인공지능(딥러닝)으로 그려내는 로봇 어드바이저리 qraft.co.kr

1. QraftTechnologies’ AI Robo Advisory

2. Chapter I.
AI + Finance

3. 1.1. AI 헤지펀드
 40조원을 운용하고 있는 미국소재의 헤지펀드 Two Sigma Investments 는 딥러닝 계열의 인공지능 기술을 자산운용에 적용
 181조원을 운용하고 있는 세계최대의 헤지펀드인 Bridgewater Associates 는 IBM의 인공지능 플랫폼 Watson의 개발자를 수
장으로 하는 AI사업팀을 구성하고 향후 수억달러이상을 투자하는 계획을 발표 (2015-03)
 미국소재의 헤지펀드 Renaissance Technologies는 인공지능의 대가 Leonard E. Baum 이 공동설립한 헤지펀드로, 많은 AI 연
구원을 통하여 압도적인 성과를 실현
 르네상스테크놀로지스의 메달리온 펀드는 1994~현재까지의 기간동안 연평균 71.8% 수익률을 기록
3AI 금융시장 동향

4. 1.2. AI Analytics
 자연어처리에 기반한 금융 애널리틱스 업체 Kensho Technologies 는 자연어로 된 질문을 분석하여 애널리스트 보고서를 생
성하는 기술을 개발중
 Kensho 의 기술은 CNBC의 방송프로그램 및 골드만삭스의 내부보고서 작성에 활용되고 있으며, Kensho는 기업밸류에이션은
7200억원 수준까지 상승
4AI 금융시장 동향

5. 1.3. Robo-Advisor
 Mint.com, WealthFront, Betterment 들의 업체들이 2000년대 중반부터 스타트업 투자 붐에 기반한 투자유치 및 적극적인
마케팅 예산집행으로 AUM을 빠르게 늘리고 있음
 상위랭킹의 독립로보어드바이저 업체들의 AUM은 5조원 수준으로, 아직 BEP에 도달하지는 못하고 있으나 약 1조원 수준
의 기업밸류에이션을 인정받고 있음
 메릴린치, UBS, 뱅가드, 찰스슈왑 등의 기존 대형금융사들도 로보어드바이저 서비스를 출시하였으며, 고비용의 자산관리서
비스가 부담스러웠던 중산층 고객들에게 좋은 반응을 얻고 있음
 민트닷컴이 2009년 Intuit 사에 2100억원에, FutureAdvisor 가 2015년 Blackrock에 2000억원에 인수되는 등 대형업체의 소
규모 로보어드바이저 업체에 대한 M&A 가 지속적으로 일어나고 있는 상황
5AI 금융시장 동향

6. 1.4. Financial Institutions
 골드만삭스는 핀테크우선정책을 주요 사업전략으로 발표하고, 골드만삭스 총 직원 3만6천명 중 9000명을 IT엔지니어로 고
용. 골드만삭스의 IT엔지니어수는 페이스북의 전체 직원수와 맞먹는 규모로, 골드만삭스는 매년 매출의 8%에 달하는 3조
원 정도의 예산을 IT에 투자.
 ETF 시장 점유율 세계1위의 자산운용사 블랙락은 스타매니저를 지양하고, AI 에 대부분의 운용을 맡기는 장기계획을 수립
하고, FutureAdvisor 등의 로보어드바이저 업체를 2000억원에 인수하는 등 AI 금융에 활발한 투자를 진행하고 있음.
 세계 1위의 PEF 인 블랙스톤 그룹과 TPG, 실버레이크파트너스 컨소시움은 금융서비스 제공업체 FIS 를 지주회사로 하여
선가드데이터시스템즈를 11조원에 인수하는 등, 글로벌 핀테크 업체 수직계열화 프로젝트를 진행 중.
6AI 금융시장 동향

7. AI Overview 7

8. AI Overview 8

9. History of Advisor Program 9

10. History of Advisor Program 10

11. History of Advisor Program 11

12. Chapter II.
Applying AI for Financial Industry

13. 딥러닝
+ 금융
BigData
Analysis
B2B
AI CRM
B2B
AI Robo
Advisor
B2C
AI Robo
Advisor
B2B
고객성향 진단/분석 시스템
고객별 최적금융상품 제안 시스템
Peer-group 정보제공 시스템
크레딧 예측 시스템 (기업/개인)
이상거래 감지시스템 (Fraud Detecting)
고객/금융상품 군집분석 (Auto-Clustering)
딥러닝 로보어드바이저 시스템
딥러닝 펀드 생성 시스템
인공지능 펀드 관제센터 솔루션
해외선물 로보어드바이저 서비스
주식 로보어드바이저 정보서비스
13AI Business Area

14. What is Robo-Advisor 14
Maximize: Performance(Portfolio)
Constraint: Individual Financial Needs

15. Deep learning Overview 15
PROS.
- 복잡한 문제도 빅데이터에 의한 신경망 학습을 통해 해결 가능
- Data의 성질이 바뀌어도 학습을 통한 적응 및 진화 가능
CONS.
- Big Data / Real Time Data Feeding
- Engine Model / Data Quality / Data Scientist / Domain Knowledge
- Cost

16. Deep learning Overview 16
No-Model
Tagged-Data
Deep Learning
Non-Linear
Built-in Algorithm
Research-driven
Data-fitting
Linear
AI ROBOT

17. 1) Macro/Micro Data
2) Fundamental Data
3) Other time-series data
Deep learning in Finance - Qraft Deep Portfolio Engine
Market Data (in time series)
Generated
Portfolio
사후계산한
Best
Portfolio
Comparison
VS.
Back Propagation (둘의 차이가 작아지도록 신경망 조정)
17
정규출원번호: 10-2016-0130445
국문명칭: 로보 어드바이저 서비스 장치, 로보 어드바이저 서비스 장치의 포트폴리오 예측 및 모델 생성 방법
외국어명칭: APPARATUS AND METHOD FOR PORTFOLIO PREDICTION AND MODEL GENERATION OF ROBOADVISOR SERVICE

18. Deep learning in Finance - Qraft Deep Portfolio Engine 18
Deep
Learning
Engine
Vector Representation of Longitudinal Financial Data for Machine Learning
복잡한 시계열 금융데이터를 기계학습을 위해 벡터의 형태로 표현하는 기술
Recurrent Neural Network Optimization
시계열 데이터 학습에 주로 사용되는 RNN 인공신경망을 금융데이터에 맞춰 최적화시키는 기술
Convolutional Auto-encoder
이미지처리에 사용되는 CNN 인공신경망 기법과 차원축소에 활용되는 Auto-encoder를 결합하여, 시계열 금융데이터 차원 축소에 적용한 기술
Time-course CNN
이미지처리에 사용되는 CNN 인공신경망을 시계열에 적용하여, 금융데이터에 최적화 시키는 기술
Sparse Neural Network with Regularization
인공신경망의 과최적화를 방지하기 위하여 각 파라메터의 범위를 제한하여 신경망을 단순화하는 기법
Ensemble Neural Network
하나의 인공신경망이 아니라 조금씩 다른 다수의 인공신경망을 동시에 학습시키고, 그 결과를 총합하여 최종적인 결정을 내리는 기법
Genetic Algorithm for Neural Network
변태-선택-합성의 과정을 거쳐 최적의 전략을 찾는 유전알고리즘을 인공신경망에 적용하는 기술
Mutual Information for Feature Selection
다양한 금융데이터 중에서 최적의 입력 데이터를 선정하기 위해, 비선형적인 관계를 도출할 수 있는 상호정보량을 도입하는 기술
Hybrid Neural Network
다수의 종목을 하나의 인공신경망에 포함시키기 위하여, 각 종목을 작은 신경망으로 구성하고 그 결과를 거대 신경망에 연결하는 이중 구조의 신경망 구조
Dropout Neural Network
인공신경망을 학습시킬 때 일부 뉴런을 제외하고 학습시킴으로써, 과최적화를 방지하고 신경망의 다양성을 제공하는 기법
Xaiver Initialization
신경망 파라메터의 초기값 설정을 위해 각 층의 활성화값을 고르게 분포시키는 기법으로, 앞 계층의 노드가 𝑛개라면 표준편차가 1/(√𝑛) 인 분포를 사용
Adam Optimization
개별 매개변수에 적응적으로 학습률을 조정하면서 학습 진행하는 AdaGrad와 모멘텀 기법을 융합한 파라메터 최적화 알고리즘

19.  딥러닝 Equity Alpha 포트폴리오 엔진 실계좌 운용 트랙레코드(2014.02~2016.12)*
기간 2014-01 2014-02 2014-03 2014-04 2014-05 2014-06 2014-07 2014-08 2014-09 2014-10 2014-11 2014-12
수익률(%) 5.7 3.4 5.15 3.68 0.29 1.8 2.44 3.1 0.53 -1.6 2.12
기간 2015-01 2015-02 2015-03 2015-04 2015-05 2015-06 2015-07 2015-08 2015-09 2015-10 2015-11 2015-12
수익률(%) 8.15 32.57 17.93 24.05 14.37 0.38 -2.09 -4.65 -2.04 9.07 -3.78 7.15
기간 2016-01 2016-02 2016-03 2016-04 2016-05 2016-06 2016-07 2016-08 2016-09 2016-10 2016-11 2016-12
수익률(%) -2.42 -0.8 19.11 4.35 3.49 -1.07 10.15 3.56 7.02 -2.59 1.75 3.98
*상기 트랙레코드는 크래프트 딥러닝 포트폴리오 엔진을 국내주식에 적용하여 키움증권 실계좌로 운용한 것으로 별도의 변동성 제한조건이 부여되지 않은 결과입니다.
Real Track Record Monthly (2014-02~ Current)
기간 2014 2015 2016
수익률 (%, 단리) 24.49 95.96 46.53
변동성 (%, 월간) 2.04 11.50 5.87
기간 2014 2015 2016
회전율(%) 564.40 778.28 257.08
평균동시보유종목수 110.7 124.6 130.2
월간 수익확률(%) 90.9 66.7 66.7
평균수익(%, 월간) 2.82 14.21 6.68
평균손실(%, 월간) -1.6 -3.14 -1.72
19

20. Real Track Record Monthly (2014-02~ Current)
-20
0
20
40
60
80
100
120
140
160
180
200
2014년2월
2014년3월
2014년4월
2014년5월
2014년6월
2014년7월
2014년8월
2014년9월
2014년10월
2014년11월
2014년12월
2015년1월
2015년2월
2015년3월
2015년4월
2015년5월
2015년6월
2015년7월
2015년8월
2015년9월
2015년10월
2015년11월
2015년12월
2016년1월
2016년2월
2016년3월
2016년4월
2016년5월
2016년6월
2016년7월
2016년8월
2016년9월
2016년10월
2016년11월
2016년12월
딥러닝 포트폴리오 엔진 실제 운용결과 누적수익률(%)
Qraft KOSPI지수 KOSDAQ 지수
20

21. Deep learning Portfolio Engine Competitive Edge - Hybrid 21
AI 로보
어드바이저
인간의
인사이트
인간노하우의
회사자산화
효과

22. Real Track Record : Institutional
• 크래프트의 솔루션을 사용하여 제작된 “미래에셋 AI스마트베타” 펀드의 경우 연초 이후
6.81% 수익률로 시장에 출시된 AI 관련 펀드 중 가장 높은 수익률을 기록하고 있는 중
(2017년 6월 기준 6개월 누적수익률 17.74%)
• 국공채를 벤치마크로 하고 있는 “미래에셋AI스마트베타마켓헤지” 펀드의 경우도 절대수
익형 펀드 중 최상위권의 결과를 보이고 있음
출처: 조선비즈
22

23. Real Track Record : Institutional 23

24. Real Track Record : Institutional 24

25. 2013-12 : Qraft Capital (前身)
CSI300 Futures Algo Trading, Equity Algo Trading, CME/SGX Futures Algo Trading
2016-01 : ㈜크래프트테크놀로지스 법인설립
Robo Advisory Service 및 Solution 개발/판매를 위한 별도 법인설립 및 지적재산권 이전
2016-04 : 딥러닝 포트폴리오 엔진(DPE) 기술 개발완료 (고려대학교 복잡데이터 연구실 산학협동 기술개발 및 이전)
딥러닝 기술기반 인공지능 포트폴리오 엔진 개발 및 기술 지적재산권 확보
2016-04 : 톰슨로이터 Eikon 금융단말기용 딥러닝포트폴리오 서비스 구축사업 (B2B2C)
크래프트 딥러닝 포트폴리오 엔진을 Thomson-Reuters Eikon 금융단말기와 통합하여 서비스
2016-05 : 크래프트 로보어드바이저 서비스 (동부증권 제휴)
동부증권과 제휴하여 자동매매 해외선물 로보어드바이저 B2C 서비스 개시
2016-05 : B2B 미래에셋자산운용 딥러닝 로보어드바이저 펀드 시스템 구축
딥러닝 포트폴리오 엔진(DPE) 기반 미래에셋 로보어드바이저 펀드 투자시스템 구축
2016-10 : 딥러닝 포트폴리오 엔진(DPE) 기술 특허출원
출원번호 10-2016-0130445 로보 어드바이저 서비스 장치, 로보 어드바이저 서비스 장치의 포트폴리오 예측 및 모델 생성 방법
2016-10 : 미래에셋인공지능금융연구센터 공동설립 (미래에셋자산운용-고려대학교-크래프트테크놀로지스)
미래에셋금융그룹의 인공지능 연구를 담당하는 기구로 크래프트테크놀로지스가 기술구현 및 상용화를 담당
2016-11 : 크래프트 로보어드바이저 서비스 구축 (B2B2C, 이베스트투자증권 제휴)
이베스트투자증권 HTS MTS 에 크래프트 B2C 로보어드바이저 서비스 통합개발
2016-12 : 삼성증권 고객데이터 학습 및 분석 시스템 구축사업(B2B)
삼성증권 고객데이터를 통한 고객성향 학습 및 분석시스템 구축
2017-02 : KEB 하나은행 로보어드바이저 시스템 구축사업(B2B)
KEB하나은행 대고객 서비스용 펀드 로보어드바이저 시스템 구축
2017-04 : 한국투자증권 AI랩 출시(B2B2C)
한국투자AI랩(아데나 성과형)
2017-07 : 크래프트 로보어드바이저 서비스 (B2B2C, 하나대투증권, 유진선물, 유안타증권, 한국투자증권, 교보증권 제휴)
25Corporate History

26. 26
 Customer-driven
 크래프트테크놀로지스는 회사가 만들 수 있는 것이 아닌, 고객이 필요한 것을 만듭니다.
 크래프트테크놀로지스는 금융업에 대한 깊은 이해를 바탕으로 고객사의 로보어드바이저 서비스를 구축하고 있습니다.
 국내대형금융기관 및 톰슨로이터 등의 글로벌정보서비스 업체들이 크래프트의 솔루션을 통하여 성공적으로 서비스를 운영 중 입니다.
 Research-driven
 크래프트테크놀로지스는 금융도메인에 적용할 수 있는 로보어드바이저 및 인공지능 기술을 계속 발전시키고 있습니다.
 다수의 포트폴리오 엔진 기술에 대한 특허를 출원하였고, 현업에 바로 적용할 수 있는 금융 기술에 대한 R&D 에 많은 투자를 하고 있습니다.
Corporate Philosophy

27. End
Contact 02-487-8555
Direct 010-7163-2109
Email cio@qraft.co.kr
Web www.qraftec.com
Thank you for your kind attention!
27