AI는 Navier-Stokes 문제를 해결했고, 가장 안전한 시스템을 해킹했으며, 새로운 암 치료법을 설계했습니다.
하지만 여전히 S&P 500을 이기지는 못합니다.
AI는 언제 시장을 이길 수 있을까요?
이는 연구소들이 직면한 수조 달러짜리 질문입니다.
그 답은 놀랍도록 우아합니다.
그것은 1991년, 세계에서 가장 큰 로봇의 건설에서 시작됩니다.
길이 360미터의 강철로 만들어진 Maeslantkering은 지구상에서 가장 큰 움직이는 구조물입니다. 완전히 자율적으로 작동합니다.
네덜란드인들은 이를 홍수 방어벽으로 알고 있으며, 로테르담의 270만 주민을 치명적인 폭풍 해일로부터 보호하기 위해 건설되었습니다.
임무를 수행하기 위해, 이 로봇은 해수면을 완벽하게 예측해야 합니다.
해수면의 가장 단순한 모델은 스위치입니다.
밀물 때는 스위치가 켜지고, 썰물 때는 꺼집니다.
스위치(주황색)는 현실(청록색)의 나쁜 모델입니다.
하지만 스위치는 조수의 형태를 놓칩니다. 상승하는 조수는 여전히 위험 임계값을 넘습니다.
로봇은 더 나은 모델이 필요합니다.
조수는 주로 달에 의해 움직이며, 달의 중력은 바다에 주기적인 곡선을 그립니다. 스위치를 사인파로 바꾸면 로봇의 예측이 조수를 따라가기 시작합니다.
달의 중력(주황색)은 현실(청록색)의 더 나은 모델입니다.
하지만 여전히 불완전합니다. 조수는 태양의 인력, 만의 수심, 궤도의 이심률, 그리고 수십 가지 다른 요인들에 의해서도 형성됩니다.
로봇이 태양계의 모든 관련 구조를 포함할 때만 조수를 예측할 수 있습니다.
모든 조석력(주황색)은 모델이 현실(청록색)과 완벽하게 일치하도록 합니다.
이는 1970년 Conant와 Ashby가 증명한 좋은 조절기 정리(Good Regulator Theorem)를 예시합니다.
"시스템의 모든 좋은 조절기는 그 시스템의 모델이어야 한다."
이는 오늘날 AI의 능력 경계를 완벽하게 설명합니다:
- 체스 모델은 포함합니다: 수열에서 재구성된 보드 지오메트리.
- 코딩 에이전트는 포함합니다: 모든 오픈 소스 코드 라인에서 파생된 계산 규칙.
- 비디오 및 세계 모델은 포함합니다: 픽셀에서 재도출된 물리 법칙.
AI는 세상을 집어삼키고 있습니다.
하지만 삼킬 수 있는 순서대로만 그렇습니다.
주식 시장을 위해 다시 그려진, 모델과 현실 사이의 동일한 격차는 다음과 같습니다:
Morningstar의 모델(주황색)은 현실(청록색)과 괴리됩니다.
분명히, Morningstar의 '공정 가치 추정치'는 '좋은 조절기'가 아닙니다.
아마도 Morningstar가 주식 가치 평가에 세계적 수준이 아닐 수도 있습니다. 하지만 최상위 10% 헤지 펀드의 내부 목표 가격에서도 동일한 그림이 나타납니다. 아무도 가격에 대한 좋은 조절기를 가지고 있지 않으며, 그 이유는 간단한 사실 때문입니다:
시장은 자기 참조적(self-referential)이며, 경제학자들이 반사적(reflexive)이라고 부르는 시스템입니다.
가격은 수백만 명의 사람들이 가격을 보고, 서로가 가격에 반응하는 것을 보고, 그에 따라 반응하면서 설정됩니다.
아무도 군중을 포함하는 AI를 구축하지 못했습니다.
시장은 AI가 포함할 수 있는 순서대로 무너지고 있습니다.
하지만 금융은 여전히 무너지고 있으며, 일부 시장은 이미 포함되었습니다.
정리는 그들이 무너지는 순서를 완벽하게 설명합니다:
1. 퀀트들은 이미 초지능을 구축했습니다.
AI는 이미 다른 알고리즘을 포함합니다.
최초의 금융 초지능은 LLM이 아니었습니다.
그것은 퀀트 트레이딩 시스템이었습니다.
밀리초 단위의 시간대에서 퀀트 회사들은 이미 '좋은 조절기'를 구축했습니다.
어떤 인간도 그렇게 빨리 반응할 수 없기 때문에, 단기 예측은 덜 반사적입니다. 그 시간대에 빠른 가격을 생성할 수 있는 유일한 것은 다른 알고리즘입니다.
그리고 모델은 다른 모델을 포함할 수 있습니다.
Renaissance Technologies, Jane Street, Two Sigma는 자신들이 거래하는 다른 알고리즘의 논리를 포함하는 시스템을 구축하여 수천억 달러의 이익을 창출했습니다.
설명용. 밀리초 시간대의 퀀트 트레이딩 모델(주황색)은 오늘날 가격의 미세한 변동(청록색)을 밀접하게 따라갈 수 있습니다.
더 큰 모델은 더 작은 모델을 삼키고 그들의 행동을 차익거래합니다. 단기 시장은 서로를 잡아먹는 시스템의 끝없는 전쟁터입니다.
(여기에 AI 안전성 논쟁이 숨어 있습니다. 정렬 연구자들은 ASI가 ASI를 포함하는 것에 대해 이론화합니다. 퀀트 회사들이 먼저 도달했습니다.)
하지만 이러한 퀀트 모델은 빠르게 무너집니다.
짧은 시간대에서는 시스템이 대부분 기계 대 기계 거래입니다.
긴 시간대에서는 군중이 돌아옵니다.
2. 사모 시장은 10년 안에 공개 시장처럼 될 것입니다.
AI는 분석가의 업무를 포함하기 시작했습니다.
금융의 많은 부분은 가치 평가를 더 잘하는 것에 관한 것이 아닙니다.
정보를 획득하고 처리하기 위한 경쟁입니다.
오늘날 수백만 명의 금융 분석가가 데이터룸을 검토하고, 모델을 구축하고, 비교 대상을 찾고, 단편적인 증거를 투자 결정으로 전환합니다.
역사적으로, 소수의 회사만이 이를 대규모로 수행할 인력을 보유했습니다.
사모 시장은 결코 좋은 조절기를 가지지 못했습니다.
2022년 Blackstone의 부동산 펀드는 전형적인 예입니다. 사모 포트폴리오는 "원가"로 표시된 반면, 유사한 익스포저를 가진 상장 포트폴리오는 두 배나 급락했습니다.
사모 시장(주황색)은 공개 시장 유사체(청록색)와 크게 괴리될 수 있습니다.
상장된 유사체가 존재했기 때문에 우리는 이 격차를 볼 수 있습니다. 대부분의 사모 자산은 그러한 거울을 제공하지 않습니다.
그것은 빠르게 변하고 있습니다.
모델은 이제 서류, 신용 계약서, 가상 데이터룸을 읽습니다. 에이전트는 이제 주변 작업(가치 평가, 모델링, 비교 대상 찾기, Slides 작성)을 수행합니다. 분석가 병목 현상은 지금 이 순간 사라지고 있습니다.
더 많은 투자자는 더 많은 입찰을 창출합니다.
더 많은 입찰은 더 많은 거래를 창출합니다.
더 많은 거래는 가격 발견을 개선하고, 더 많은 투자자를 유치합니다.
사모 자본이 드디어 좋은 조절기를 얻고 있습니다.
우리는 이미 Hebbia에서 이를 목격하고 있습니다: 펀드들은 시장 밖에서 수십억 달러 규모의 거래를 발굴하고, 시장이 따라잡기 전에 조기 포지션 청산으로 수억 달러를 절약하고 있습니다.
사모 시장은 공개 시장처럼 거래될 것입니다.
아이러니한 결과는 이것이 일어나는 순간에도 여전히 해결되지 않는다는 것입니다. AI는 이를 반사적 시스템으로 바꾸어, 우리를 핵심 질문으로 되돌릴 것입니다.
모델이 군중을 포함해야 할 때 어떤 일이 일어날까요?
3. 공개 시장은 LLM에 의해 해결되지 않을 것입니다.
AI는 군중을 포함하기 위해 완전히 다른 모델이 필요합니다.
사람들은 Claude가 시장을 이겨주길 기다리고 있습니다.
그런 일은 일어나지 않을 것입니다.
LLM이 기본적 분석에 진정으로 유용해 보이지만, 기본적 분석은 반사성 때문에 자주 실패합니다. 군중 역학에 의한 더 높은 평가는 자본 비용을 낮추고, 성장을 가속화하며, 평가를 더 높게 밀어 올립니다.
반사성은 기본 요소를 변화시킵니다.
그렇다면 어떤 AI가 실제로 군중을 모델링할 수 있을까요?
3.1 Twitter는 월스트리트보다 먼저 군중을 모델링했습니다.
한 종류의 모델은 이미 어떤 LLM보다 인간 행동을 더 잘 예측하고 형성합니다.
"뉴스피드"는 이미 인간 심리의 거의 완벽한 모델을 포함합니다. 선거에 영향을 미치고, 문화적 트렌드를 설정하며, 수십억 명의 사람들을 그들 스스로 아는 것보다 더 잘 모델링합니다.
소셜 미디어 광고 서버도 같은 방식으로 작동합니다. 당신이 막 사려고 했던 정확히 그 물건에 대한 광고는 종종 당신이 먼저 그것을 사고 싶게 만듭니다. 반사성에 주목하세요.
뉴스피드의 게시물 예상 관련성(주황색)은 실제 참여와 관련성(청록색)을 모델링하고 창출할 수 있습니다.
이는 특이한 결과를 낳습니다:
xAI는 지구상에서 가장 유리한 위치에 있는 금융 연구소입니다.
Grok은 실시간으로 군중을 포착하는 희귀한 데이터셋 위에 있습니다.
피드는 이미 시장을 움직입니다.
개인 투자자에게는 관심이 이미 기본 요소보다 더 중요합니다. 점점 더 모든 주식이 밈 주식이 되고 있으며, 피드가 밈을 통제합니다.
논리적 결말은 냉정합니다. 미래의 시스템은 군중의 반응을 예측하고, 승리하는 내러티브를 생성한 다음, 봇 "투자자"를 통해 유통하여 자신의 보유 자산을 펌핑할 수 있습니다. 훌륭한 마케팅 캠페인과 시장 조작 사이의 경계는 이미 얇으며, 특이점 이후에는 더욱 흐려집니다.
시장 조작은 곧 모델의 능력이 될 것입니다.
3.2 모델은 시장을 포함해야 합니다.
시뮬레이션 스타트업들은 이 문제를 긁적이고 있지만 반사성을 해결하지는 못할 것입니다. 실제 가격에 닿지 않는 합성 군중은 상자 속의 포커스 그룹에 불과합니다.
예측 시장도 이를 피해갑니다. 비가 올 확률은 날씨를 바꿀 수 없습니다.
진정한 반사성 모델은 두 가지를 수행해야 합니다:
- 다른 조절기를 포함합니다. 시장이 어떻게 반응할지 예측하고, 한 발 앞서 나가야 합니다.
- 자신의 영향을 포함합니다. 역사적 데이터는 존재하지 않았던 투자자의 효과를 밝힐 수 없습니다. 모델은 거래하고, 자신이 변화시키는 것을 관찰하며, 스스로를 업데이트해야 합니다.
이러한 모델은 이미 훈련에서 거래로 이동하고 있습니다.
하지만 문제가 있습니다: AI는 거래가 시장을 움직일 만큼 충분히 작은 동안에만 안정적인 전략을 배울 수 있습니다.
학계에서는 이를 수렴 제약 조건(convergence constraint)이라고 부릅니다.
트레이더들은 익숙한 격언으로 부릅니다:
"규모가 거래를 죽인다."
그것이 다가올 일을 막지는 못할 것입니다.
시장을 이기는 기계는 밀리초에서 분, 일, 분기, 년으로 확산될 것입니다.
기계에 맞서 거래하는 것은 무의미해질 것입니다.
수문이 열리고 있습니다.
모든 시장은 기계에 의해 지배될 것입니다.
모든 회사는 AI와 경쟁해야 할 것입니다.
우리의 조직은 그에 따라 변화해야 합니다.
퀀트 회사들은 이 새로운 현실에 맞춰 가장 먼저 재구조화되었습니다. 그들의 조직도는 방대한 양의 데이터를 수집, 정리, 구조화, 모델링하기 위한 시스템이 되었습니다. 그들은 자신들의 시장에 대한 좋은 조절기가 되었습니다.
모든 회사는 곧 동일한 변화에 직면하게 될 것입니다.
미래의 가장 중요한 직업은 기계에게 세상의 구조를 가르치는 일이 될 것입니다.
특이점을 공매도할 수는 없습니다.
당신은 그것의 일부가 될 수 있을 뿐입니다.
이 시스템에 대한 제 모델을 개선해 준 Manny Roman, Rob Goldstein, Marty Chavez, Bob Steele, @WillManidis, @lennysan에게 깊은 감사를 드립니다.
