AI, 시장 효율성 높이지만 '꼬리 위험' 증폭시켜

인공지능(AI)이 금융 시장의 효율성을 여러 측면에서 개선하고 있지만, 동시에 변동성과 시장 혼란을 증폭시킬 수 있는 새로운 위험을 초래하고 있다는 분석이 나왔습니다. 번스타인(Bernstein)은 최근 리서치 노트를 통해 AI가 시장에 미치는 이중적인 영향을 진단했습니다.

AI가 가져온 시장 효율성 증대

기업 수준에서 AI는 인간 분석가보다 빠른 속도로 실적 보고서, 규제 서류, 대체 데이터 등을 처리하며 시장 효율성을 높이고 있습니다. 이는 정보 격차를 줄이고 가격 발견(price discovery) 기능을 개선하며, 분석가들의 예측이 실제 결과에 더 빠르게 수렴하도록 만들어 실적 발표에 따른 충격(earnings surprise)의 규모를 줄이는 효과를 낳습니다.

AI는 단순히 분석 속도를 높이는 것을 넘어 리서치 과정 자체를 바꾸고 있습니다. 자동화된 워크플로우는 실적 검토, 재무 모델 업데이트, 신규 종목 분석 등에 필요한 시간을 단축시켜 분석가들이 더 많은 기업을 담당할 수 있게 합니다. 실제로 지난 1년간 신흥 시장의 중소형주에 대한 리서치 커버리지가 급격히 증가했으며, 이러한 추세는 그동안 저평가되어 있던 종목들의 밸류에이션 프리미엄을 감소시킬 수 있습니다.

동조화와 재귀성, 새로운 위험 요인 부상

반면, 유사한 AI 모델의 채택이 확산되면서 새로운 취약점도 드러나고 있습니다. 점점 더 많은 투자자들이 비슷한 데이터로 학습된 도구에 의존하게 되면 거래 신호가 동조화(synchronized)될 가능성이 커집니다. 이는 특정 포지션에 자금이 몰리는 쏠림 현상(crowded positions)을 유발하고, 시장이 스트레스를 받는 기간 동안 자산 가격의 급격한 반전을 더욱 심화시킬 수 있습니다.

Ad

번스타인은 이러한 위험의 예시로 2024년 8월에 발생했던 엔 캐리 트레이드의 청산 사태와 AI가 생성한 허위 정보로 인해 미국 증시가 일시적으로 움직였던 사례를 꼽았습니다. 이는 자동화된 전략과 합성 콘텐츠가 시장이 새로운 정보를 검증할 시간을 갖기 전에 변동성을 어떻게 가속화할 수 있는지 보여줍니다. 또 다른 문제는 '재귀성 문제(reflexivity problem)'로, AI가 생성한 추천이 투자자 행동에 영향을 미치고, 이는 다시 미래의 모델 결과값을 강화하는 피드백 루프를 형성할 수 있습니다.

투자자에게 미치는 영향: 평균 효율성 vs. 꼬리 위험

결론적으로 AI는 더 나은 리서치와 실행을 통해 시장의 평균적인 비효율성은 줄일 가능성이 높습니다. 하지만 동시에 시장이 극심한 스트레스를 받는 상황에서는 더 큰 규모의 시장 혼란이 발생할 확률을 높입니다.

이는 투자자들이 평균적인 비효율성은 낮아졌지만, 발생 확률은 낮아도 한번 터지면 큰 손실을 야기하는 '꼬리 위험(tail risk)'은 더 커진 시장 환경에 직면하게 됨을 의미합니다.