2024년 6월 PIE 40장 <라인인베스트먼트 테크놀로지 CIO 및 포트폴리오 매니저 이형주님>

2024년 6월 PIE 40장 <라인인베스트먼트 테크놀로지 CIO 및 포트폴리오 매니저 이형주 님>

인터뷰이: 라인인베스트먼트 테크놀로지 CIO 및 포트폴리오 매니저 이형주 님

 

Q1. 먼저 자기소개 부탁드립니다!

저는 서울대학교 산업공학과 96학번을 졸업해, 조성준 교수님 연구실에서 머신러닝, 데이터 마이닝으로 박사 학위를 받은 이형주라고 합니다. 지금은 라인인베스트먼트 테크놀로지라는 회사에서, CIO(Chief Information Officer) 겸 포트폴리오 매니저로 일하고 있습니다. 그리고, 라인인베스트먼트 테크놀로지는 너무 기니까 줄여서 LIT라고 부릅니다.

* CIO - 자산운용사의 투자 철학과 운용 전략을 총괄하는 자리

 

Q2. 근무하고 계신 ‘라인인베스트먼트 테크놀로지’와, 맡고 계신 주요 업무를 소개해주세요!

대부분 라인 메신저를 거의 안 쓰시겠지만, 이름에서 알 수 있듯이 ‘라인’이 들어가니까 저희 회사는 시작할 때만 해도 라인 메신저를 운영하는 네이버의 자회사였습니다. 이제는 조금 달라져, 현재는 LY 주식회사(라인-야후 주식회사)가 되었고, 저희 회사는 이 회사에서 2019년에 설립한 자산운용사입니다.

자산운용사가 하는 일은 고객에게 돈을 위탁받아, 그 돈을 가지고 어떤 식으로든 운영해서 이익을 내고, 그것을 고객에게 다시 돌려주는 것입니다. 저희는 크게 보면 자산 운용사이고, 저희가 하는 투자 방식은 흔히 퀀트 헤지 펀드라고 부르는데, 데이터를 분석해서 금융시장을 예측하는 모델을 만들고, 그 모델을 시장에 적용해서 돈을 버는 방식입니다. ‘퀀트’라는 단어가 ‘정량적인’이라는 뜻을 가지고 있으니, 단어의 의미에서 투자 방식을 예측할 수 있을 것 같습니다. 모델을 만들 때는 당연히 어떤 모델이 좋을지, 어떤 모델을 선택해야 할지 등의 부분에서 사람의 판단이 들어가지만, 모델이 일단 만들어지면 그때부터는 사람이 거의 관여하지 않습니다. 사람이 모델에 데이터를 주면, 모델이 아웃풋을 내는 그대로 결정을 하기 때문이죠. 예를 들면, 어떤 종목을 몇 개 산다, 판다 이런 결정은 사람의 판단이 들어가지 않고 모델에서 얻는 아웃풋에 의해 결정하게 됩니다.

헤지 펀드는 여러 의미로 쓰일 수 있는데, 보통 많이 쓰이는 의미는 시장 상황에 관계없이,예를 들면 주식 시장이 많이 떨어지더라도 돈을 벌 수 있는 ‘절대 수익’을 추구하는 자산운용사입니다. 저희는 자산운용사이면서 퀀트 헤지 펀드를 운용하고 있는 것이죠. 아까 금융 시장을 예측하는 모델을 만든다고 했는데, 세부적으로는 현재 모델이 30개 조금 넘게 있고, 전 세계적으로 약 100개 정도의 선물 종목에 투자하고 있습니다. 주가 지수 선물, 코스피 200 선물, 채권 선물, 외환 선물, 원자재 선물(원유나, 옥수수 등) 등 대부분의 종목에 투자하고 있죠. 저희 회사는 2021년부터 시작을 했고, 현재는 1000억 정도의 자금을 운영하고 있습니다. 1000억이라고 하면 커 보이지만, 금융 쪽에서는 아직 굉장히 작은 규모입니다. 저희는 연평균 10% 정도의 수익을 내고 있고, 다행히 아직 손실을 기록한 적은 없습니다. 재작년에, 주식과 채권이 20% 정도 떨어졌음에도 불구하고, 저희는 그때도 9% 정도의 수익을 냈습니다. 아까 말씀드렸던 ‘절대 수익’을 실제로 내고 있죠. 지금까지는 라인 모회사에서 출자한 돈이 대부분인데, 이제 회사가 생긴 지 3년이 넘었으니 외부 자금도 받아 오려고 노력 중입니다.

지금까지는 저희 회사 소개를 드렸고, 이제 제가 하는 일을 설명드리면,저는 회사가 굴리는 펀드 운영 전반을 리드하고 책임지는 일을 하고 있습니다. 팀 멤버들이 세부 전략을 개발하면, 그 전략들을 하나로 묶는 것을 포트폴리오라고 하는데, 저는 그 포트폴리오를 만들고, 리스크를 관리하는 등 대부분의 관리, 조율, 최종 결정을 담당하고 있습니다.

 

Q2-1. 회사가 처음 생길 때부터 일을 하신 건가요?

그렇습니다. 저는 2018년에 처음 왔는데 그때는 LIT라는 회사가 없었고, 라인 회사의 한 부서였습니다. 그렇게 시작을 했고, LIT라는 회사를 2019년에 새로 만들어 별개가 된 것이죠.

Q3. 라인인베스트먼트 테크놀로지에서 근무하시게 된 계기가 있을까요?

저는 2007년에 박사 학위를 받고 나서 박사 연구원, 흔히 포닥이라고 하는 것을 영국의 옥스포드 대학에서 했습니다. 거기서도 마찬가지로 머신러닝 쪽 연구원 생활을 2년 정도 했고, 그 후 8년 정도 영국의 Winton이라는 회사에서 일했습니다. 그 회사가 지금은 많이 기울긴 했지만, 당시에는 운영자금이 400억 US 달러에 달할 정도로, 세계에서 거의 가장 큰 퀀트 헤지 펀드 중 하나였습니다. 지금 한국 돈으로는 50조 원 정도 되는 돈을 가지고 운용했었죠. Winton에서 일하는 것도 좋았지만, 큰 회사에서 일하다 보면 제가 할 수 있는 것에 제약이 많았습니다. Legacy나, 정치적인 문제 때문에 의사결정이 효율적이지 않은 것도 있었죠. 예를 들어, 제가 무언가 좋은 것을 만들었다고 쳐도, 실제로 반영되는 것이 쉽지 않습니다. 원래 돌아가고 있는 큰 시스템이 있을 테니, 바꾸기가 힘들 것이기 때문입니다. 또, 회사가 크다 보니, 각 팀들 사이에 이해관계가 있어 개인이 기여할 수 있는 부분에 한계가 있습니다. 그때 직접 팀을 만들어서, Legacy나, Politics 없이 Meritocratic 하게 운영하면 더 잘할 수 있지 않을까 하는 생각을 하게 되었습니다.

현재 LIT 대표 분을 제가 원래 알고 있었는데, 그 분이 자산 운용 쪽에 관심이 있으셨고, 당시에 라인 회사에서는 카카오와 비슷한 사업을 하려고 했습니다. 은행도 만들고, 페이도 만드는 등 모험을 해 보려고 했는데, 현재 LIT 대표 분이 ‘자산 운용 쪽도 해보자.’며 당시 라인 경영진을 설득하셨죠. 결국 설득에 성공해서, 라인으로부터 자금, 인프라, 사람 등의 지원을 받았고, 저랑도 얘기가 돼서 제가 2018년에 영국에서 한국으로 오게 되었습니다. 아까 말씀드렸듯이 처음에는 라인 내의 한 팀이었고, 1년 반 정도가 지나 LIT라는 별개의 회사로 독립하게 되었습니다.

 

Q3-1. 원래는 자산 운용 쪽에 관심이 없으셨나요?

제가 영국에 있을 때는 계속 자산운용사에서 일을 하고 있었고, 영국에서 학교에서 있을 때, 회사에서 일하기 전까지는 자산 운용에 대해 전혀 모르고 있었습니다.

Q4. 라인인베스트먼트 테크놀로지에서 투자 결정을 할 때 사용하는 방법론이나 공학적 이론에 대해 소개해 주실 수 있을까요?

시장을 예측하려면, 예를 들어 가격이 내일 오를 것이다, 내릴 것이다 등을 예측하는 모델이 필요한데, 이러한 모델을 만들 때 과거 데이터를 보고 이럴 때 올라간다, 이럴 때 내려간다 등의 패턴을 찾아야 하니 통계나 머신러닝 방법을 사용합니다. 아까 세부 모델이 30개 조금 넘게 있다고 말씀드렸는데, 이 모델들을 통해 얻어지는 데이터를 하나의 포트폴리오로 합치는 과정에서 필요한 최적의 가중치를 최적화 방법을 사용해 찾아내기도 합니다.

퀀트 트레이딩을 세부적으로 볼 때는 정량적인 데이터와 같은 근거가 필요한, SCIENCE라고 할 수 있는데, 전체적인 시스템을 만들 때는 단순히 숫자만으로 결정할 수 없는, ART적인 요소가 있다고 할 수 있습니다.

학교에서 배우는 최적화가 다 중요하고 필요한 것들인데, 학교에서 배울 때도 그렇고, 현업에서 사용할 때도 그렇고 대부분 가정을 하는 것이, 우리가 정확한 값을 다 알고 있다고 가정한 다음 문제를 푸는 것입니다. 그러면 당연히 추정을 했으니 거기에 맞는 오차, 불확실성이 있을 것이고, 또 과거의 데이터를 가지고 추정한 값이니 미래에도 똑같이 적용된다고 확신할 수 없습니다. 이런 불확실성이 있는 상황에서는 숫자를 100% 믿을 수 없죠. 따라서 시스템을 설계하고 구현하는 과정에서 경험, 직관도 필요하고, 흔히들 말하는 산업공학에서 배우는 전체, 시스템을 보는 접근 방법, 사고 방식 등 다양한 것이 필요할 것 같습니다.

 

Q5. 투자와 관련하여, 최근 관심을 가지고 주목하고 계신 주제가 있을까요?

제 전공이라 머신러닝 쪽에 관심은 갖고 있습니다. 저희도 투자에 머신러닝을 조금은 사용하고 있습니다. 크게 활용하지 못하는 이유는 자산 운영에 이러한 머신러닝을 적용할 때 조심해야 하는 점이 있기 때문입니다. 일반적으로 AI 툴 박스에 데이터를 넣고 모델이 나오면 그대로 쓰면 된다고 생각하지만, 그럴 경우 overfitting(과적합: 데이터의 패턴을 배우는 것이 아닌 노이즈를 배우는 것)의 문제가 생기기 쉽습니다. 특히, 금융 쪽 데이터는 그 사이즈가 매우 작습니다. 데이터 양은 적고 노이즈는 굉장히 큽니다. AI에서 성공 사례라고 하는 알파고나 LLM의 경우는 데이터가 오히려 너무 많아서 문제입니다. 예를 들어 LLM 모델을 만들 때는 세상의 모든 텍스트를 다 넣을 수는 없으니 데이터를 추려서 넣어야 하죠. 반면 금융 쪽에서는 데이터가 얼마 없어서 반대의 문제가 생깁니다. 저희도 마찬가지고, 대부분의 잘 나가는 헤지펀드들의 예측 모델들의 정확도를 보면 랜덤보다 조금 나은 정도입니다. 단순히 정답률을 따진다면 51%, 52% 정도 됩니다. 이렇게 저희는 랜덤보다 조금 나은 계층 모델들을 여러 개 만들고 여러 종목에 적용하는 ‘diversification’을 통해서 돈을 버는 것입니다.

 

Q5-1.
미래에는 투자에 있어 머신러닝이 더욱 활용될 여지가 있을까요?

당연히 여지는 있습니다. 지금도 잘하면 될 텐데, 다만 저는 잘 된 사례를 본 적은 없고 저희도 아직 자신이 없어서 조금씩만 시도하고 있는 단계입니다.

 

Q6. 현재 맡고 계신 직무에서 느꼈던 가장 뿌듯했던 순간 또는 힘들었던 순간은 언제인가요?

사실 저희 비즈니스는 투자 성과를 장기적으로 보기 때문에 어떤 한순간이 좋다, 나쁘다 하는 경우는 잘 없습니다. 그래도 저희가 만든 모델들이 실제 시장에서 장기적으로 성과가 좋으면, 특히 올해에는 성과가 좀 좋은데요, 뿌듯하긴 합니다.

힘들 때도 물론 있습니다. 자산을 운영하다 보면 아무래도 손실이 크게 날 때 힘들기는 합니다. 예를 들면 작년 3월에 미국에서 은행들이 부도가 나면서 저희가 갖고 있던 포지션과 시장이 반대로 움직였습니다. 이 때 손실이 좀 크게 나서 힘들었지만, 그래도 결국 회복할 것이라는 믿음이 어느 정도 있어서 그렇게까지 크게 힘들지는 않았습니다. 저희가 하는 일이 특별히 뿌듯하거나 힘든 하는 일은 아닙니다.

 

Q7. 학부생 시절로 돌아간다면 다시 하고 싶은 것이 있으신가요?

제가 학교 다니면서 되게 후회했던 것 중에 하나가 특별한 경험 없이, 아무 생각 없이 시간을 보낸 것입니다. 공부를 엄청나게 많이 한 것도 아니고, 재밌게 놀러 다닌 것도 아니고, 다른 특별한 것을 하지도 않았습니다. 만약 다시 학부 시절로 돌아간다면, 무엇이 되었든 한 가지 몰두하는 것이 있었으면 좋겠습니다.

 

Q8. 이루고 싶으신 목표나 비전이 있다면 소개 부탁드립니다!

금융 업계 전반적으로도 그렇고, 특히 자산운용 업계는 거의 미국이나 영국 회사들이 장악하고 있습니다. 그런데 그 회사들에서 일하다 보면 그 인력들이 한국 사람들보다 특별히 더 잘하거나 똑똑하지는 않은 것 같다고 느낍니다. 미국이나 영국이 이 업계에서 먼저 시작했으니까 체계가 잡혀 있고 노하우가 있는 것일 뿐, 개개인의 능력이 더 뛰어난 것은 아니라고 생각합니다. 퀀트 트레이딩 쪽은 비교적 기존 회사들과 경쟁하기 수월한 분야이고, 따라서 한국도 충분히 이 업계에서 잘할 수 있을 것 같습니다. 예를 들어 PE(Private Equity)나 IB(Investment Banking)에서는 딜 메이킹을 위해서 네트워크가 많이 필요해 기존 시장 참여자가 유리할 텐데, 퀀트 트레이딩은 상대적으로 그런 면이 덜하다고 봅니다.

그래서 일단 LIT를 세계적으로 경쟁력 있는 헤지 펀드로 만들어서 다른 큰 회사들과 경쟁하고 싶고, 그 다음에는 LIT가 롤모델이 돼서 한국에도 비슷한 기업들이 생기고 이 업계가 자리를 잡았으면 좋겠습니다. 지금도 해외에 비해 국내가 역량적으로는 부족한 것 같지 않은데 규모가 작다 보니 규모를 키워야 할 것 같습니다.

참관질문 1.장기적인 업무가 아닌, 하루 단위의 업무는 어떻게 되시나요?

하루의 업무가 딱 정해져 있지는 않습니다. 일단 매일 기계 프로그램이 주문을 데이터 처리해서 한국 시간으로 아침에 어떤 종목을 사야 하고, 팔아야 하는지가 적힌 리스트가 쭉 나옵니다. 이 리스트를 팀 멤버들과 같이 확인을 해서 이상은 없는지 체크를 하고, 저희는 전 세계에 있는 선물 종목을 거래를 하니까 담당자가 프로그램을 실행을 시키면 아침에는 한국, 일본, 호주를 비롯한 아시아 쪽 종목들 주문이 나가고, 오후 3시, 4시쯤에는 유럽 쪽 종목들 주문이 나가고, 밤 9시 10시쯤에 이제 미국 쪽 주문이 나가게 됩니다.

보통 제가 하는 것은 리서치입니다. 연구는 딱히 스케줄이 정해져 있는 건 아니고 그때그때 필요한 게 있으면 새로운 전략을 만들거나, 기존에 있는 전략을 수정하거나 하는데요, 일주일에 한 번씩은 팀에서 리서치 미팅을 하게 됩니다.

저희가 외부 자금을 유치해서 규모를 늘리려고 한다고 했었잖아요. 그래서 요즘에는 외부의 잠재적 투자자들을 자주 만나러 다니기도 합니다.

참관질문 2.학부생 때 했었으면 하는 추천하시는 활동이 있으실까요?

저는 특별히 ‘이걸 해야 한다’, ’이 걸이걸 하면 좋다’ 그런 거는 딱히 생각나는 건 없습니다. 각자 뭔가 좋아하는 것이 있다면 그것에 깊이 몰두하면 좋을 것 같습니다.

참관질문 3.학부 때 배우는 이론들이 실제로 어떻게 현업에서 도움이 되는지 궁금합니다

당연히 도움이 되지만, 배운 그대로 쓰는 것 같지는 않습니다. 배운 내용을 시작점으로 해서 어느 정도 자의적인 판단이 들어가야 되는 것 같아요. 저 같은 경우에는 꽤 크게 도움이 된 것 같습니다. 하는 일마다 다르겠지만 저는 아예 하는 일 자체가 통계, 기계 학습, 최적화 이런 쪽을 직접 다루고 있으니까 아무래도 현업과 산업공학의 연관이 높다고 생각합니다

 

참관질문 4.산업공학만 전공해서 투자와 같은 분야에서 무리가 없을까요? 아니면 경제 같은 복수전공을 가지는 게 크게 도움이 될까요?

이 업계에서 일하기 위해 복수전공이 꼭 필요하지는 않습니다. 제가 지금 함께 일하는 동료들도 통계학과, 컴퓨터공학과 등 자연대, 공대 출신들입니다. 영국에서 일했을 때도 회사에 저 같은 연구원이 100명은 있었을 거예요. 대부분 박사 학위는 있지만, 그 전에 학교나 업계나 금융 쪽 경험은 전혀 없는 사람들이었습니다. 저희 회사는 물리학과 사람들이 제일 많았던 것 같습니다. 물론 꼭 필요하지는 않지만 관련 분야 지식이 있다면 좋긴 하겠죠.

영국에서 일하던 회사에서는 오히려 관련 전공을 한 사람들을 별로 안 좋아하는 경우도 있었습니다. 불필요한 선입견 때문에 데이터를 그대로 보지 못해 오히려 방해가 된다고 생각하는 경우도 있습니다. 퀀트 헤지 펀드 중에 제일 잘 나가는 회사 중 하나인 르네상스 테크놀로지에서는 채용할 때 금융 쪽 경력이 있으면 결격 사유로 보고 받아주지를 않죠.

 

- 서울대학교 산업공학과 학생회 SELF:IE 소통팀

*위의 인터뷰는 서울대학교 산업공학과 공식 인스타그램에서도 확인하실 수 있습니다:)

@OFFICIAL_SNU_IE