KR102000663B1 - 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법 - Google Patents

Abstract

본 발명은 시장 데이터 및 과거 발생된 제1 과거 이벤트와 관련된 정보를 수집하여, 데이터베이스에 저장하는 데이터 수집부; 상기 데이터베이스를 참조하여, 상기 제1 과거 이벤트의 발생 시점으로부터 이전의 소정 기간 내에 존재하는 시장 데이터와 상기 제1 과거 이벤트의 결과 사이에 상관 관계를 도출하는 데이터 분석부; 및 발생 시점이 결정된 제1 예정 이벤트의 결과를 예측하는 이벤트 예측부; 를 포함하고, 상기 이벤트 예측부는, 상기 데이터 분석부에 의해 도출된 상관 관계와 상기 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여, 상기 제1 예정 이벤트의 결과를 예측하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법에 관한 것이다.

Description

빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법{EVENT PREDICTION SYSTEM AND METHOD USING BIG DATA AND ARTIFICIAL INTELLIGENCE}

본 발명은 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 발생 시점이 예정된 이벤트의 결과 및 발생 시점이 불분명한 이벤트 발생 시 시장 데이터의 변화를 예측할 수 있는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법에 관한 것이다.

산업 혁명이라 함은 세상이 변화의 패러다임을 바꿀 만큼의 큰 변화를 일으킬만한 산업계의 변화를 의미한다. 1차 산업 혁명은 영국에서 시작된 증기기관을 통한 이동수단의 발달과 기계식 생산시스템으로 시작되었으며, 2차 산업 혁명은 전기와 석유를 이용하며, 전기의 발명으로 에너지원의 급격한 변화에서 시작되었으며, 3차 산업 혁명은 인터넷과 컴퓨터의 보급으로 시작되었다.

앞으로 있을 4차 산업 혁명은 정보통신기술과 융합된 기술을 통하여 인공지능, 자율주행차, 드론, 3D 프린팅, 사물인터넷, 빅데이터 등을 이용해 일상의 변화가 스마트 환경에 급속도로 다가갈 것으로 예상하고 있다

특히, 인공지능과 빅데이터의 경우, 이와 관련된 연구 및 개발이 오래전부터 이루어져 왔으며, 현재 민간 분야뿐만 아니라 공공 분야에도 적용이 확대되고 있다.
관련 배경 기술로는 한국 공개특허공보 제10-2005-0073833호(2005.07.18 공개)가 있다.

본 발명은 발생 시점이 결정된 이벤트 발생 직전의 시장 데이터의 움직임을 학습함으로써, 추후 발생 시점이 예정된 이벤트의 결과를 예측 가능한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법을 제공하기 위한 것이다.

또한, 본 발명의 다른 목적은 발생 시점이 불분명한 이벤트 발생 직후의 시장 데이터의 움직임을 학습함으로써, 추후 발생 시점이 불분명한 이벤트 발생 시 시장 데이터의 변화를 예측할 수 있는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법을 제공하기 위함이다.

본 발명의 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템은, 시장 데이터 및 과거 발생된 제1 과거 이벤트와 관련된 정보를 수집하여, 데이터베이스에 저장하는 데이터 수집부, 상기 데이터베이스를 참조하여, 상기 제1 과거 이벤트의 발생 시점으로부터 이전의 소정 기간 내에 존재하는 시장 데이터와 상기 제1 과거 이벤트의 결과 사이에 상관 관계를 도출하는 데이터 분석부 및 발생 시점이 결정된 제1 예정 이벤트의 결과를 예측하는 이벤트 예측부; 를 포함하고, 상기 이벤트 예측부는, 상기 데이터 분석부에 의해 도출된 상관 관계와 상기 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여, 상기 제1 예정 이벤트의 결과를 예측할 수 있다.

또한, 상기 제1 과거 이벤트 및 제1 예정 이벤트는, 금융기관에 의한 기준 금리 발표인 것을 특징으로 한다.

또한, 상기 시장 데이터는, 채권 시장 정보 및 원자재 시장 정보 중 적어도 하나를 포함할 수 있다.

또한, 상기 제1 과거 이벤트의 결과 및 상기 제1 예정 이벤트의 결과는, 상승, 유지 및 하락 중 하나인 것을 특징으로 한다.

또한, 상기 이벤트 예측부는, 상기 제1 예정 이벤트의 발생 시점으로부터 일정 기간 이전의 시점부터 주기적으로 상기 제1 예정 이벤트의 예측 결과를 갱신할 수 있다.

또한, 상기 데이터 수집부는, 상기 기준 금리를 결정하는 상기 금융기관 위원들의 과거 발언 데이터를 추가 수집하고, 상기 이벤트 예측부는, 상기 제1 예정 이벤트의 결과 예측 시, 상기 위원들의 과거 발언 데이터를 추가적인 영향 인자로 활용할 수 있다.

또한, 상기 데이터 수집부는, 상기 금융기관 위원들의 인적 정보를 수집하여 상기 데이터베이스에 저장하고, 수집된 상기 금융기관 위원들의 인적 정보를 활용하여 상기 과거 발언 데이터를 검색할 수 있다.

또한, 상기 데이터 수집부는, 상기 금융기관 위원들의 인적 정보를 정기적으로 수집할 수 있다.

또한, 상기 이벤트 예측부는, 상기 이벤트 예측 시스템과 네트워크 연결된 사용자 단말기로 상기 제1 예정 이벤트의 결과 및 그 판단 근거가 된 시장 데이터를 전송할 수 있다.

또한, 상기 데이터 수집부는, 과거 발생된 제2 과거 이벤트와 관련된 정보를 추가 수집하여, 데이터베이스에 저장하고, 상기 이벤트 예측 시스템은, 제2 예정 이벤트와 관련성이 있는 제2 과거 이벤트를 상기 데이터베이스로부터 탐색하는 이벤트 탐색부 및 상기 이벤트 탐색부에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 이용하여, 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정하는 시장 예측부를 더 포함할 수 있다.

또한, 상기 시장 예측부는, 상기 이벤트 탐색부에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터의 변화 비율을 추출하고, 현재 시장 데이터에 상기 변화 비율을 적용하여 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정할 수 있다.

또한, 상기 제2 과거 이벤트는, 자연 재해 관련 사건 및 군사 관련 사건을 포함하고, 상기 제2 예정 이벤트는 상기 자연 재해 관련 사건 및 상기 군사 관련 사건 중 적어도 하나를 포함할 수 있다.

또한, 상기 제2 예정 이벤트는, 상기 이벤트 예측 시스템과 네트워크 연결된 사용자 단말기를 통해 입력될 수 있다.

또한, 상기 시장 예측부는, 상기 이벤트 탐색부에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터, 상기 현재 시장 데이터, 및 추정된 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 상기 이벤트 예측 시스템과 네트워크 연결된 사용자 단말기로 전송할 수 있다.

본 발명의 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 방법은, 시장 데이터, 제1 과거 이벤트, 및 제2 과거 이벤트와 관련된 정보를 수집하는 단계, 상기 제1 과거 이벤트의 발생 시점으로부터 이전의 소정 기간 내에 존재하는 시장 데이터와 상기 제1 과거 이벤트의 결과 사이에 상관 관계를 도출하는 단계, 사용자 단말기로부터 발생 시점이 결정된 제1 예정 이벤트의 결과 예측 요청 또는 발생 시점이 결정되지 않은 제2 예정 이벤트 이후의 시장 예측 요청을 수신하는 단계 및 상기 제1 예정 이벤트의 결과 예측 요청이 전송된 경우, 도출된 상기 상관 관계와 상기 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여 상기 제1 예정 이벤트의 결과를 예측하고, 그 결과를 상기 사용자 단말기로 전송하는 단계를 더 포함할 수 있다.

또한, 상기 제2 예정 이벤트 이후의 시장 예측 요청이 전송된 경우, 상기 제2 예정 이벤트와 관련성이 있는 제2 과거 이벤트를 탐색하고, 탐색된 상기 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 이용하여 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정하며, 추정된 상기 시장 데이터를 상기 사용자 단말기로 전송하는 단계를 더 포함할 수 있다.

또한, 상기 제1 과거 이벤트 및 제1 예정 이벤트는, 금융기관에 의한 기준 금리 발표인 것을 특징으로 한다.

또한, 상기 제2 과거 이벤트는, 자연 재해 관련 사건 및 군사 관련 사건을 포함하고, 상기 제2 예정 이벤트는 상기 자연 재해 관련 사건 및 상기 군사 관련 사건 중 적어도 하나를 포함할 수 있다.

또한, 상기 시장 데이터는, 채권 시장 정보 및 원자재 시장 정보 중 적어도 하나를 포함할 수 있다.

또한, 상기 제2 예정 이벤트는, 사용자 단말기를 통해 전송될 수 있다.

이상 살펴본 바와 같은 본 발명에 따르면, 발생 시점이 결정된 이벤트 발생 직전의 시장 데이터의 움직임을 학습함으로써, 추후 발생 시점이 예정된 이벤트의 결과를 예측 가능한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법을 제공할 수 있다.

또한, 본 발명에 따르면 발생 시점이 불분명한 이벤트 발생 직후의 시장 데이터의 움직임을 학습함으로써, 추후 발생 시점이 불분명한 이벤트 발생 시 시장 데이터의 변화를 예측할 수 있는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법을 제공할 수 있다.

도 1은 본 발명의 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템을 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템의 세부 구성을 나타낸 도면이다.
도 3은 도 2에 도시된 데이터 분석부의 동작을 설명하기 위한 도면이다.
도 4는 도 2에 도시된 이벤트 예측부의 동작을 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 의한 데이터 수집부와 이벤트 예측부의 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템의 세부 구성을 나타낸 도면이다.
도 7 및 도 8은 도 6에 도시된 이벤트 탐색부 및 시장 예측부의 동작을 설명하기 위한 도면이다.
도 9는 본 발명의 실시예에 의한 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 방법을 설명하기 위한 흐름도이다.

기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 또한, 도면에서 본 발명과 관계없는 부분은 본 발명의 설명을 명확하게 하기 위하여 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 동일한 도면 부호를 붙였다.

이하, 본 발명의 실시예들과 관련된 도면들을 참고하여, 본 발명의 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템 및 그 방법에 대해 설명하도록 한다.

도 1은 본 발명의 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템을 나타낸 도면이다.

도 1을 참조하면, 본 발명의 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템(100, 이하 이벤트 예측 시스템이라고 함)은 네트워크와 연결됨으로써, 이를 통해 사용자 단말기(200)와 정보를 송수신하거나 다양한 온라인 정보(on-line information)를 수집할 수 있다.

여기서, 네트워크는 단말 및 서버와 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예는, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, 5G, LTE, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 개방형 컴퓨터 네트워크 구조를 의미한다.

사용자 단말기(200)는 네트워크를 통해 본 발명의 실시예에 의한 이벤트 예측 시스템(100)에 접속할 수 있으며, 이를 통해 사용자는 이벤트 예측 시스템(100)이 제공하는 다양한 서비스를 이용할 수 있다.

또한, 사용자 단말기(200)는 이벤트 예측 시스템(100)과 연결되는 통신 기능과 이미지나 텍스트를 출력할 수 있는 디스플레이 기능을 갖춘 장치라면 특별히 한정되지 않는다. 예를 들어, 사용자 단말기(200)는, 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 태블릿(tablet) PC, 무선전화기(wireless phone), 모바일폰(mobile phone), 스마트폰(smart phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 내비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 영상 녹화기(digital picture recorder), 디지털 영상 재생기(digital picture player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player) 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.

이벤트 예측 시스템(100)은 네트워크를 통해 다양한 온라인 정보를 수집할 수 있다. 예를 들어, 이벤트 예측 시스템(100)은 시장 데이터, 이벤트 정보, 및 기타 정보 등과 같은 다양한 온라인 정보를 수집할 수 있다.

또한, 이벤트 예측 시스템(100)은 수집된 방대한 양의 빅데이터 및 인공지능 기술을 이용하여, 발생 시점이 결정된 이벤트에 대한 결과 예측을 수행하거나 발생 시점이 결정되지 않은 이벤트 발생 시의 시장 데이터에 대한 변화 예측을 수행할 수 있다.

여기서, 빅데이터란 기존 데이터의 수집, 저장, 관리, 분석 역량을 넘어서는 데이터 세트를 의미한다. 빅데이터는 정형화 정도에 따라 정형 데이터, 반정형 데이터, 및 비정형 데이터로 분류될 수 있다. 정형 데이터(structured data)는 고정된 필드에 저장되는 데이터, 즉 일정한 형식을 갖추고 저장되는 데이터를 의미할 수 있다. 반정형 데이터(semi-structured data)는 고정된 필드에 저장되어 있지는 않지만, 메타데이터나 스키마를 포함하는 데이터를 의미하는데, XML(Extensible Mark-up Language) 및 HTML(Hypertext Mark-up Language) 등을 예로 들 수 있다. 비정형 데이터(unstructured data)는 고정된 필드에 저장되어 있지 않은 데이터를 의미하는데, 텍스트 문서, 이미지 데이터, 동영상 데이터, 및 음성 데이터를 예로 들 수 있다.

본 발명의 실시예에 의한 이벤트 예측 시스템(100)은 상술한 바와 같은 빅데이터를 수집하고 분석할 수 있다. 빅데이터 분석 기술로는 텍스트 마이닝(text mining), 평판 분석(opinion mining), 소셜 네트워크 분석(social network analysis), 군집 분석(cluster analysis), 신경망 분석(neural network analysis), 및 마코브 모델(markov model)을 예로 들 수 있으나, 예시된 분석 기술들로 한정되는 것은 아니다. 텍스트 마이닝은 반정형 텍스트 데이터 또는 비정형 텍스트 데이터에서 자연 언어 처리 기술에 기반하여 유용한 정보를 추출, 가공하는 기술일 수 있다. 자연 언어 처리(Natural Language Processing; NLP) 기술은 자연 언어 이해와 자연 언어 생성이 가능하도록 하는 기술이며, 자연 언어란 사람이 의사소통을 하기 위해 사용하는 용어로 인공 언어(컴퓨터 언어)와 반대되는 개념일 수 있다. 자연 언어 이해란 자연 언어를 기계적으로 분석해서 컴퓨터가 이해할 수 있는 형태로 만드는 것을 의미할 수 있다. 자연 언어 생성은 컴퓨터가 자연 언어를 출력할 수 있도록 하는 것을 의미할 수 있다. 자연 언어 처리 기술은 형태소 분석, 구문 분석, 의미 분석, 및 화용 분석으로 이루어질 수 있다. 평판 분석은 블로그(blog), 소셜 네트워크 서비스(Social Network Service; SNS), 위키(Wiki), 손수제작물(UCC), 마이크로 블로그(Micro-Blog) 등과 같은 소셜 미디어(social media)에서 정형 텍스트 및 비정형 텍스트를 수집 및 분석하여, 제품이나 서비스에 대한 평판(예를 들어, 긍정, 부정, 중립)을 판별하는 기술일 수 있다. 소셜 네트워크 분석은 소셜 네트워크 연결구조 및 연결강도 등에 기초하여, 사용자의 영향력, 관심사, 및 성향을 분석하고, 추출하는 기술일 수 있다. 군집 분석은 비슷한 특성을 가진 개체를 합쳐가면서 최종적으로 유사한 특성을 가진 군을 발굴하는 기술일 수 있다.

한편, 인공지능(AI: Artificial Intelligence)이라는 용어가 등장한 지는 오랜 시간이 흘렀지만 컴퓨터, 연산 등 특정 영역에 국한됐던 과거와는 달리 현대에는 인지, 학습, 추론 등 인간의 고차원적 정보처리 활동을 연구해 ICT를 통해 구현하는 기반 기술 전체를 아우르는 포괄적 개념이 되었다. 알파고 못지않게 인공지능 분야의 최강자라고 할 수 있는 IBM의 경우, 지난 2011년 미국 유명 퀴즈쇼 '제퍼디'에서 우승한 슈퍼컴퓨터 '왓슨'을 발전시켜 인지컴퓨팅(Cognitive computing)이라는 새로운 영역으로 확대시켰다. 즉, 인공지능을 통해 인지 학습이 가능하다는 것이다. 여기서, 인지 학습(cognitive learning)이란 학습의 한 형태로 가시적 또는 직접적으로 관찰할 수 없는 심리적 과정, 특히 인지적 과정을 통해 일어나는 학습 형태를 의미할 수 있다. 구체적으로, 인지 학습에 포함되는 하위 유형은 통찰 학습(insight learning), 잠재 학습(latent learning), 관찰 학습(observational learning) 등이 있을 수 있다.

최근 인공지능 기술의 발전과 관심이 증가하면서 이를 응용한 기술들이 등장하고 있다. 인공지능 기술의 한 분야로서 머신러닝(Machine Learning)이 각종 매체를 통해 집중 조명을 받고 있다. 기계학습이라고도 불리는 머신러닝은 컴퓨터가 데이터를 통해 학습하고, 사람처럼 어떤 대상 혹은 상황을 이해할 수 있게 하는 기술일 수 있는데, 컴퓨터를 학습시켜 패턴을 찾아내 분류하는 기술적 방식으로 컴퓨터가 데이터를 분석할 수 있게 하는 알고리즘이 핵심일 수 있다. 데이터를 활용하는 알고리즘을 정교하게 만들면 컴퓨터가 학습해가며 사용자들에게 의미 있는 결과물을 제공할 수 있다.

도 2는 본 발명의 일 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템의 세부 구성을 나타낸 도면이고, 도 3은 도 2에 도시된 데이터 분석부의 동작을 설명하기 위한 도면이며, 도 4는 도 2에 도시된 이벤트 예측부의 동작을 설명하기 위한 도면이다.

도 2를 참조하면, 본 발명의 일 실시예에 의한 이벤트 예측 시스템(100)은 데이터 수집부(110), 데이터베이스(DB, 120), 데이터 분석부(130), 및 이벤트 예측부(140)를 포함할 수 있다.

데이터 수집부(110)는 네트워크를 통해 시장 데이터, 이벤트 정보, 및 기타 정보 등과 같은 다양한 온라인 정보를 수집할 수 있으며, 수집된 온라인 정보를 데이터베이스(120)에 저장할 수 있다.

이러한 온라인 정보는 외부의 데이터베이스, 서버, 홈페이지, 웹페이지, 사이트, 소셜 미디어, 블로그, 온라인 뉴스, 온라인 신문, SNS 등과 같은 다양한 경로를 통해 수집될 수 있으며, 네트워크를 통해 수집될 수 있는 온라인 정보라면 데이터 수집부(110)에 의한 수집 대상이 될 수 있다.

시장 데이터의 경우, 시장 상황을 나타내는 다양한 수치, 지수 또는 지표 등이 포함될 수 있다. 예를 들어, 시장 데이터는 채권 시장 정보, 원자재 시장 정보, 귀금속 시장 정보, GDP, GNP, 환율, 유가, 외환 보유고, 주가, 금시장 정보, 가상화폐 정보, 국가경쟁력, 보험증권, 물가지수, 국제수지, 무역지수, 경제심리지수, 신용도 등 중 적어도 하나를 포함할 수 있다.

예를 들어, 채권 시장 정보는 국채, 공채, 특수채, 금융채, 회사채, 여전채 등에 대한 금리, 가격, 및 변동율 등을 포함할 수 있고, 원자재는 가스오일, 난방유, 천연가스, 구리, 납, 아연, 니켈, 알루미늄합금, 주석, 옥수수, 설탕, 대두, 대두박, 대두유, 면화, 소맥, 쌀, 오렌지주스, 커피, 코코아 등에 대한 가격 및 변동율 등을 포함할 수 있으며, 귀금속 시장 정보는 국내 금, 은, 국제 금, 팔라듐 백금 등에 대한 가격 및 변동율 등을 포함할 수 있다.

또한, 시장 데이터는 세계경제지표, 국제금융지표, 실무경제지표, 물가상승률, 국내금융지표, 가계대출 및 주택가격 등을 포함할 수 있으나, 이는 예시적인 것이며 다양한 형태의 데이터를 포함할 수 있다.

예를 들어, 세계경제지표는 주요국(미국, 유럽, 중국, 브라질, 러시아 등)의 GDP성장률, 소매판매, 제조업생산, ISM제조업, 실업률, 비농가취업자수증가, 경기체감지수, 수츨, 고정투자, 제조업PMI, 산업생산 등을 포함할 수 있다.

또한, 국제금융지표는 전세계 MSCI, 선진국 MSCI, 신흥시장국 MSCI, 주요국(중국 등) MSCI, VIX, 주요국(중국, 브라질, 인도네시아 등) 환율(달러 인덱스 포함), 국채금리, CDS프리미엄 등을 포함할 수 있다.

실물경제지표는 GDP성장률(민간소비, 설비투자, 건설투자 등), 소매판매액지수, 설비투자지수, 건설기성액, 수출(통관), 제조업샌상지수, 서비스업생산지수, 소비자심리지수, 기업경기실사지수, 취업자수 증감(제조업), 고용률, 실업률 등을 포함할 수 있다.

또한 물가상승률은 소비자물가(농축수산물(농산물), 공업제품(석유류, 석유류 제외), 전기/수도/가스, 서비스, 근원인플레이션율(식료품/에너지 제외, 농산물/석유류 제외), 기대인플레이션율 등을 포함할 수 있다.

국내금융지표는 통안증권금리, 국고채금리, KOSPI, 원/달러 환율 등을 포함할 수 있다.

또한, 가계대출 및 주택가격은 은행가계대출 증감(주택담보대출, 기타대출), 주택 매매가격 등을 포함할 수 있다.

이벤트 정보의 경우, 크게 발생 시점이 미리 결정되었던(예정되었던) 제1 과거 이벤트와 발생 시점이 결정되지 않았던 제2 과거 이벤트를 포함할 수 있다.

제1 과거 이벤트는 발생 시점이 결정된 이벤트 중 이미 발생된 이벤트를 의미하며, 예를 들어 발생 시점이 미리 결정되어 있는 기준금리 발표 등을 포함할 수 있다. 즉, 한국의 기준금리는 한국은행 금융통화위원회에 의하여 결정되며, 매년 8차례의 회의가 정해진 일정에 맞추어 진행되기 때문이다. 또한, 미국의 기준금리는 중앙은행인 연방준비제도(Fed)에 결정되며 이 역시 정해진 일정에 맞추어 진행된다. 이는 예시적인 것에 불과하며, 제1 과거 이벤트의 종류는 다양하게 변화될 수 있다.

일례로, 제1 과거 이벤트는 발생 시점이 미리 결정된 미국의 원유 재고 발표를 포함할 수 있다. 즉, 미국의 원유 재고는 에너지 정보국(Energy Information Administration)에 의해 미국 기업들이 보유한 상업용 원유의 주간 변화가 배럴 단위로 측정되어 매주 정해진 일자에 발표되고, 또한 미국석유협회(American Petroleum Institute)에 의해 미국 내 원유, 가솔린, 중간유분 재고품 수준이 매주 정해진 일자에 발표되기 때문이다.

또한, 제2 과거 이벤트는 발생 시점을 명확히 알 수 없는 이벤트 중 이미 발생된 이벤트를 의미하며, 예를 들어 자연 재해 관련 사건, 군사 관련 사건, 정치 관련 사건, 정치 관련 사건, 경제 관련 사건, 과학 기술 관련 사건 및 기타 관련 사건 등을 포함할 수 있다. 이는 예시적인 것에 불과하며, 제2 과거 이벤트의 종류는 다양하게 변화될 수 있다.

예를 들어, 자연 재해 관련 사건은 태풍, 가뭄, 홍수, 지진, 화산 폭발, 해일 등을 포함할 수 있고, 군사 관련 사건은 북한의 미사일 도발, 한미합동훈련, 전쟁, 내전, 테러 등을 포함할 수 있으며, 정치 관련 사건은 대통령 탄핵, 대통령 선출, 창당(創黨), 분당(分黨), 합당(合黨), 정치 비리, 선거 등을 포함할 수 있고, 경제 관련 사건은 가상화폐, 인수합병(M&A), 기업공개(IPO), 부도, 전략적 제휴, IMF, 오일쇼크, FTA, 기업비리 등을 포함할 수 있으며, 과학 기술 관련 사건은 신약 개발, 수소/전기차, 블록체인 등을 포함할 수 있다. 또한, 기타 관련 사건은 상기한 분류 이외에 다양한 사건을 포함할 수 있다.

이러한 제2 과거 이벤트는 추후 도 6와 관련된 실시예에서 활용 가능한 것으로, 본 실시예에서는 제2 과거 이벤트에 대한 수집이 생략될 수 있다.

데이터 수집부(110)에 의해 수집된 이벤트 정보에는 해당 이벤트와 관련된 다양한 정보(예를 들어, 일시, 지역, 대상, 내용, 대표 키워드, 관련 키워드 등)가 함께 수집될 수 있다.

예를 들어 제1 과거 이벤트가 "기준 금리 발표"인 경우, 발표된 기준 금리값, 발표일, 결과(상승, 유지, 하락 여부) 등이 함께 수집될 수 있다. 또한 제2 과거 이벤트가 자연 재해 관련 사건에 속하는 "지진"인 경우 발생일, 발생 규모, 발생 지역, 피해 정보 등이 함께 수집될 수 있고, 제2 과거 이벤트가 군사 관련 사건에 속하는 "북한의 미사일 도발"인 경우 발생일, 발생 지역, 미사일 종류 등이 함께 수집될 수 있다.

또한, 데이터 수집부(110)에 수집된 이벤트 정보는 복수의 이벤트군으로 분류되어, 데이터베이스(120)에 저장될 수 있다. 예를 들어, 복수의 이벤트군은 자연 재해 관련 이벤트군, 군사 관련 이벤트군, 정치 관련 이벤트군, 정치 관련 이벤트군, 경제 관련 이벤트군, 과학 기술 관련 이벤트군 및 기타 관련 이벤트군 등을 포함할 수 있다. 다만, 이는 예시적인 것에 불과하며, 이벤트군의 종류 및 개수 등은 다양하게 설정될 수 있다.

데이터 분석부(130)는 데이터베이스(120)를 참조하여, 제1 과거 이벤트의 발생 시점으로부터 이전의 소정 기간 내에 존재하는 시장 데이터와 상기 제1 과거 이벤트의 결과 사이에 상관 관계(Correlation)를 도출할 수 있다. 또한, 데이터 분석부(130)는 상기 상관 관계를 정의하는 소정의 함수를 도출할 수도 있다.

즉, 데이터 분석부(130)는 데이터베이스(120)에 저장된 정보를 기초로 하여, 제1 과거 이벤트의 결과 및 상기 제1 과거 이벤트 발생 전의 시장 데이터간의 상관 관계를 분석할 수 있다.

도 3을 참조하면, 데이터 분석부(130)는 A 시장 데이터와 제1 과거 이벤트의 결과 사이에 상관 관계를 도출할 수 있다. 이하에서는, A 시장 데이터가 "원자재 가격"에 관한 것이고, 제1 과거 이벤트가 "기준 금리 발표"인 경우를 예로 들어 설명한다.

도 3(a)에 도시된 바와 같이, 데이터 분석부(130)는 기준 금리 발표의 발생 시점(B)으로부터 이전의 소정 기간(P1) 내에 존재하는 원자재 가격 데이터와 기준 금리 발표의 결과(상승) 사이에 상관 관계를 도출할 수 있다.

예를 들어, 데이터 분석부(130)는 소정 기간(P1) 동안의 원자재 가격 데이터의 변화 패턴, 변화율, 수치, 평균값 등을 제1 변수로, 기준 금리 발표의 결과인 "상승"을 제2 변수로 하는 상관 관계를 도출할 수 있다.

도 3(b)에 도시된 바와 같이, 데이터 분석부(130)는 기준 금리 발표의 발생 시점(B)으로부터 이전의 소정 기간(P2) 내에 존재하는 원자재 가격 데이터와 기준 금리 발표의 결과(유지) 사이에 상관 관계를 도출할 수 있다.

예를 들어, 데이터 분석부(130)는 소정 기간(P2) 동안의 원자재 가격 데이터의 변화 패턴, 변화율, 수치, 평균값 등을 제1 변수로, 기준 금리 발표의 결과인 "유지"를 제2 변수로 하는 상관 관계를 도출할 수 있다.

도 3(c)에 도시된 바와 같이, 데이터 분석부(130)는 기준 금리 발표의 발생 시점(B)으로부터 이전의 소정 기간(P3) 내에 존재하는 원자재 가격 데이터와 기준 금리 발표의 결과(하락) 사이에 상관 관계를 도출할 수 있다.

예를 들어, 데이터 분석부(130)는 소정 기간(P3) 동안의 원자재 가격 데이터의 변화 패턴, 변화율, 수치, 평균값 등을 제1 변수로, 기준 금리 발표의 결과인 "하락"을 제2 변수로 하는 상관 관계를 도출할 수 있다.

도 3에서는 데이터 분석부(130)가 하나의 시장 데이터와 하나의 제1 과거 이벤트 결과의 일대일 대응 상관 관계를 도출한 경우를 예시적으로 도시하였으나, 이에 제한되는 것은 아니다. 즉, 데이터 분석부(130)는 다수의 시장 데이터와 하나의 제1 과거 이벤트 결과의 다대일 대응 상관 관계 또는 다수의 시장 데이터와 다수의 제1 과거 이벤트 결과의 다대다 대응 상관 관계를 도출할 수도 있다.

이벤트 예측부(140)는 발생 시점이 결정된 제1 예정 이벤트의 결과를 예측할 수 있다.

또한, 이벤트 예측부(140)는 데이터 분석부(130)에 의해 도출된 상관 관계와 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여, 상기 제1 예정 이벤트의 결과를 예측할 수 있다. 예를 들어, 이벤트 예측부(140)는 데이터 분석부(130)에 의해 도출된 상관 함수에 상기 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 독립 변수로 적용함으로서, 제1 예정 이벤트의 결과를 예측할 수 있다.

제1 예정 이벤트는 앞서 설명한 제1 과거 이벤트와 동일한 종류의 이벤트 중 적어도 하나를 의미할 수 있다. 다만, 제1 예정 이벤트는 발생 시점이 결정된 이벤트 중 아직 발생되지 않은 미래의 이벤트를 의미하며, 예를 들어 발생 시점이 미리 결정되어 있는 미래의 기준금리 발표, 미국의 원유 재고 발표 등을 포함할 수 있다.

도 4를 참조하면, 이벤트 예측부(140)는 데이터 분석부(130)에 의해 도출된 A 시장 데이터와 제1 과거 이벤트 사이의 상관 관계 및 제1 예정 이벤트의 발생 시점(C) 이전에 존재하는 A 시장 데이터를 이용하여, 제1 예정 이벤트의 결과를 예측할 수 있다. 이하에서는, 도 3과 대응되도록 A 시장 데이터가 "원자재 가격"에 관한 것이고, 제1 예정 이벤트가 "기준 금리 발표"인 경우를 예로 들어 설명한다.

일례로, 이벤트 예측부(140)는 특정 시점 이전의 소정 기간 내에 존재하는 원자재 가격 데이터를 데이터베이스(120)에서 추출하고, 기도출된 특정 상관 관계를 활용하여 기준 금리 발표 결과를 추정할 수 있다. 예를 들어, 이벤트 예측부(140)는 소정 기간 동안의 원자재 가격 데이터의 변화 패턴, 변화율, 수치, 평균값 등을 제1 변수로 하여, 기도출된 상관 관계에 적용 시 어떠한 제2 변수(기준 금리 발표 결과)가 도출되는 지 판단할 수 있다.

도 4(a)에서는 제1 예측 시점(D1) 이전의 소정 기간(T1) 내에 존재하는 원자재 가격 데이터를 기도출된 특정 상관 관계에 적용 시, 기준 금리 발표의 결과가 "하락"으로 도출된 경우를 도시하였다. 이 경우, 소정 기간(T1) 내에 존재하는 원자재 가격 데이터는 도 3(c)에 도시된 소정 기간(P3) 내 원자재 가격 데이터와 유사성을 가질 수 있다.

도 4(b)에서는 제2 예측 시점(D2) 이전의 소정 기간(T2) 내에 존재하는 원자재 가격 데이터를 기도출된 특정 상관 관계에 적용 시, 기준 금리 발표의 결과가 "유지"로 도출된 경우를 도시하였다. 이 경우, 소정 기간(T2) 내에 존재하는 원자재 가격 데이터는 도 3(b)에 도시된 소정 기간(P2) 내 원자재 가격 데이터와 유사성을 가질 수 있다.

도 4(c)에서는 제3 예측 시점(D3) 이전의 소정 기간(T3) 내에 존재하는 원자재 가격 데이터를 기도출된 특정 상관 관계에 적용 시, 기준 금리 발표의 결과가 "상승"으로 도출된 경우를 도시하였다. 이 경우, 소정 기간(T3) 내에 존재하는 원자재 가격 데이터는 도 3(a)에 도시된 소정 기간(P1) 내 원자재 가격 데이터와 유사성을 가질 수 있다.

도 4에서 살펴본 바와 같이, 제1 예정 이벤트의 발생 시점(C)으로부터 일정 기간 이전의 시점부터 제1 예정 이벤트의 결과를 주기적으로 갱신할 수 있다. 이는 예측 시점에 따라 시장 상황이 달라져 시장 데이터가 변화되기 때문이다. 따라서, 본 발명의 경우 시장 상황이 변화에 맞추어 제1 예정 이벤트의 예측 결과를 갱신할 수 있어 신뢰성을 향상시킬 수 있다. 이때, 갱신 주기는 변화될 수 있다.

또한, 이벤트 예측부(140)는 제1 예정 이벤트의 예측 결과 및 그 판단 근거가 된 시장 데이터 중 적어도 하나를 사용자 단말기(200)로 전송하여 표시할 수 있다. 예를 들어, 판단 근거가 된 시장 데이터는 과거 소정 기간(P1, P2, P3)의 시장 데이터와 최근 소정 기간(T1, T2, T3)의 시장 데이터 중 적어도 하나를 포함할 수 있다.

한편, 데이터 분석부(130)는 제1 과거 이벤트와 각 시장 데이터 간의 관련성 정도를 표시하는 상관 계수(correlation coefficient)를 산출할 수 있다.

이를 통해, 이벤트 예측부(140)는 특정 제1 예정 이벤트와 관련성이 높은 시장 데이터를 적어도 하나 선정하고, 선정된 시장 데이터와 관련된 상관 관계를 활용하여 제1 예정 이벤트의 결과를 보다 효율적으로 예측할 수 있다.

도 5는 본 발명의 실시예에 의한 데이터 수집부와 이벤트 예측부의 동작을 설명하기 위한 도면이다.

도 5를 참조하면, 제1 예정 이벤트가 금융기관에 의한 기준 금리 발표인 경우, 데이터 수집부(110)는 상기 기준 금리를 결정하는 금융기관 위원들의 인적 정보를 수집할 수 있다(S110 참고).

예를 들어, 데이터 수집부(110)는 한국은행 금융통화위원회를 구성하는 위원들의 정보나 미국 연방준비제도(Fed)를 구성하는 위원들의 정보를 추가적으로 수집할 수 있다.

이러한 정보는 데이터 수집부(110)에 의해 온라인으로 수집될 수 있으며, 앞서 설명한 온라인 정보와 같은 경로로 수집 가능할 수 있다. 또한, 해당 위원들은 임기에 따라 변경되므로, 데이터 수집부(110)는 정기적으로 상기 금융기관 위원들의 인적 정보를 수집할 수 있다.

또한, 데이터 수집부(110)는 수집된 금융기관 위원들의 인적 정보를 활용하여 위원들의 과거 발언 데이터를 온라인에서 검색할 수 있고, 이에 따라 해당 위원들의 과거 발언 데이터를 수집할 수 있다(S120 참고).

예를 들어, 금융기관에서 제공하는 의사록, 기자간담회 자료, 의결사항, 통화정책방향 자료, 및, 점도표, 또는 앞서 설명한 온라인 경로를 통해 수집될 수 있다.

이벤트 예측부(140)는 앞서 설명한 제1 예정 이벤트의 결과 예측 시, 수집된 위원들의 과거 발언 데이터를 추가적인 영향 인자로 활용할 수 있다(S130).

이는 시장 데이터와 같은 정형 데이터뿐만 아니라 과거 발언 데이터와 같은 비정형 데이터를 이용하여 예측을 진행함으로써, 예측 결과의 정확도를 높이기 위함이다.

예를 들어, 이벤트 예측부(140)는 수집된 과거 발언 데이터를 구성하는 단어(또는 키워드)를 추출하고, 이러한 단어들의 성향을 평가하여 제1 예정 이벤트 결과 예측 시 활용할 수 있다.

단어들에 대한 성향 평가 방식의 일 예로서, 기준 금리의 상승을 시사하는 단어들이 포함된 제1 라이브러리, 기준 금리의 유지를 시사하는 단어들이 포함된 제2 라이브러리, 및 기준 금리의 하락을 시사하는 단어들이 포함된 제3 라이브러리를 사용할 수 있다.

예를 들어, 제1 라이브러리에는 "상승", "오르다", "증가", "인상" 등의 단어들이 포함될 수 있고, 제2 라이브러리에는 "유지", "동결" 등의 단어들이 포함될 수 있으며, 제3 라이브러리에는 "하락", "내리다", "감소" 등의 단어들이 포함될 수 있다.

즉, 과거 발언 데이터에 포함된 단어들이 어느 라이브러리에 속하는 지 여부를 판단하고, 종합 점수화하여 수치로 산출할 수 있다. 예를 들어, 제1 라이브러리에 속하는 단어는 "+1점", 제2 라이브러리에 속하는 단어는 "0점", 제3 라이브러리에 속하는 단어는 "-1점"을 부여받을 수 있다.

따라서, 각 위원의 발언 데이터는 위와 같은 단어 평가 방식을 통하여 점수화 또는 등급화될 수 있고, 전체 위원들의 발언 데이터는 평균 등의 방식을 통하여 다시 통합 수치화될 수 있다.

이벤트 예측부(140)는 앞서 설명한 상관 관계를 통한 제1 예정 이벤트 결과 예측 방식에, 통합 수치화된 위원들의 과거 발언 데이터를 추가적인 영향 인자로 활용할 수 있다.

예를 들어, 이벤트 예측부(140)는 하기 수학식과 같이 최종 예측 결과를 산출할 수 있다.

PE = a * R1 + b * R2

즉, 앞서 설명한 상관 관계를 통하여 예측된 결과는 종류(상승, 유지, 하락)에 따라 제1 값(R1)으로 수치화될 수 있고, 과거 발언 데이터 역시 제2 값(R2)으로 수치화될 수 있다.

이러한 제1 값(R1)과 제2 값(R2)을 소정 비율(a, b)로 합산함으로써, 최종 수치(PE)가 산출될 수 있으며, 최종 수치(PE)의 범위에 따라 제1 예정 이벤트의 결과가 "상승", "유지", 또는 "하락"으로 산출될 수 있다.

상술한 위원들의 과거 발언 데이터의 활용 방식은 일 예에 해당하므로, 이는 다양한 형태로 변화될 수 있을 것이다.

일례로, 이벤트 예측부(140)는 기계 학습 방식을 통하여, 제1 값(R1)과 제2 값(R2)을 인자로 하는 최종 수치(PE)를 산출할 수도 있다.

PE = f (R1, R2)

도 6은 본 발명의 다른 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템의 세부 구성을 나타낸 도면이고, 도 7 및 도 8은 도 6에 도시된 이벤트 탐색부 및 시장 예측부의 동작을 설명하기 위한 도면이다.

도 6을 참조하면, 본 발명의 다른 실시예에 의한 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템(100')은 데이터 수집부(110), 데이터베이스(120), 데이터 분석부(130), 이벤트 예측부(140), 이벤트 탐색부(150), 및 시장 예측부(160)를 포함할 수 있다.

도 2에 도시된 이벤트 예측 시스템(100)과 비교하여, 본 실시예의 경우 이벤트 탐색부(150) 및 시장 예측부(160)를 추가적으로 구비함으로써 추후 발생 시점이 불분명한 이벤트 발생 시 시장 데이터의 변화를 예측할 수 있는 기능을 추가 제공할 수 있다. 또한, 이하에서는 상술한 실시예와 차이나는 구성을 중심으로 설명을 진행하고, 중복되는 부분에 대해서는 설명을 생략하도록 한다.

앞서 설명한 바와 같이, 데이터 수집부(110)는 제2 과거 이벤트와 관련된 정보를 수집할 수 있다.

이벤트 탐색부(150)는 제2 예정 이벤트와 관련성이 있는 제2 과거 이벤트를 데이터베이스(120)로부터 탐색할 수 있다(S210 참고).

제2 예정 이벤트는 앞서 설명한 제2 과거 이벤트와 동일한 종류의 이벤트 중 적어도 하나를 의미할 수 있다. 다만, 제2 예정 이벤트는 발생 시점을 명확히 알 수 없는 이벤트 중 아직 발생되지 않은 미래의 이벤트를 의미하며, 예를 들어 발생 시점을 알 수 없는 자연 재해 관련 사건, 군사 관련 사건, 정치 관련 사건, 정치 관련 사건, 경제 관련 사건, 과학 기술 관련 사건 및 기타 관련 사건 등을 포함할 수 있다.

이러한 제2 예정 이벤트는 사용자 단말기(200)를 통해 입력될 수 있다. 즉, 사용자는 자신이 알고자 하는 특정 이벤트 후의 시장 데이터와 관련하여, 상기 특정 이벤트를 제2 예정 이벤트로서 이벤트 예측 시스템(100')으로 입력할 수 있다.

예를 들어, 사용자가 사용자 단말기(200)를 통하여 "태풍"을 제2 예정 이벤트로 입력한 경우, 이벤트 탐색부(150)는 "태풍"과 관련성이 있는 제2 과거 이벤트를 탐색할 수 있다.

예를 들어, 이벤트 탐색부(150)는 "태풍"과 동일성이 있는 과거의 태풍 사건을 우선적으로 탐색하며, 만약 과거에 해당 사건이 존재하지 않는 경우 다른 자연 재해 관련 사건(예를 들어, 폭우, 지진 등)을 탐색할 수 있다.

시장 예측부(160)는 이벤트 탐색부(150)에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 추출할 수 있다(S220 참고).

또한, 시장 예측부(160)는 추출된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 이용하여, 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정할 수 있다(S230 참고).

예를 들어, 시장 예측부(160)는 이벤트 탐색부(150)에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터의 변화 비율을 추출하고, 현재 시장 데이터에 상기 변화 비율을 적용하여 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정할 수 있다.

이하에서는 도 8을 참조하여, A 시장 데이터가 "원자재 가격"에 관한 것이고, 제2 예정 이벤트가 "태풍"인 경우를 예로 들어 설명한다.

이벤트 탐색부(150)는 제2 예정 이벤트인 "태풍"이 입력되는 경우, 이와 관련성이 있는 제2 과거 이벤트를 탐색할 수 있다. 예를 들어, 이벤트 탐색부(150)는 과거 시점(F)에 발생된 태풍을 관련성이 있는 제2 과거 이벤트로 추출할 수 있다.

만약, 제2 예정 이벤트와 동일한 제2 과거 이벤트가 다수개 탐색된 경우, 가장 최근에 발생된 제2 과거 이벤트를 관련성이 있는 과거 이벤트로 선정하거나, 다수의 제2 과거 이벤트 이후의 각 시장 데이터의 변화 비율을 통합(예를 들어, 평균)하여 제2 예정 이벤트 발생 시 이후의 시장 데이터 예측에 사용할 수 있다.

또한, 시장 예측부(160)는 추출된 제2 과거 이벤트의 발생 시점(F) 이후 소정 기간(T5) 내에 존재하는 원자재 가격 데이터의 변화 비율을 추출하고, 현재 원자재 가격 데이터에 상기 변화 비율을 적용함으로써 제2 예정 이벤트 발생 시점(E) 이후 기간(T4)의 원자재 가격 데이터를 추정할 수 있다.

시장 예측부(160)는 이벤트 탐색부(150)에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터(예를 들어, T5 기간의 시장 데이터), 상기 현재 시장 데이터, 및 추정된 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터(예를 들어, T4 기간의 시장 데이터)를 사용자 단말기(200)로 전송하여 표시할 수 있다.

이때, 시장 예측부(160)는 사용자 단말기(200)에 제2 예정 이벤트 발생 시 시장 데이터 변화 비율을 표시하는 것도 가능하고, 또는 단순히 "긍정(Positive)", "부정(Negative)" 등으로만 표시하여 방향성만 제시하는 것도 가능하다. 예를 들어, "가상화폐"라는 이슈가 발생했을 때 "유가 ⇒ 부정", "환율 ⇒ 긍정", "무역수지 ⇒ 부정"이라고 표시될 수 있다. 또한 그래프로 표현하는 것도 가능할 것이며 변화 비율뿐 아니라 구체적인 수치를 표현하는 것도 가능하고, 알림 표시를 색상으로 제공하는 것도 가능하다 할 것이다.

한편, 시장 예측부(160)는 단순히 사용자 단말기(200)에 추정된 시장데이터를 표시하는 것을 넘어서 자동으로 보고서를 작성하는 것도 가능할 수 있다. 이러한 경우 보고서 작성까지 거의 실시간으로 이루어질 수 있으며, 이는 기존의 애널리스트, 산업분석 전문가, 신용평가사, 기업 대출담당자 등이 경제데이터를 추정하는 보고서를 작성하는 것 대비, 시간과 노력을 매우 효과적으로 절감할 수 있다.

한편, 사용자 단말기(200)가 시장 데이터를 추정하는 방식은 상기 방식에 국한되지 아니하며 빅데이터 분석, 인공지능 등을 이용하여 더욱 다양한 방식으로 구현할 수 있을 것이다.

도 9는 본 발명의 실시예에 의한 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 방법을 설명하기 위한 흐름도이다. 도 9를 참조하여, 빅데이터 및 인공지능을 활용한 이벤트 예측 방법을 설명하도록 한다.

도 9를 참조하면, 시장 데이터 및 이벤트 정보 수집 단계(S310)가 수행될 수 있다. 예를 들어, 이는 앞서 설명한 바와 같이 데이터 수집부(110)에 의해 온라인을 통해 수행될 수 있다.

즉, 본 단계(S310)에서는 시장 데이터, 제1 과거 이벤트, 및 제2 과거 이벤트와 관련된 정보를 수집할 수 있으며, 수집된 정보를 별도의 데이터베이스(120)에 저장할 수 있다.

또한, 시장 데이터 및 이벤트 정보에 대한 계속적인 수집이 필요한 바, 시장 데이터 및 이벤트 정보 수집 단계(S310)는 지속적 또는 주기적으로 수행될 수 있다.

시장 데이터 및 이벤트 정보에 대한 수집이 이루어진 후, 시장 데이터와 제1 과거 이벤트의 상관 관계를 도출하는 단계(S320)가 진행될 수 있다. 예를 들어, 이는 앞서 설명한 바와 같이 데이터 분석부(130)에 의해 수행될 수 있다.

즉, 본 단계(S320)에서는 데이터베이스(120)에 저장된 정보를 기초로 하여, 제1 과거 이벤트의 결과 및 상기 제1 과거 이벤트 발생 전의 시장 데이터간의 상관 관계를 분석할 수 있다.

사용자 요청을 입력받는 단계(S330)가 수행될 수 있다. 예를 들어, 사용자는 자신의 사용자 단말기(200)를 통하여 제1 요청 또는 제2 요청을 전송할 수 있다.

이때, 제1 요청은 발생 시점이 결정된 제1 예정 이벤트의 결과 예측 요청으로 설정되고, 제2 요청은 발생 시점이 결정되지 않은 제2 예정 이벤트 이후의 시장 예측 요청으로 설정될 수 있다.

또한, 사용자는 필요에 따라, 제1 요청과 제2 요청을 동시에 전송할 수도 다.

사용자 단말기(200)로부터 제1 요청이 전송된 경우, 제1 예정 이벤트 결과 예측 단계(S340)이 수행될 수 있다. 예를 들어, 이는 앞서 설명한 바와 같이 이벤트 예측부(140)에 의해 수행될 수 있다.

즉, 본 단계(S340)에서는 데이터 분석부(130)에 의해 도출된 상관 관계와 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여, 상기 제1 예정 이벤트의 결과를 예측할 수 있다.

또한, 예측된 제1 예정 이벤트의 결과를 사용자 단말기(200)로 전송할 수 있다.

한편, 사용자 단말기(200)로부터 제2 요청이 전송된 경우, 제2 예정 이벤트 이후 시장 데이터 추정 단계(S350)가 진행될 수 있다. 예를 들어, 이는 앞서 설명한 바와 같이 이벤트 탐색부(150) 및 시장 예측부(160)에 의해 수행될 수 있다.

즉, 본 단계(S350)에서는 제2 예정 이벤트와 관련성이 있는 제2 과거 이벤트를 데이터베이스(120)로부터 탐색할 수 있다. 또한, 이러한 제2 예정 이벤트는 사용자 단말기(200)를 통해 입력될 수 있다. 즉, 사용자는 자신이 알고자 하는 특정 이벤트 후의 시장 데이터와 관련하여, 상기 특정 이벤트를 제2 예정 이벤트로서 제2 요청과 함께 입력할 수 있다.

그 후, 본 단계(S350)에서는 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 추출할 수 있으며, 추출된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 이용하여, 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정할 수 있다.

또한, 추정된 제2 예정 이벤트 발생 시 이후의 시장 데이터를 사용자 단말기(200)로 전송할 수 있다.

본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이지 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100, 100': 이벤트 예측 시스템
110: 데이터 수집부
120: 데이터베이스
130: 데이터 분석부
140: 이벤트 예측부
150: 이벤트 탐색부
160: 시장 예측부
200: 사용자 단말기

Claims (20)

1. 시장 데이터, 과거 발생된 제1 과거 이벤트 및 제2 과거 이벤트와 관련된 정보를 수집하여, 데이터베이스에 저장하는 데이터 수집부;
   상기 데이터베이스를 참조하여, 상기 제1 과거 이벤트의 발생 시점으로부터 이전의 소정 기간 내에 존재하는 시장 데이터와 상기 제1 과거 이벤트의 결과 사이에 상관 관계를 도출하는 데이터 분석부;
   발생 시점이 결정된 제1 예정 이벤트의 결과를 예측하는 이벤트 예측부;
   발생 시점이 결정되지 않은 제2 예정 이벤트와 관련성이 있는 제2 과거 이벤트를 상기 데이터베이스로부터 탐색하는 이벤트 탐색부; 및
   상기 이벤트 탐색부에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 이용하여, 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정하는 시장 예측부; 를 포함하고,
   상기 제1 과거 이벤트 및 제1 예정 이벤트는, 금융기관에 의한 기준 금리 발표이며,
   상기 제2 과거 이벤트는, 자연 재해 관련 사건 및 군사 관련 사건을 포함하고,
   상기 제2 예정 이벤트는, 상기 자연 재해 관련 사건 및 상기 군사 관련 사건 중 적어도 하나를 포함하며,
   상기 데이터 수집부는,
   상기 기준 금리를 결정하는 금융기관 위원들의 인적 정보를 정기적으로 수집하여 상기 데이터베이스에 저장하고, 수집된 상기 금융기관 위원들의 인적 정보를 활용하여 상기 금융기관 위원들의 과거 발언 데이터를 온라인에서 검색함으로써 상기 금융기관 위원들의 과거 발언 데이터를 추가 수집하고,
   상기 이벤트 예측부는,
   상기 데이터 분석부에 의해 도출된 상관 관계와 발생 시점이 결정된 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여 상기 제1 예정 이벤트의 결과를 예측하되, 상기 제1 예정 이벤트의 결과 예측 시 상기 금융기관 위원들의 과거 발언 데이터를 추가적인 영향 인자로 활용하고, 상기 금융기관 위원들의 과거 발언 데이터를 구성하는 단어를 추출하고, 추출된 단어들이 특정 라이브러리에 속하는 지 여부를 판단하여 각 위원들의 과거 발언 데이터를 점수화하며, 전체 위원들의 발언 데이터를 통합 수치화하여 상기 추가적인 영향 인자로 활용하고,
   상기 라이브러리는,
   기준 금리의 상승을 시사하는 단어들이 포함된 제1 라이브러리, 기준 금리의 유지를 시사하는 단어들이 포함된 제2 라이브러리, 및 기준 금리의 하락을 시사하는 단어들이 포함된 제3 라이브러리를 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
2. 삭제
3. 제1항에 있어서,
   상기 시장 데이터는, 채권 시장 정보 및 원자재 시장 정보 중 적어도 하나를 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
4. 제1항에 있어서,
   상기 제1 과거 이벤트의 결과 및 상기 제1 예정 이벤트의 결과는, 상승, 유지 및 하락 중 하나인 것을 특징으로 하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
5. 제1항에 있어서,
   상기 이벤트 예측부는,
   상기 제1 예정 이벤트의 발생 시점으로부터 일정 기간 이전의 시점부터 주기적으로 상기 제1 예정 이벤트의 예측 결과를 갱신하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
6. 삭제
7. 삭제
8. 삭제
9. 제1항에 있어서,
   상기 이벤트 예측부는,
   상기 이벤트 예측 시스템과 네트워크 연결된 사용자 단말기로 상기 제1 예정 이벤트의 결과 및 그 판단 근거가 된 시장 데이터를 전송하는 것을 특징으로 하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
10. 삭제
11. 제1항에 있어서,
    상기 시장 예측부는,
    상기 이벤트 탐색부에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터의 변화 비율을 추출하고, 현재 시장 데이터에 상기 변화 비율을 적용하여 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정하는 것을 특징으로 하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
12. 삭제
13. 제1항에 있어서,
    상기 제2 예정 이벤트는, 상기 이벤트 예측 시스템과 네트워크 연결된 사용자 단말기를 통해 입력되는 것을 특징으로 하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
14. 제11항에 있어서,
    상기 시장 예측부는,
    상기 이벤트 탐색부에 의해 탐색된 제2 과거 이벤트의 발생 시점 이후의 시장 데이터, 상기 현재 시장 데이터, 및 추정된 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 상기 이벤트 예측 시스템과 네트워크 연결된 사용자 단말기로 전송하는 것을 특징으로 하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템.
15. 데이터 수집부, 데이터 분석부, 이벤트 예측부, 이벤트 탐색부, 및 시장 예측부를 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 시스템에 의하여 수행되는 이벤트 예측 방법에 있어서,
    상기 데이터 수집부에 의하여 시장 데이터, 제1 과거 이벤트, 및 제2 과거 이벤트와 관련된 정보를 수집하는 단계;
    상기 데이터 분석부에 의하여 상기 제1 과거 이벤트의 발생 시점으로부터 이전의 소정 기간 내에 존재하는 시장 데이터와 상기 제1 과거 이벤트의 결과 사이에 상관 관계를 도출하는 단계;
    사용자 단말기로부터 발생 시점이 결정된 제1 예정 이벤트의 결과 예측 요청이 전송된 경우, 상기 이벤트 예측부가 도출된 상기 상관 관계와 상기 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여 상기 제1 예정 이벤트의 결과를 예측하는 단계; 및
    상기 사용자 단말기로부터 발생 시점이 결정되지 않은 제2 예정 이벤트 이후의 시장 예측 요청이 전송된 경우, 상기 이벤트 탐색부가 상기 제2 예정 이벤트와 관련성이 있는 제2 과거 이벤트를 탐색하고, 상기 시장 예측부가 탐색된 상기 제2 과거 이벤트의 발생 시점 이후의 시장 데이터를 이용하여 상기 제2 예정 이벤트 발생 시 이후의 시장 데이터를 추정하는 단계; 를 포함하고,
    상기 제1 과거 이벤트 및 제1 예정 이벤트는, 금융기관에 의한 기준 금리 발표이며,
    상기 제2 과거 이벤트는, 자연 재해 관련 사건 및 군사 관련 사건을 포함하고,
    상기 제2 예정 이벤트는, 상기 자연 재해 관련 사건 및 상기 군사 관련 사건 중 적어도 하나를 포함하며,
    상기 데이터 수집부는,
    상기 기준 금리를 결정하는 금융기관 위원들의 인적 정보를 정기적으로 수집하여 데이터베이스에 저장하고, 수집된 상기 금융기관 위원들의 인적 정보를 활용하여 상기 금융기관 위원들의 과거 발언 데이터를 온라인에서 검색함으로써 상기 금융기관 위원들의 과거 발언 데이터를 추가 수집하고,
    상기 이벤트 예측부는,
    상기 데이터 분석부에 의해 도출된 상관 관계와 발생 시점이 결정된 제1 예정 이벤트의 발생 시점 이전에 존재하는 시장 데이터를 이용하여 상기 제1 예정 이벤트의 결과를 예측하되, 상기 제1 예정 이벤트의 결과 예측 시 상기 금융기관 위원들의 과거 발언 데이터를 추가적인 영향 인자로 활용하고, 상기 금융기관 위원들의 과거 발언 데이터를 구성하는 단어를 추출하고, 추출된 단어들이 특정 라이브러리에 속하는 지 여부를 판단하여 각 위원들의 과거 발언 데이터를 점수화하며, 전체 위원들의 발언 데이터를 통합 수치화하여 상기 추가적인 영향 인자로 활용하고,
    상기 라이브러리는,
    기준 금리의 상승을 시사하는 단어들이 포함된 제1 라이브러리, 기준 금리의 유지를 시사하는 단어들이 포함된 제2 라이브러리, 및 기준 금리의 하락을 시사하는 단어들이 포함된 제3 라이브러리를 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 방법.
16. 삭제
17. 삭제
18. 삭제
19. 제15항에 있어서,
    상기 시장 데이터는, 채권 시장 정보 및 원자재 시장 정보 중 적어도 하나를 포함하는 빅데이터 및 인공지능을 활용한 이벤트 예측 방법.
20. 제15항에 있어서,
    상기 제2 예정 이벤트는, 사용자 단말기를 통해 전송되는 것을 특징으로 하는 빅데이터 및 인공지능을 활용한 이벤트 예측 방법.
    

Images