데이터(Data)는 가공되지 않은 객관적 사실이나 관찰 결과입니다. 데이터는 그것 자체로는 아무런 의미가 없습니다. 데이터를 특정 목적에 맞게 구조화하여 의미를 부여하면 정보(Information)가 됩니다. 데이터 상호 간의 관계(relation)를 지정하는 것을 정보화라고 합니다. 이러한 정보를 해석하고 통계적 방법론으로 분석하여 원리와 패턴을 파악하는 것을 지식(Knowledge)이라고 합니다. 이렇게 형성된 지식을 기반으로 새로운 관점과 아이디어를 도출하는 것을 통찰(Insight)이라고 합니다.
데이터 플랫폼을 구축한다는 것은 투자 분석과 관련된 방대한 데이터 원천을 API 등으로 연계하여 데이터의 수집, 전처리, 저장, 분석을 위한 통합 시스템을 구축하는 것입니다. 데이터베이스를 구축하면 편집의 단위(unit of editing)와 편집의 차원(level of editing)이 구조화되어 데이터 간의 관계를 맺는 편집 가능성(editability)을 기하급수적으로 증대시킬 수 있습니다. 여러 원천의 데이터를 수집하고 정보화하여 지식을 산출하고 이를 통해 통찰력을 발휘할 수 있는 도구를 구축하는 일입니다.
베타(Beta), 알파(Alpha), 그리고 팩터(Factor)라는 개념이 있습니다. 베타는 시장(Market)에 포트폴리오 전체를 노출시키는 것으로 시장 리스크 프리미엄에 대한 수익을 기대합니다. 알파는 벤치마크인 시장 베타를 초과하는 수익을 추구하는 것으로 팩터로 설명되지 않는 비체계적인 요소에 기인하는 수익입니다. 팩터는 시장의 구조적, 체계적인 특성에 기인하는 요소로 지속가능입니다. 퀄리티(Quality), 그로스(Growth), 밸류(Value), 모멘텀(Momentum) 등의 팩터들이 있습니다. 흔히 스마트베타(SmartBeta)라고 불립니다. 특정 산업에 특화된 팩터도 존재합니다. 팩터는 시장의 구조적 요소에 기인하는 체계적인 요소인 반면 알파는 시장의 비구조적인 요소에 기인하며 팩터로 설명되지 않는 비체계적인 요소입니다. 데이터 분석 도구를 통해 팩터 및 알파 탐색의 효율성을 높이고 고도화할 수 있습니다.
데이터 양의 폭발적 증가, 분산 데이터 처리 기술의 발달, 컴퓨팅 파워의 급속한 발전, 심층신경망에 기초한 딥러닝 알고리즘의 등장으로 여러 산업에서의 디지털 전환이 이루어지고 있습니다. 투자 분야도 예외가 아닙니다. 컴퓨터의 발명으로 인해 인간의 업무 효율성이 극대화 되었습니다. 기존에는 전문가 시스템으로 컴퓨터가 작동되었습니다. 전문가인 인간이 구체적인 작동 방식을 프로그래밍을 통해 설계하면 컴퓨터가 이를 수행합니다. 인공지능은 패턴 인식에 대해 프로그래머의 구체적인 지시나 개입 없이 스스로 자가학습하여 데이터 간의 패턴을 인식합니다. 복잡한 논리적 추론을 수행하며 chatGPT와 같은 차원이 다른 서비스가 등장하기 시작했으며 변화의 속도는 가속화되고 있습니다.
데이터베이스의 가공할 위력은 계속해서 데이터 원천을 누적해서 강화해 나갈 수 있다는 것입니다. 대체 데이터의 활용이 기대가 됩니다. 데이터 수집량 및 분석 능력이 임계점을 넘게 되면 인공지능이 인간 전문가가 파악하지 못한 패턴을 인식하며 알파를 탐색할 것입니다. 시장의 패턴을 분석하고 거시경제적 흐름을 예측하며 리스크 관리 측면에서 강점을 보일 수 있습니다. 하지만 알파를 탐색하는 데 있어서 인간의 직관적 판단은 계속해서 중요할 것입니다. 알파 창출의 주요한 요소인 기업의 경제적 해자, 경영진의 전략적 결정 등은 데이터의 정량화 및 구조화에 한계가 있기 때문입니다. 데이터 플랫폼은 투자 분석의 효율화와 고도화를 돕고 팩터 및 알파 탐색을 위한 도구로서 중요하게 역할 할 것입니다.
ⓒ지적인투자자
