AI 애널리스트 대 휴먼 애널리스트

AI가 바꾸는 투자 분석의 미래
투자 리서치 현장에서 30년간 활동한 저자가 직접 체득한 고민과 한계를 바탕으로, AI 시대의 투자 분석이 어떻게 달라지고 있는지를 탐구한다. 전통적인 펀더멘털 분석, 현금흐름할인 모델, EVA, 상대 가치 평가 같은 기법들은 오랫동안 애널리스트들의 무기였지만, 시장은 점점 더 빠르게 움직이며 분석보다 앞서갔다. IMF 외환 위기와 2000년대 초반의 격변기를 거치며 “왜 분석은 항상 시장보다 늦을까?”라는 근본적인 질문에 맞닥뜨렸다.
이 책은 그 해답을 인간 분석가가 아닌 인공지능에서 찾는다. 방대한 데이터를 실시간으로 처리하고, 숨겨진 패턴을 찾아내며, 감정에 휘둘리지 않는 AI 애널리스트는 인간이 미처 따라가지 못했던 속도와 정밀도로 시장을 읽어낸다. 그러나 AI 분석이 만능은 아니다. 데이터의 품질, 알고리즘의 편향, 윤리적 문제는 여전히 인간의 판단을 필요로 한다. 저자는 AI와 휴먼 애널리스트의 역할을 대립이 아닌 상호 보완의 구도로 바라본다. 이 책은 변화하는 시장 환경에서 투자자와 전문가 모두가 AI를 도구로 삼아 새로운 투자 전략을 설계할 수 있도록 실질적인 통찰을 제공한다.

변화하는 시장에서 AI가 투자 분석을 어떻게 혁신하는지 보여 준다. 전통 기법의 한계와 AI 분석의 가능성을 함께 제시하며, 두 분석가의 협업이 새로운 투자 해법임을 일깨운다. 인공지능총서. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

박재훈
현재 AI PFM(개인재무관리)솔루션 기업인 웰스가이드에서 퇴직연금솔루션 부문을 총괄하고 핀테크 기업인 Core16에서 자산배분모델 자문역을 담당하고 있다. 유안타증권에서 11년간 투자 전략을 담당하며 금융시장 분석과 주식시장 전망 예측 업무를 수행했다(1991∼2002). 동양자산운용 주식 운용 팀장(2002∼2006), 새마을금고중앙회 투자 전략 팀장(2006∼2008)을 거쳐 파인아시아자산운용에서 자산 운용 총괄을 맡아 주식과 채권 운용을 총괄했다(2008∼2011). 피데스자산운용의 주식운용본부장으로 국민연금자금 위탁운용을 담당했다. 20년 이상 금융시장 전반의 흐름과 자산 배분 전략, 글로벌 주식 시장에 대한 전문성을 바탕으로 다양한 투자 자문과 운용 실무를 수행해 왔다.

투자 분석 업무를 혁신하는 AI

01 휴먼 애널리스트의 한계와 AI 등장
02 AI 금융 애널리스트 업무 범위와 기술적 진화
03 AI로 재무제표 분석
04 AI가 쓴 분석 리포트 신뢰도와 평가
05 인간과 AI의 기업 이익 추정 능력 비교
06 헤지펀드 영역까지 파고든 AI
07 AI 애널리스트 리서치의 실제 구현과 글로벌 사례
08 AI 리서치의 활용 전략과 실무 적용 방법
09 AI 금융 리서치의 위험과 규제
10 인간과 AI 협업 모델

특히 재무제표 분석 분야에서는 획기적인 발전이 있었다. 파이낸스 툴킷(FinanceToolkit, 금융 분석 도구)은 130개 이상의 재무 비율을 자동으로 계산하며, 주가 수익 비율(PER, Price-to-Earnings Ratio), 주가 순자산 비율(PBR, Price-to-Book Ratio), 자기 자본 이익률(ROE, Return on Equity) 같은 기본 지표부터 듀폰(DuPont) 분석 같은 고급 기법까지 지원한다. 개인 투자자가 수작업으로 계산하던 복잡한 재무 지표들을 단 몇 줄의 코드로 처리할 수 있게 된 것이다. 에드가 툴즈(edgartools, SEC 전자 공시 데이터 처리 도구)는 단 세 줄의 코드로 1994년 이후 모든 SEC 파일링 데이터를 추출할 수 있어, 미국 상장 기업의 10-K 보고서(미국 증권거래위원회 연례 보고서), 10-Q 보고서(미국 증권거래위원회 분기 보고서)를 즉시 분석할 수 있다.
－01_“휴먼 애널리스트의 한계와 AI 등장” 중에서

모델 훈련은 반복적인 학습 과정을 통해 이루어진다. 초기에는 무작위로 설정된 가중치와 편향값으로 시작하여, 예측값과 실제값의 차이를 평균 제곱 오차(MSE, Mean Squared Error) 손실 함수로 측정한다. 이 오차는 역전파 과정을 통해 신경망을 거슬러 올라가며 전파되고, 아담(Adam) 옵티마이저(optimizer)를 사용하여 0.001의 학습률로 가중치와 편향을 조정한다. 또한 자동 혼합 정밀도(AMP, Automatic Mixed Precision)와 평균 가중치 스냅샷(SWA, Stochastic Weight Averaging) 같은 고급 기술도 함께 활용된다.
－03_“AI로 재무제표 분석” 중에서

자연어 처리 기술은 뉴스, 실적 발표, 소셜 미디어 감성 등 시장 심리를 정량화해 투자 전략에 반영한다. 예를 들어, 포인트72(Point72)는 수익 발표 콜의 감정 분석 결과를 거래 전략에 자동 반영한다. 리스크 관리에서도 AI는 포지션을 실시간 모니터링하고 잠재적 손실을 선제적으로 완화한다. 브리지워터 어소시에이츠(Bridgewater Associates)는 디시전 메이커(Decision Maker)라는 머신러닝 모델로 방대한 경제·시장 데이터를 분석해 데이터 기반의 투자 결정을 내리고 있다(Zaveri, 2024). 사기 탐지 및 컴플라이언스 분야에서도 AI는 내부자 거래, 시장 조작 등 이상 징후를 실시간 감지해 헤지펀드의 무결성을 강화한다. 맨 그룹(Man Group)은 AI 감시 시스템으로 비정상적인 활동을 탐지하고 컴플라이언스 팀에 즉시 알린다. 이처럼 AI는 헤지펀드의 투자, 리스크 관리, 사기 탐지 등 전 과정에서 핵심 도구로 자리 잡고 있다.
－06_“헤지펀드 영역까지 파고든 AI” 중에서

AI는 재무 비율 추세 분석에는 강점이 있으나 경영진의 전략적 의도나 산업별 정황 해석에서 질적 판단력이 부족하다는 한계를 보이고 있다. 매킨지 보고서는 AI가 계량적 데이터 처리에는 우수하지만 리더십 변화 평가나 전략적 전환 등 비정형적이고 질적 맥락을 반영한 심층 분석에는 취약하다고 평가했다. 예를 들어, 경영진 인터뷰의 미묘한 표현에서 신제품 실패 가능성을 포착하거나 산업 내 경쟁 구도 변화의 함의를 해석하는 능력이 부족해 투자 리스크 평가가 왜곡될 수 있다. 이러한 맥락적 분석 결여는 표면적 데이터에만 의존한 피상적 분석으로 이어져 투자 판단의 질을 저하시킨다.
－09_“AI 금융 리서치의 위험과 규제” 중에서