고 너무 어려운 부분이 많아서 제가 일반 분들이나 Fixed Cost가 좀 덜하고 시작할 수 있는 건 콘트 투자를 좀 더 많이 추천을 해드리고 있어요. 그래서 콘트 투자라고 하는 거는 주식을 살 때 그냥 쉽게 말해 이게 좋아서 산다기보다 수치나 데이터를 쫙 펼쳐놓고 규칙을 기반으로 하는 건데 정말 많은 방법을 사용할 수 있어요 정말 간단하게 지표만 계산을 해서 하는 방법도 있고 리그레이션을 해서 어느정도 트렌드를 볼 수도 있고 그게 아니고 정말 머신러닝 모델을 만들 수도 있는데 트레이딩 자체는 머신러닝 같은 것도 쓰기가 좀 어려워요 단기적인 움직임 자체가 어떠한 이코노미컬 띄어리 없이 움직이는 것을 그런 것들을 가정하고 투자를 하기에는 너무 위험하기 때문에 스윙도 심하고 그런데 컨텐츠 투자 같은 경우에는 그렇지는 않거든요. 예를 들면 아마존을 사고 싶다. 근데 이제 보통 사람들은 제품이 너무 멋있어서 사고 싶다. 나는 아마존 매일 쓰는데 되게 유망한 것 같다 미래는 당연히 이렇게 하지 않고 어떠한 회계적인 지표를 볼 수도 있고 매출 데이터를 볼 수도 있고 이제 그런 식으로 투자를 하는 거를 저는 추천해요 그래서 제일 많이 쓰는 거는 그 파이낸셜 스테인먼트 베이스로 투자를 하는 게 뭐 계량 분석이라고 그러죠 사실 옛날 이거는 사실 퀀트가 유행 인공지능 퀀트 이런 게 유행하기 전부터 많이 하던 방식인데 이런 거에 이제 예전에는 사람이 손으로 다 계산을 많이 했다면 그런 것들을 좀 자신의 다양한 모델링이나 분석 방법을 사용해서 해보는 게 굉장히 좋은 것 같아요. 그래서 책들도 이제 그런 책들이 많이 나왔고 유명한 그런 파이낸셜 스테인먼트 베이스 트레이딩이나 인베스트먼트를 요즘에 나온 책 중에 할 수 있다 컨텐츠자 이런 것도 사실 그런 거를 베이스로 한 거거든요. 저랑은 완전히 분야가 다른데 일반인들이 보기에는 그런 부분이 굉장히 좋은 것 같아요. 그래서 데이터 자체도 그 파이낸셜 스테인먼트 데이터도 다 야후 파이낸스에 다 있고 주가 데이터는 물론 있고요. 그래서 그런 거를 파이썬 라이브러리로 간단하게 다 뽑아볼 수 있고 퀸들이라는 사이트에서는 무료로 데이터를 많이 뿌려주고 있어요. 한국 같은 경우에는 퀀트킹이라는 데서 카페에서 많이 한다고 하더라고요. 에펜가이드라는 사이트에서도 그런 데이터를 많이 해주고 있고요. 트레이딩보다는 퀀트 투자를 시도하시면 아예 새로운 거를 돈을 투입해서 날릴 수도 있다 이런 게 아니고 내가 원래 살려던 아니면 원래 하던 투자를 좀 더 현명하게 할 수 있고 그런 면에서 성공을 했을 때는 굉장히 안정적인 수입원이 되고 실패를 하더라도 큰 타격이 없기 때문에 좀 더 일반 분들이 하시기에도, 시도하시기에도 좋지 않을까라는 생각이 들어요.

지금 말씀하신 게 사실은 근데 가치투자 아까 말씀하신 그런 거를 뭐 거식 경제 지표나 아니면 뭐 회사 뭐 그거 그 주가 수익 비율 뭐 이런 거 말씀하시는 거잖아요

그 지표 네네 그런 것도 좋죠

네 근데 어 사실은 저도 아주 예전에 그런 책을 조금 읽었거든요 근데 어 그게 근데 사실은 해볼 그러니까 저도 이제 그런 책을 읽었었는데 이제 해볼 마음이 안 생겼던 게 워낙 제가 아무리 뭐 그걸 한다고 해서 뭔가 시장에 그것도 어느 정도는 시장에 시장이 그 뭔가 새로운 정보가 있을 때 그걸 반영하기 전에 들어가야 되는 건데 이제 그게 일반인 입장에서 가능할까 괜히 어설프게 뭐 내가 뭐 주가 수익 비율 그 PER이라고 하죠 그거 보고 들어갔다가 괜히 뭐 예 괜히 쪽박 차는 거 아닌가 약간 이런 이런 걱정을 항상 그 하게 되는 것 같은데 그게 그렇게 시장에서 그렇게 뭐 많이 가 뭔가 정말 0.1 그 1 마이크로 쪽까지 다 아껴 가지고 투자를 막 계속 실시간을 돌리고 이런 세상인데 내가 그렇게 어설프게 몇 개의 지표 가지고 대충 본질같이 계산해서 그거 가지고 트레이딩을 한다는 게 말이 되는 건가? 이런 고민을 또 하실 것 같아요. 물론 이제 그냥 취미로는 할 수 있죠.

그게 사실 같이 투자를 하시는 분들이 하는 많은 고민인 것 같아요, 그 부분은. 사실 언더밸류된 것들을 찾는 것 자체가 굉장히 어렵잖아요. 이건 사실 주식뿐만 아니고 언더밸류된 인더스트리를 찾아서 스타트업을 하고 이런 것도 사실 똑같은 부분인데 그래서 자신만의 뷰를 계속 찾아가는 것 같아요. 그런 책들을 보고 똑같이 따라하자는 거라기보다 이 사람은 옛날에는 이런 지표가 많이 반영이 되지 않았을 때 많이 썼는데 앞으로는 나만의 지표를 어떤 식으로 만들거나 어떤 데이터를 써서 해볼 것인가 이런 것들을 고민하는 단계로 사용하시면 더 좋을 것 같아요. 그런 거를 똑같이 따라한다기보다.

네.

Q. 회사에 남아서 얻는 이익이 어떤 것인가요? 이 부분을 안 그래도 많이 물어보시더라고요. 물론 제가 최근에 독립을 하긴 했지만, 회사에서 시작을 하는 게 굉장히 중요한 것 같아요. 물론 개인 투자자분들께서는 그렇게 생활이 있고 하시면 모르겠지만 퀀트로서는 데이터나 시스템 자체를 어떤 것들이 자신에게 리서치 결과로 나올지 모르기 때문에 물론 아까 제가 데이터도 다 사와야 되고 그렇게 얘기는 해드렸지만 그래도 기본적으로 무료로 제공하는 데이터도 많이 있고 아무래도 제가 개인으로서 건드릴 수 없는 데이터가 굉장히 많아요 제가 직접 다 Tick by Tick 데이터를 다 스토어하고 스토리지를 써서 다 해놓고 관리하고 그거 시스템 매니징 하는 사람도 뽑고 하는 것보다는 회사에서 하는 것이 좋기 때문에 그래서 제가 이제 회사에서 트레이딩을 하는 이유를 보통 이렇게 많이 비유를 해요 이게 장사를 처음 할 때 그래도 백화점에서 시작하는 게 좀 더 그 수수료는 많이 빼겠지만 매출이 어느 정도 나오지 않겠냐 그리고 노하우가 쌓이면은 이제 뭐 내 가게를 차릴 수 있는 것처럼 아무래도 제가 혼자 했으면은 몰랐을 데이터나 기법이나 이런 것들을 많이 배우게 됐죠 그래서 그러니까 데이터나 인프라를 좀 더 큰 거를 많이 써볼 수 있다는 게 제일 좋은 것 같았어요. 그래서 그런 것 때문에 회사에 오래 계시는 분들이 더 많으신 것 같아요. 그런 거를 아예 액세스 못하는 데이터도 많기 때문에. 네, 그렇습니다.

네, 그리고 이제 청취자분들 질문이 몇 개 더 들어왔는데 머신러닝 기법은 블랙박스라 투자에 적용하기 힘들 것 같은데 그래도 퀀트에서 머신러닝 비중이 커지고 있는지 특히 이거는 최근에 나오는 딥러닝도 그렇고 왕상블 같은 것도 그렇고 그럼 블랙박스, 화이트박스 그러니까 그 결과 해석할 수 있는지 여부가 많이 그런 걸 많이 보시나요?

모델을 만약 만드실 때 사실 저희 회사나 대부분의 콘트 회사들이 블랙박스는 거의 안 하고 있어요. 그 이유는 아무래도 돈이 들어가고 뉴스 때문에 큰일이 일어날 수 있기 때문에 그런 때 어떤 식으로 반응하는지를 모르고 있으면 실제로 블랙박스를 시도했다가 망한 회사가 너무 많아요. 그래서 그것 때문에 안 하기 시작했죠. 그런데 버신러닝을 거의 건들지 않다가 최근에 NLP나 시그널 프로세싱 같은 것들이 많이 등장을 하면서 직적으로 트레이딩 알고리즘을 쓰기보다 그런 것을 추가적인 웨이트를 넣는 지표로 많이 사용하게 됐어요. 예를 들어 애널리스트가 이 회사를 업그레이드를 했다라는 뉴스가 왔을 때 그런 거를 읽어들여서 바로 투자를 한다던가 이런 것들을 많이 사용하게 됐고 그런 것들은 약간은 블랙박스라도 상관이 없는 부분이라서 그런 쪽에 많이 있고 아까 말했듯이 거시 데이터 같은 걸 분석할 때는 머신러닝이 굉장히 중요하거든요. 그래서 뉴스데이터, 흐름 이런 것들을 할 때는 많이 사용하고 있는데 투자 알고리즘이나 지금 사실 논문은 많이 나왔어요 뭐 주가 자체를 러닝 해가지고 하는 것도 있다 뭐 그런데 그런 부분은 사실 막 실제로는 많이 못 쓰고 있어요

네 제가 항상 드는 생각이 그 논문이 정말 잘 되면 이미 회사를 차렸지

그리고 정말 과거 데이터로 잘 되는 경우가 많지 실제로 이렇게 예측력을 많이 가진 것은 솔직히 많이 없던 것 같아요.

네, 그리고 이제 커리어 관련된 질문들 몇 개 들어왔는데 퀀트가 되려면 제가 아까 학생들에게 조언하신다면 약간 이런 생각도 조금 했었는데 지금 좀 구체적으로 이제 국내에도 퀀트 투자 인력이 있을까 그러니까 수요가 그리고 이제 금융공학 석사를 하실 생각이신 것 같은데 그런 게 도움이 되는지 그리고 또 최근에 창업하신 회사에 채용 계획이

있으신지 사실 커리어적인 질문이 제일 많이 나오시고 저는 이제 그런 부분을 많이 얘기를 해드리고 싶었는데 한국은 저도 이제 트렌드를 잘 모르다가 이번에 한국을 한번 방문하고 와서 알게 됐는데 그동안은 사실 이제 한국 시장에 저희 회사도 되게 많이 시도를 했는데 잘 안 됐어요. 그 이유가 한국은 데이터적인 부분으로 안 돌아가는 마켓이라는 말이 많아서 그래서 좀 그런 부분이 있고 좀 이제 인맥 위주로 투자가 돌아가기도 하고 그래서 좀 어려웠는데 여러가지 규제도 생기고 이제 그 인식 같은 부분도 많이 좋아지면서 또 그런 규제 부분도 예전에는 거래소에 다이렉트 액세스를 하는 것 자체가 금지였어요. 그래서 단타 콘트 회사들은 아예 없었고요. 근데 최근에 그런 것들이 풀리고 작전 이런 거라고 하죠? 조작이나 이런 부분도 많이 해결이 되면서 어느 정도 마켓이 조금씩 생기는 것 같아요. 그래서 제가 이번에 갔을 때도 초단타 회사 2개 정도가 처음으로 생겼고요, 한국에. 그 다음에 컨트 투자를 하려는 회사는 같이 투자를 컨트 기술을 이용해서 하려는 사람은 예전부터 있었는데 주는 아니었는데 메인으로 많이 돌아오는 상태고 아무래도 이렇게 언론이나 이런 곳에서 주목을 받다 보니까 그래서 잡이 많이 생기고 있는 것 같아요. 제가 사실 책을 쓴 메인 이유 중 하나도 한국의 잡마켓에 이런 부분을 많이 알리고 또 좀 컸으면 하는 바람이었는데 그래도 그런 부분으로 가는 것 같아서 지금부터 만약에 학생이시고 준비를 하신다면 기회가 좀 있지 않을까 싶고요. 뿐만 아니라 이 콘텐츠 쪽이 좋은 게 수익률 같은 게 수치로 다 나오기 때문에 트랙 레코드라고 자기 알고리즘이 어느정도 정립이 되어있으면 굉장히 잘 뽑아주는 편이에요 미국은 아무래도 H1B 비자나 이런 것 때문에 조금은 어렵지만 싱가포르나 홍콩 같은 데서는 굉장히 공격적으로 한국 분들도 많이 데려가시거든요 물론 이제 말씀드렸듯이 어느정도 분석능력도 있고 수익도 잘 낸다는 느낌 트랙 레코드가 있었을 때 얘기지만 그래도 그래서 그런 부분에서는 굉장히 희망적이라고 생각을 해요. 그리고 금융공학 석사는 사실 제가 블로그나 이런 데서도 몇 번 다루었는데 컴퓨터 공학 석사를 졸업하시고 금융공학 석사를 들어가시려고 합니다. 저는 이게 다 미국이신지 다 한국이신지 잘 모르겠는데 사실 잘 필요 없다고 생각해요. 왜냐면 금융공학 석사라는 게 어쨌든 실무에 쓰이는 지식이 많을 수가 없어요. 아무래도 금융 전반적인 부분에 다 다르기 때문에 그래서 실제로 컨텐츠 투자나 컨텐츠 트레이딩을 하는 지식은 10%-20%만 배우고 나머지는 굉장히 브로드하게 배우고 어떻게 보면 NBA 느낌이 나는데 물론 금융공학 석사의 가장 큰 장점은 특히 미국은 취직률이 굉장히 좋아요 이게 약간 미국 퀀트 회사들이 약간 믿고 뽑는 그런 게 있어서 근데 요즘은 이제 트레이딩이나 투자를 하고 싶어 하시는 분들이 많아서 퀀트가 될 수는 있지만 메인 퀀트가 된다는 보장은 없어요 그래서 보통 보조를 많이 하거나 아까 말씀드린 대로 모니터링하는 잡도 많이 뽑고 리서치해서 넘겨주는 역할이나 근데 그런 것도 당연히 중요한 일이라고 생각을 하기 때문에 본인이 투자를 직접 하는 게 제일 큰 목적이다 그러면 그렇게 추천을 하진 않고요. 오히려 이제 자신이 프로젝트 기터브 같은 데 만들어서 이렇게 뿌리는 게 더 나을 거고요. 그런 게 아니고 그냥 제도권 컨트로 진입을 하는, 골드만삭스의 컨트가 되는 게 난 최고 목표다. 나는 돈을 버는 것보다 컨트라는 일에 있는 게 더 좋다. 라면은 흡인공학 석사 자체는 굉장히 좋은 프로그램인 것 같아요. 그래서 이제 그런...

네, 그리고 회사, 이제 회사를 최근에 차려서 독립하신 걸로 알고 있는데 그 얘기도 좀 해주시죠. 그러면서 이제 안

그래도 제가 이제 회사를 차렸다는 이야기를 올리니까 몇 분이 연락을 주셨어요 근데 너무 똑똑하시고 그런 분들이라 저희가 아직 그 정도 여력이 없어서 개발자 한둘 정도는 생각하고 있는데 너무 대단하신 분들이 많이 연락을 주셔서 아직은 저희가 그 정도까지는 생각하지 못하고 있습니다 안해수공업을 좀 해야 될 것 같아요. 근데 저 같은 경우에는 사실 이제 초단타라는 업종 자체가 조금 몰락하고 있다고 생각을 하고 앞으로 미래는 이제 좀 같이 투자나 머신러닝 투자가 될 거라고 생각을 했고 이제 기존의 회사나 사실 월가에 있는 대부분의 회사도 이런 부분에서 아직 많이 시도를 하고 있어요. 투자자 눈치를 보느라고. 근데 이제 저는 일단 그런 거에 마음 맞는 사람들을 좀 돈을 좀 받아서 이제 그런 것들을 좀 해보지 않을까라는 생각을 해서 이런 거를 시도를 해보게 됐고 그래서 생각보다 사실 저는 블랙박스 트레이딩도 되게 해보고 싶거든요. 그냥 머신러닝을 좀 믿고 해보고 싶은데 아무래도 다 금지를 하고 있으니까 그런 것도 그냥 리스키하게 한번 시도도 해보고 그런 생각을 가지고 있어서 이제 시작을 하게 됐고요. 생각보다 어쨌든 그림대로 가고 있어서 잘 되고 있는 것 같습니다. 그래서 좀 더 크면은 제가 이제 채용 공고를 올리든 여러가지 사람이 많이 필요할 것 같은데 그때 언제든지 연락을 주시고 안 그러셔도 질문 있으시면 언제든지 연락 주시면 제가 포텐셜 인플로이어로 열심히 하겠습니다.

네, 테리님 주무시는 거 아니죠?

아, 네.

잘 잤네요. 아니, 잘 잤네요, 잘 잤네요.

듣고 말고 뭐 저기...

네, 아니면 머신러닝 필요하시면 좋은 연봉으로 저한테 연락해 주세요.

주식으로 다 주실 것 같은데 주식으로? 수익률 대비 얼마로...

요즘에 보니까 강화학습을 적용해보겠다 하시는 분들도 좀 보이는 것 같고 머신러닝을 적용하겠다는 분들이 좀 보이더라고요 사실 뭐 그냥 이렇게 시뮬레이션 데이터를 가지고 돌려봤을 때 잘 나왔다고 해서 그게 전부가 아니잖아요.

그렇죠.

그래서 아직까지는 그렇게 하시는 분들이 좀 믿음이 안 가는 게 있고요. 아 그리고 또 하나 질문 드리고 싶었던 거는 지금까지 말씀하시면서 뭐 초단타매매를 하시기 때문에 머신러닝이나 이런 것도 많이 안 쓰셨다고 하셨는데 책에는 제목은 인공지능이 들어갔단 말이에요.

그렇죠.

그리고 이제 앞으로 사업을 하시면 분명히 인공지능을 마케팅에 많이 이용을 하시겠죠?

그렇죠.

그래서 뭔가 이런 어떤 인공지능에 대해서 어떻게 생각하시는지 사업적으로나

기술적으로나 여러 면에서 지금 제가 말씀드렸듯이 가치투자 부분에서는 그런 인공지능을 많이 시도는 하고 있어요. 아직 마케팅은 진짜 어떻게 보면 블루오션인 게, 정립이 전혀 안 돼 있어요. 무슨 알고리즘이 제일 잘 통하는지도, 강화학습일 수도 있고, CNN일 수도 있고, SVM일 수도 있는데, 다 지금 시도만 해보고 있고, 이걸 아직 현금화가 되지 않은 상태이기 때문에 굉장히 유망하다 생각을 하고, 특히나 사실 저는 인공지능을 받아들이는 것 자체가 일종의 데이터 분석 툴 중에 하나라고 이해를 하고 있어요. 그래서 지금까지 알루 리그레이션을 하던 것들을 이런 머신러닝 알고리즘의 도움으로 좀 더 패턴을 쉽게 발굴하고 또 아니면은 민간이나 그냥 일반적인 그런 통계 방식으로 발견할 수 없었던 것을 발견한다는 정도의 의미라고 생각을 하고 그런 부분에서 굉장히 새로운 접근들이 많이 나오지 않을까 생각을 해서 실제로 이제 제가 머신러닝을 많이 안 썼다는 말은 알고리즘 자체를 투자를 할 때 많이 못 썼다는 거였고요. 지표상으로 여러 가지 웨이스를 추가할 때는 굉장히 많이 쓰거든요. 지금도 많이 쓰고 회사 사람들도 많이 썼는데 그런 부분을 넘어서서 투자 알고리즘을 만드는 부분도 나오지 않을까 하는 생각이 들고 사실 이게 체사마다 굉장히 비밀스럽기 때문에 르네상스나 스타들같이 비밀스럽게 운영하는 회사들이 이미 많은 시도를 했을 수도 있어요. 저희 회사에 국한돼서 얘기를 한 건데... 이미 어디까지 진행이 됐을지는 인사이더 아니면 잘 모르는 것 같아요. 이런 헌트 회사들은 사실 체사하고도 3년인가 5년간은 얘기도 하면 안 되고 이런 게 있거든요. 지금 제가 나온 회사는 개인이 어차피 다 돌리는 거기 때문에 그런 게 좀 프리한 편이었고 그래서 책도 쓸 수 있었죠.

좀 더 극단적으로 요새 한국에서 유행하는 말이 너 인공지능의 시대에 살아남을 수 있겠어? 약간 그런 게 화두인 것 같은데 펀트라는 직업이 언제까지 살아남을 수 있을 것인가. 언제까지 사람이 지능적인 알고리즘에 비해서 경쟁우위를 유지할 수 있을 것인가. 특히 이거는 정말 데이터 가지고 의사결정하는 거잖아요. 그렇죠.

그거는 사실 근본적으로 인공지능이 언제 그런 사람의 잡을 어디까지 테이크 할 거냐라는 질문이랑 똑같은 것 같아요. 결국에 아까 말씀드렸듯이 사람의 가치나 기업의 가치는 판단하는 게 여전히 인간이 우위고 인간이 이걸 보고 어떠한 부분을 판단하는 게 우위인 게 여전히 굉장히 많고 아직 사실 운전도 못하는 열심히 시도를 하고 있지만 하는 시대에 투자까지 인간을 아주 넘어서는 정도는 아직까지는 어렵지 않을까 생각이 들고요. 결국에 투자 가치라는 것도 인간이 만들어내는 거기 때문에 그런 부분에 대해서는 사실 완벽히 대체는 되지 않을 거라고 생각을 하고 그냥 그 데이터를 어디까지 더 다양하게 볼 것이냐의 싸움인 것 같아요. 그래서 그런 부분에서는 저는 이제 퀀트와 데이터가 확실히 구분이 모호해질 거라는 건 거의 확신을 하는데 그 이상으로 완전히 인공지능이 테이크오버 하는 거는 아직까지는 시기상조라고 생각합니다.

뭐 용진님이 세우신 회사가 이제 궁극의 인공지능을 만들어서 뭔가 특별한 잡을 없애는...

먹고 살 수만 있어도 저는...

제가 개인적인 재테크도 한번 여쭤보려고 했는데 재테크는 이제 뭐... 허탈하시겠네요.

네, 저희 회사가 나중에 오픈을 하겠습니다. 이러면서 펀드를 좀 받고 어쨌든 오늘 거의

2시간 가까이 됐는데 여러가지 좋은 말씀 감사드리고 제가 책을 읽으면서도 느꼈는데 뭔가 설명을 되게 조리있게 잘 하신 것 같아요. 스토리를, 스토리텔링을 굉장히, 책을 보면 굉장히 처음 쓰셨는데 이게 처음 쓴 책 같지가 않거든요. 뭔가 일화나 이런 것도 그렇고 뭐 전문적으로 뭐 코칭을 받으셨어요? 어떻게 책을?

그런 거는 아니고요. 근데 제가 되게 좋아하는 그 작가 중에 마이클 루이스라는 작가가 있어요. 들어보시는지.

아, 그렇죠.

네, 머니볼도 있고, 빅쇼도 있고, 플래시보이즈도 있고, 라이어스 포커라는 책도 있는데 그분의 책을 읽으면서 되게 영향을 많이 받았어요. 어떠한 개념을 설명할 때 스토리가 있는 게 훨씬 좋구나. 머니볼만 봐도 세이버 매트릭을 설명하기 위해서 굉장히 오클랜드가 결승에 올라가는 그 스토리 자체가 정말 흥미진진하잖아요. 그러니까 그런 부분을 좀 한번 해보고 싶었어요. 그래서 그런 부분에 영향을 많이 받죠.

네. 어쨌든 뭐 이렇게 많이 말씀해주셨는데 사실은 좀 더 하고 싶은 말씀도 많으실 것 같고 저희가 이제 사실은 체계 그러니까 이 방송에 출연하신 분들께서 뭔가 좀 더 심화된 이 주제에 대해서 뭐 강의나 아니면 이제 그런 거를 만드시면 저희가 최대한 플랫폼으로 도움을 드리려고 하는데 혹시 뭐 그런 것도 가능할까요?

네, 지금 사실 정말 다양한 옵션을 보고 있는데 제가 지금까지 결국에는 책도 그렇고 블로그도 그렇고 인트로적인 얘기를 많이 해서 아무래도 그거는 이제 얼마나 대중적이냐를 생각하다 보니까 어쩔 수 없이 그렇게 봤는데 좀 테크니컬한 걸 원하시는 분들이 좀 있어요. 도대체 돈을 어떻게 벌 거냐. 그래서 지금 당장 내가 알고리즘 만들어서 벌고 싶다 이런 분들이 있어서 그런 부분을 좀 쉽게 따라하는 이런 것들을 좀 준비를 해볼까 생각은 중인데 갑자기 좀 이제 바쁜 일이 생겨서 좀 했지만 아마 내년 초에는 좀 뭔가 그런 부분을 인터넷 강의가 될 수도 있고 간단한 글 강의가 될 수도 있는데 어떤 식으로든 좀 해보려고 하고 있어요. 그래서 저도 진영님 도움을 많이 받아야 할 수도 있을 것 같아요.

사실 저희는 데이터 관련된 인공지능 관련된 일을 하시는 분들이 전문가라고 할 수 있는 분들이 나오셔서 다른 전문가분들이랑 소통도 할 수 있고 또 그냥 그 전문 지식을 원하시는 일반 대중들에게 좀 전달할 수 있는 그런 플랫폼을 만들려고 해요 저같은 경우에도 사실은 말씀하신 대로 Hello, DataWalk이라는 책을 썼는데 그 책은 정말 뭐 약간 빙산의 일각이고 실제로 제가 하는 일에 대해서는 거의 못 따로 없기 때문에 그런 거에 대한 약간 아쉬움도 있고 그래서 항상 뭐 그런 시도를 하신다면 언제든 저희가 좋은 기회가 될 수 있지 않을까 생각합니다.

이런 자리 만들어주셔서 너무 감사하고 사실 이런 쪽에 관심 있는 분도 너무 많으신데 저만 해도 자료가 너무 없고 전문가 분들도 많이 안 계시니까 어려웠는데 좋은 플랫폼인 것 같아요.

네 그리고 인공지능에 관해서라면 또 우리 테리님이 하시는 방송도 있고 안 올린지 한 3개월 됐습니다 대학원 때 이렇게 활발하신데 졸업하시면 얼마나 활발하실까 기대되네요 네 테리님도 한 말씀 해주시죠 마지막

네, 요즘에 그런 말이 있습니다. 투머톡이라고. 아시나요?

박찬호.

여러분, 네. 요즘에, 아니, 너무, 너무 많은 말씀을.

지금 캐나다 동료 시간으로 새벽 1시거든요. 지금 뭐 지금 정리를 하고.

새벽 1시에 축구를 하고 와서 이렇게 듣고 있기가. 새로운 분야라서 잘 들었고 각각의 어려움들이 있고 어떻게 뭔가 해나가시고 역동적으로 해나가시는 이야기를 듣는데 새벽 1시라서 좀 힘들었어요.

솔직해서 매력적인 테리님. 네, 제가 마무리를 하면 어쨌든 용진님 사실 제가 책 보고 항상 말씀을 나눠보고 싶었는데 이렇게 또 팟캐스트를 통해서 말씀을 나눌 수 있는 기회가 생겨서 되게 좋았고 태리님도 평소처럼 약방의 감초 역할을...

농담이 심했다면...

앞으로는 감초하겠습니다.

근데 어쨌든 오늘도 사실은 제가 본 거는 데이터를 다루는 분야면 굉장히 다루는 데이터의 본질이랑 그 다음에 뭐 목적은 다를지 몰라도 통하는 점이 굉장히 많다 트렌드도 굉장히 스몰 데이터에서 빅 데이터로 좀 더 넘어가고 모델도 이제 심플 모델에서 좀 더 복잡한 그런 모델로 가고 그 와중에 컴퓨팅 파워가 더 많이 필요해지고 그런 모든 게 약간은 통하는 분야가 통하는 점이 있지 않나 그래서 이제 저도 느꼈어요

아마도 청취자분들도 계속 들어보시면 다양한 분야의 사람들이 있는데 대부분의 분들이 비슷한 얘기들을 하는구나 이런 걸 느끼실 것 같아요

그렇죠 비슷하지만은 충분히 다르기 때문에 재미있는 뭔가 저희가 이제 하나의 주제를 가지고 할 수 있는데 어쨌든 저는 이제 예를 들어서 페리님은 로봇 쪽 하시고 웅지님은 헌트에 계신데 사실은 알고리즘 적으로는 굉장히 통하는 게 많단 말이죠 그러니까 로봇의 어떤 강화학습 같은 게 가치투자는 좀 더 장기적으로 보고 하는 거니까 단타가 아니라 그런 거랑 좀 통하는 것 같기도 하고 뭔가 물론 앞으로 개념적으로 그렇다고 잘 되는 건 아니겠지만 이제 그런 기회가 좀 보이기도 하고 이렇게 좀 다양한 분야의 사람들이 만나서 얘기를 하는 게 가치가 있지 않나 생각이 들고요 네 어쨌든 뭐 늦게까지 이렇게 좋은 말씀해 주셔서 감사드리고 앞으로도 더 좋은 일 많이 있으시면 좋겠고 그 다음에 저희가 뭐 혹시나 또 이렇게 이 주제에 대해서 더 심화된 어떤 그런 강의나 이런 걸 제공을 해주시면 저희 청취자분들께서 굉장히 좋아하시지 않을까 이런 생각도 해봅니다.

저희 방송의 특기가 게스트 돌려막기라서 아마 더 유명해지실 거라면 또 한 번 요청을 드릴 거예요.

하여튼 오늘 이렇게 자리 만들어줘서 너무 감사하고요. 또 제가 그런 부분에 도움이 될 수 있다면 언제든지 불러주십시오.

감사합니다. 오늘 방송은 이걸로 마치고요. 다음번은 방송은 예고 드린대로 딥러닝을 주제로...

야, 다음번에는 내가 말 많이 해야지.

다음번에는 투표하지 말고 오세요.

다음번에는 진영님 가만히 계시고요. 제가...

저는 그냥 열심히 노는 자세로 앉아있겠습니다. 그러면 감사드리고요. 지금 생방송도 30분 가까이 계속 자리 지켜주고 계신데 예 감사드리고 또 질문해 주셔서 감사드리고 어 예 그러면은 오늘 방송은 여기까지 마치겠습니다 예 다음번에 뵙겠습니다

감사합니다

감사합니다