Hedger
프로젝트 개요
기술개발 과제
국문 : Hedger : 금융 정보 제공 및 투자 제안 시스템
영문 : Hedger : Financial Information Provision & Investment Proposal System
과제 팀명
HEDGER : 종합 금융 정보 플랫폼
지도교수
김민호 교수님
개발기간
2020년 9월 ~ 2020년 11월 (총 3개월)
구성원 소개
서울시립대학교 컴퓨터과학부 2015XXX0** 최석용(팀장)
서울시립대학교 컴퓨터과학부 2015XXX0** 정현학
서울시립대학교 컴퓨터과학부 2015XXX0** 이정준
서울시립대학교 컴퓨터과학부 2015XXX0** 이승윤
서론
개발 과제의 개요
개발 과제 요약
◇ 이해하기 어려운 금융 정보를 사용자에게 직관적으로 전달한다.
◇ 사용자는 애플리케이션을 이용해 다양한 종류의 금융상품 정보에 쉽게 접근하고 비교할 수 있다.
◇ API를 통해 믿을 수 있는 예금, 적금, 배당금, 채권, ELS/DLS 정보를 제공한다.
◇ 주식 종목의 보조지표를 작성하고 이를 통한 매매신호 시스템을 제안한다.
개발 과제의 배경
◇ 0%대 예금 금리, 유동성이 증가하면서 개인 투자가 늘어나고 있다.
◇ 금융 정보의 비대칭성으로 인해 개인 투자자들의 정보 격차가 커지고 있다.
◇ 기존 애플리케이션과 달리 다양한 금융상품 정보를 아울러 전달한다.
개발 과제의 목표 및 내용
◇ 스마트폰 애플리케이션으로 정보 전달 및 추천을 통해 개인 투자를 활성화한다.
◇ ELS/DLS 데이터 수집: 고위험 상품의 위험성과 수익성, 발행사와 기초자산 정보를 제공한다.
◇ 배당금 정보 수집: 배당금 정보를 수집하고 주식 데이터와 연계해 수익률과 위험도를 제공한다.
◇ 예금/적금 정보 수집: 공시된 예금/적금 상품 데이터를 수집하고 사용자가 비교할 수 있게 한다.
관련 기술의 현황
관련 기술의 현황 및 분석(State of art)
- 전 세계적인 기술현황
◇ 딥러닝을 이용한 주가 예측 모델(숭실대학교 대학원)
◇ 기술적 분석지표와 딥러닝을 활용한 주가 예측 기법(한국정보기술학회 2018년도 공동학술대회)
◇ 주가이동평균선을 이용한 기술적 분석의 효과(금융공학연구 1권 0호)
◇ 보조지표를 활용한 주식 및 상품 투자 가격 예측 시스템 및 방법(1020200005526)
◇ 기술적 지표를 활용한 추천 종목 선정 방법 그를 위한 시스템(102018005720)
◇ 딥러닝과 기술적 분적을 통해 주식 종목을 추천하는 다양한 모델이 이미 존재한다.
◇ "기술적 지표를 활용한 추천 종목 선정 방법 그를 위한 시스템"은 본 프로젝트에서 사용한 보조지표 생성 방법과 유사하다.
◇ 단순한 금융상품 지표 또는 주가예측 뿐만 아니라 차별화 요소에 집중해야 한다.
- 특허조사 및 특허 전략 분석
◇ 보조지표를 활용한 주식 및 상품 투자 가격 예측 시스템 및 방법
◇ "기술적 지표를 활용한 추천 종목 선정 방법 그를 위한 시스템"
◇ "기술적 지표를 활용한 추천 종목 선정 방법 그를 위한 시스템"(기존 특허)과 유사하지만, 차별화 요소를 포함한다.
◇ 기존 특허의 "종목 선정부"는 단순히 시큘레이션부를 통해 산출된 결과를 후처리 없이 그대로 사용한다.
◇ 우리 모델은 기존특허의 "시뮬레이션부"와 "종목 선정부" 사이 모듈을 추가한다.
◇ 추가한 모듈은 시뮬레이션부에서 산출된 지표와 종목의 적합도를 계산해 가중치를 부여한다.
◇ 적합도는 해당 지표가 실제 주가와 얼마나 적합하는지 나타낸다.
◇ 어떤 보조지표를 얼마나 결과에 반영하여 신호를 생성할 것인지 결정하는 것이 우리 모델의 차별점이다.
- 기술 로드맵
◇ 최신 서비스 모델은 Robo Advisor 이다.
◇ Hedger는 디지털화로 기술적 분석을 제공하지만 사용자가 직접 투자를 관리해야 한다.
시장상황에 대한 분석
- 경쟁제품 조사 비교
◇ Hedger는 경쟁상품보다 더 많은 종류의 금융상품 정보를 제공한다.
◇ 투자 포트폴리오 관리 기능이 미흡하다.
- 마케팅 전략 제시
◇ 경쟁 상품이 갖추지 못한, 사용자에게 필요한 다양한 상품의 종합적인 데이터를 제공한다.
◇ 배당주 정보 전달 기능과 매매 제안 기능을 모두 구현한다.
◇ 분석 과정을 공개하여 신뢰도를 향상시킨다.
개발과제의 기대효과
기술적 기대효과
◇ 예금, 적금, 배당금 채권, 파생결합상품의 위험도와 수익률을 한 애플리케이션에서 비교할 수 있어서 사용자의 금융상품 선택 폭이 넓어졌다.
◇ 주식 차트의 파라미터 학습을 통해, 각 지표 파라미터의 최적값을 찾아내고 이를 이용하여 생성한 신호를 투자자들이 참고할 수 있다.
경제적, 사회적 기대 및 파급효과
◇ 금융상품에 대한 정보 접근성을 향상시켜 금융정보 비대칭 해소에 기여할 수 있다.
◇ 예금/적금보다 더 좋은 수익률을 보이는 다른 금융상품을 비교하며 찾을 수 있으므로 금융투자 활 성화에 기여할 수 있다.
◇ ELS/DLS 상품의 경우 공시사이트의 API를 통해 정확하도 통합된 데이터를 수집하여 출력하므로 최 근 발행 된 모든 증권사의 상품을 간편하게 확인할 수 있다.
기술개발 일정 및 추진체계
개발 일정
내용
구성원 및 추진체계
내용
설계
설계사양
제품의 요구사항
내용
설계 사양
내용
개념설계안
내용
이론적 계산 및 시뮬레이션
◇ MACD = EMA_12 - EMA_26 ◇ Signal = sigma{1, n}(MACD_t) (n = 9) ◇ Oscillator = MACD - Signal ◇ 매매신호 = 최적화 된 파라미터로 작성한 지표 * 지표의 가중치
◇ 채권 및 ELS/DLS 위험도: 금융투자협회 가이드라인 참고하여 1~5등급으로 분류가능
◇ 은행 위험도 = (1.1)^(10-BIS자기자본비율) * 고정이하여신비율
◇ 배당금 위험도 = 1개월 수익률의 표준편차를 1년 단위로 확장 (주가 변동성)
상세설계 내용
내용
결과 및 평가
완료 작품의 소개
프로토타입 사진 혹은 작동 장면
내용
포스터
내용
관련사업비 내역서
내용
완료작품의 평가
내용
향후계획
내용
특허 출원 내용
내용
