beTITAN 검색하기

아캐이넘인베스트 3장까지 이야기속에서 아주 간략하게 다루었던 몇가지 핵심들에 대한 비밀 노트 파트 4, 상관 관계 – 당시 마법사들에게 여러 지식들을 단기간에 압축해서 배울 수 있었다. 당시 무언가를 배우면서 메모한 노트들이 상당했었다. 그 때 그 자료들을 이제서야 다시 읽어보면서 정리를 하고 있다. 이 중 아캔락에 기록으로 담고 싶은 내용들을 블로그용으로 다시 정리를 하기 시작했다. 상관 관계 상관 관계는 두 변수 사이의 관계의 강도를 나타내는 통계 지표이다. 상관 관계를 통해 두 변수가 어떻게 함께 변하는지를 볼 수 있다. 상관 관계가 높으면 한 변수의 변화가 다른 변수의 변화에 강하게 작용한다는 걸 의미한다. 하지만 중요한 점은 상관 관계가 반드시 인과 관계를 의미하지는 않는다는 점이다. 이해하기 쉬운 예를 생각해보자. 여름이 되면 아이스크림 판매량이 늘어난다. 그리고 수영장 방문자도 함께 늘어난다. 아이스크림 판매량과 수영장 방문자 수가 상관 관계이다. 그렇지만 아이스크림 판매가 수영장 방문을 증가시키거나 하는 건 아니다. 여름의 더운 날씨라는 제 3의 변수가 두 현상 모두에 영향을 미치기 때문이다. 다른 예를 하나 더 생각해보자. 사무실에서 커피 소비량이 많을수록 업무 효율성이 높아지는 것처럼 보일 수 있다. 이 경우에도 커피 소비량과 업무 효율성 사이에 상관 관계가 있을 순 있지만, 커피가 업무 효율을 높인다는 것을 의미하진 않는다. 누군가에겐 당연한 얘기일 수 있지만, 또 누군가는 이런 상관 관계를 인과 관계로 생각하는 사람들도 있다. 자 이제 주식 시장과 경제 지표에 대입해보자. 경제 성장율이 높아지면 주식 시장이 상승하는 경향이 있다. 여기에서 경제 성장율과 주식 시장은 상관 관계에 있다. 하지만 이것이 꼭 경제 성장이 주식 시장 상승을 직접적으로 일으킨다는 것을 의미하지는 않는다. 통화 정책, 글로벌 경제 상황, 환율 및 수출 상황 등 다른 변수들이 경제 성장율과 주식 시장, 둘 다에 영향을 줄 수 있기 때문이다. 이처럼, 상관 관계는 두 변수 사이의 관계를 이해하는 데 유용한 도구이다. 그렇지만 인과 관계를 추론하기 위해서는 더 깊은 이해와 분석이 필요하다.

아캐이넘인베스트 3장까지 이야기속에서 아주 간략하게 다루었던 몇가지 핵심들에 대한 비밀 노트 파트 2 인과 관계 학습 AI – 당시 마법사들에게 여러 지식들을 단기간에 압축해서 배울 수 있었다. 당시 무언가를 배우면서 메모한 노트들이 상당했었다. 그 때 그 자료들을 이제서야 다시 읽어보면서 정리를 하고 있다. 이 중 아캔락에 기록으로 담고 싶은 내용들을 블로그용으로 다시 정리를 하기 시작했다. AI와 인과 관계 AI를 통한 시장 예측 방법은 방대한 데이터에서 패턴을 학습하여 예측이나 결정을 내리는 식이다. 지금 시장에 쏟아져 나오는 주식 시장 관련 AI 어드바이저들이 이런식이다. 이 경우, AI는 주로 관련성 즉, 상관 관계에만 집중한다. 때문에 AI는 주로 두 변수가 어떻게 함께 움직이는지 분석하는데 초점을 맞춘다. 그렇지만 보다 더 정확한 시장 예측을 위해서는 AI가 인과 관계(한 사건이 다른 사건을 어떻게 발생시키는지)를 반드시 이해해야 한다. 이는 꼭 자본 시장 예측뿐만 아니라 개인화된 맞춤 제안 등 IT 전반에 큰 영향을 줄 수 있다. 가령 개개인의 각자 취향을 고려해 요리 레시피를 추천하는 ChatGPT가 있다고 가정해보자. 이용하는 유저가 과거에 좋아한 음식 레시피를 분석해 새로운 요리법을 추천하는 방식은 단순한 상관 관계에 기반한 예측이다. 유저의 알레르기 여부와 특정 음식을 싫어하는지 이해한 후 레시피를 추천하는 방식은 인과 관계에 기반한 예측이라 할 수 있다. 인과 관계를 이해한다면 AI는 유저의 건강 상태나 취향을 고려해 더 안전하고 만족할 레시피를 추천해줄 수 있다. 틱톡, 유튜브, 인스타 등이 그럴리는 없겠지만 지금의 단순한 보다 더 많은 체류 시간과 재방문에 집중된 상관 관계 추천 알고리즘에서 개개인의 성장이나 학습 등의 인과 관계 추천 알고리즘으로 개선이 된다면 어떨까 생각해본다. 도로 관제 관리 분석 시스템 등도 개선될 수 있다. 도로 관제 관리 분석 시스템은 도로의 교통량 데이타를 분석해 트래픽(교통 체증)을 예측한다. 이는 상관 관계 분석이다. 그러나 도로에 사고가 났거나 공사 중인 경우 등 도로에서 발생할 수 있는 여러 이벤트가 교통 체증에 어떤 영향을 미치는지 이해하는 것은 인과 관계의 문제가 된다. 인과 관계를 이해하는 AI라면 이런 다양하고 복잡한 이벤트들이 교통 체증에 미치는 영향을 보더 더 정확하게 예측 할 수 있게 된다. 그럼 자본 시장에서는 AI가 인과 관계를 이해하게 될 때 어떻게 될까? 주식 시장을 예로 들면, 주식 시장 데이타를 분석하는 AI는 과거의 주가 움직임 데이타를 기반으로 미래 주가를 예측한다. 이러한 방식은 위에 예를 든 상관 관계 분석에 해당한다. 대부분의 주가 예측 시그널과 기술적 분석이 이에 해당한다. 이 경우 가장 큰 문제는 과거 데이타의 결과론적 해석으로 미래 주가를 예측한다는 점이다. 인과 관계가 여기에 더해지면, 특정 시장 상황 이벤트들, 예를 들면, 금리 변동, 기술 개발 뉴스, 소비 지수 변화 등이 어떻게 주식 시장에 영향을 미치는지 이해하게 된다. 이를 통해 AI는 외부 이벤트들이 주식 시장에서 주식 가격에 어떤 영향을 미칠지 더 정확하게 예측할 수 있게 된다. AI가 이렇게 인과 관계를 이해하게 되면, 단순한 패턴 인식을 넘어서 실제 시장의 복잡한 상황에서 더 정확한 예측을 할 수 있게 된다.