최근 연구에 따르면, 대규모 언어모델(LLM)을 활용한 주식 투자 전략이 초기에는 시장 대비 높은 수익률을 기록했지만, 시간이 지나면서 그 성과가 급격히 하락하는 경향을 보였습니다. 이는 LLM이 특정 시점의 시장 데이터에 과도하게 최적화되거나, 혹은 LLM의 예측 능력이 시장에 널리 알려지면서 다른 투자자들이 유사한 전략을 모방하기 시작했기 때문으로 분석됩니다.
이 연구는 LLM이 기업의 재무 보고서나 뉴스 기사 등 비정형 데이터를 분석하여 투자 신호를 추출하는 데 탁월한 능력을 보여주었음을 인정합니다. 실제로 초기 테스트 기간 동안 LLM 기반 전략은 전통적인 투자 방식보다 우수한 수익률을 달성했습니다. 그러나 이러한 우위는 단기적이었으며, 장기적으로는 시장 평균 수익률에 수렴하거나 심지어 그 이하로 떨어지는 현상이 관찰되었습니다. 이는 LLM이 과거 데이터 패턴을 학습하여 미래를 예측하지만, 시장 환경의 변화나 다른 참여자들의 행동 변화에 유연하게 대응하지 못하는 한계를 드러낸 것으로 해석됩니다.
이러한 현상은 투자 시장에서 인공지능(AI) 모델의 지속적인 경쟁 우위를 확보하는 것이 얼마나 어려운지를 잘 보여줍니다. AI 모델이 아무리 정교하더라도, 그 학습 데이터가 과거에 머물러 있고 시장이 끊임없이 진화한다면, 모델의 예측력은 필연적으로 약화될 수밖에 없습니다. 따라서 LLM 기반 투자 전략의 효과를 장기적으로 유지하기 위해서는 모델의 지속적인 업데이트와 함께, 시장의 미묘한 변화를 감지하고 새로운 정보에 적응할 수 있는 동적인 학습 메커니즘을 통합하는 것이 중요해질 것입니다. 이는 단순히 더 많은 데이터를 학습시키는 것을 넘어, 시장의 본질적인 변화를 이해하고 예측하는 고도화된 AI 개발의 필요성을 강조합니다.