실용 사례 풍성··· 금융 산업은 양자 컴퓨팅에 대비 중

금융 분야의 조직들이 양자 컴퓨팅을 활발히 실험하고 있다. 양자 컴퓨터의 공유한 강점을 활용할 여지가 유독 풍부하기 때문이다. 업계의 움직임과 전망에 대해 살펴본다. 
 

‘연산’에 몰두한 산업으로 금융 서비스 분야를 빼놓을 수 없다. 특히 여러가지 변수를 정교하게 조정해야 하는 최적화 문제는 고도로 엔지니어링 된 금융 상품을 다루는 기업에게 일상적인 문제다.

대규모 복잡한 수학적 모델링에 대한 필요성으로 인해, 금융업계는 양자 컴퓨팅의 잠재력을 완벽하게 구현할 수 있는 분야이다. 양자 컴퓨팅은 복잡한 연산 작업을 몇 주 또는 몇 달이 아닌 몇 분 또는 몇 시간 만에 신속히 도출할 잠재력을 가지고 있기 때문이다.

그러나 풀 스택 양자 서비스 회사인 PASQAL의 최고 상업 책임자인 베노 브로어는 속도가 전부가 아니라고 진단했다. 합리적인 시간 내에 정확한 지식을 제공하는 양자 컴퓨팅의 능력은 이를 더욱 가치 있게 만든다고 설명이다. 그는 “어떻게 하면 더 정확하게 가격을 책정할 수 있는지에 대한 답을 한 시간 내에 얻어야 한다. 그러나 기존 컴퓨터로는 2주가 걸리며, 이는 거래의 무산을 의미한다”라고 말했다.

앨라이 파이낸셜(Ally Financial)의 엔지니어와 재무 분석가로 구성된 공동 팀도 ‘더 나은 계산’을 위해 양자 컴퓨팅에 주목한다. 이들은 일정 기간 동안 특정 수익률을 구성하는 수십만 개의 주식으로 구성된 전통적인 상장지수펀드(ETF)에 초점을 맞췄다. 이 상품에는 몇 가지 개별 중목의 성과가 떨어지더라도 나머지가 전체 결과를 끌어올려 일정 시간 동안 상당히 예측 가능한 수익을 제공해야 한다는 전제가 있다.

그러나 ETF의 많은 요소를 관리하고 조작하기란 대단히 어렵다. ‘고통’이라는 표현이 어울릴 정도다. 앨라이의 최고 정보, 데이터 및 디지털 책임자인 사티시 무투크리슈난은 “주식 성과 측면에서 많은 변동성이 있고 매매 및 관련 거래 수수료가 많이 발생한다”라고 말했다.

무투크리슈난과 앨라이 팀은 구성 요소가 더 적은 ETF에서도 비슷한 수익률을 낼 수 있는지 연구했다. 이를 위해 그들은 ‘카디널리티 제약’(cardinality constraints)의 최적화 문제를 탐구하며 수익을 극대화하고 위험을 최소화하는 금융 지수 추적 포트폴리오에 대한 하이브리드 양자-고전적 접근 방식을 개발했다. 이 연구로 해당 팀은 ‘2023년 미국 CIO 100 어워드(US CIO 100 Award for IT)’에서 혁신 및 리더십 부문 수상자로 선정되었다.

앨라이 팀은 양자 어닐링(quantum annealing)이라는 방법을 사용해 몇 가지 주식을 선택할 수 있었다. 무투크리슈난은 “예측 수익률이 높고 운영 및 거래 비용이 낮은 적은 종목을 선택할 수 있어 궁극적으로 변동성을 줄이고 수익률을 보다 정확하게 예측할 수 있게 된다”라고 말했다.

양자 컴퓨팅 덕분에 앨라이 팀은 50가지 개별 시나리오를 만들고 모델을 백 테스트할 수 있었다. 이렇듯 철저한 준비는 업계가 데이터 관련 연구를 위한 더욱 강력한 기반을 개발하는 데 도움이 되므로 덕분에 긍정적인 효과를 얻을 수 있었다고 무투크리슈난은 말했다.

양자 컴퓨팅만의 독보적인 강점
ETF에 대한 앨라이의 작업은 양자 컴퓨팅이 금융 산업에 큰 변화를 가져올 수 있음을 증명하는 한 예시에 불과하다.

투자 솔루션을 제공하는 유럽 은행 그룹인 키르단 그룹(Cirdan Group)은 양자 컴퓨팅을 활용하는 또 다른 금융 기관이다. 키르단 그룹은 양자 컴퓨팅 서비스 기업인 테라 퀀텀(Terra Quantum)과 협력하여 투자 솔루션과 관련된 계산 과제를 해결하고 있다. 이 파트너십의 구체적인 초점은 이색 파생상품(exotic derivatives)이었는데, 이는 폐쇄형 공식이 없는 수학적 함수(mathematical functions with no closed-end formulas)로 표현되기 때문에 매우 까다롭고 어려웠다.

키르단 그룹의 CEO인 안토니오 드 네그리는 “X와 Y를 더한 값이 파생상품의 가치와 같다는 [간단한] 방정식은 없다. 따라서, 우리는 수천, 수만 번의 몬테카를로 시뮬레이션을 실행하여 파생 상품을 계산해야 한다”라고 말했다. 

기존의 고성능 컴퓨팅(HPC)으로는 이 과정이 번거롭고 시간이 많이 걸린다. 그러나 키르단과 같은 금융기관들은 자산 리스크를 이해하고 보다 효율적으로 관리하는 데 도움이 되기 때문에 이러한 지루한 계산을 반복해왔다.

키르단은 이 문제를 해결하기 위해 방대한 컴퓨팅 역량을 쏟아 부었지만 시간과 비용이 문제였다. 테라는 양자 컴퓨팅으로 동일한 최적화 계산을 수행해본 결과, 동일한 정확도의 계산 시간을 10분에서 2분으로 크게 단축할 수 있음이 드러났다. 드 네그리는 향후 개선을 통해 더 큰 경제성을 제공할 수 있을 것으로 기대하고 있다.

8분은 짧은 시간처럼 보이지만, 경제적 효과는 미미하지 않다. 브로어는 “포트폴리오의 규모나 [금융기관]의 베팅 규모를 고려할 때, 0.1%라도 더 나은 방식으로 계산을 할 수 있다면 그것은 상당한 이익을 의미한다”라며, 과거에는 포트폴리오 위험을 평가하기 위해 엑셀(Excel) 기반 모델로 작업했다고 덧붙였다.

브로어는 “예전에는 모델을 켜고 실행을 누른 다음 아침까지 기다리면서 밤새 문제가 생기지 않기를 바랐다. 월요일 아침이 그나마 가장 무난했다. 오직 과거 거래에 대한 위험 한도가 초과됐는지 여부만 관건이었기 때문이다”라고 말했다.

브로어는 “데이터가 많고 거래하는 자산이 다양하거나 대출을 제공하는 고객이 많으면 기존 컴퓨팅의 한계에 부딪히기 쉽다”라고 덧붙였다.

양자 컴퓨팅이 영향을 미칠 수 있는 분야
앨라이와 키르단이 해결한 것과 같은 최적화 문제는 양자 컴퓨팅이 안성맞춤이다. 하지만 양자는 또한 머신러닝을 보다 효율적으로 만들 수 있는 잠재력도 가지고 있다고 영국 전무 이사이자 테라 퀀텀 AG(Terra Quantum AG)의 상용화 책임자인 비샬 셰테는 말했다.

그에 따르면 양자 컴퓨팅의 기본 단위인 큐비트는 훨씬 더 적은 데이터와 많은 노이즈를 품은 데이터로도 학습할 수 있기 때문에 매우 효율적이다. 이는 양자 컴퓨팅이 머신러닝 문제를 해결함에 있어 기존 HPC보다 제약 조건이 적음을 의미한다.

리서치 및 컨설팅 회사인 캡제미니(Capgemini)의 수석 부사장인 닐레쉬 바이디야도 머신러닝에 가지는 양자 컴퓨팅의 가치에 대해 동의했다. 바이디야는 “양자 컴퓨팅 기능을 사용하여 머신러닝 기술을 적용하면 모델을 더 빠르고 효과적으로 준비할 수 있다. 오늘날에는 모델을 만들어 배포하고 결과를 시각화하는 데까지 시간이 걸리지만 양자 컴퓨팅을 사용하면 일부 작업을 가속화할 수 있다”라고 말했다.

셰테는 기업이 조금만 개선해도 비즈니스 가치를 높일 수 있는 프로젝트를 선별해야 한다고 조언하며, 여기에는 이해 관계자들의 관심이 중요하다고 말했다. 셰테는 “다른 모든 요소가 맞더라도 협력 중인 비즈니스 책임자가 변화에 저항하거나 꺼린다면 걸림돌이 될 수 있다”라고 말했다.

브로어 또한 “양자 컴퓨팅의 강점과 약점을 이해한다면 각 분야에서 큰 가치를 더할 수 있는 좋은 틈새 시장을 찾을 수 있다. 마치 망치질 전에 못을 찾는 작업은 어려울 수 있지만 한 번 찾으면 시작할 수 있다. 하지만 그것이 모든 것에 가치를 더할 수 있다고 가정한다면 크게 실망할 것이다”라 말했다.

업계와 양자 컴퓨팅 벤더 사이의 파트너십
몇몇 금융 기관은 자체적으로 자 컴퓨팅 팀을 구축하고 있지만 대부분의 금융 기관들은 해당 분야의 전문가와 파트너 관계를 맺고 있다.

테라 퀀텀의 CEO이자 설립자인 마르쿠스 플리치는 “은행과 기타 금융 업계에서는 인재가 부족하기에 자체적으로 양자 역량을 구축하는 것은 불가능에 가깝다”라고 말했다. 그에 따르면 테라 퀀텀과 같은 회사는 ‘동급 최고 수준의’ 양자 하드웨어에 대한 액세스를 제공하는 것 외에도, 기존 HPC 구성 요소를 기반으로 하는 사내 시뮬레이터에서 양자 소프트웨어를 실행할 수 있다. 그리고 이것이 키르단이 이국적인 파생 상품 문제를 해결한 방법이다. 

양자 컴퓨터가 현재 사용되고 있는 노이즈 중간 규모 양자(Noisy Intermediate Scale Quantum, NISQ) 장치를 넘어서면 테라 퀀텀 소프트웨어도 이러한 플랫폼으로 전환될 수 있다.

셰테는 양자 전문가들이 서로 다른 산업의 솔루션을 조합할 수도 있을 것이라고 전망했다 그는 “예를 들어, 옵션 가격 책정에서 하는 시뮬레이션 작업은 화학 회사에서 분자 시뮬레이션으로 할 수 있는 작업과 많은 유사점을 가지고 있다”라고 말했다. 
 
양자 컴퓨팅과 함께하는 미래
테라 퀀텀이 현재 진행 중인 머신러닝 과제 중 하나는 시계열 예측 모델을 통해 고객을 파악하는 것이다. 셰테는 “이는 고객 행동을 예측하고, 고객이 어떻게 반응하는지, 다양한 고객을 가장 잘 그룹화하는 방법이 무엇인지, 상관 관계가 무엇이며 어떻게 조합해야 하는지, 따라서 고객에게 가장 적합한 상품이 무엇인지 파악하는 것이다”라고 설명했다.

시장에서 시계열 예측은 시장이 어떻게 움직일지 이해하고 다양한 유형의 자산 간의 상관 관계를 평가하는 데 도움이 된다. 그리고 리스크 관리에서는 몬테카를로 시뮬레이션이나 은행 내에서 발생할 수 있는 자금 세탁 방지 또는 규정 준수 문제를 이해하기 위해 양자 컴퓨팅을 활용할 수 있다고 셰테는 전했다.

앨라이는 앞으로 고객에게 승인된 대출의 몇 퍼센트가 손실로 이어질지 예측할 수 있는 신용 손실 모델링을 포함한 더 많은 양자 컴퓨팅 관련 프로젝트를 평가할 예정이다. 앨라이가 지금까지 수행한 개념 증명 프로젝트는 양자 컴퓨팅이 본격적으로 상용화 되었을 때를 위한 시험 운영이다.

무투크리슈난은 “미리 기술을 테스트하고 준비하는 것이 중요하다. 실제 경기가 시작되면 바로 출전할 수 있도록 꾸준히 운동하고 달리는 것과 같다. 가만히 앉아서 기다릴 수는 없다. 일관성, 준비, 그리고 적절한 시기에 대처할 수 있는 능력이 중요하다”라고 말했다. ciokr@idg.co.kr