[KSD 한국예탁결제원] 자본시장에서의 빅데이터 역할과 시사점 - 이성복 연구위원

 

 

 

 

*** 출처: [KSD 한국예탁결제원] 자본시장에서의 빅데이터 역할과 시사점 - 이성복 연구위원

*** 문서:

자본시장에서의 빅데이터 역할과 시사점(제103호).pdf

 

 

 

 

 

■ 빅데이터 한계 - 빅데이터에 대한 회의적인 시각

 

 

- 첫째, 빈약한 데이터 품질이 잘못된 해석을 야기할 수 있기 때문이다.

 

- 둘째, 데이터와 분석기법에 대한 잘못된 선택이 잘못된 결과를 도출할 수 있기 때문이다.

 

- 셋째, 데이터 환경이 계속 변화하고 있기 때문이다.

 

 

 

■ 자본시장에서의 빅데이터 도입 효과

 

 

- 자본시장에서 빅데이터는 새로운 수익창출의 기회를 확장하고, 이전보다 리스크관리 및 규제준수를 용이하게 할 수 있으며, 데이터관리 및 사업운영의 효율성을 높일 것으로 평가받는다(Aite, 2014; Eyraud, 2016; PwC, 2013; Singh, 2014; Verma & Mani, 2014).

 

 

○ 새로운 수익창출 기회 확장

 

- 자본시장에서 빅데이터가 중요하게 부각되는 이유 중에 하나는 자본시장 자체가 수많은 데이터를 직접 생성하고 그 데이터에 의해 민감하게 반응하기 때문이다.

 

- 상장기업 분석, 투자전략 수립, 고빈도매매(High Frequency Trading: HFT) 및 프로그램 매매, 매수도 틱(tick) 분석, SNS 및 뉴스 분석을 통한 트레이딩전략 수립, 스마트베타 투자전략 수립 등

 

- 실시간 빅데이터 기술을 활용할 경우 더 정확하고 빠른 거래분석이 가능하며, 이를 통해 투자자에게 더 높은 수익창출의 기회를 제공할 수 있을 것

 

- 고객행태 분석, 고객분할 분석, 고객서비스 관리, 투자자문 서비스에 활용될 경우 새로운 금융상품 및 서비스를 설계하고 판매채널의 효율성을 제고할 수 있을 것, 그러나 현재까지 자본시장에서 이 분야에 특화된 빅데이터 기업은 출현하지 않은 것으로 조사된다. 금융투자회사의 활용사례도 쉽게 조사되지 않는다.

 

- 포트폴리오 리밸런싱은 주기적으로 시장상황에 맞게 고객에게 제공되기도 하지만, 기대치 못한 시장상황 변화에 빠르게 대응하기 위해서도 제공된다. 이 경우 실시간 빅데이터 분석을 기반으로 사람보다 빠르게 포트폴리오 리밸런싱을 제공한다는 것이 로보어드바이저의 장점으로 알려져 있다.

 

 

 

○ 리스크 관리 및 규제준수 효율성 증진

 

- 리스크관리에서 시간(time)은 매우 중요한 변수이기 때문에 얼마나 적시에 의사결정을 내릴 수 있느냐에 따라 그 성과가 좌우될 수 있다.

 

- 거래감시(market surveillance), 사기탐지(fraud detection), 자금세탁방지(Anti-Money Laundering, AML), 고객알기정책(Know Your Customer, KYC), 규제보고(regulatory reporting) 등 내부통제 및 준법감시에도 활용될 수 있다.

 

- 금융투자회사는 기존 시스템(legacy system)에 분산되어 있는 거래를 매칭하거나 조정해야 하며 이 과정에서 무효, 중복, 실패 거래가 발생하는 것으로 알려져 있다. 이에 따라 금융투자회사의 운영리스크도 증가할 수 있다. 그러나 빅데이터의 데이터 태깅(data tagging) 기술을 활용할 경우 거래를 오류없이 확인할 수 있고 운영리스크 증가를 최소화할 수 있는 것으로 조사된다.

 

- 자본시장에서 데이터 생성속도가 빨라지는 만큼 데이터 축적량도 급증하고 있으며,
금융규제가 복잡해지면서 금융투자회사가 관리하고 처리해야 하는 데이터량도 비대해지는 추세다.
이 때문에 대규모 정형 또는 비정형 데이터를 분산저장과 분산처리할 수 있는 빅데이터 기술의 중
요성이 더욱 확대되고 있다.

 

 

 

 

 

 

 

 

○ 비용절감 및 사업운영 효율성 증대

 

- 데이터가 자본시장에서 생성되는 데이터를 비정형 데이터로 저장하고 처리할 수 있다는 장점 때문에 비용 측면에서 매우 효율적이라는 평가를 받는다.

 

- 빅데이터 시스템은 다양한 출처의 데이터를 통합하여 이를 분석할 수 있는 툴을 제공하기 때문에 금융투자회사가 사업전략을 동태적으로 구현하는 데도 효과적일 수 있다.

 

- 금융투자회사가 어떤 작업을 하더라도 빅데이터를 활용할 경우 데이터 수집 및 분석에 소요되는 시간을 상당 수준까지 단축시킬 수 있다. 다만 금융투자회사가 빅데이터 시스템을 도입하여 그 분석기법을 자체적으로 활용하는 데는 상당 시간 소요될 것으로 예상된다.

 

 

 

 

■ 빅데이터 유통 플랫폼

 

 

○ Xignite

 

 

 

 

 

 

 

○ Quandl

 

 

 

 

 

 

 

 

■ 조사분석 검색엔진

 

 

○ Kensho

 

 

 

 

 

 

 

○ AlphaSense

 

 

- 1천여 곳의 데이터 출처로부터 데이터를 수집하여 한 곳에 저장하고, 자연어처리 분석을 통해 투자활동과 관련된 키워드를 추출할 뿐만 아니라 연관검색 등과 같이 자체 개발한 Smart Synonyms 엔진을 활용해 상장기업에 대한 최신 정보를 요약해 보여준다.

 

 

 

 

■ 투자정보 분석

 

 

○ Dataminr

 

 

 

 

 

 

 

○ Stock Twits

 

 

 

 

 

 

■ 투자전략 분석

 

 

○ Deep Value

 

- 빅데이터 기술을 접목해 최선집행(best execution)을 최우선 투자전략으로 하는 매매 알고리즘(trading algorithm)을 개발하는 빅데이터 기업이다.

 

- Deep Value는 약 2일 정도 소요되는 매매 알고리즘의 테스트 시간을 빅데이터의 분산기술을 활용해 15
분으로 단축시켜 매매 알고리즘의 유효성을 제고시킨 것으로 평가받는다.

 

 

 

 

■ 리스크 관리 및 법규 준수

 

 

○ Scaled Risk

 

 

 

 

 

 

 

■ 해외 자본시장의 빅데이터 도입 특징

 

 

- 자본시장에 특화된 빅데이터 전문기업 출현

 

- 자본시장 빅데이터 유통플랫폼 활용

 

- 빅데이터에 대한 투자 증가

 

- 자연어처리 및 기계학습 분석기법 중요