금융과 AI (금융투자 중심으로) 00 들어가기 전에 100 times? 613,300 들어가기 전에 134,944 145,000 191,851 162,450 97.7 x 25(389,000) 300 1,700 2,159 1,400 21세기 자본론 들어가기 전에 01 회사소개 01. 회사 소개 회사 개요 연혁 기업명 대표 주식회사 퀀팃(벤처기업) 2023 • 3월 Series-A 2차투자유치(300억원) 2022 • 8월‘주식회사큐비어스’ 인적합병 • 7월조기경보시스템과기정통부혁신기술제품지정 • 7월Series-A 1차투자유치(63억원) • 본사 서울시 영등포구 의사당대로 83, 오투타워 6층118호 2021 • 4월Pre-Series A 투자유치(25억원) • 3월‘주식회사한다파트너스’를합병 • 여의도 제2오피스 서울시 영등포구 여의대로14, 13층 2020 • 12월‘주식회사바이브컴퍼니’의자회사로편입 • 7월벤처기업인증 • 기술연구소 경기도 성남시분당구 삼평동662, 판교타워 711호 2019 • 10월기업부설연구소설립 • 1월‘주식회사퀀팃’설립 한덕희 설립일 2019년 1월 3일 임직원 60여명 오피스 관계사 01. 회사 소개 대표이사 소개 거래소(Exchange), 증권사(Sell-Side), 운용사(Buy-Side)를 모두 경험한 국내 유일 엔지니어 출신 Fintech CEO 대표이사 한덕희 ▪ CK골디락스 자산운용, 트레이딩 시스템 구축, CTO ▪ HaaFor (싱가포르 Family Office), 퀀트 자산운용 운용 System 구축 ▪ 삼성증권, Wealth Management System 구축 ▪ 코스콤, 장외파생 중앙청산소 시스템 구축 ▪ SK 텔레콤, 네트워크 기술원, 이동통신 네트워크 연구개발 ▪ KAIST, 전산학 학사/석사 기술 금융 기술 + 금융 01. 회사 소개 보유 역량 금융 및 디지털 자산 분야 자산관리에 필요한 기술, B2B/B2C 제품, 투자상품 개발/운영 및 Global 솔루션 역량 보유 • 대표 및 금융공학, 전산 핵심인력은 KAIST 출신 인원으로 구성. 금융공학, 전산(IT 솔루션 개발), 제품 및 서비스 기획 및 마케팅, 금융 및 디지털 자산 기술, 제품 개발 및 사업 추진 전문 인력 60여명 • 미래에셋증권, 삼성증권, 국내외 자산운용사 등 자본시장 경력 풍부, 업권에서 필요로 하는 솔루션에 대한 이해를 기반으로 적합하고 우수한 솔루션 기획 및 개발, 공급 • 해외 유명 자산관리 기업과 파트너쉽 기반 국내 대형 증권사 솔루션 공동 구축 등 글로벌 솔루션 공급 역량 보유 02 해결하고자 하는 문제 02. 해결하고자 하는 문제 Target Industry 금융의 다양한 분야 중, 혁신의 여지가 가장 큰 금융투자산업 은행 보험사 Free RISK Hedging Taking 자산운용사(공급/운영) + 증권사(판매) • 은행/보험 금융 상품은 가입과 동시에 기대수익/효용이 확정되어 서비스라기보다는 제조상품의 특성과 유사. • 반면, 금융투자 상품의 경우 수익률의 변동성으로 인해 가입부터 운영과정에 꾸준한 Interaction과 Operation이 필요한 서비스 02. 해결하고자 하는 문제 현재의 금융투자서비스를 살펴보면 … (1/2) 현재 펀드 상품이 만들어지는 구조와 운영 방식은 개인화된 서비스를 제공하기 어려운 구조를 갖고 있음 전문가 중심 수요가 크지 않아 팔릴 것 같지 않으면 만들지 않음 (통상적으로 100억 이상 판매 될 수 있는 펀드를 설정) 예상과 다르게 적게 팔렸을 때 운영에 손실이 더 큼(사람이 운영) 그러다 보니 더욱 보수적으로 펀드 상품 기획을 진행 펀드 제작에 있어서 필요한 리서치 정보, 펀드 설정을 위한 만들고 판매하고 인건 비용이 큼 펀드 판매가 된 이상 펀드 운용 기간동안 지속적으로 펀드 관리, 리밸런싱 및 매매 등을 수행해야 하며, 이를 위한 인건비가 필수적으로 발생. 규모가 작은 펀드는 실질적으로 제대로 관리되지 않는 경우 다수 고객 자산 진단, 펀드상품 추천, 사후관리 과정을 위한 지점 PB의 고객 Interaction이 필요한 부분으로 보수가 비용을 Cover할 수 있도록 고액자산가에 서비스가 집중 개인화된 투자 니즈에 맞춤형으로 Mass에게 투자 상품 또는 서비스를 제공하기 어려운 구조 02. 해결하고자 하는 문제 현재의 금융투자서비스를 살펴보면 … (2/2) 개별 기업 주식 종목 투자를 위한 투자 판단 정보의 어려움 및 가격 중심의 단기 타이밍 매매 UX로 왜곡되어 있음 네이버 금융 토스 증권 02. 해결하고자 하는 문제 고비용 구조 해결이 필요 전문가(Human)이 서비스 제공의 접점을 담당하므로 인건비 이상의 수익성이 나는 고액자산가에만 집중되는 구조 자산규모별 고객 분포 PB 애널리스트 펀드매니저 HNWI, 기관고객 중심으로 투자정보, 투자상품 공급, 자산관리 서비스 트레이더 차트 호가창 게시판/뉴스 종목리딩 투자정보, 자산관리 서비스의 공백이 비전문가의 검증되지 않은 정보소비로 이어져 피해, 자산관리의 어려움 02. 해결하고자 하는 문제 문제 정의 99%의 금융투자 고객에게 양질의 맞춤형 금융 투자 서비스를 제공할 순 없을까? 03 금융업 전반, AI 적용사례 15 업무 자동화를 통한 효율성 향상 금융업 AI 적용 사례 • PC를 이용해 수행하는 업무를 SW로봇이 대신 처리하도록 돕는 금융서비스 종사자의 ‘업무 자동화’ 솔루션 • 주로 직원이 처리하던 업무 중 단순한 업무를 중심으로 RPA로 대체해가며 점차 대체 범주가 확대 • AI 기술 자체를 연구하기보다는 개발된 AI 기술을 구매하여 현업 Process에 접목하여 활용하는 관점 여신 처리 프로세스, 담보 조회 입력, 보험금 심사 처리 등 단순 반복적 대고객 업무 자동화 문서 스캐닝 및 텍스트 처리의 이미지, 챗봇 언어처리 등에 딥러닝 적용 은행 도 입 사 례 내용 보험 내용 증권 내용 하나 여신관리, 외환업무 삼성생명 아파트 담보대출 기준시가 조회/입력 신한 상장종목 재무정보수집 국민 머신러닝 기반 기업 여신 자동 심사 시스 템 DB손해 보고서 작성, 계약 관리, 전자문서 관리, 자료수집, 지수 업데이트 KB 리서치 센터 목차별 내용 작성 농협 개인 여신 자동 기한 연기, 카드 가맹점 계좌 검증 KB손해 장기보험 제지급 관련 등록, 실적 자료 작 성, 증명서 출력 NH 리서치 자료 발간, 업데이트 업무 자동화 우리 여신관리, 외환업무 미래에셋 생명 신계약 인수 심사, 보험금 지급 심사 코스콤 조기 출근, 야간 작업, 수작업 대체 신용/담보에 대한 비재무적 대안 평가 금융업 AI 적용 사례 • 기존의 신용평가 프로세스를 비재무적 다양한 대안 데이터를 기반으로 신용, 담보평가 프로세스 구축 • 기존 평가 시스템으로 대출이 불가했던 부분들이 개선되어 은행의 문높이를 낮추고 평가 소요 기간 단축 금융사 KB국민은행 도 입 사 례 내용 비금융 정보 활용 ‘대안신용평가’ 모델 개발 추진 신한은행 자체 배달 앱 ‘땡겨요’를 통한 소상공인 매출 데이터 활용 모델 개발 우리은행 BC카드 가맹점 정보 반영한 개인사업자 특화 모델 운영 하나은행 입출금 통장 거래 내역 활용 모델 운영 IBK기업은행 AI를 활용해 부동산 담보대출 기능을 심사 핀테크 내용 신한카드 머신러닝을 활용한 신용평가시스템, 카드포인트 적립 패턴, 승 인 패턴, 상담정보 등 비금융 데이터를 반영한 모델 개발 SK텔레콤 통신 이력 기반 모델 ‘T스코어’ 운영 네이버 스마트스토어 소상공인 매출, 반품률, 리뷰 데이터 기반 평가 모 형 운영 이상 금융 거래 모니터링 금융업 AI 적용 사례 • 금융사기, 오용 등 이상 금융 거래를 실시간 분석하여 위험을 차단 하는 기술 • 금융회사는 머신 러닝을 활용한 사기 탐지 방식이 전통적 방식보다 정확성, 신규 패턴 발견 가능성, 대응속도, 편리성 등을 향상 룰 기반 이상거래 탐지 한계를 극복하고자 누적된 금융거래정보에 데이터 마이닝 접목 금융거래정보들 중 사기 또는 오용에 해당하는 정보를 통계, 휴리스틱 등의 방법을 사용하여 패턴을 정의하고, 이를 기반으로 식별 도 입 사 례 금융사 내용 카드사 내용 SK증권 룰 방식(오용탐지)과 딥러닝 방식(이상탐지)가 혼합된 하이브리 드(요용+이상 탐지) FDS 도입 한국 스마트카드 딥러닝 기반 FDS를 구축하였고, 시스템 오류를 이상 거래로 탐 지하는 등의 오탐이 발견되었으나 실제 이상거래에 대해서는 우 수한 탐지 성능을 보임 신한은행 딥러닝 기반 FDS의 모형을 구축하고, 개발한 학습 모형 16개에 대해 기존 방식과의 정확도 비교 결과 딥러닝 기반 모형의 우수 성 확인 KB국민카드 사전에 설정된 위험도 측정 방식이 아니라 시스템 스스로 거래 패턴을 학습해 이상 거래 여부를 판별하는 딥러닝 기반 FDS 도 입 DGB 대구은행 딥러닝을 적용한 이상거래탐지 시스템 접목 및 새로운 패턴 수 용 지속적 고도화 신한카드 해외 오프라인 결제 영역에서 머신러닝 FDS 운영, 국내외 온· 오프라인 및 현금융통(불법 사금융) 영역 등 부정거래가 발생하 는 모든 영역에 활용을 확대 로보어드바이저 금융업 AI 적용 사례 • 자산관리 및 투자에 있어서 Big Data 기반 맞춤형, 우수한 서비스가 온라인으로도 제공 • 맞춤형 자산 관리 상담 및 상품 제공, 개인별 운용 등 전체 자산관리 프로세스의 각 단계별 주요 요소 적용 기존의 금융투자산업 전문가 중심 로보 어드바이저 AI 기업보고서 AI 포트폴리오 AI, 빅데이터 기술을 활용하여 인간을 대신하여 포트폴리오 관리를 수행하는 온라인 자산관리 서비스 Data Analytics 애널리스트 Portfolio Research 펀드매니저 Trading Execution 트레이더 금융사 도 입 사 례 • 빅데이터 기반의 정량/정성 데이터의 수집 및 분석을 통해 사람의 한계를 뛰어 넘은 분석결과를 도출 • 수집된 데이터 및 분석결과를 활용하여 다양한 포트폴리오 모델링을 수행하고 시장상황에 최적화된 운용전략을 제시 • 매매데이터 분석 및 자동화된 트레이딩 시스템을 통해 효율적인 매매 실행과 동시에 실시간 리스크 관리가 가능 내용 KB증권 인공지능 기술 기반 개인의 투자 성향에 맞는 포트폴리오 추천 및 자문 NH투자증권 로보어드바이저 자문서비스인 ‘NH 로보 EMP 자산배분’ 서비스 제공 우리은행 투자자의 성향과 나이에 따른 자산 배분과 프트폴리오 변경 추천 대신증권 변동성을 낮추고 안정적인 수익 추구, 운용보수가 없는 로보어드바이저 제공 KB국민은행 하나은행 50만원으로 가입할수 있는 ‘키이봇쌤’ 추천 펀드 운영 로보어드바이저 ‘하이로보’ 서비스 제공 AI 주문집행 04 Problem Solving Frame 04. Approach 기술을 통한 자산관리의 혁신 전문가의 서비스를 기술로 구현하여 저비용 서비스 구조로 만들고 이를 통해 다양한 컨텐츠/서비스가 생산될 수 있는 AI금융투자 플랫폼 구현 자산규모별 고객 분포 PB 애널리스트 FINTER (AI 금융투자플랫폼) 전문성의AI화 펀드매니저 호가창 게시판/뉴스 종목리딩 다양한컨텐츠 트레이더 기술플랫폼 차트 Value 플랫폼 금융투자서비스를손쉽게만들어, 유효성을 Mass가직접금융투자서비스를만들고직접 검증하고공급및유통할수있는플랫폼필요 이용할수있도록Two-sided Market을 제공 04. Approach 금융투자분야에 있어서 기술(AI)의 역할이 증대될 것이라는 신념 투자 대상의 가격의 결정에 영향을 주는 다양한 정보를 체계적으로 분석, 전망 및 판단을 핵심으로 하는 분야로서, 정보처리 기술의 발전에 따라 Computer 알고리즘 기반 AI가 인간의 효율과 능력을 넘어서게 될 것임 정보처리에 있어 AI의 우월성 정보처리 범위 금융투자분야에서 AI의 역할 증대 의사결정 일관성 정보처리 속도 의사결정 투명성 객관적/ 정량적 검증 AI 자동화 Human 새로운 정보 판단 2020년 2050년 04. Approach 퀀팃은 Enabler역할인 기술에 집중 Data, Model, Technology의 지속가능한 발전적 결합이 필요하나, 이를 모두 내재화 하려는 접근은 높은 투자 비용, 수행 인력의 구성의 한계, 기술 조달 어려움 등으로 실패의 가능성이 높음 데이터 확장의 한계, 비효율 문제 Data Model 비정형, 대체 데이터로 갈수록 수집 및 구조화, 정보 추출이 어려워짐. 자체 수집만으로는 한계, 외부로부터 유연한 공급, 확장 구조 필요 지속적 신규 모델 개발, 고도화의 문제 한 사람의 모델 리서치 역량은 한계, 끊임 없이 발전, 변화하는 시장 및 데이터 분석 역량 필요 다양한 모델링 방법론 학습, 접목 필요 Global 자산배분전략(로보어드바이저) 통계적자산 운용: 퀀트 및 AI 자산운용전략 • 국가별 자산군에 대한 분산 투자 Portfolio 전략 • 경기 cycle, 성장단계에 따른 중장기 자산 리밸런싱 • 다원적, 다양한 Big Data로 부터 alpha를 추출 • Alpha를 위한 quant/ml 방법론 적용 • Portfolio 최적화, Risk 관리를 위한 quant/ml 방법론 적용 HFT : 장중 주문, 차익거래전략 Technology • Nano-second scale의 extreme한 latency engineering • Tick 단위 실시간 시장 변화에 따른 alpha 기회 exploit • 실시간 Risk 제어, 오류 통제 Information Processing 기술 확보, 고도화의 문제 대용량 정보에 대한 실시간 초저지연 처리, 빅데이터 가공 처리, 복잡계산 분산처리 등 고급 정보처리 엔지니어링 및 기술 필요 퀀팃은 데이터와 모델이 계속 확장될 수 있도록 지탱해주는 기술 플랫폼에 집중 05 Investment AI 24 AI의 구분 정의 Data 이용하여 Output 산출하는 Logic을 사람이 구현(Rule-based) Investment AI Data와 Output로부터 Program을 기계가 찾음 White-box 모형 Black-box 모형 데이터를 어떻게 처리할지 사람이 공식을 Program해서 결과를 얻어내는 작업 데이터와 결과를 이용해 역으로 처리하는 방법인 Program을 찾아내는 작업. 얻어낸 Program으로 새로운 데이터를 처리하면 결과를 얻을 수 있음 Domain Expert AI Engineer 금융 서비스, 투자 등 Domain 지식 및 이론 Background 데이터/통계/정보처리/전산 Background AI Model의 Spectrum Investment AI 모델링 로직의 중요도 Model Complexity Data Size 초저지연 처리 중요도 데이터 처리 중요도 High PB TB GB Low 장중 개별상품 순간적 가격 괴리 포착 통계기반 장중 개별상품 순간적 가격 변동 예측 통계기반 다수 종목Portfolio 상대적 가격변동 예측 주식, 채권 등 자산군간 상대적 가격 변동 예측 기간별/산업별 가치분석을 통한 장기 투자 Ultra HFT Predictive HFT Quant Trading Robo-Advisor 가치투자 ns us ms sec min day month quarter Data Processing Latency year MB Data Sourcing UBS 는 2010 년 매월 Wal-Mart 주차장의 위성 이미지를 분석하여 주차장의 차량 대수와 월마트 영업이익 예측 값과 상관관계 규명 Investment AI Data Collecting Investment AI Peta-scale, multiple/new sources, integrity, crawling blocking, pit ... Data Structuring Transform the raw data into numbers Investment AI Alpha Modeling Investment AI Transform the structured data(numbers) into insight through modeling Portfolio Optimization Portfolio optimization against various risk profiles Investment AI Example : Structured Data Investment AI 주가 데이터 키워드 트렌드 ROA 재무 데이터 기업간 지배구조 Example : Alpha Modeling API load (1) ROA 과거데이터 load (2) 전략개발 분기별 ROE의 성장성이 높은 종목에 투자 (3) Simulation검증 Investment AI import quantit Library import 데이터 roa_matrix = quantit.data.fundamental.roa (universe=’KOSPI200’, start=20000101, end=20191231) 모델연구 roa_q = roe_matrix.resample(QUARTER) roa_q_chg = roa_q - roa_q.shift(1) roa_q_growth_normalized = (roa_q_chg - roa_q_chg.rolling(12).mean()) / roa_q_chg.rolling(12).std() # 3년 롤링 평균과 표준편차 roa_q_growth_alpha = roa_q_growth_normalized.shift(1) sim_result = quantit.simulate(roe_q_growth_alpha) ... result analysis ... roa_growth_alpha.py 검증 20년치 과거데이터의 즉각 Loading * KOSPI 200 종목정보 데이터 구조화 * 구매한 ROA 데이터 구조화 * 수집데이터 가공(미래참조제거, 정보공개시점 Modelling) 고유 Idea의 연구 Python의 풍부한 Modeling library, feature 활용 외부 연구, Community Idea, 고유 Idea 구현 및 검증 Modeling에 필요한 Computing resource 제공 표준 지표로 평가 Market Impact등 Simulation 모델 노하우 기반 분산처리, 초저지연 계산등을 통한 빠른 결과 산출 * model은 simulation과 live의 차이를 고려 필요 없음 * update data 수집 및 model feeding, 계산 값 update * model 개선, version 관리 Example : Investment Simulation Investment AI Simulation 조건 • 거래 가능성 : 상한가 거래 불가, 하한가 거래불가, 거래대금 대비 거래 비중 제약 조건 설정 • 거래 비용 : 세금 및 수수료, Slippage • 배당 반영 여부 • Funding Fee 적용 여부 • Daily Re-invest 여부 • 적용 환율 • Decay : Production 실패 또는 장애에 따른 기회 비용 분석 Simulation 출력 • • • • • • • • • Hit(%): 종목 방향이 적중한 비율 Sharpe: 기간 수익률 / 기간 변동성 Sortino: 기간 수익률 / 기간 하방 변동성 Ret(%): 수익률 MDD(%): 고점대비 최대 낙폭 Vol(%): 변동성 DDev(%): 하방 변동성 (수익률이 0보다 낮을 때) Turnover(%): 회전율 Con50, 80, 100: 50%, 80%, 100%에 차지하는 종목 수 • Skew: 왜도, 정규분포의 값은 0. 0보다 크면 positive long tail • Kurt: 첨도, 정규분포의 값은 0. 0보다 크면 정규분포보다 fat tail 06 Product 06. Product 투자 정보 API 투자 의사결정에 필요한 다원적으로 발생하는 Data를 실시간으로 Simple하고 Sound하게 가공하여 표준화된 Data API로 제공 06. Product 투자 정보 Contents 뉴스 Text 감성 분석, Youtube 스크립트 분석, 종목 분석 정보를 컨텐츠 서비스로 제공 06. Product 투자 위험 조기 경보 뉴스 등 비정형 데이터 및 거시 금융지표 등 정형 데이터를 기반으로 금융시장의 위기를 조기에 감지하여 투자 위험을 경보 EWS 서비스 화면 과기부 혁신제품 최종 지정 06. Product 기업 ESG Scoring 기업의 사회적 가치를 정량적으로 평가하여 비재무적 가치 및 성과를 판단하는 정량지표 제공 ESG Score ESG Frequency 06. Product 투자 테마 유니버스 뉴스와 SNS 분석을 통해 테마 키워드 Buzz 분석 및 주가 연관 기업을 분석하여 트렌디한 투자 테마 및 유니버스 제공 이슈키워드관심도측정 • 키워드언급량의최근상승세확인 • 키워드언급량의절대량확인 테마–금융시장연관도측정 • 언급량추이와테마관련기업들 주가간연관성확인 06. Product 표준 투자 전략 다양한 Alpha Signal(미국시장에서 연구된 Market Anomaly등을 포함) 및 투자 전문가의 알려진 투자 전략을 객관적이고 표준적으로 복제하고 이를 구독할 수 있도록 제공 시장 이상현상 목록 전문가 전략 06. Product 기관용 포트폴리오 매매 솔루션 종목단위가 아닌 계좌 전체의 포트폴리오 단위 매매를 AI 기술을 활용한 자동 매매, 관리 편의성 제공 AI 포트폴리오 주문집행 서비스 상용화 삼성전자 SK텔레콤 카카오 SK텔레콤 현대차 대한항공 현대차 대한항공 06. Product Direct Indexing 서비스 다양한 투자 기준 설정 기반 나만의 맞춤 투자 전략 제작 및 운영 서비스 06. Product Outperformed Portfolio 모델 ETF를 이용한 글로벌 자산 배분 EMP(ETF Managed Portfolio) 전략으로서 우수한 성과 실현 80% 60% Global Asset Allocation Universal EMP US Stock Market _ S&P500 Korea Stock Market _ KOSPI200 40% 20% 0% -20% -40% -60% Feb 18 Aug 18 Feb 19 Aug 19 Feb 20 Aug 20 Feb 21 Aug 21 Feb 22 Aug22 06. Product OLLY 개인 대상, 글로벌 자산배분 전략을 이용한 예금/적금/연금의 대안 자산관리 서비스 AI 일임 투자, 올리 고객이 믿고 사용할 수 있는 안정적인 투자를 지향합니다. 빅데이터 뿐만 아니라, 경제 뉴스까지 모든 정보를 수집하고 분석합니다. 24시간 시장의 위기와 기회를 분석하고 데일리 리벨런싱을 통해 최적의 포트폴리오를 제공합니다. Thank You www.quantit.io