논문 브리핑
AllocFlow, 가격 예측 대신 투자 비중 생성…백테스트 순수익률 51.38%

AI가 가격을 잘 맞히면 투자도 잘할까, AllocFlow는 이 익숙한 가정부터 다시 묻는다. Annan Wang 등 연구진이 11월 15일 공개한 이 연구는 여러 자산의 시장 기록을 받아 매수·매도 방향과 투자 비중을 한꺼번에 생성한다. 핵심은 다음 가격의 정답률보다 계좌 전체의 배분 결정을 학습 목표로 삼았다는 점이다.
퀀트 연구에서는 수익률과 위험, 거래비용을 함께 봐야 한다는 관점이 오래전부터 자리 잡았다. 오를 종목을 맞혀도 비슷하게 움직이는 자산에 돈을 몰아넣거나 지나치게 자주 거래하면 좋은 투자가 되기 어렵다. AllocFlow는 예측 신호를 만든 뒤 별도 규칙으로 비중을 정하는 과정에서 이런 목적의 불일치가 생긴다고 본다.
구조는 시장 기록을 압축하는 사전학습 모델 Kronos와 자산 간 관계를 읽는 Transformer의 조합이다. Kronos는 고정하고, 무작위 잡음을 전체 포트폴리오로 바꾸는 flow matching으로 양수·음수 비중을 함께 만든다. 이미지와 로봇 행동 생성에 쓰이던 접근을 자금 배분에 연결한 셈이다.
학습과 성과의 쟁점은 세 가지다.
- 먼저 기존 전략을 모방하고, 이후 후보 포트폴리오 8개를 같은 24시간 시장 경로에서 비교하는 강화학습으로 배분을 개선한다.
- 시간 단위 암호화폐 무기한 선물 실험에서 연환산 순수익률은 모방 단계의 27.79%에서 51.38%로 높아지고 최대 낙폭은 29.10%에서 12.81%로 낮아졌다.
- 재학습 없이 평가한 2026년 상반기에는 연환산 수익률을 최대 낙폭으로 나누는 Calmar 비율이 4.90을 기록했다.
인사이트
AllocFlow의 핵심 기여는 시장 예측과 투자 배분 사이의 간극을 학습 문제로 다룬 것이다. 금융 AI의 실용성은 예측 정확도뿐 아니라 비용과 위험을 감안한 계좌 전체의 성과로 평가해야 한다.
자주 묻는 질문
- 이걸 쓰면 연 51%를 벌 수 있다는 거야?
- 아니다. 51.38%는 특정 암호화폐 선물 데이터와 거래 가정 아래 계산한 연환산 백테스트 순수익률이며, 미래 수익률을 보장하지 않는다.
- 기존 가격 예측 AI랑 뭐가 달라?
- AllocFlow는 여러 자산의 매수·매도 방향과 목표 비중을 함께 생성한다. 개별 가격 예측의 정확도보다 포트폴리오 전체의 성과를 개선하도록 학습한다.
- 한국 주식에도 바로 적용할 수 있어?
- 이 논문이 제시한 성과는 암호화폐 무기한 선물 실험에서 나온 것이다. 국내 주식에 적용하려면 거래시간, 공매도 가능 여부, 비용과 유동성 차이를 반영한 별도 검증이 필요하다.
이 기사 어땠어요?
피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.