그러나 높은 고정비용과 규모의 경제는 정보우위를 소수 회사에 집중시킬 수 있다. 같은 모델과 데이터가 널리 쓰이면 평상시 가격효율은 높아질 수 있지만, 스트레스에서는 비슷한 주문이 몰려 유동성을 빠르게 소진할 수 있다. 논문은 정책·연구 문헌을 종합한 것이며 특정 모델의 초과수익을 공개한 자료는 아니다.
금통위·등급·발행공시·RFQ 신호는 독립 표본외 기여도와 가격반영 반감기를 함께 측정한다. 같은 기초모델을 쓰는 팀의 추천 상관을 한도로 관리하고 데이터 조회와 주문 실행 권한을 분리하면 명목상 다른 모델을 하나의 위험으로 볼 수 있다.
Read the full daily briefing →
Show the original briefing text
구분: 중앙은행 Discussion Paper No. 32·AI와 증권시장
발표일: 2026년 9월 22일
핵심 요약
ECB Discussion Paper No. 32은 AI가 방대한 데이터에서 정보를 추출해 가격발견과 의사결정을 개선하는 동시에 정보생산·노동수요·금융중개의 구조를 바꾼다고 정리한다. 더 좋은 알고리즘과 계산자원을 가진 기관은 비정형·대체데이터를 더 빨리 거래가능한 신호로 바꿀 수 있지만, 높은 고정비용과 데이터 규모의 경제는 정보우위를 소수 회사에 집중시킬 수 있다. 비슷한 모델과 데이터가 널리 쓰이면 시장효율이 높아지는 평상시 효과와 스트레스 때 행동 동조가 커지는 효과가 함께 나타날 수 있다. 이 논문은 기존 문헌과 정책 쟁점을 종합한 연구이며 특정 AI 모델의 실거래 초과수익을 공개하지 않는다.
실무 시사점
AI 신호는 정확도뿐 아니라 기존 데스크 신호와의 중복, 다른 모델과의 행동 상관, 정보가 가격에 반영되는 속도로 평가해야 한다. 공통 데이터와 모델을 쓰는 전략을 독립 포트폴리오로 간주하면 위기 시 분산효과를 과대평가할 수 있다.
한국 시장 복제 아이디어
금통위·발행공시·등급자료·RFQ에서 만든 각 신호의 독립 OOS 기여도와 가격반영 반감기를 측정한다. 같은 기초모델을 쓰는 팀들의 매수·매도 추천 상관을 한도로 관리하고, 데이터 접근권한과 주문 실행권한을 분리한다.