AI는 공시·가격·주문 자료에서 정보를 뽑는 비용을 낮출 수 있다. 저자들은 그 효과를 단순한 업무 자동화보다 넓게 본다. 같은 자료로 더 정교한 예측을 만들고, 예측을 주문이나 포트폴리오 결정으로 연결하는 방식이 바뀐다는 설명이다. 다만 다른 투자자의 거래 흔적을 빨리 읽어 이익을 얻는 것과 기업의 현금흐름을 새롭게 알아내는 일은 시장 전체에 주는 가치가 다르다.
실제 관측은 자기자본으로 거래하는 전문거래회사 PTF의 재고에서 나온다. 2020~2026년 네덜란드 대형주 감독자료로 각 회사의 하루 매수·매도대금 차이의 절댓값을 구했다. 이를 분기 전체로 합하고 같은 범위의 총 매수·매도대금으로 나눈 것이 재고비율이다. 하루 거래가 완전히 상쇄되면 낮고, 상쇄되지 않은 순거래가 많이 남으면 높아진다.
최근 이 비율이 유의하게 높아졌다. 초단기 거래를 반복한 뒤 위험을 닫는 방식에서 밤을 넘겨 위험을 보유하는 전략으로 이동할 가능성과 맞는 결과다. 그러나 거래 흐름으로 계산한 비율이지 개별 포지션의 보유일수를 직접 잰 값은 아니다. AI를 도입한 회사와 그렇지 않은 회사를 비교해 원인을 식별한 연구도 아니어서, 재고 변화 자체를 AI의 성과로 읽을 수는 없다.
더 좋은 예측이 위험을 오래 보유할 여력을 줄 수도 있지만, 공통 모델을 쓰는 거래가 한꺼번에 몰리면 청산 충격도 커질 수 있다. 행동까지 학습하는 가격결정 알고리즘에는 경쟁이 약해지는 위험도 있다. 반대로 다른 정보를 찾을 경제적 유인도 있으므로 모든 AI가 같은 주문을 낸다고 단정할 수 없다. 이 논문의 질문은 모델 이름보다 어떤 정보를 만들고 어떤 위험을 실제로 보유하게 되는지에 있다.
SCOPE문헌 종합과 네덜란드 주식의 설명적 감독자료 분석이다. 재고비율은 순거래를 총거래로 나눈 지표로 직접적인 보유기간 측정이나 AI 도입의 인과 추정이 아니다. 거래소 밖 거래는 일관된 신고가 없어 재고 표본에서 제외한다.
Evidence & verification ↓Sources & evidence
Original passages appear only when checked against the publication. Earlier briefing records are identified separately.
Artificial intelligence and financial markets8 primary · 0 archived +
AI는 데이터·계산·알고리즘을 결합해 금융정보 생산의 생산성을 높인다. 예측에서 의사결정까지 자동화하면 시장과의 상호작용도 달라진다.
ORIGINAL PASSAGEproductivity of dataECB DP No.32, §2.1, printed pp.11–12; September 2026 edition; accessed 2026-10-06개인의 거래이익에 가치 있는 정보가 사회적으로 유용한 발견과 같지는 않다. 다른 투자자의 거래 흔적을 좇는 전략은 새로운 기초정보를 생산할 유인을 줄일 수 있다.
ORIGINAL PASSAGEsocially wastefulECB DP No.32, §4.1, printed pp.40–43; September 2026 edition; accessed 2026-10-06재고비율은 PTF별 일별 매수·매도대금 차이의 절댓값을 분기 전체로 합한 뒤 같은 범위의 총 매수·매도대금으로 나눈 값이다. 개별 비율의 단순 평균이나 포지션 보유일수 측정은 아니다.
ORIGINAL PASSAGEabsolute net traded volumeECB DP No.32, Appendix B.3, printed pp.83–84, equation A.4; September 2026 edition; accessed 2026-10-06재고 분석 표본은 2020–2026년 네덜란드 대형주를 거래한 PTF의 MiFID II 신고 거래다. 모든 거래장소를 포괄하되 일관되게 보고되지 않는 거래소 밖 거래는 제외한다.
ORIGINAL PASSAGE2020–2026ECB DP No.32, Appendix B.3, printed p.84, sample paragraph; September 2026 edition; accessed 2026-10-06저자들은 최근 PTF 재고비율이 유의하게 높아졌다고 보고한다. 거래활동에 비해 하루 매수·매도가 상쇄되지 않고 남는 규모가 커졌다는 관측이다.
ORIGINAL PASSAGEincreased significantlyECB DP No.32, §5.5, printed p.66, Figure 9 and accompanying paragraph; September 2026 edition; accessed 2026-10-06재고비율 상승은 중빈도 전략으로의 잠재적 이동과 일치한다고 한정한다. AI 도입의 인과효과나 직접 측정한 보유기간 증가는 식별하지 않았다.
ORIGINAL PASSAGEpotential shift in their strategiesECB DP No.32, §5.5, printed p.66, Figure 9 discussion; September 2026 edition; accessed 2026-10-06여러 투자자가 유사 모델·데이터를 쓰면 신호와 거래가 겹쳐 동시 청산의 충격을 키울 수 있다. 반대로 가격에 반영되지 않은 다른 정보를 찾을 유인도 있어 동조가 필연적이라고 결론내리지 않는다.
ORIGINAL PASSAGEsimilar algorithmsECB DP No.32, §5.1, printed pp.58–60; September 2026 edition; accessed 2026-10-06자율 가격결정 알고리즘은 학습과 상호작용을 통해 비경쟁적인 가격에 도달할 수 있다. 예측 전용 모형과 행동을 학습하는 모형의 위험을 구분해야 한다.
ORIGINAL PASSAGEnoncompetitive pricingECB DP No.32, §4.2.2, printed pp.50–53 and Box 5; September 2026 edition; accessed 2026-10-06Show the original briefing text
구분: 중앙은행 토론논문·AI 시장미시구조 및 비은행 중개
발표일: 2026년 9월 22일
핵심 요약
ECB Discussion Paper No. 32은 AI가 데이터 생산성과 예측을 높이는 동시에 정보집중·모델동조·자율가격결정의 위험도 키울 수 있다는 문헌과 감독자료를 정리했음. 저자들은 네덜란드 주식의 MiFID II 감독자료로 대형 전문거래회사 PTF의 일별 재고비율을 계산했음. 2020~2026년 재고비율이 유의하게 올라 포지션을 더 오래 들고 가는 중빈도 전략으로의 이동 가능성과 일치했음. 다만 설명적 관측이라 AI가 변화의 원인이라고 식별한 결과는 아님.
실무 시사점
AI 수익화는 더 빠른 호가만이 아니라 위험을 얼마나 오래 보유할지까지 넓어질 수 있음. 채권 데스크는 체결 직후 mark-out뿐 아니라 재고 체류시간·누적 DV01·헤지비용·스트레스 청산비용을 모델 버전별로 추적해야 함.
한국 시장 복제 아이디어
국고채·회사채 RFQ에서 모델 도입 전후의 재고 체류시간과 헤지비율을 종목·시장상태별로 비교함. 단순 전후비교와 함께 비도입 데스크를 대조군으로 두고, 수익 증가가 예측 개선인지 위험보유 확대인지 분해해봄.