ChatGPT가 AI 관련 암호화폐 자산에 미치는 영향: 합성 통제 분석을 통한 증거

목차

1 서론

2022년 11월 30일 OpenAI의 ChatGPT 출시는 인공지능 발전에 있어 변혁적인 순간을 의미합니다. 이 최첨단 트랜스포머 기반 대규모 언어 모델은 전례 없는 자연어 처리 능력을 입증하며, 전문 자격증 시험 통과와 2개월 만에 1억 명 이상의 활성 사용자 달성 등 놀라운 이정표를 세웠습니다. 이는 역사상 가장 빠른 사용자 기반 성장 기록입니다.

이 혁신적인 기술은 상업용 AI 개발을 촉진하고 산업 전반의 디지털화 계획에 촉매제 역할을 했습니다. 언론 보도는 주요 검색 엔진과의 통합 가능성을 강조하며 Google과 Baidu 같은 기술 대기업들의 경쟁적 대응을 촉발시켰습니다. 이러한 발전들은 투자자들 사이에서 AI 기술의 인지된 가치가 상승했음을 시사하며, 특히 ChatGPT와 직접적으로 연결되지 않은 AI 관련 암호화폐 자산들에 영향을 미쳤습니다.

2 연구 방법론

2.1 합성 이중차분법

본 연구는 ChatGPT 출시가 AI 관련 암호화폐 수익률에 미친 인과관계 효과를 분리하기 위해 합성 이중차분 방법론을 사용합니다. 이 접근법은 합성 통제법과 이중차분 추정의 요소들을 결합하여 처치 집단의 사전 처치 특성과 밀접하게 일치하는 가중 통제 집단을 생성합니다.

2.2 데이터 수집

백서, 프로젝트 설명, 커뮤니티 분류를 통해 확인된 AI 관련 토큰들에 대한 데이터는 여러 암호화폐 거래소에서 수집되었습니다. 표본 기간은 ChatGPT 출시 전후 6개월을 포함하며, 일별 가격 데이터와 거래량을 포함합니다. AI 관련 용어들에 대한 구글 검색량 데이터는 투자자 관심도의 대용 지표로 사용되었습니다.

3 연구 결과

3.1 수익률에 대한 ChatGPT 효과

분석 결과 유의미한 "ChatGPT 효과"가 나타났으며, AI 관련 암호화폐 자산들은 출시 후 1개월 동안 10.7%에서 15.6%의 평균 수익률을, 2개월 동안은 35.5%에서 41.3%의 수익률을 기록했습니다. 이러한 효과들은 암호화폐 시장 전체의 추세와 다른 혼란 요인들을 통제한 후에도 지속되었습니다.

3.2 구글 검색량 분석

AI 관련 용어들에 대한 구글 검색량은 ChatGPT 출시 후 중요한 가격 지표로 부상했습니다. 상관관계 분석은 검색량 급증과 AI 관련 암호화폐 자산들의 후속 가격 변동 사이에 강한 양의 관계가 있음을 보여주며, 이는 개인 투자자들의 관심이 상당한 시장 반응을 주도했음을 시사합니다.

4 기술적 구현

4.1 수학적 프레임워크

합성 이중차분 추정량은 다음과 같이 공식화할 수 있습니다:

$$\hat{\tau}_{SDID} = \frac{1}{T_1} \sum_{t=T_0+1}^{T} \left[ Y_{1t} - \sum_{j=2}^{J+1} \hat{w}_j Y_{jt} \right] - \frac{1}{T_0} \sum_{t=1}^{T_0} \left[ Y_{1t} - \sum_{j=2}^{J+1} \hat{w}_j Y_{jt} \right]$$

여기서 $Y_{1t}$는 처치 단위의 결과를, $Y_{jt}$는 통제 단위들의 결과를, $\hat{w}_j$는 합성 통제 가중치를, $T_0$는 사전 처치 기간을, $T_1$는 사후 처치 기간을 나타냅니다.

4.2 코드 구현

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression

def synthetic_did(treatment_series, control_matrix, pre_periods):
    """
    합성 이중차분 추정 구현
    """
    # 합성 통제 가중치 계산
    X_pre = control_matrix[:pre_periods]
    y_pre = treatment_series[:pre_periods]
    
    model = LinearRegression(fit_intercept=False, positive=True)
    model.fit(X_pre.T, y_pre)
    weights = model.coef_
    
    # 합성 통제 시계열 계산
    synthetic_control = weights @ control_matrix
    
    # 처치 효과 계산
    post_periods = len(treatment_series) - pre_periods
    treatment_effect = (treatment_series[pre_periods:].mean() - 
                       synthetic_control[pre_periods:].mean())
    
    return treatment_effect, weights, synthetic_control

5 원본 분석

Saggu와 Ante(2023)의 연구는 암호화폐 시장에서의 기술 파급 효과에 대한 설득력 있는 증거를 제공하며, 획기적인 AI 발전이 관련 디지털 자산 전반에 걸쳐 가치 평가 외부효과를 어떻게 창출하는지 입증합니다. 이러한 연구 결과는 Barber와 Odean(2008)이 제안한 주의 기반 자산 가격 이론과 일치하며, 이 이론에서는 개인 투자자들이 주의를 끄는 주식을 불균형적으로 구매하는 것으로 나타납니다. AI 암호화폐 자산의 맥락에서 ChatGPT는 투자자 자본을 더 넓은 AI 생태계로 재배치시키는 거대한 주의 충격으로 작용했습니다.

방법론적으로, 이 연구는 Abadie 등(2010)이 개발한 합성 통제 프레임워크를 기반으로 합성 이중차분 기법을 적용함으로써 암호화폐 연구를 발전시켰습니다. 이 접근법은 암호화폐 자산의 고유한 특성으로 인해 전통적인 통제 집단 구성이 어려운 암호화폐 사건 연구의 근본적인 과제들을 해결합니다. 이 방법론은 Shiller(2015)가 문서화한 모바일 거래 플랫폼이 시장 참여에 미치는 영향과 같은 전통적 금융에서의 기술 도입 효과 연구에 사용된 접근법들과 유사점을 공유합니다.

관찰된 효과의 규모—2개월 동안 35.5%에서 41.3%에 이르는—는 전통적 시장에서의 일반적인 기술 발표 효과를 크게 초과합니다. 이러한 증폭 효과는 Shiller(2017)가 서사 경제학 연구에서 이론화한 것처럼 암호화폐 시장이 서사와 주의 역학에 특히 민감하다는 점을 반영할 가능성이 높습니다. 연구 결과는 AI 관련 암호화폐 자산들이 AI 기술 진보에 대한 순수 투자 수단으로 기능하며, 이로 인해 인접 AI 기술 발전에 특히 취약하다는 것을 시사합니다.

구글 검색량 연구 결과는 Da 등(2011)의 FEARS 지수에 대한 연구를 보완하며, 검색 기반 주의 측정치가 투기성 자산에서 개인 투자자 주도型 가격 변동을 효과적으로 예측한다는 것을 입증합니다. 2개월 동안 지속된 ChatGPT 효과는 Lo(2004)가 제안한 적응적 시장 가설과 일관되게, 암호화폐 시장에서의 강형 시장 효율성에 도전합니다. 이는 빠르게 진화하는 디지털 자산 시장에서 규제 체계와 투자자 보호에 중요한 함의를 가집니다.

6 향후 적용 분야

본 연구의 방법론과 연구 결과는 향후 연구와 실무에 몇 가지 중요한 적용 가능성을 가집니다:

• 실시간 시장 모니터링: 기술 발전과 관련 자산 군에 대한 잠재적 파급 효과를 추적하는 자동화 시스템 개발
• 규제 체계 개발: 기술 주도型 시장 변동에서의 투자자 보호에 관한 정책 결정 정보 제공
• 포트폴리오 전략 강화: 기술 파급 효과를 체계적으로 포착하는 양적 전략 수립
• 크로스 자산 분석: 기술 발전과 다양한 금융 상품 간의 상호연결성을 연구하기 위한 방법론 확장
• AI 통합: 기술적 돌파구의 2차 효과를 예측할 수 있는 AI 시스템 개발

향후 연구 방향으로는 이러한 효과의 지속성 검토, 다양한 AI 암호화폐 하위 섹터별 차별적 영향 분석, 주의 주도型 시장 변동에 대한 조기 경고 시스템 개발 등이 포함됩니다.

7 참고문헌

1. Abadie, A., Diamond, A., & Hainmueller, J. (2010). Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program. Journal of the American Statistical Association, 105(490), 493-505.
2. Barber, B. M., & Odean, T. (2008). All that glitters: The effect of attention and news on the buying behavior of individual and institutional investors. The Review of Financial Studies, 21(2), 785-818.
3. Da, Z., Engelberg, J., & Gao, P. (2011). In search of attention. The Journal of Finance, 66(5), 1461-1499.
4. Lo, A. W. (2004). The adaptive markets hypothesis: Market efficiency from an evolutionary perspective. Journal of Portfolio Management, 30(5), 15-29.
5. Saggu, A., & Ante, L. (2023). The Influence of ChatGPT on Artificial Intelligence Related Crypto Assets: Evidence from a Synthetic Control Analysis. Finance Research Letters, 103993.
6. Shiller, R. J. (2015). Irrational exuberance. Princeton university press.
7. Shiller, R. J. (2017). Narrative economics. American Economic Review, 107(4), 967-1004.