딥펀드(DeepFund)의 등장: AI, 실시간 투자의 혹독한 현실을 마주하다

홍콩과기대 연구진이 개발한 DeepFund는 실시간 주식 시장 데이터를 활용하여 LLM 기반 투자 전략을 평가하는 도구입니다. 실험 결과, 최첨단 LLM들도 실시간 환경에서는 손실을 기록하며, LLM의 실제 투자 적용에 대한 한계를 보여주었습니다.

최근 몇 년간, 대규모 언어 모델(LLM)은 금융 분야에서 괄목할 만한 성과를 보였습니다. 재무 보고서 요약, 실적 발표 분석, 자산 분류 등 다양한 금융 작업에서 능력을 선보였죠. 하지만, 복잡한 펀드 투자 관리에 있어 LLM의 실제 효과는 아직 미지의 영역으로 남아있었습니다.

중국 홍콩과기대(HKUST) 연구진이 개발한 딥펀드(DeepFund) 는 이러한 한계를 극복하기 위해 등장했습니다. 기존의 역사적 백테스팅 방식은 LLM이 미래 정보를 활용하여 과장된 성과를 보이는 ‘시간 여행’ 효과를 낳을 수 있다는 점을 지적하며, 실시간 주식 시장 데이터를 직접 활용, LLM의 투자 전략을 공정하게 평가하는 획기적인 시스템입니다.

연구진은 DeepFund를 이용해 DeepSeek-V3, Claude-3.7-Sonnet 등 세계적인 기관의 9개 주요 LLM을 다양한 투자 지표(종목 분석, 투자 결정, 포트폴리오 관리, 위험 관리 등)에 걸쳐 실시간으로 평가했습니다. 결과는 충격적이었습니다. 최첨단 모델조차 딥펀드의 실시간 평가 환경에서는 순손실을 기록한 것입니다. 이는 현재의 LLM이 능동적인 펀드 관리에 적용되기에는 아직 많은 기술적 한계를 가지고 있음을 시사합니다.

이는 단순한 실패가 아닌, LLM 기반 금융 투자 연구의 새로운 장을 여는 중요한 발견입니다. 연구진은 DeepFund의 코드를 공개(https://github.com/HKUSTDial/DeepFund)하여, 다른 연구자들의 검증과 발전을 촉구하고 있습니다. 이를 통해 AI 기반 투자의 미래는 더욱 정교하고 현실적인 방향으로 나아갈 것으로 기대됩니다. 딥펀드의 등장은, 화려한 성능 뒤에 숨겨진 AI의 현실적인 한계를 일깨워주는 중요한 사례가 될 것입니다. 앞으로 LLM이 실제 금융 시장에서 어떻게 활용될 수 있을지, 더욱 흥미진진한 연구가 기다리고 있습니다.

핵심 내용:

• DeepFund: 실시간 주식 시장 데이터 기반 LLM 투자 전략 평가 도구
• 핵심 문제: 기존 백테스팅의 정보 유출 및 과장된 성과 문제 해결
• 실험 결과: 최첨단 LLM조차 실시간 환경에서 순손실 기록
• 결론: LLM의 실제 투자 관리 적용의 어려움과 한계 제시
• 공개 코드: https://github.com/HKUSTDial/DeepFund