산업공학과 이용재 교수팀이 한국경영학회로부터 ‘매경 신진학자 논문상’을 받았다. AI를 활용한 금융 투자 최적화 연구 성과를 인정받은 결과다. 시상식은 지난달 20일 울산전시컨벤션센터에서 열린 제27회 한국경영학회 융합학술대회에서 진행됐다.
이 상은 국내 경영학계를 대표하는 젊은 연구자에게 수여된다. 학문적 기여도와 미래 성장 가능성을 모두 평가해 선정한다. 올해 대회는 ‘AI 시대의 밸류 업(Value-Up) 경영혁신’을 주제로 열렸다. 총 50개 학회, 347편의 논문이 발표돼 역대 최대 규모를 기록했다.
이 교수는 옥스퍼드대학 스테판 조렌 부교수, 황윤태 박사, 야쉬안 콩(Yaxuan Kong) 박사과정생과 공동연구를 수행했다. 수상 논문 제목은 「Decision-informed Neural Networks with Large Language Model Integration for Portfolio Optimization」이다. 대형언어모델(LLM)을 접목해 포트폴리오 성과 중심의 의사결정 모델을 설계한 점이 높은 평가를 받았다.
핵심은 세 가지다. 우선, 기존 모델의 한계를 넘어섰다. 전통적 포트폴리오 최적화 방식은 수익률 예측에 의존했으나, 실제 투자성과로는 이어지지 못했다. 가격변동성, 투자 전략, 거시경제 변수 등 다양한 요인을 고려하지 못한 탓이다.
논문에서는 새로운 해법을 제시했다. 연구팀은 LLM 기반 표현 학습과 어텐션(attention) 메커니즘을 도입했다. 자산 간 상호작용, 시계열 패턴, 외부 변수 등을 통합적으로 반영할 수 있도록 했다. 모델의 손실 함수에는 예측 오차 외에도 실질 투자 성과를 반영해 설계했다.
연구 결과는 실험으로 입증했다. S&P100과 다우지수(Dow30)를 기반으로 기존 딥러닝 모델과 성능을 비교했다. 이 교수팀이 제안한 DINN(Decision-Informed Neural Network)은 샤프지수(Sharpe ratio)를 높이고 변동성을 낮췄다.
기울기 기반 속성 분석(gradient-based attribution)에서도 성과에 기여한 자산을 민감하게 반영했다는 점이 확인됐다. 이는 모델이 예측을 내릴 때 어떤 요인이 성과에 영향을 주었는지를 수학적 기울기 계산을 통해 설명해 주는 분석 방식이다.
이 연구는 실제 투자 판단에 도움이 되는 AI 모델을 구현한 사례로 주목받고 있다. LLM이 투자 전략에서 언어 처리 이상의 역할을 할 수 있음을 보여준 점도 의미가 크다. 금융공학과 인공지능의 접점을 탐색한 이번 연구는, 향후 학계는 물론 산업계에서도 폭넓게 활용될 가능성이 있다.
이용재 교수는 “금융 투자에 AI를 활용할 때 예측 성능에 집중하는 경향이 있는데, 금융시장의 불확실성을 감안하면 이 방향으로는 한계가 분명히 있다” 며 “단순 예측 성능보다는 투자 의사결정을 위한 예측을 시도했다는 점, 그리고 보다 많은 맥락을 반영하기 위해 LLM을 활용했다는 점에서 좋은 시도로 평가 받은 것 같다”며 소감을 전했다.
