Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Upcoming SlideShare
What to Upload to SlideShare
Next
Download to read offline and view in fullscreen.

5

Share

Download to read offline

Deep learning financial product recommendation model

Download to read offline

Deep learning financial product recommendation model

Related Books

Free with a 30 day trial from Scribd

See all

Deep learning financial product recommendation model

  1. 1. 금융 상품 추천 모델 Tae Young Lee
  2. 2. Abstract Architecture
  3. 3. Customer Asset Allocation Architecture Customer Risk Profile Customer 위험 감내도 위험자산 투자 비중 Product Risk Profile 투자상품 위험 등급 투자상품 변동성 Asset Correlation Analysis Asset Clustering Selection Asset Classification Asset Weight Caculation Recommend Product Mapping Asset Weight Product Allocation Portfolio Optimization Product Categorize Market Volatility
  4. 4. 고객 Categorizing Mass 고객 (Personal Credit Profile) 예금 상품 대출 상품 투자 상품 VVIP 투자 상품
  5. 5. 상품 추천의 근간인 상품에 대해 알아보자! 일반 상품과 금융 상품은 다르다. 일반 상품은 돈이 있으면 언제라도 구매가능한 소비재라고 본다면, 금융 상품의 경우에는 돈이 있어서 바로 구매할 수 있는 부분이 있는 상품과 신용도를 체크하고 여러 가지 항목들을 기반하여 이용할 수 있는 상품으로 나누어져 있고 절세를 위한 노후 보장형 미래 지향적 상품이 있다. 예대 마진이 극대화되고 이자수익의 가장 큰 비중을 차지하는 것이 대출상품이라는 것을 고려할 때 기존의 프로세스로는 고객에게 맞춤형 서비스를 제공하기는 힘들다. 그 이유는 바로 대출 상품을 이용하기 위해 앞단의 신용도를 체크하는 부분 자체의 한계와 의존성 때문이다. 고객군을 넓힌 다는 것은 리스크적 상황에 노출될 수 있다는 점인데, 현재의 고객 신용도로는 개인별 속성과 상품 매칭의 속성값들을 고도화하기에는 많은 어려운 점이 있다.
  6. 6. 신용도 노후 대비 절세 목적대출상 품 IRP 투자상품 TDF 주식 펀드 예 금 적 금 목돈마련 상품 Categorizing
  7. 7. 금융 상품과 경기 순환 곡선과의 관계 ‘경기’가 어려운 게 아니라 ‘격차’가 벌어진다. 경기 회복기에는 주식 투자, 부동산, 실물자산 중 원유 비중을 높인다. 경기 호황기에는 부동산, 실물자산(원유), 주식 투자의 비중을 낮추고 채권을 사야 함 경기 후퇴기에는 전통적인 안전자산 ‘금’을 확보 경기 침체기에는 현금, 예금 비중을 높이고 부채를 줄인다.
  8. 8. 경기 순환 곡선과 자산과의 관계로 상관계수 추정 경기 호황기에는 부동산, 실물자산(원유), 주식 투자의 비중을 낮추고 채권을 사야 함 경기 침체기에는 현금, 예금 비중을 높이고 부채를 줄인다. 호황기와 침체기에 해당하는 index(지수 data) 를 바탕으로 cross-sectional index를 생성하고 이를 바탕으로 현재 경기의 흐름을 예측해 본다. 국가별 경기 순환 곡선을 추정할 수 있는 지수별 관계에 대한 상관성 분석을 수행한 뒤 추천 투자 자산에 대한 카테고라이징을 수행
  9. 9. 펀드 비지니스에서 중요한 것은? 지수 추종형 방식이 아닌 상품의 시장 기준가 추종 index를 재 구성하여 Regime을 없애고 고객에게 즉각적인 시그널을 제공해 주는 것에 있다. 이를 위해서 자산별 대표 인덱스에 대한 지수 추이를 바탕으로 자산 카테고리별 펀드 시장 기준가를 재정립하여 지수의 기간 및 구간별 추이 분석을 수행한다.
  10. 10. Asset Allocation의 변화 자산배분이란, 기대수익률과 위험수준이 다양한 여러 자산집단(asset class)을 대상으로 투자자금을 배분하여 최적의 자산 포트폴리오를 구성하는 일련의 투자과정을 말한다. 자산배분은 장기적 관점에서는 최소의 위험으로 중장기 투자자의 재무목표에 맞는 자산 포트폴리오를 구성하는 전략적 자산배분(strategic asset allocation) 단기적으로 수익률을 제고하기 위하여 자본시장 변동을 반영하여 자산집단의 구성비율을 적극적으로 변경하는 전술적 자산배분(tactical asset allocation)을 포함하는 행위 상품의 변화 해외의 경우 ETF상품 활성화 ETF상품의 경우 지수 추종형 상품이 많기 때문에 시장 기준가를 통해 변동성 및 수익률 계산이 용의하고 자산 배분 시 지수 데이터 활용으로 하는 것이 적시에 좋은 자산을 선정하는 기준이 됨 Strategic Asset Allocation → Tactical Asset Allocation
  11. 11. Asset Allocation의 종류 이종자산 간 자산배분 주식과 채권처럼 자본시장의 흐름에 각기 다른 반응을 보이는 자산(asset)을 대상으로 배분 이종자산 간 자산배분 분석에서 중요한 건 경기 순환 곡선별 투자 자산의 증감폭과 자산군별 상관성 분석이다. 동일자산 간 자산배분 자본시장 변동에 동일한 반응을 자산-주식이라는 자산 내에서 투자대상이 될 수 있는 국가별, 업종별, 스타일별(소형주, 중형주, 대형주)을 대상으로 배분하는 “동일자산 간 자산배분”으로 나눌 수 있다. 동일자산 간 자산배분의 경우 산업 업종 별 Sector 구분 값이 중요하고 경기 추세에 따른 스크리닝을 선행한 후 해당 업종의 스타일별 비중을 산출하는 것이 무엇보다 중요하다.
  12. 12. 동일자산 간 배분 Sector 별로 각각 고유한 영업환경과 Business Model을 가지고 있다. 하지만 이들은 Business Cycle에 연동되는 정도를 통해 다시 분류 될 수 있다. 1~10년 주기로 시장과 경제전반의 호황과 불황이 반복적으로 나타나는 현상을 Business Cycle이라고 한다. 국면을 두 가지로 분류하면 호황과 불황일 것이다. 또한 국면을 더 세분화하여 본다면 Recovery, Prosperity, Recession, Depression으로 나눌 수 있다. 경제전반적인이 흐름에 민감하게 반응 하는 기업은 Cyclical하다고 하며, 반대로 흐름을 타지 않는 기업은 Defensive하다고 한다. Sector를 이와 같은 방법으로 분류하면 다음과 같다. 이러한 분석은 사실 정립된 표준은 아니지만, 불황(Recession, 또는 Depression)에 상대적으로 수익률을 방어하는 Sector는 Defensive, 호황에 수익률이 더 민감하게 상승하는 Sector를 Cyclical로 정의한다면 위와 같이 Sector를 분류해 볼 수 있다. 아래의 표는 Business Cycle과 Sector별 수익률의 관계를 역사적으로 분석한 것이다. 호황을 Early, Mid, Late로 나누어 앞서 언급한 Business Cycle 구분과는 조금 다르긴 하지만, Recession을 불황으로 본다면 Defensive Sector를 잘 설명해주는 것으로 볼 수 있다. 미국 시장 대용치(S&P500 편입 기업)와 한국 시장 대용치(MSCI Korea 편입 기업)의 Sector별 초과수익률(무위험 수익률 대비) 데이터를 통해 분석을 시도하였다. 무위험 수익률로는 Treasury Bill 3개월물의 Total Return Index를 사용하였다. 각각의 시장의 세부분류는 GICS Level 1 Sector와 앞서 언급한 Cyclical/Defensive 분류로 나누어 접근하였다. 모든 자료는 Bloomberg를 통해 Raw 데이터를 받은 뒤 직접 가공하였다.
  13. 13. 딥러닝 관점에서 생각해 보기 상품 수신, Thumbnail 이미지 생성, 카테고리 분류 등 단계를 거쳐야 검색 서비스 반영 Thumbnail 이미지 생성 완료 된 상품은 다음 단계인 카테고리 분류 Input 토픽으로 보냄 카테고리 분류 서버는 Input 토픽에서 메시지를 받아서 처리하고 결과를 Output토픽으로 보냄
  14. 14. 하나의 모델로 추론할 수 있는 Scope은 한계가 있다. 딥 러닝 : 컨테이너화 및 메시지 브로커를 사용하여 신경망 확장
  15. 15. Model을 Platform에서 잘 사용하려면? 사용자의 환경과 통신해야 하고 유기적으로 연결되어 있어야 한다.
  16. 16. 솔루션 — 모델을 컨테이너에 넣고 메시지 브로커를 통해 연결
  17. 17. 1 단계-메시지 브로커를 통해 모델의 입력 및 출력 블랙 박스
  18. 18. 2 단계 — RabbitMQ 설정 및 테스트
  • ohjongin

    Feb. 3, 2020
  • limchan53

    Feb. 3, 2020
  • SunghwanCho8

    Feb. 2, 2020
  • ssuser55eb69

    Feb. 2, 2020
  • ibluerose

    Feb. 2, 2020

Deep learning financial product recommendation model

Views

Total views

1,197

On Slideshare

0

From embeds

0

Number of embeds

83

Actions

Downloads

20

Shares

0

Comments

0

Likes

5

×