금융용어사전

중국 인공지능 스타트업 딥시크(DeepSeek)가 2025년 1월 20일에 출시한 고성능 추론 인공지능 모델(Inference Model)이다. 이 모델은 효율적인 연산과 실시간 응답 성능 극대화를 목표로 설계되었으며, 기존 대규모 생성형 AI 모델 대비 빠르고 정확한 답변 제공에 초점을 맞추고 있다.

딥시크는 R1 개발에 약 557만 6천 달러(약 80억 원)를 투입했으며, 이는 메타(Meta)가 AI 모델 개발에 투자한 비용의 약 10% 수준이다. 또한, 엔비디아의 H800 GPU 약 2,048개를 활용하여 개발되었으며, 이는 비교적 저렴한 비용으로도 고성능 AI 모델을 구현할 수 있음을 보여준 사례로 평가된다.

출시 직후 R1 기반 챗봇 애플리케이션은 미국 애플 앱스토어 다운로드 순위 1위를 기록하며 화제가 되었다. 또한, 아마존 웹 서비스(AWS)의 아마존 베드록(Amazon Bedrock) 및 아마존 세이지메이커(Amazon SageMaker)를 통해 제공되어 기업들이 R1을 다양한 산업에서 활용할 수 있도록 지원하고 있다.

현재 R1은 기업용 애플리케이션, 실시간 챗봇, 검색 엔진 강화 등의 용도로 사용되며, 의료, 금융, 교육 등 다양한 분야에서의 활용 가능성이 높게 평가된다. 그러나 데이터 편향성과 일부 특정 분야에서의 한계가 지적되고 있어 지속적인 개선이 필요할 것으로 보인다.

딥시크(DeepSeek)-R1은 개인정보 유출 우려로 인해 여러 국가에서 사용이 제한되고 있다.

2025년 2월, 한국의 산업통상자원부, 외교부, 국방부 등 주요 정부 부처는 딥시크에 대한 접속을 일시적으로 차단했다. 또한, 한국수력원자력과 한전KPS 등 공공기관과 카카오, 라인야후 등 IT 기업들도 사내에서 딥시크 사용을 금지했다.

행정명령은 미국 헌법이 대통령에게 부여한 행정 집행 권한으로, 대통령이 연방정부의 부처와 기관에 명령을 내려 법률과 정책을 실현하고 행정 체계를 운영하는 데 필요한 변화를 추진할 수 있도록 한다.

이는 입법과 유사한 효력을 가지며, 연방 부처는 행정명령을 근거로 법규와 규칙을 제정할 수 있다. 그러나 의회를 통과한 법률과 달리, 행정명령은 대통령 임기 내에서 유효하며 차기 대통령이 이를 취소할 수 있다.

또한, 행정명령은 의회가 제정한 법률을 위반할 수 없으며, 법원이 위헌 또는 불법으로 판결할 경우 효력을 상실한다. 대표적인 사례로 에이브러햄 링컨 대통령이 발동한 노예해방령이 있다.

모수개혁(Parametric Reform)은 연금제도의 기본 구조를 유지한 채, 지급률, 기여율 등 연금 운영 방식과 관련된 수치(모수, Parameter)를 조정하는 개혁 방식을 의미한다.

주요 조정 대상에는 보험료율, 연금 지급액, 수급 개시 연령, 기여 기간, 연금 지출 증가율 등이 포함된다.

모수개혁은 기존 연금제도의 틀을 유지하면서 재정 지속 가능성을 확보하기 위한 방식으로, 사회적 저항이 상대적으로 적다.

다만, 단기적인 재정 안정 효과는 있지만 인구 고령화나 노동시장 변화 등 근본적인 문제를 해결하기 어렵다는 한계가 있다.

컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(ANN: artificial neural network)을 이용해 머신러닝을 수행하는 기술.

딥 러닝은 인간의 두뇌가 수많은 데이터 속에서 패턴을 발견한 뒤 사물을 구분하는 정보처리 방식을 모방해 컴퓨터가 사물을 분별하도록 기계를 학습시킨다.

딥 러닝 기술을 적용하면 사람이 모든 판단 기준을 정해주지 않아도 컴퓨터가 스스로 인지·추론·판단할 수 있게 된다. 음성·이미지 인식과 사진 분석 등에 광범위하게 활용된다. 구글 알파고도 딥러닝 기술에 기반한 컴퓨터 프로그램이다.

딥 러닝은 머신러닝의 한 분야로, 인간의 뇌와 유사한 구조를 가진 인공신경망을 이용하여 매우 복잡한 패턴을 학습할 수 있다.

머신 러닝은 클라우드 컴퓨터가 학습 모형을 기반으로 외부에서 주어진 데이터를 통해 스스로 학습하는 것을 말한다. 빅데이터를 분석하고 가공해서 새로운 정보를 얻어 내거나 미래를 예측하는 기술인 셈이다.
직역하면 "기계학습"이란 말인데 크게 봐서는 인공지능(artificial intelligence)의 한 분야이다.

컴퓨터는 머신러닝을 통해 지능을 더욱 강화할 수 있게 된다. 따라서 컴퓨터는 이후 새로운 데이터가 입력됐을 때 과거의 학습 경험을 토대로 이를 이해하고 분석함으로써 다가올 변화를 예측할 수 있다.

이에 따라 이들 기업들은 미래 예측 서비스를 이용하는 사람들이 늘어 갈수록 클라우드 컴퓨터가 더욱 똑똑해지기 때문에 미래 예측의 정확성을 더욱 높일 수 있게 될 것이라고 주장한다.

머신 러닝에 대한 연구는 최근 이뤄진 것이 아니다. 1980년대에도 컴퓨터가 스스로 데이터를 분석하고 학습함으로써 스스로 지능을 강화할 수 있을 것이라는 주장이 꾸준하게 등장했지만 당시에는 데이터를 처리할 수 있는 컴퓨팅 성능의 한계로 이를 쉽게 구현하기 어려웠다. 그러나 최근 조그만 반도체도 엄청난 컴퓨팅 성능을 포함할 수 있을 정도로 기술 수준이 빠르게 발전하면서 머신 러닝을 구현하기 위한 방대한 데이터 수집 및 분석이 효과적으로 이뤄질 수 있게 됐다.

구글은 자체적으로 머신러닝 기술에 대한 투자를 늘리고 있는데 이어 2014년에는 머신러닝 전문기업인 딥마인드를 인수했고 페이스북 역시 ‘팬더’라는 프로젝트를 통해 사진 속 인물들의 성별·외모·표정 등을 인식하고 구분할 수 있는 머신 러닝 기술을 연구하고 있다. 또한 야후(Yahoo)도 2013년 인공지능 알고리즘을 주로 활용하는 사진분석 기업 룩플로우(LookFlow)를 인수했다

감사의견은 기업의 재무제표가 재무상태와 경영성과를 공정하고 정확하게 반영하고 있는지를 공인회계사가 감사한 후 제시하는 전문가적 평가다.

재무제표는 기업의 재무 상태와 경영 성과를 요약한 일종의 성적표로 볼 수 있다. 하지만 이 성적표는 기업 스스로 작성하기 때문에, 경영자는 이를 좋게 보이도록 꾸미려는 유혹을 받을 수 있다. 예를 들어 매출 증대와 같은 유리한 정보는 강조하려는 반면, 부실채권 발생 등 불리한 정보는 축소하거나 숨길 가능성이 있다.

이러한 신뢰성 문제를 해결하기 위해 회계감사 제도가 도입됐다. 회계감사를 통해 공인회계사는 재무제표의 신뢰성을 검증하고, 그 결과를 감사의견으로 제시한다.

감사의견은 기업의 대차대조표가 일간지에 공고될 때 한 줄로 표시되지만, 이는 공인회계사의 전문가적 판단이 집약된 결과다. 감사의견에 따라 재무제표의 신뢰도와 등급이 결정되며, 투자자와 이해관계자에게 중요한 참고 자료가 된다.

감사의견은 다음 네 가지 유형으로 나뉜다.

적정의견 (Unqualified Opinion): 재무제표가 공정하고 정확하게 작성되었음을 의미한다.
한정의견 (Qualified Opinion): 일부 항목에서 예외 사항이 있지만 전반적으로는 신뢰할 수 있음을 나타낸다.
부적정의견 (Adverse Opinion): 재무제표가 기업의 재무 상태를 왜곡하거나 심각한 오류가 있음을 의미한다.
의견거절 (Disclaimer of Opinion): 감사가 충분히 이루어지지 않아 의견을 제시할 수 없음을 나타낸다.
이러한 감사의견은 기업 재무제표의 신뢰성을 평가하는 데 핵심적인 역할을 한다.

회사의 재무재표의 정확성 여부를 공인회계사가 객관적으로 감사하며 그 의견을 표시하는 것. 감사의견은 △적정 △한정 △부적정 △의견거절 등 4가지로 나눠진다. 회사측이 외부감사인이 감사를 하기에 충분하고 적합한 증거자료를 획득했는가가 잣대가 된다.

"적정"은 대상 기업이 기업회계 기준을 잘 준수한 경우다. 외부감사인도 감사를 수행하는 데 전혀 지장을 받지 않았다는 뜻이다. "한정"은 감사범위의 제한이나 기업회계기준 위배로 인해 적정의견을 표명할 수 없지만 부적정이나 의견거절에 미칠 정도까지는 심각하지 않은 경우를 말한다."부적정"은 기업회계 기준에 위배될 경우에 해당된다.마지막으로 "의견거절"은 감사범위 제한의 영향이 클 경우,또는 감사인의 독립성이 결여된 경우를 일컫는다. 감사의견이 "부적정"이나 "의견거절"판정은 상장 폐지 사유가 되고, 해당 기업이 7일 이내에 이의신청하지 않으면 상장폐지 절차가 진행된다.

긴급증거금은 선물 가격이 급변하여 고객 계좌의 증거금이 최소 요구 수준을 밑돌았을 때 거래소가 추가 납부를 요구하는 금액을 말한다.

이는 계좌의 증거금을 규정된 수준으로 회복하기 위한 조치로, 시세 변동에 따른 리스크 관리를 목적으로 한다.

강화학습(Reinforcement Learning)은 컴퓨터(에이전트)가 문제(환경)를 해결하기 위해 스스로 경험하며 학습하는 머신러닝 기법이다. 시행착오를 통해 행동의 결과로 얻는 보상을 최대화하는 방향으로 학습이 진행되며, 명시적인 정답이 주어지지 않고 에이전트가 경험을 바탕으로 최적의 전략(정책)을 스스로 찾아낸다.

게임에서 승리하기 위해 여러 번 도전하고 전략을 개선하듯, 컴퓨터도 잘한 행동에는 보상을 받고, 잘못된 행동에는 페널티를 받으며 점점 더 효율적인 의사결정을 하게 된다.

지도학습과 달리 라벨링된 데이터가 필요하지 않으며, 환경과의 지속적인 상호작용을 통해 최적의 정책을 학습한다. 이 과정에서 이용과 탐험(exploitation vs. exploration)의 균형을 유지하는 것이 중요하다.

강화학습은 게임 AI, 로봇 제어, 자율주행, 추천 시스템, 금융 모델링 등 다양한 분야에서 자율적인 의사결정을 위한 핵심 기술로 자리 잡고 있다.

엑스알피는 2009년 간편 송금을 목적으로 개발된 결제 프로토콜로, 2012년 오픈코인(OpenCoin) 설립과 함께 가상자산으로 발행되었다.

이후 오픈코인은 사명을 리플(Ripple)로 변경하였으며, 현재 리플사는 블록체인 기반 결제 솔루션과 금융 인프라를 제공하는 기업으로 활동하고 있다. 화폐 단위는 XRP이며, 비트코인이나 이더리움과 달리 채굴이 불가능하다.

엑스알피는 리플사가 운영하는 블록체인 네트워크인 리플넷(RippleNet) 내에서 송금 수수료로 사용되며, 송금 처리 시간은 3~4초로 비트코인보다 월등히 빠른 속도를 제공한다.

속도와 비용 측면에서 강점을 지니고 있어 국제 금융 거래에 적합한 자산으로 평가되며, 이러한 특성을 기반으로 전 세계 100개 이상의 금융기관이 리플과 송금 협약을 체결하였다.

엑스알피는 RTXP(리플 트랜잭션 프로토콜)을 활용해 송금 시스템을 구축하며, XRP 레저 합의 프로토콜을 통해 거래 완결 시간과 비용을 최소화한다. 이를 통해 국경 간 송금을 신속하고 효율적으로 처리할 수 있는 기반을 제공한다.

엑스알피는 2017년 5월 한국 가상자산 거래소 빗썸에 상장되었으며, 알트코인(비트코인 이외의 가상자산)으로 분류된다.