금융업에 종사하면서 세계의 많은 석학과 유명 펀드 매니저들을 만났다. 특히 금융 퀀트 부문의 리서처와 매니저들을 접할 수 있는 기회가 있었다. 거듭 느끼는 것이지만 분야를 막론하고 투자 철학이 중요하며 그러한 투자 철학을 갖게 한 경험과 전통이 중요하다는 것을 깨닫는다. 한국인이 (최고로) 잘할 수 있는 분야가 자산 운용, 그중에서도 퀀트 분야라고 생각한다. 자유로이 연구하고 운용할 자원이 부족하며 전통과 경험이 미천하다는 약점 역시 존재한다. 이러한 상황을 타파하고자 독자들이 전통과 경험을 단기간에 뛰어넘기 위한 학습에 도움을 줄 수 있는 '금융 퀀트 머신러닝 융합' 시리즈를 기획했다.
이 시리즈는 세 개의 기둥을 갖는데, 이 책은 그중 마지막 단계이자 세 번째 기둥이 돼 줄 작품이다. 첫 번째 기둥이 스테판 젠슨의 『퀀트 투자를 위한 머신러닝?딥러닝 알고리듬 트레이딩 2/e』이며 두 번째 기둥은 마르코스 로페즈 데 프라도 교수의 『실전 금융 머신러닝 완벽 분석』과 『자산 운용을 위한 금융 머신러닝』이다. 첫 번째 기둥이 일반적인 머신러닝/딥러닝 기법을 금융에 그대로 적용하고자 하는 시도를 담은 책이라면 두 번째 기둥은 머신러닝 자체보다는 머신러닝이 금융에 도입될 때 생겨날 수 있는 많은 문제를 다루며, 머신러닝적 사고를 통해 금융의 특수한 설정을 잘 반영함으로써 금융과 머신러닝의 결합이 더욱 유용할 수 있다는 것을 강조하고 있다.
세 번째 기둥은 오히려 고전적 경제학 및 금융의 입장에서 머신러닝과 딥러닝을 도입해 머신러닝을 오히려 금융적 관점에 해석하고 기존 금융 경제학을 발전시키고자 한다. 많은 머신러닝/딥러닝 및 심지어 물리학 개념이 도입됐음에도 불구하고 오히려 금융 경제학에 뿌리를 두고 있는 독자는 무엇인가 더 친근함을 느낄 것이다. 동시에 기존 금융 경제학이 머신러닝을 반영하면서 이런 방향으로 뻗어나가고 있구나 하는 것을 실감할 수 있을 것이다. 더 나아가서 고전 경제학과 금융이 기반을 두고 있는 물리학과 통계학의 많은 기존 개념 및 최신 이론을 머신러닝에 더욱 가미해서 금융적 맥락에서 성능을 더욱 발휘하게 만든다. 이번 기둥은 그야말로 '통합의 길'을 제시하고 있다. 이 시리즈의 완성본이라고도 할 수 있을 것이다. 기본적인 머신러닝과 딥러닝을 익힌 독자는 이 세 기둥을 통해 진정한 금융 퀀트의 길에 접어든다고 할 수 있다. 너무나 유익하고 재미있는 앞으로의 항로에 기대를 건다.
IT는 항상 새로운 기술이 나오고, 소프트웨어는 버전을 갱신하면서 새로운 기능을 선보이고 있다. 그래서 IT 관련 서적은 몇 년만에 낡은 것이 되고, 새로운 책을 필요로 한다. 그러나 모든 것이 그렇지는 않다. 새로운 기술의 배경이 되고 근본이 되는 기본적인 기술이나 지식은 광범위하고 중요하며, 밀물과 썰물처럼 변화하는 대신 생물의 진화처럼 변한다.
실무에서 SQL 또는 파이썬, R, 엑셀 등을 실행할 때마다 항상 SQL이나 프로그램 언어 자체보다 이를 수행하는 데이터베이스의 구조가 중요하다는 것을 느낀다. 모든 연산은 주어진 데이터베이스 구조를 기반으로 이뤄지므로 이 구조가 잘 디자인돼 있지 않으면 문제가 매우 복잡해지는 상황에 직면하게 된다. 다시 말해 데이터베이스 디자인의 중요성이 더할 나위 없이 크게 다가온다. 또한 그 사전 작업으로 실무자들은 데이터를 수집할 때 도대체 어떻게 데이터베이스를 구성해야 편리하게 데이터베이스를 사용할 수 있을지 고민한 적이 있을 것이다. 이에 대한 가이드라인을 주고자 하는 것이 바로 데이터베이스 디자인 이론이다. 데이터베이스 디자인은 여러 구성 요소로 이뤄져 있으나, 핵심은 이 책에서 다루는 정규화다.
이 책은 보이스-코드 정규형을 포함한 1차에서 5차까지의 전통적인 정규형을 다루고 있을 뿐 아니라 튜플 정규형, 중복성 없는 정규형, 상위 키 정규형, 도메인 키 정규형과 같은 이색적인 정규형에 대해서도 일관성 있는 이론적 토대를 바탕으로 설명을 확장하고 있다. 또한 탈정규화와 중복성 등도 설명함으로써 내용을 크게 보강하고 있다.
이 책은 확실히 단순한 데이터베이스 실무를 다루는 서적과 다르지만, 일반적인 데이터베이스 디자인 이론을 다루는 서적과도 차별화된다. 코딩에 사용하는 SQL을 다루지 않지만, 간단한 SQL 속에 묻어 있는 데이터에 대한 철학과 과학을 느끼게 해준다. 우주가 시간조차 존재하지 않던 상황에서 '빅뱅(Big Bang)'을 통해 탄생한 것과 달리, 우리가 매일 사용하는 모든 것은 한순간의 빅뱅이 아니라 시대를 살다 간 많은 과학자와 철학자의 사상과 연구에서 비롯됐다. 이 책의 역자들은 전문적인 데이터베이스 이론과 실무에 관심이 있는 사람들이라면 그 핵심인 정규화를 중심으로 하는 이 책을 통해 커다란 도약을 하리라 믿는다.
저자의 이야기처럼 이미 인공지능은 우리 생활 주변의 여러 곳에서 활용됩니다. 인공지능 청소기, 인공지능 스피커, 시리, 구글 어시스턴트 등 예를 들자면 끝이 없습니다. 나아가 자동차 자율 주행뿐만 아니라 인간처럼 행동하는 로봇도 곧 등장하지 않을까 싶습니다. 역자는 투자 전문가로 오랜 시간을 보냈는데, 특히 퀀트 투자에 관심이 많았습니다. 머신 러닝의 많은 부분이 퀀트 투자의 프로세스 및 방법에 영향을 미치면서 상호 발전합니다.
이 책에서는 이미지 인식과 물체 검출을 중심으로 서술하지만, 그 원리와 방법은 여러 분야에 응용할 수 있으리라 봅니다. 역자가 관심이 많은 투자 분야에서도 이 책에 나오는 CNN(합성곱 신경망)을 이용하여 주식 가격의 패턴들을 인식한다면 매우 재미있는 결과를 얻을 수 있지 않을까 합니다. 강화 학습으로 트레이더가 미지의 투자 환경에서 좀 더 똑똑하게 대응한다면 그 결과 역시 매우 흥미로울 것입니다.
이 책은 실용적 알고리즘에 초점을 맞춰 최적화를 포괄적으로 소개한다. 공학적인 관점에서 최적화에 접근하는데, 목적은 제약조건에 따라 일련의 목적을 최적화하는 시스템을 설계하는 것이므로 다른 분야에서도 충분히 활용할 수 있다. 더 나아가 이를 이용해 다학제적 관점에서 새로운 영역을 개척할 수 있으리라고 본다. 다차원 공간 탐색, 여러 개의 경쟁적 목적이 있는 문제, 척도의 측정 불확실성 등 현실적인 상황에서 직면하는 다양한 문제를 해결하는 여러 알고리즘을 배우는데, 각 알고리즘의 유래, 동기, 장단점을 완벽하게 설명한다. 수치, 예시, 연습문제는 수학 개념 뒤에 숨겨진 통찰력을 시각적으로 또는 예제를 통해서 직관적으로 전달한다. 또한 줄리아 언어로 구체적인 구현을 제공해 이해를 더욱 제고함으로써 이해를 돕고 예시를 보여주고자 어느 한 부분도 놓치지 않고 제공한다.
다루는 주제는 일반적으로 거론되는 거의 모든 최적화가 망라될 정도로 광범위한데, 일차원의 최적화로 시작해서 다차원으로의 일반화, 국지적 하강법과 1계와 2계 방법, 최적화에 무작위성을 도입하는 확률적 방법, 목적 함수와 제약 조건이 모두 선형인 선형 제약적 최적화 및 대리 모델, 확률론적 대리 모델 및 불확실성 전파, 유전 알고리즘, 표현식 최적화, 다학제적 설계 최적화들을 포함한다. 최적화의 다양한 기법을 숙지함으로써 최근 유행하는 머신러닝 및 딥러닝의 이론과 실무에 유용하게 적용할 수 있을 것이다.
부록은 본문에서 논의된 최적화 방법의 도출과 분석에 사용되는 줄리아 언어, 알고리즘 성능 평가를 위한 테스트 함수와 수학 개념을 소개한다. 이 책은 수학, 통계, 컴퓨터 공학, 모든 공학 분야(전기 공학, 항공우주 공학 포함), 운영 연구 분야의 고급 학부생과 대학원생들이 사용할 수 있으며, 전문가들을 위한 참고 자료로 사용할 수 있다. 특히 고급 단계로 넘어가고자 하는 공학도, 경영과학도, 경제학도에게는 필수 서적이라고 할 수 있다.
이 책은 실전 알고리즘 트레이딩을 위한 기초 환경, 지식과 함께 백테스트 및 리스크 관리에 대한 기법과 노하우, 실전에서의 유의 사항을 전달한다. 또한 파이썬을 기반으로 간단한 트레이딩 시그널부터 시작해서 경제 이벤트 기반 및 변동성 조정의 고급 기법을 활용하는 방법을 알려 주고, 이들을 머신러닝 기법과 어떻게 결합하는가에 이르기까지 보여 준다.
본래 알고리즘 트레이딩은 투자은행 트레이딩 부서에서 쓰이는 업계 전문용어이며, 주어진 주문을 시장 충격을 최대로 줄이면서 거래 비용을 최소화하는 거래 기법을 일컬었으나, 최근에는 기술적 지표를 중심으로 하는 시스템 트레이딩도 포함해 광의의 뜻으로 사용되기도 한다. 이 책에서의 알고리즘 트레이딩은 시스템 트레이딩의 의미로 사용된다. 하지만 이 책이 기본적으로 기술적 지표를 이용한 전략을 설명하고 있음에도 이들 시그널을 트레이딩에 적용하는 여러 지침 및 주의 사항은 다른 어떠한 트레이딩 시그널을 실전에 적용해 거래할 때도 큰 도움이 될 것이다. 이 책은 알고리즘 트레이딩 또는 퀀트 투자를 처음 접하는 사람들이 트레이딩이나 투자에 대한 큰 지식이 없어도 읽을 수 있는 좋은 입문서라 생각하며, 다음 단계로 나가기 위한 디딤돌이 되리라 기대한다. 이 책에서 사용되는 프로그램들은 깃허브에 대부분 제공되고 있으며, 이들 프로그램들을 자신의 목적에 맞춰 수정하는 연습을 하면 실력 향상에 큰 도움이 될 것이다.
이 책은 『자동머신러닝』(에이콘, 2021)을 기술적인 구현 측면에서 보완하는 책이다. 애저, AWS와 GCP의 3대 클라우드 서비스의 다양한 AutoML 구현 방법을 설명한다. AutoML은 머신러닝/딥러닝의 민주화를 위한 강력한 개념이며, 이를 추구하는 과정에서 단순한 자동화를 넘어서는 머신러닝의 혁신을 유도한다. 또한 최첨단 이론들을 머신러닝의 초보자, 심지어 모르는 사람들조차도 짧은 시간에 업무에 용이하게 적용할 수 있도록 돕는 멋진 개념이며, 연구자 및 개발자로 하여금 연구와 개발에 집중할 수 있도록 한다. 머신러닝의 자동화 노력은 앞으로 머신러닝이 사람들의 일상생활에 더욱 밀착 적용될 것으로 믿어 의심치 않는다.
이 책에 나오는 개념을 더 깊이 탐구하고 싶은 사람들은 이론에 초점을 맞춘 『자동머신러닝』을 참고하기를 바란다.
자동머신러닝(AutoML)의 창시자(적어도 초기에 가장 큰 공헌을 한 연구자)들이 AutoML의 역사와 현황, 발전 방향을 다룬 책이다. 전통적인 머신러닝 분야, 메타러닝 및 NAS 분야에서 여러 개념을 설명하고 있으며, 더 나아가 실제적으로 사용하는 소프트웨어 및 프레임워크를 소개하고 있다. 더불어 이 모든 것의 종합적 기반을 다지게 한 AutoML 챌린지(경연 대회)에 대한 기반 아이디어 및 진행 경험을 보여주고 있다(나 또한 경연 대회는 머신러닝 발전을 위한 훌륭한 수단이라고 생각한다. 비근한 예로 ImageNet까지 안 가도 Kaggle을 생각해보라).
이 책이 기본 개념 및 배경 철학을 잘 다루고 있지만, 이 책의 저술 시기가 2018년이고 이후 많은 발전이 있었기 때문에 이를 보완하기 위해 He, Zhao와 Chu(2020)의 AutoML 최신 동향 조사를 요약 발췌해 부록에 첨부했다. 이 책과 같이 읽으면 AutoML의 근본적인 문제뿐만 아니라 최신 기법까지 섭렵할 수 있을 것이다. 이외에도 아주 중요한 문헌들을 참고문헌으로 첨부했으니 참고하기를 바란다.
추가로 이 책의 저자 프랭크 후터는 훌륭한 강연을 유튜브에 여러 편 남기고 있어 관심 있는 독자들은 참고하기 바란다. 더불어 유튜브나 블로그에 많은 AutoML에 관련된 많은 동영상과 글들이 있지만, 특히 카네기멜론대학교 교수인 아미트 탈왈카르(Ameet Talwalker)의 유튜브 강연을 보길 권한다. NAS의 탐색 공간, 구조 탐색 및 구조 평가의 관점에서 NAS를 분류하고 있는데 이는 개념을 정리하는 데 많은 도움이 될 것이다.
머신러닝과 딥러닝의 민주화를 기치(旗幟)로 하는 AutoML은 아마도 인공지능 분야의 가장 역동적이고 흥미로운 분야 중 하나이므로 앞으로 수년 내로 더욱 획기적인 발전이 있을 것으로 전망된다. 독자들이 이 책을 통해 단순히 기계적인 테크닉으로서의 AutoML이 아니라 인간이 가진 어떤 문제를 풀어 나가는 해법으로 AutoML를 인식하고, 인간이 더 높은 단계로 하나하나 문제를 풀어나가는 과정을 즐기기를 바란다.
이 책은 퀀트 금융의 엘리먼트 시리즈를 통해서 로페즈 데 프라도 박사의 이전의 저서 『실전 금융 머신러닝 완벽 분석(Advances in Financial Machine Learning)』을 보완한 책이며, 개념적으로는 자산운용 일반에도 적용할 수 있다. 특히 퀀트 매니저와 퀀트 분석가들에게 지침이 될 수 있는 책이다. 비록 분량은 짧지만 머신러닝의 금융 응용에 대한 저자의 생각을 제시하고 있으며, 『실전 금융 머신러닝 완벽 분석』의 내용을 이해하기 위한 기초 개념을 더 자세히 설명하고 관련된 최근의 연구를 추가했으므로 『실전 금융 머신러닝 완벽 분석』의 자매서로 적극 권장한다.
이 책을 다 읽은 후에 독자들은 정보 이론을 기반으로 하는 거리 개념, 특히 상호 정보 및 정보 변분의 개념, 최적 군집수(ONC), 계층적 군집화를 이용한 상관계수 행렬의 블록화, 추세를 이용한 레이블링, 평균 감소 불순도(MDI), 평균 감소 정확도, 확률 가중 정확도, 계층적 리스크 패리티를 이용한 포트폴리오 구축 및 훈련셋뿐 아니라 테스트셋에서의 과적합 및 거짓 전략 정리 등의 개념에 익숙해질 것이다. 이들 개념은 머신러닝뿐 아니라 향후 금융 연구 및 금융 전략 개발을 수행하는 데 있어서 중요한 토대가 될 것이다. 덧붙이면, 이 책의 개념을 기반으로 『실전 금융 머신러닝 완벽 분석』을 다시 읽어 보면 많은 부분이 하나로 연결돼 완결로 수렴함을 알 수 있을 것이다.
역자는 로페즈 데 프라도 박사가 한때 몸을 담았던 퀀트 펀드인 AQR과 개인적으로 많은 교류를 했는데, 어떻게 보면 가장 스트리트 스마트한 영리적인 투자회사임에도 항상 학계의 새로운 연구와 인물들을 적극 고용하고 협력하는 것에 많은 감명을 받았다. 이러한 문화와 환경에서 로페즈 데 프라도 박사와 같이 금융 실무와 이론을 겸비한 학자가 탄생하는 것은 매우 자연스러운 일인지도 모른다. 우리나라에서도 산학협동이 적극적으로 이뤄져 이런 성격의 사람들이 많이 배출됐으면 하는 소망으로 말을 마친다.
머신러닝이 일상용어로 사용되는 현시점에서 경영대에서는 머신러닝을 어떻게 가르쳐야 할까에 대한 의문이 있을 수 있다. 존 헐은 이 책에서 이에 대한 해답을 명쾌하게 제공한다. 본서는 다양한 고전적 머신러닝 기법뿐 아니라 신경망과 강화학습의 최신 기법들도 최소한의 수학지식으로 직관적으로 이해할 수 있도록 소개하고 있다. 파생상품 교과서로 유명한 존 헐 교수의 방식대로, 어려운 개념을 현실적인 예제와 간단한 수식으로 일반 독자들도 잘 이해할 수 있도록 풀어쓴 책으로 생각하면 될 것 같다.
과연 머신러닝이 경영학 특히 금융에 어떻게 적용되는지 현실적인 문제를 더욱 중요하게 다룸으로써 독자들에게 생생하게 다가오고 있다. 또한 최근 가장 뜨거운 주제로 대두되고 있는 머신러닝의 해석성과 사회적 이슈 등의 중요한 문제를 잘 설명하고 있다. 데이터 과학을 경영에서 활용하고자 하는 사람들과 머신러닝을 특히 금융에 적용하고자 하는 사람들에게 입문서로서 최적의 책이 아닌가 생각이 된다.
고급 수학과 현란한 컴퓨터 프로그래밍 기법으로 머신러닝·딥러닝을 표현할 수도 있지만, 본서와 같이 직관적으로 이해를 할 수 있는 책도 필요하다. 그렇다고 해서 결코 쉽게만 저술한 책이 아니므로, 현재 존재하는 아주 초보적인 책과 고급 수준의 저서의 격차를 메우는 데도 도움이 되리라 본다. 더욱이 본서의 예제들은 존 헐 교수의 홈페이지에서 제공하는 파이썬 코드와 데이터로 실습을 할 수 있어 이해를 더욱 돋울 수 있다고 본다.
많은 사람이 본서로부터 영감을 얻어 실생활, 특히 경영/금융에 데이터 기반의 의사결정체계를 도입하고 그 안에서 머신러닝을 활용하기를 바란다.
이 책은 월드퀀트의 전·현직 연구원들이 작성한 보고서를 한 권으로 묶어낸 것이다. 퀀트(Quant) 기법을 활용하는 자산운용사인 월드퀀트는 계량 투자 아이디어를 창출하고 이를 실제 투자 솔루션으로 구현하는 색깔 있는 리서치 및 자산운용 전문 회사다.
퀀트 기법에 기반한 투자 전략은 연구 및 조사 과정에서 투자 아이디어를 창출한다. 해당 아이디어를 다양한 금융 데이터와 백테스팅 기법을 활용해 검증하고, 검증된 투자 아이디어를 포트폴리오 구축과 거래 실행 과정을 활용해 실제 금융 솔루션으로 구현한다. 퀀트 전문 운용사는 투자를 실행하는 과정에서 당면하는 현실적 문제를 사내 보고서 형태로 발간해 해결하고, 지적 재산을 축적하는 수단으로 활용한다. 이 책은 이런 현실적 고민들을 고스란히 담고 있어 가치가 있다.
국내 자산운용업계의 현실을 들여다보면, 안타까운 점이 여럿 있다. 그중 하나가 투자 철학의 부재다. 색깔 있는 운용사가 드물고 운용 스타일도 매우 한정적이며, 펀더멘털(fundamental) 분석에 의거한 전통적 액티브 운용사가 대부분이다. 해외로 잠시 눈을 돌려 보면, 계량 투자(퀀트)를 전문적으로 구현하는 운용사가 많을 뿐만 아니라 전체 운용 규모도 매우 크다. 불균형한 국내 자산운용업의 현실을 고려해보면, 이 책이 국내 투자자와 시장 참여자들에게 새로운 관점에서 포트폴리오를 운용하는 지적 체험을 간접적으로 제공하고, 그로 인해 변화가 일어나길 기대한다.
역자들은 국내외 유수 운용사와 기관투자가에서 글로벌 포트폴리오를 운용한 경험이 있으며, 당시 경험을 회상하면서 이 책의 국역에 참여했다. 따라서 역자들이 몸담았던 조직에서 현실적으로 고민하던 내용을 이 책에서도 발견할 수 있다. 유수의 글로벌 운용사들이 현재 고민하는 공통의 과제를 개괄적으로 다루고 있으므로, 국내 자산운용업에 종사하는 실무자들이 고객의 돈을 운용하는 과정에서 발생하는 여러 현실적 문제에 혜안을 제공해줄 것이다.
계량 투자는 지금도 끊임없이 진화를 거듭하며 발전하고 있다. 빅데이터 시대에는 다양한 형태의 데이터를 실시간으로 이용 가능하며, 퀀트 운용사뿐 아니라 개인도 이를 적극적으로 활용해 투자에 접목할 수 있다. 머신러닝은 이러한 시대적 요구에 부합할 수 있는 매우 강력한 수단이다. 이 책은 해당 내용도 다루고 있어 새로운 영역으로 항시적으로 진화하는 계량 투자 세계에서 나침반 역할을 할 것이다.
최근에 일부 계량 금융학자들이 서클을 이루면서 AI와 금융을 융합하려고 노력하고 있다. 이 책의 저자 스테판 젠슨도 이러한 노력에 상당한 공헌을 하고 있으며, 새로운 AI의 흐름을 적극 반영하고자 1판을 개정한 2판을 출간했다. 이 책은 머신러닝의 전통 이론에서 최신 이론뿐 아니라 최신 딥러닝을 금융에 응용하는 부분도 다루고 있어 계량 금융과 머신러닝의 금융 응용에 관심 있는 사람들에게 특히 도움이 될 것이다. 1판에서의 실험적인 내용들이 2판에서는 많이 정립돼 독자들이 더욱 체계적으로 접근할 수 있을 것이다. 특히 2020년, 일각에서 상당한 공헌을 하던 퀀토피안(Quantopian)이 문을 닫으면서 계량 금융 커뮤니티에 커다란 충격을 줬는데, 많은 학자와 실무 경험자가 모여 혁신적이면서도 실전적인 연구와 작품들을 만들어내고 있던 상황이라 충격은 더욱 컸다. 특히 이들이 만든 라이브러리인 집라인(zipline)과 파이폴리오(pyfolio)는 실제 선진 대형 자산운용사에서 사용하는 수준을 과시하고 있었으므로 이들이 사장되는가 하는 아쉬움이 많았다. 심지어 이 책의 초판도 이들을 광범위하게 사용하고 있어 개정판에서는 어떻게 전개할지 궁금하기도 했다. 놀랍게도 저자는 자체적으로 집라인을 개선한 집라인 리로디드(zipline reloaded)를 만들어내 모든 내용을 살렸을 뿐 아니라 최신 파이썬 버전에서도 잘 작동하게 만들어 다시금 계량 금융 커뮤니티에 집라인 열풍을 일으키는 큰 공헌을 했다(참고로 요즘 핫한 인터넷 증권사인 알파카(Alpaca)와 인터랙티브 브로커(InteractiveBroker)와 같은 증권사가 거래 API에 최근 집라인을 사용할 수 있도록 하고 있다). 저자의 이런 노력에 찬사를 보내며, 지속적인 개발이 이뤄지기를 바란다. 마지막으로 저자도 언급하듯이 방대한 내용인 만큼 모든 내용을 자세히 다루기는 힘들어 핵심 요점 위주로 서술돼 있으며 오히려 저자의 깃허브에 있는 노트북에 많은 내용을 실었다는 것을 다시 한번 상기시키고 싶다. 이 책을 통해 이론과 실전이 통합된 최첨단의 고급 계량 금융의 여정을 즐기기를 바란다.
- 이기홍
누구나 은퇴 후 편안한 노후 생활을 기대하지만 현실은 녹록하지 않다. 일단 근로를 하지 않아도 충분한 소득을 창출할 수 있는 자산이 필요하고, 해당 자산을 잘 운용할 수 있는 투자 전략을 가지고 있어야 한다. 그렇다면 핵심 질문은 1) 은퇴 전 충분한 자산을 어떻게 증식하고 2) 해당 자산을 잘 운용하는 방법은 무엇일까?
질문이 대한 답을 제공하기 위해 이 책에서는 현존하는 퇴직 연금 솔루션의 문제점부터 진단한다. 대부분의 퇴직상품이 수익률 극대화 전략을 추구하는데, 이는 자산 증식기(Accumulation Period)에 적절한 투자 목표지만 은퇴 이후의 투자 목표로는 부적절하다. 퇴직 연금의 투자 목표는 안정적인 대체 소득 창출이어야 한다. 근로 소득이 없는 개인이 은퇴 전 소득의 몇 %(대략 60%)를 안정적으로 창출하는 것이 퇴직 연금의 주 투자 목적으로 바람직하다. 그러나 이것만으로는 부족하다. 즉 생활비 상승을 매년 반영한 대체 소득을 안정적으로 창출해야 한다. 저자는 여기에 착안해 은퇴 채권(Retirement Bond)이라는 새로운 개념의 은퇴자를 위한 안전 자산 설계를 주장한다.
은퇴 채권만으로 모든 문제가 해결되는 것이 아니다. 은퇴 이전의 자산 축적기에는 상당한 금액을 주식으로 대표되는 위험 자산에 투자해야 한다. 위험 자산을 '수익 추구 포트폴리오'라고 하는데, 수익 추구 포트폴리오와 은퇴 채권을 적절히 결합해 미래 대체 소득의 불확실성을 줄이면서 동시에 자산 증식 잠재력도 함께 갖고 있는 은퇴자의 투자 목적에 부합하는 솔루션을 만든다. 이렇게 한다면 진정적으로 은퇴자에게 최적화된 맞춤형 퇴직 솔루션을 제공할 수 있다.
최근 국내에서도 퇴직 연금의 저 수익률 문제를 해결하기 위해 다양한 시도를 도입하고 있다. 대표적으로 생애주기펀드(TDF)를 DC형 퇴직 연금에 디폴트 옵션(Default Option)으로 편입하는 제도가 시행될 예정이다. 행동재무학의 디폴트값 효과(Default Effect)를 활용해 개인 투자가가 특별한 펀드를 선택하지 않으면 TDF에 디폴트로 투자하는 것이다. 본 제도의 도입으로 TDF가 퇴직 연금 투자 상품의 대표로 자리매김할 것이다. 긍정적인 제도 변화에도 불구하고, 국내에 판매되고 있는 TDF는 투자 목적이 절대 수익 추구이고, 은퇴 이후 대체 소득을 제공하는 기능이 없으며, 천편일률적인 글라이드 패스(Glide Path)를 갖고 있어 문제가 아닐 수 없다. 해당 문제를 해결할 때 이 책에서 소개하는 투자 아이디어를 적용할 수 있다. 이 책을 통해 퇴직자에게 더 적합한 TDF 상품이 출시돼 개인의 행복한 노후 생활은 물론 전체적인 사회 복리 증진에도 기여하기를 바란다.
이 책이 더 깊은 순수 수학뿐만 아니라 응용수학 분야, 특히 머신 러닝과 딥러닝 분야를 연구하는 데 필요한 수학적 기초를 다지는 좋은 계기가 되리라 믿습니다. 너무 생략하면 수학의 참맛을 못 보고, 너무 깊이 들어가면 시간을 허비하는 느낌이 드는데 그 경계선을 절묘하게 파악한 책이라 판단됩니다. 향후 더 깊은 해석학, 확률이론, 최적화이론, 선형대수 등의 수학 분야로 나아가는 데 많은 도움이 될 것이라 확신합니다.
