본문으로 건너뛰기
피드

ELS 비교부터 설계까지, 리스크엑스가 AI로 파생상품 시장을 뜯어보려는 이유

ai-ml 약 6분
vote
0
댓글
북마크

국내 핀테크 스타트업 리스크엑스가 AI 기반 ELS 비교·분석 플랫폼과 구조화 파생상품 설계 솔루션을 앞세워 시장 확장을 추진하고 있다. 홍콩 H지수 ELS 사태에서 드러난 정보 비대칭 문제를 줄이고, 증권사의 상품 설계 역량까지 끌어올리겠다는 구상이다.

  • 1

    리스크엑스는 ELS 시장의 핵심 문제를 상품 자체보다 판매 구조에서 생기는 정보 비대칭으로 봄

  • 2

    B2C로는 여러 증권사의 ELS를 비교·분석하고, 장기적으로 한 플랫폼에서 판매까지 노림

  • 3

    B2B로는 증권사 내부에 구조화 파생상품 리스크 분석·설계 소프트웨어를 구축함

  • 4

    지난해 자체 개발 소프트웨어를 하나증권에 납품했고, 관련 사업 매출은 약 17억원을 기록함

  • 리스크엑스가 보는 ELS 문제의 본질은 ‘위험한 상품’ 하나로 끝나지 않음. 핵심은 투자자가 상품 구조를 제대로 비교하고 이해하기 어려운 정보 비대칭임.

    • 윤장혁 대표는 홍콩 H지수 ELS 사태도 상품 자체의 위험성보다 대면 판매 구조에서 생긴 정보 비대칭이 본질이라고 봄.
    • 은행 창구 중심 판매에서는 직원의 설명 역량과 이해도에 따라 투자자가 얻는 정보 수준이 달라질 수밖에 없었다는 얘기임.
  • ELS는 겉보기엔 “시장만 크게 안 빠지면 채권보다 수익률이 나은 상품”처럼 보이지만, 실제 구조는 꽤 빡셈.

    • 코스피200, S&P500, 홍콩H지수, 삼성전자, 테슬라 같은 기초자산이 일정 범위 안에 있으면 수익이 나고, 정해진 구간 아래로 떨어지면 원금 손실이 생김.
    • 비슷해 보이는 상품도 증권사마다 수익률, 만기, 손실 조건이 달라서 개인이 앱 여러 개 깔고 하나씩 비교하기는 현실적으로 귀찮고 어렵다.
  • 리스크엑스는 이 문제를 AI 기반 ELS 비교·분석 플랫폼으로 풀겠다는 쪽임.

    • B2C로는 일반 개인투자자가 여러 증권사의 ELS 상품 구조와 위험을 한눈에 비교하도록 만드는 게 목표임.
    • 회사는 연내 금융 규제샌드박스 신청도 추진 중이고, 단순 비교를 넘어 한 플랫폼에서 여러 증권사 상품을 판매하는 구조까지 노림.

ℹ️참고

> 여기서 걸리는 규제가 ‘일사전속주의’임. 투자상품 판매 대리·중개업자가 특정 금융회사 상품만 취급하도록 제한하는 구조라, 여러 금융사 상품을 한 플랫폼에서 중개하기가 쉽지 않음.

  • 이 회사가 ELS를 고른 이유는 ELS를 일종의 ‘금융 제조업’으로 보기 때문임.

    • 주식이나 ETF는 증권사가 중개하는 성격이 강하지만, ELS는 증권사가 기초자산, 만기, 수익률, 손실 조건을 조합해 직접 설계하는 상품에 가까움.
    • 조합 방식에 따라 사실상 무한대에 가까운 상품 구조가 나올 수 있다는 게 윤 대표의 설명임.
  • 기사에 나온 예시를 보면 상품 설계의 차이가 꽤 직관적으로 드러남.

    • 반도체 호황 국면에서는 삼성전자와 SK하이닉스를 기초자산으로 삼고, 연 8% 수준 수익을 주는 대신 주가가 30% 하락하면 손실이 나는 공격형 상품을 만들 수 있음.
    • 반대로 코스피200·S&P500·유로스탁스50 같은 글로벌 지수 기반 상품은 손실 기준을 50% 수준으로 둔 비교적 안정적인 구조로 설계할 수 있음.
  • B2B 쪽에서는 이미 증권사 대상 리스크 분석·설계 소프트웨어 사업을 하고 있음.

    • 기존에는 글로벌 금융공학 기업 뉴메릭스 소프트웨어를 공급했지만, 지난해 자체 개발 소프트웨어를 만들어 하나증권에 납품함.
    • 구조화 파생상품 시장 데이터와 리스크 분석 정보를 제공하는 데이터 솔루션도 운영 중이고, 지난해 관련 사업으로 약 17억원 매출을 냄.
  • 리스크엑스의 큰 그림은 국내 증권사의 상품 설계 역량을 글로벌 수준으로 끌어올리는 것임.

    • 윤 대표는 국내 증권사의 설계와 리스크 분석 과정이 아직 수작업 중심이라 미국·유럽 상품 대비 경쟁력이 떨어진다고 봄.
    • AI와 데이터 분석으로 제조 역량을 키우면, 한국형 ELS 상품이 해외로 나가는 시장도 만들 수 있다는 구상임.

기술 맥락

  • 이 기사에서 중요한 선택은 ELS를 단순 금융상품 판매 문제가 아니라 데이터 기반 설계 문제로 본다는 점이에요. 왜냐하면 ELS는 기초자산, 만기, 수익률, 손실 조건을 어떻게 조합하느냐에 따라 완전히 다른 위험 구조가 나오거든요.

  • 리스크엑스가 AI를 붙이려는 지점도 챗봇 상담이 아니라 비교·분석·설계 쪽이에요. 투자자에게는 여러 증권사 상품을 비교하게 해주고, 증권사에게는 구조화 파생상품의 리스크를 계산하고 상품 조건을 설계하는 소프트웨어를 제공하는 방식이에요.

  • 여기서 규제가 꽤 큰 변수예요. 여러 증권사 상품을 한 플랫폼에서 판매하려면 일사전속주의 같은 제약을 넘어야 해서, 기술만 잘 만든다고 바로 마켓플레이스가 되는 구조는 아니거든요.

  • 개발자 관점에서는 금융공학 모델, 시장 데이터 파이프라인, 리스크 계산 엔진, 규제 대응 UI가 같이 얽힌 B2B 제품으로 보는 게 좋아요. 기사에 나온 하나증권 납품과 17억원 매출은 이게 아이디어 단계가 아니라 이미 현업 시스템으로 들어가고 있다는 신호예요.

금융 AI 기사지만 포인트는 챗봇이 아니라 ‘복잡한 상품을 데이터로 비교 가능하게 만들 수 있느냐’에 있음. 개발자 입장에선 규제, 리스크 모델링, 금융공학 소프트웨어가 만나는 꽤 현실적인 B2B SaaS 케이스로 볼 만하다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.