Wook's AI and Marketing

2025년 10월, 싱가포르. 전 세계 142개국, 8만여 명의 대학생이 참가한 세계 최대 규모의 퀀트 투자 대회 — 제5회 국제 퀀트 챔피언십(International Quant Championship, IQC)의 결승전에서, 한 한국인 대학생의 이름이 1위로 호명되었다.

UNIST(울산과학기술원) 산업공학과 4학년 김민겸.

컬럼비아대, 옥스퍼드대, 인도공과대(IIT) 등 세계 최고의 명문대 학생들을 모두 제치고 한국인 최초로 정상에 올랐다. 상금 23,000달러(약 3,000만 원)와 함께, 2026년 7월부터 글로벌 자산운용사 월드퀀트(WorldQuant) 본사 인턴십 기회까지 거머쥐었다.

그런데 그의 우승 전략을 들여다보면, 의외의 사실이 드러난다. 그는 AI를 전면에 내세우지 않았다. 오히려 AI를 '조교' 수준으로만 활용하고, 인간의 금융적 통찰력을 무기로 삼았다.

🏆 대회 소개: 국제 퀀트 챔피언십(IQC)이란?

IQC는 미국 글로벌 자산운용사 월드퀀트(WorldQuant)가 주최하는 세계 최대 규모의 대학생 퀀트 투자 대회다. 2021년부터 매년 개최되어 2025년에 5회를 맞았다.

대회의 핵심 구조

항목	내용
플랫폼	WorldQuant BRAIN — 전용 알파 개발 플랫폼
과제	주가의 미래 방향을 예측하는 수학적 모델(알파, Alpha) 설계
참가 규모	142개국, 약 80,000명 (2025년)
평가 방식	Sharpe Ratio(위험 대비 수익률), Fitness, Turnover 등 복합 지표
결승	싱가포르에서 오프라인 결승전 개최

알파(Alpha)란 무엇인가? 간단히 말해, 특정 주식이 오를지 내릴지를 예측하는 수학적 공식이다. "최근 5일간 하락한 주식은 반등할 가능성이 높다"와 같은 가설을 수학적 표현식으로 구현하고, 과거 데이터로 백테스트하여 실제 수익이 나는지를 검증한다.

대회의 핵심 평가 지표인 Fitness는 다음과 같이 계산된다:

$$\text{Fitness} = \sqrt{\frac{|\text{Returns}|}{\max(\text{turnover}, 0.125)}} \times \text{Sharpe}$$

높은 수익률과 높은 Sharpe Ratio를 유지하면서도 회전율(Turnover)을 낮게 유지하는 — 즉, 효율적이고 안정적인 전략이 높은 점수를 받는 구조다.

🎯 김민겸의 우승 비결: 3대 핵심 전략

1. 소수 정예 — 32개 알고리즘의 힘

대부분의 참가자들은 점수를 높이기 위해 200~300개의 알고리즘을 경쟁적으로 제출했다. 수가 많을수록 전체 점수가 올라갈 것이라는 판단에서다.

김민겸은 정반대의 길을 걸었다. 단 32개의 알고리즘만으로 포트폴리오를 구성했다.

전략 비교 — 일반 참가자(200~300개, 과적합 위험) vs 김민겸(32개, 강건한 포트폴리오)

"너무 복잡한 모델은 과거 데이터에 맞춰지는 함정에 빠지기 쉽다. 단순하지만 금융적으로 설명 가능한 전략이 실전에서 더 강하다." — 김민겸, 인터뷰 중

이것이 바로 과적합(Overfitting) 방지 전략이다. 과적합이란, 모델이 과거 데이터의 패턴에 지나치게 최적화되어 미래의 새로운 데이터에서는 전혀 작동하지 않는 현상을 말한다. 200개의 알고리즘 중 상당수는 과거 데이터의 '노이즈'까지 학습해버릴 위험이 크다.

김민겸은 각 알고리즘이 금융적으로 설명 가능한 논리를 가지고 있는지를 끈질기게 검증했다. "이 패턴이 왜 수익을 내는가?"에 대한 합리적 설명이 없는 전략은 아무리 백테스트 성적이 좋아도 과감히 버렸다.

2. 올웨더 포트폴리오 — 거시경제 국면 분할

김민겸의 가장 큰 무기는 거시경제에 대한 통찰력이었다. 단순히 주가 데이터만 들여다본 것이 아니라, 경제 전체의 맥락을 전략에 녹여냈다.

올웨더 포트폴리오 전략 — 저금리/고금리/확장기/침체기 4개 국면별 전략 배치로 안정적 우상향 수익곡선 달성

그는 시장 상황을 4단계로 분류했다:

경제 국면	특징	전략 방향
저금리	유동성 풍부, 성장주 강세	성장주 중심 모멘텀 전략
고금리	유동성 축소, 가치주 부각	가치주 중심 방어 전략
확장기	기업 실적 호조, 시장 낙관	적극적 롱숏 포지션
침체기	불확실성 증가, 변동성 확대	내재 변동성 기반 역발상 전략

각 국면에서 가장 강한 성능을 내는 전략을 별도로 설계하고, 이를 유기적으로 결합했다. 어떤 경제 환경이 오더라도 포트폴리오 전체가 안정적으로 '우상향'하는 올웨더(All-Weather) 구조를 지향한 것이다.

이는 세계 최대 헤지펀드 브릿지워터(Bridgewater)의 레이 달리오(Ray Dalio)가 유명하게 만든 '올웨더 포트폴리오' 개념과 맥을 같이한다. 김민겸은 이 거시경제적 프레임워크를 퀀트 알고리즘 수준으로 정밀하게 구현해냈다.

3. AI는 '도구'가 아니라 '조교' — 인간-AI 협업의 정석

가장 주목할 만한 점은 AI의 활용 방식이다. 많은 사람들이 "AI가 자동으로 투자 전략을 만들어줄 수 있다"고 기대하지만, 김민겸의 접근은 달랐다.

그는 AI를 전략 자체를 자동 생성하는 도구로 쓰지 않았다. 대신 다음과 같이 '조교'로 활용했다:

데이터 정리: 방대한 금융 데이터를 전처리하고 구조화하는 데 AI를 활용
금융적 합당성 검증: AI가 제시한 패턴이 금융적으로 의미가 있는지를 인간이 판단
아이디어 탐색: 가설 수립 단계에서 AI를 통해 다양한 데이터 조합을 빠르게 탐색

핵심은 "AI가 만든 결과물의 확률적 수치에 의존하기보다, 인간이 데이터의 금융적 의미를 깊이 고민하고 논리적으로 타당한지 검증하는 과정"에 있었다.

이는 현재 AI 업계에서 주목받는 'Human-in-the-Loop' 패러다임과 정확히 일치한다. AI는 속도와 규모를, 인간은 맥락과 판단력을 제공하는 최적의 협업 모델이다.

📊 AI 시대, 퀀트 투자는 어떻게 진화하고 있는가

김민겸의 사례는 AI 시대 퀀트 투자의 현주소를 압축적으로 보여준다. 2025년 현재, 업계의 주요 트렌드를 정리하면 다음과 같다.

1. '모델'에서 '시스템'으로의 진화

과거에는 하나의 뛰어난 예측 모델을 찾는 것이 퀀트의 목표였다. 지금은 데이터 수집, 신호 생성, 리스크 관리, 실행까지 전체 파이프라인을 통합하는 '시스템 설계'가 핵심이다.

2. AlphaGPT — LLM 기반 알파 마이닝

최근에는 대형 언어 모델(LLM)을 퀀트 리서치에 직접 투입하는 AlphaGPT 같은 패러다임이 등장했다. LLM이 인간 퀀트 리서처와 데이터 사이의 '중재자' 역할을 하며, 방대한 수의 알파 후보를 빠르게 합성·테스트한다.

3. 대안 데이터(Alternative Data)의 부상

전통적인 가격·거래량 데이터를 넘어, 위성 이미지, 소셜미디어 감성, 공급망 데이터, 지정학적 트렌드 등 비전통적 데이터를 AI로 정제하여 알파를 발굴하는 추세가 강화되고 있다.

4. 동적 리스크 관리

포트폴리오 관리가 정적인 캘린더 기반 리밸런싱에서 실시간 동적 관리로 전환되고 있다. AI 시스템이 변동성, 상관관계, 자금 흐름을 실시간으로 모니터링하고, 시스템 리스크 임계값이 초과되면 자동으로 헤지 포지션을 취한다.

💡 김민겸의 사례가 주는 5가지 인사이트

1. 복잡함은 적이다

AI 시대에 역설적이지만, 과도한 복잡성은 실전에서 취약점이 된다. 김민겸은 32개의 '설명 가능한' 알고리즘이 300개의 블랙박스 알고리즘보다 강하다는 것을 증명했다. 이는 머신러닝에서도 동일하게 적용된다 — 해석 가능한 모델(Interpretable Model)의 가치는 점점 높아지고 있다.

2. 도메인 지식이 AI를 이긴다

AI를 잘 쓰는 것보다 금융 시장에 대한 깊은 이해가 더 중요했다. 거시경제 국면을 분류하고 각 국면에 맞는 전략을 설계하는 것은 AI가 자동으로 할 수 없는 영역이다. "AI가 할 수 있는 것"보다 "AI가 할 수 없는 것"에서 승부가 갈린다.

3. 과적합(Overfitting)은 퀀트의 사망 원인 1위

과거 데이터에서 완벽하게 작동하는 전략이 실전에서 무너지는 것은 퀀트 투자에서 가장 흔한 실패 패턴이다. 김민겸은 이를 금융적 설명 가능성이라는 필터로 방어했다. "왜 이 패턴이 수익을 내는가?"에 답할 수 없다면, 그것은 과적합일 확률이 높다.

4. AI는 대체재가 아니라 보완재

김민겸이 AI를 '조교'로 정의한 것은 매우 정확한 비유다. AI는 속도(데이터 처리)와 규모(패턴 탐색)에서 압도적이지만, 맥락(왜 이 패턴이 의미가 있는가)과 판단(이 전략이 미래에도 유효할 것인가)에서는 인간의 역할이 필수적이다.

5. 소수 정예의 힘 — 퀀트 이외의 영역에도 적용 가능

"많이 시도하면 하나쯤은 맞겠지"라는 접근은 양적 투입에 의존하는 전략이다. 김민겸은 적은 수의 깊이 있는 시도가 많은 수의 얕은 시도를 이긴다는 것을 보여주었다. 이는 투자뿐만 아니라 사업 전략, 제품 개발, 심지어 커리어 설계에도 동일하게 적용되는 원칙이다.

🎓 AI로 퀀트 투자를 시작하려면? — 실전 가이드

김민겸의 사례에 영감을 받아 퀀트 투자를 시작하고 싶다면, 다음의 단계를 추천한다.

Step 1: WorldQuant BRAIN 플랫폼 가입

대학생이라면 누구나 무료로 가입 가능하다. 가입 후 Learn2Quant 시리즈를 통해 알파의 개념부터 위험 관리까지 체계적으로 학습할 수 있다.

Step 2: 단순한 알파부터 시작

가장 기본적인 전략부터 시작한다:

평균 회귀(Mean Reversion): -returns — 전날 하락한 주식을 매수하는 전략
모멘텀(Momentum): returns — 상승 추세인 주식에 투자하는 전략

Step 3: 핵심 지표를 이해

Sharpe Ratio: 위험 대비 수익률. 높을수록 좋다
Turnover: 포트폴리오 회전율. 너무 높으면 거래 비용이 수익을 잠식한다
Fitness: WorldQuant의 복합 평가 지표. 수익률, Sharpe, Turnover의 균형이 핵심

Step 4: 금융적 직관을 키워라

AI 도구보다 먼저 갖춰야 할 것은 금융 시장에 대한 이해다. 거시경제, 기업 재무제표, 시장 심리학에 대한 공부가 선행되어야 한다. 김민겸의 우승 비결도 결국 "AI 실력이 아니라 금융적 통찰력"이었다.

Step 5: AI를 '조교'로 활용

AI에게 전략 설계를 통째로 맡기지 말 것. 대신 다음과 같이 활용한다:

데이터 전처리 및 탐색적 분석(EDA)
백테스트 결과의 패턴 분석
가설 수립 단계에서 아이디어 브레인스토밍
논문 및 리서치 자료 요약

🔮 전망: AI 퀀트 투자의 미래

김민겸의 우승은 AI 시대 퀀트 투자의 본질이 무엇인지를 상기시켜준다. 기술의 복잡성이 아니라, 시장에 대한 깊은 이해와 단순하지만 강건한 전략의 조합이 승리의 열쇠다.

앞으로 AI의 역할은 더욱 커질 것이다. Agentic AI가 종단간 퀀트 리서치를 수행하고, LLM이 알파 마이닝을 가속화하는 시대가 오고 있다. 그러나 그 속에서도 "이 전략이 왜 작동하는가?"를 묻는 인간의 역할은 대체될 수 없다.

142개국 8만 명 중 1등을 한 한국 대학생의 비결은, 결국 AI를 가장 잘 활용하는 방법은 AI에 의존하지 않는 것이라는 역설적 진실을 우리에게 가르쳐주고 있다.

📚 참고자료

UNIST 공식 보도자료 — "김민겸 학생, 제5회 국제 퀀트 챔피언십(IQC) 우승", 2025
ZDNet Korea — "UNIST 학생, 세계 퀀트 대회 한국인 최초 1위", 2025
매일경제 — "142개국 8만 명 중 1등… 한국 대학생의 퀀트 투자 우승기", 2025
동아일보 — "월드퀀트 IQC 결승, UNIST 김민겸 한국인 첫 정상", 2025
WorldQuant BRAIN 플랫폼 — https://www.worldquantbrain.com/
WorldQuant Learn2Quant 강의 시리즈 — https://www.worldquant.com/
Man Group — "Machine Learning in Quantitative Finance: Challenges and Opportunities", 2025

8만 명 중 1등 — 한국 대학생이 세계 퀀트 대회를 제패한 '32개 알고리즘'의 비밀