머신러닝은 기본적으로 패턴 인식에 사용되는 도구입니다. 머신러닝은 이 패턴을 발견하기 위해 학습이라는 것을 하고, 학습된 패턴을 토대로 미래를 예측합니다. 구글, 아마존, 쿠팡과 같은 테크 기업들은 주어진 데이터를 학습한 뒤 이를 토대로 고객이 원할 것 같은 것들을 보여줍니다. 이제 머신러닝 기술 없이 비즈니스를 한다는 것은 상상도 할 수 없을 정도로, 머신러닝은 우리의 삶 깊숙한 곳까지 들어와 있습니다. 하지만 아직까지 머신러닝은 금융시장을 예측하는 데는 그리 높은 정확도를 보여주지 못하고 있습니다. 왜 그런 것일까요? 그 이유는 금융 시계열 데이터가 가지고 있는 고유한 속성 때문입니다. 금융 시계열 데이터는 기본적으로 시간에 따라 그 통계적 성질이 계속해서 변합니다. 다시 말해, 패턴이 계속해서 바뀌는 것입니다. 패턴을 인지해야 하는 머신러닝의 입장에서는 이러한 데이터의 속성은 학습과 그에 따른 예측을 어렵게 만듭니다. 그렇다고 머신러닝은 금융에서 쓸모가 없는 것일까요? 오히려 그 반대로 머신러닝은 시간이 지날수록 그 위상이 커질 확률이 높습니다. 왜냐하면, 금융 또한 대체 데이터의 활용을 점점 더 받아들이게 될 것이기 때문입니다. 또한, 투자자들이 더욱 더 스마트해지고 계량적 방법론을 받아들일수록 머신러닝은 금융 데이터 분석을 위한 기초적인 도구로 자리를 잡게 될 것입니다. 다만 머신러닝 자체로만은 한계가 있습니다. 중요한 것은 금융시장만이 가지고 있는 속성과 메커니즘을 이해할 수 있는 도메인 지식이 겸비되어야 한다는 점입니다. 머신러닝이 왜 이러한 결과를 제시할까에 대한 해석과 판단을 내리기 위해서는 금융 자체를 몰라서는 불가능하기 때문입니다. 이러한 관점에서 금융 머신러닝은 학제간의 통섭이 필히 요구됩니다.