KR102134664B1 - 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법 - Google Patents

Abstract

본 발명은 로보 어드바이저 알고리즘에서 출력되는 포트폴리오를 분석 및 활용하여, 단일종목 비중 한도(A) 및 추천종목의 단가의 크기를 감안하여 각 추천종목별 최적 매매수량(L’)을 산정 및 제공하도록 구성됨으로써 산정된 투자금액과 실제 투자금액의 차액을 최소화하여 안전성 및 수익률을 극대화시킬 수 있을 뿐만 아니라 위험성 및 손실률을 더욱 절감시킬 수 있고, 최적 매매수량(L’) 산정 시, 매매수수료, 환전수수료, 증거금 등의 외부비용을 감안하여 최적 매매수량(L’)을 산정하도록 구성됨으로써 투자자의 외부 비용 부족으로 인한 혼란과, 이로 인한 투자실수를 사전에 효과적으로 방지할 수 있을 뿐만 아니라 효율성 및 편의성을 개선시킬 수 있으며, 각기 다른 학습 및 분석모델로 이루어지는 다양한 로보 어드바이저 알고리즘들과 연동이 가능하여 확장성 및 연동성을 개선시킬 수 있는 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법에 관한 것이다.

Description

로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법{Calculation method of optimal stock quantity by each stock in accordance with portfolio of robo advisor}

본 발명은 로보 어드바이저의 포트폴리오에 따른 각 추천종목별 최적 매매수량 산출 방법에 관한 것으로서, 상세하게로는 투자금액 및 종목단가에 따라 산정된 자산별 비중과 실제 투자비중의 차액을 최소화시켜 수익률 및 안정성을 극대화시킴과 동시에 위험성 및 손실률을 최소화하며, 각기 다른 학습 및 분석모델로 이루어지는 다양한 로보 어드바이저 알고리즘들과 연동 가능하여 연동성 및 확장성이 우수한 각 종목별 최적 매매수량 산출 방법에 관한 것이다.

포트폴리오(Portfolio)는 자산투자에서 위험 부담이 적으면서 수익성이 높은 상품을 조합하여 분산 투자함으로써 투자수익을 높이되, 위험률을 절감시키기 위한 투자방법이다.

종래의 포트폴리오는 해당 투자에 숙련된 지식을 가진 전문가(투자자문회사, 펀드매니저 등)가 투자자의 투자성향, 비용 및 경제흐름 등의 환경 요인을 종합적으로 분석하여 제공 하는 방식으로 이루어져왔다.

그러나 최근 들어, 인공지능(AI, Artificial Intelligence) 기술 및 전자 디바이스 산업이 고도화되고 통신 인프라가 확장됨에 따라 인공지능(AI)을 이용하여 해당 투자자의 투자 포트폴리오를 제공하는 로보 어드바이저(Robo advisor) 시스템에 대한 연구가 다양하게 이루지고 있고, 그 보급률이 기하급수적으로 증가하고 있는 추세이다.

일반적으로, 로보 어드바이저 시스템은 입력된 투자금액 및 환경 요인에 맞는 각 자산군별 최적 투자비중과, 각 자산군별 추천종목들, 각 추천종목별 최적 매매수량 등을 출력하도록 구성된다. 이때 자산군은 투자종류를 구분하기 위한 카테고리인 ‘국내주식’, ‘국내채권’, ‘해외주식’, ‘해외채권’ 등을 의미하고, 추천종목은 해당 자산군에 포함되는 종목을 의미한다.

그러나 종래의 로보 어드바이저 시스템은 각 추천종목별 최적 매매수량 정보를 제공한다고 하더라도, 단일종목의 투자비중 한도(A)와, 각 추천종목의 단가의 크기 차이로 인하여, 산정된 비중에 따른 투자금액과 실제 매매금액의 차액이 발생하게 되고, 이러한 차액은 수익 발생 시, 차액에 비례하는 만큼 수익이 줄어들기 때문에 투자자의 수익률을 극대화시키지 못하는 단점을 갖는다.

예를 들어, 투자자의 투자금액이 1,000만원일 때, 로보 어드바이저가 ‘한국채권’ 자산군의 자산 비중을 70%로 산정함과 동시에 해당 ‘한국채권’의 추천종목 a(단가 120,000원) 30주, 추천종목 b(단가 312,000원) 9주, 추천종목 c(단가 357,000원) 1주로 산정할 수 있으나, 이러한 경우, 산정된 한국채권의 비중금액인 ‘7,000,000원’과, 실제 투자금액으로 ‘6,765,000’원의 차액이 ‘235,000원’이 발생함에 따라, ‘235,000’원의 차액에 비례하는 만큼의 수익의 기회가 사라지게 되는 문제점이 발생한다.

다시 말하면, 종래의 로보 어드바이저는 1)각 자산군의 투자비중 정보와, 각 자산군의 추천종목들의 리스트를 단순 제공한다고 가정할 때, 실질적으로 각 추천종목의 매매수량은 투자자의 판단에 의해 이루어지기 때문에 안전성 및 수익률이 떨어지는 문제점이 발생하고, 2)각 자산군의 투자비중 정보와, 각 자산군의 추천종목들, 각 추천종목의 매매수량을 제공한다고 가정할 때, 단일종목 투자 비중 한도(A)와 각 추천종목의 단가의 크기 차이를 전혀 감안하지 않고 추천종목별 매매수량을 산정하기 때문에 산정된 비중에 따른 투자금액과 실제 투자금액의 차액이 발생하여, 수익률을 극대화시키지 못하는 구조적 한계를 갖는다.

일반적으로 주식 매매 시, 투자비용은 단순히 종목단가 및 수량에 의해서만 결정되는 것이 아니라, 매매수수료, 환전수수료, 증거금 등의 외부비용이 포함될 뿐만 아니라 환율변동에 따라 결정되나, 종래의 로보 어드바이저는 이러한 외부비용 발생의 특성을 전혀 감안하지 않고 추천종목별 매매수량이 산정되기 때문에 산정된 비중에 따른 투자 시, 실제 투자비중과 차액이 발생하여 투자자의 혼란 및 투자실수를 유발함과 동시에 매매의 효율성 및 편의성이 떨어지는 문제점이 발생한다.

도 1은 국내공개특허 제10-2018-0120110호(발명의 명칭 : 금융시장 불안정지수 산출 방법 및 이를 이용한 자산배분 방법)에 개시된 자산배분 방법의 흐름을 간략하게 도시된 예시도이다.

도 1의 자산배분 방법(S900)은 금융시장 불안정지수(FMII)를 산출하는 A1 단계(A1)와, 자산배분모델을 이용하여 자산비중을 결정함과 동시에 A1 단계(A1)에 의해 산출된 금융시장 불안정지수(FMII)를 이용하여 자산군 필터링을 한 후 자산군별 투자비중을 결정하는 A2 단계(A2)와, 고객의 위험성향에 따라 목표변동성(Target volatility)의 값을 변경하는 A3 단계(A3)와, 선택된 자산군 내에서 투자종목별 변동성에 기반하여 클러스터링을 수행하는 A4 단계(A4)와, 포트포리오 가중치를 최적한 후, 클러스터링된 그룹을 최종 선정하는 A5 단계(A5)로 이루어진다.

A1 단계(A1)는 기 설정된 기준 구간에 대하여, 예측값과 실측값의 오차를 이용하여 선형 모형의 금융시장 불안정지수(FMII1)를 산출한 후, 기 설정된 기준 구간에 대하여, 예측값과 실측값의 오차를 이용하여 비선형 모형의 금융시장 불안정지수(FMII2)를 산출하며, 선형 모형의 금융시장 불안정지수(FMII1)와 비선형 모형의 금융시장 불안정지수(FMII2)를 결합하여 통합 금융시장 불안정지수(iFMII)를 산출한 후, 최종 금융시장 불안정지수(FMII)를 산출한다.

A3 단계(A3)는 한도(A) 보다 작은 금융시장 불안정지수(FMII)를 갖는 자산군은 투자대상에서 제외하며, 선택된 자산군의 금융시장 불안정지수(FMII)의 합이 1이 되도록 조정한다.

A4 단계(A4)는 자산군 중에서 적합한 자산군을 스크리닝하는 A4-1단계와, 클러스터링 기법을 이용하여 유사한 자산군을 분류하는 A4-2 단계를 포함한다. 이때 클러스터링 기법은 자산군 개채간의 유사도를 거리 개념으로 판단하여 서로 유사한 객체 그룹으로 스크리닝한다.

A5 단계(A5)는 유전 알고리즘을 이용하여 가중치를 최적화하며, 포트폴리오의 샤프지수(Sharpe ratio)를 산출한 후, 샤프지수가 최대가 되도록 임계치를 조정하여 투자비중을 결정한다.

이와 같이 구성되는 종래기술(S900)은 금융시장 불안정지수(FMII)를 활용하여 자산군을 필터링 하도록 구성됨으로써 금융시장의 불안정정도에 대한 주관적인 판단을 배제하여 객관적인 기준을 제공할 수 있을 뿐만 아니라 투자자의 포트폴리오에 적합한 자산분재가 가능하며, 시장 변화에 능동적으로 대응하여 최적의 투자비율을 구성할 수 있는 장점을 갖는다.

그러나 종래기술(S900)은 각 자산군의 투자비중에 대한 정확성 및 신뢰도를 높일 수는 있으나, 위험성을 낮추면서 수익률을 높이기 위한 각 자산군별 최적의 추천종목들 및 매매수량에 대한 정보를 제공하지 못하기 때문에 투자자가 자산군 투자비중에 따라 투자를 하더라도, 종목선택이 잘못되어 위험성이 증가하고 수익률이 떨어지는 단점을 갖는다.

만약 종래기술(S900)이 각 자산군의 투자비중 뿐만 아니라 자산군별 추천종목들 및 각 추천종목의 매매수량을 함께 제시한다고 가정하더라도, 단일종목 투자 비중 한도(A)와 각 추천종목의 단가, 투자금액의 크기로 인하여 산정된 비중과 실제 투자비중의 차액이 발생하게 되고, 발생된 차액에 비례하는 만큼 투자자의 수익률이 줄어듦에 따라 안전성 및 수익률을 극대화시키지 못하는 단점을 갖는다.

또한 종래기술(S900)은 매매수수료, 환전수수료, 증거금, 환율 변동 등을 감안하지 않고 포트폴리오를 제시하기 때문에 이들로 인해 산정된 비중과 실제 투자비중의 차이가 증가하여 투자자의 혼란 및 투자실수를 유발함과 동시에 매매의 효율성 및 편의성이 떨어지는 문제점이 발생한다.

본 발명은 이러한 문제를 해결하기 위한 것으로, 본 발명의 해결과제는 로보 어드바이저 알고리즘에서 출력되는 포트폴리오를 분석 및 활용하여, 단일종목 비중 한도(A) 및 추천종목의 단가의 크기를 감안하여 각 추천종목별 최적 매매수량(L’)을 산정 및 제공하도록 구성됨으로써 산정된 투자금액과 실제 투자금액의 차액을 최소화하여 안전성 및 수익률을 극대화시킬 수 있을 뿐만 아니라 위험성 및 손실률을 더욱 절감시킬 수 있는 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 제공하기 위한 것이다.

또한 본 발명의 다른 해결과제는 최적 매매수량(L’) 산정 시, 매매수수료, 환전수수료, 증거금 등의 외부비용을 감안하여 최적 매매수량(L’)을 산정하도록 구성됨으로써 투자자의 외부 비용 부족으로 인한 혼란과, 이로 인한 투자실수를 사전에 효과적으로 방지할 수 있을 뿐만 아니라 매매의 효율성 및 편의성을 개선시킬 수 있는 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 제공하기 위한 것이다.

또한 본 발명의 또 다른 해결과제는 각기 다른 학습 및 분석모델로 이루어지는 다양한 로보 어드바이저 알고리즘들과 연동이 가능하여 연동성 및 확장성이 우수한 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 제공하기 위한 것이다.

상기 과제를 해결하기 위한 본 발명의 해결수단은 단말기에 설치되어 각 종목별 최적매매수량을 산출하는 플랫폼이, 로보 어드바이저(Robo advisor)로부터 출력되며 각 자산군별 투자비중(S) 및 추천종목들을 포함하는 포트폴리오를 입력받는 단계10(S10); 상기 플랫폼이 상기 단계10(S10)에 의해 입력된 포트폴리오의 자산군들 중 최적 매매수량산정에 활용된 자산군이 선택되며, 선택된 자산군의 투자비중(S)을 하위 구성요소인 추천종목들 각각의 투자비중(S)으로 동일하게 부여한 후, 부여된 각 추천종목의 투자비중(S)과 투자자의 투자금액을 곱하여 각 추천종목별 투자금액을 산출하는 단계20(S20); 상기 플랫폼이 상기 단계20(S20)에 의해 선택된 자산군의 추천종목들 중 어느 하나를 매매대상인 우선순위 추천종목으로 결정하는 단계50(S50); 상기 플랫폼이 상기 단계50(S50)에서 선택된 우선순위 추천종목의 최적 매매수량(L’)을 산정하는 단계60(S60)을 포함하고, 상기 단계50(S50)은 상기 플랫폼이 각 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값에 기 설정된 최대 설정값(TH2, Threshold2)을 곱한 값의 정수값인 최대 주식수량(L2)들을 산출하는 단계54(S54); 상기 플랫폼이 상기 단계54(S54)에 의한 각 추천종목의 최대 주식수량(L2)과 해당 추천종목의 단가를 곱한 값을 해당 추천종목의 투자금액으로 나누어 각 추천종목의 최대비율(R2)들을 산출하는 단계55(S55); 상기 플랫폼이 상기 단계55(S55)에서 최대비율(R2)이 ‘1’과 가장 가까운 추천종목을 우선순위 추천종목으로 결정하는 단계592(S592)를 더 포함하고, 상기 단계60(S60)은 상기 플랫폼이 상기 단계592(S592)에서 결정된 우선순위 추천종목의 최대 주식수량(L2)을 최적 매매수량(L’)으로 결정하는 것이다.

또한 본 발명에서 상기 단계20(S20)은 상기 플랫폼이 상기 단계10(S10)에 의해 입력된 포트폴리오의 자산군들 중 최적 매매수량 산정에 활용된 자산군을 선택받는 단계201(S201); 상기 플랫폼이 상기 단계201(S201)에 의해 선택된 자산군의 투자비중(S) 및 기 설정된 단일종목 투자비중 한도(A)를 비교하며, 만약 해당 자산군의 투자비중(S)이 한도(A)를 초과(S > A)하면, 해당 자산군의 복제가 필요하다고 판단하는 단계21(S21); 상기 플랫폼이 상기 단계21(S21)에서 자산군 복제가 필요하다고 판단될 때 진행되며, 해당 자산군의 투자비중(S)을 한도(A)로 나눈 값의 정수값이 ‘M(M≥1)’이면, 복제자산군의 수량을 ‘M’으로 결정한 후, 원자산군의 투자비중(S)을 한도(A)로 변경함과 동시에 복제자산군1, ..., M-1들 각각의 투자비중을 한도(A)로 설정하며, 복제자산군M의 투자비중을 원자산군의 최초 투자비중(S)에서 한도(A)와 복제자산군(M)의 수량을 곱한 값을 차감한 값(S - (A × M))으로 설정하며, 원자산군의 하위 구성요소인 추천종목들을 복제자산군1, ..., M들 각각의 추천종목들로 동일하게 설정하는 단계22(S22); 상기 플랫폼이 상기 단계21(S21)에서 자산군 복제가 필요하지 않다고 판단될 때 진행되어 해당 자산군의 투자비중(S)을 해당 자산군의 하위 구성요소인 추천종목들 각각의 투자비중으로 부여하거나 또는 상기 단계22(S22) 이후에 진행되어 상기 단계22(S22)에서 설정된 원자산군 및 복제자산군1, ..., M들을 후보자산군이라고 할 때, 각 후보자산군의 투자비중을 해당 후보자산군의 추천종목들 각각의 투자비중으로 부여하는 단계23(S23); 상기 플랫폼이 상기 단계23(S23)에 의해 부여된 각 추천종목의 투자비중과 투자자의 투자금액을 곱하여 각 추천종목별 투자금액을 산출하는 단계24(S24); 상기 단계23(S23) 및 상기 단계24(S24)에 의해 부여 및 산출된 데이터를 활용하여 각 후보자산군의 추천종목별로 투자비중 및 투자금액이 매칭된 기준테이블을 생성하는 단계28(S28)을 더 포함하고, 상기 단계50(S50)은 상기 플랫폼이 각 후보자산군의 추천종목들 각각의 최대비율(R2)들을 산출한 후, 추천종목들 중 최대비율(R2)이 ‘1’과 가장 가까운 추천종목을 해당 후보자산군의 우선순위 추천종목으로 결정하는 것이 바람직하다.

또한 본 발명에서 상기 각 종목별 최적 매매수량 산출 방법(S1)은 상기 단계(S20) 이후에 진행되며, 상기 플랫폼이 원자산군인 후보자산군의 식별번호(N)를 ‘1’로 설정함과 동시에 복제자산군1, ..., M들인 후보자산군들의 식별번호(N)를 ‘2’, ..., ‘N’로 설정한 후, 후보자산군의 식별번호(N)를 ‘1’로 초기화하는 단계30(S30); 상기 플랫폼이 식별번호 ‘N’이 부여된 후보자산군인 제N 후보자산군을 우선순위 추천종목 산정에 적용될 후보자산군으로 선택한 후, 다음 단계로 상기 단계50(S50)을 진행하는 단계40(S40)을 더 포함하고, 상기 단계54(S54)는 상기 플랫폼이 상기 단계40(S40)에 의해 선택된 제N 후보자산군의 하위 구성요소인 추천종목들 각각의 최대 주식수량(L2)들을 산출하고, 상기 단계55(S55)는 상기 플랫폼이 해당 제N 후보자산군의 추천종목들 각각의 최대비율(R2)을 산출하고, 상기 단계592(S952)는 상기 플랫폼이 해당 제N 후보자산군의 추천종목들 중 상기 단계55(S55)에 의해 산출된 최대비율(R2)이 ‘1’과 가장 가까운 추천종목을 해당 제N 후보자산군의 우선순위 추천종목으로 결정하는 것이 바람직하다.

또한 본 발명에서 상기 각 종목별 최적 매매수량 산출 방법(S1)은 상기 단계60(S60) 이후에 진행되며, 상기 플랫폼이 상기 기준테이블을 활용하여 다음 식별번호를 갖는 후보자산군이 존재하는지를 비교하는 단계70(S70); 상기 단계70(S70)에서 다음 식별번호를 갖는 후보자산군이 존재한다고 판단될 때 진행되며, 상기 플랫폼이 다음 식별번호의 후보자산군의 추천종목들 중 상기 단계60(S60)에 의해 최적 매매수량(L’)이 산정된 우선순위 추천종목을 제거한 리스트를 생성하는 단계80(S80); 상기 플랫폼이 상기 단계80(S80)에서 생성된 리스트를 참조하여 다음 식별번호의 후보자산군의 추천종목의 잔여수량이 ‘1’개인지를 비교하며, 만약 다음 식별번호의 후보자산군의 잔여수량이 ‘1’개일 때, 남은 1개의 추천종목을 우선순위 추천종목으로 결정한 후, 다음 단계로 상기 단계60(S60)을 진행하는 단계90(S90); 상기 단계90(S90)에서 추천종목의 잔여수량이 ‘2’개 이상일 때 진행되며, 상기 플랫폼이 식별번호인 N에 ‘1’을 추가(N=N+1)하며, 다음 단계로 상기 단계40(S40)을 진행하는 단계100(S100)을 더 포함하는 것이 바람직하다.

또한 본 발명에서 상기 단계50(S50)은 상기 단계54(S54)와 병렬로 진행되며, 상기 플랫폼이 상기 단계40(S40)에서 선택된 제N 후보자산군의 각 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값에 기 설정된 최저 설정값(TH1, Threshold)을 곱한 값의 정수값인 최소 주식수량(L1)들을 산출하는 단계52(S52); 상기 플랫폼이 상기 단계52(S52)에 의한 각 추천종목의 최소 주식수량(L1)과 해당 추천종목의 단가를 곱한 값을 해당 추천종목의 투자금액으로 나누어 각 추천종목의 최소비율(R1)들을 산출하는 단계53(S53); 상기 단계53(S53) 및 상기 단계55(S55) 이후에 진행되며, 상기 플랫폼이 상기 단계53(S53)에 의해 산출된 각 추천종목의 최소비율(R1)들을 최저 설정값(TH1)과 비교하여 추천종목들 중 최저비율(L1)이 최저 설정값(TH1) 이하인 추천종목들을 리스트에서 제거하는 단계56(S56); 상기 플랫폼이 상기 단계56(S56)의 리스트의 추천종목들 중 최대비율(L2)이 최대 설정값(TH2) 이상인 추천종목들을 리스트에서 제거하는 단계58(S58); 상기 플랫폼이 상기 단계58(S58)에 의한 리스트를 참조하여 1)잔여 추천종목이 ‘0’개인 제1 조건이거나 또는 2)잔여 추천종목이 ‘2’개 이상인 제2 조건일 때, 다음 단계로 상기 단계592(S592)를 진행하되, 3)잔여 추천종목이 ‘1’개인 제3 조건일 때, 해당 잔여 추천종목을 우선순위 추천종목으로 결정한 후 다음 단계로 상기 단계60(S60)을 진행하는 단계591(S591)을 더 포함하고, 상기 단계592(S592)는 상기 플랫폼이 1)상기 단계591(S591)에서 제1 조건일 때, 해당 후보자산군의 원래의 추천종목들 중 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목으로 결정하며, 2)상기 단계591(S591)에서 제2 조건일 때, 잔여 추천종목들 중 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목으로 결정하고, 상기 단계60(S60)은 상기 단계591(S591)에서 제3 조건일 때, 상기 플랫폼이 결정된 우선순위 추천종목 또는 상기 단계592(S592)에서 결정된 우선순위 추천종목에 대한 최적 매매수량(L’)을 산출하는 것이 바람직하다.

또한 본 발명에서 상기 각 종목별 최적 매매수량 산출 방법(S1)은 상기 단계70(S70)에서 다음 식별번호를 갖는 후보자산군이 존재하지 않는다고 판단될 때 진행되며, 상기 플랫폼이 각 우선순위 추천종목의 최적 매매수량(L‘)과 단가를 곱한 값들을 합산하여 총투자금액(C)을 산출함과 동시에 산출된 총투자금액(C)과 기 설정된 외부비용을 합산하여 투자예측금액(C’)을 산출하는 단계110(S110); 상기 플랫폼이 상기 단계110(S110)에 의해 산출된 투자예측금액(C’)과 해당 자산군의 투자금액(C1)을 비교하는 단계120(S120); 상기 단계120(S120)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C’)을 초과할 때 진행되며, 상기 플랫폼이 우선순위 추천종목들 중 투자비중이 가장 높은 우선순위 추천종목의 최적 매매수량(L’)을 ‘1’씩 차감한 후, 다음 단계로 상기 단계110(S110)을 진행하는 단계130(S130); 상기 단계120(S120)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C’) 이하일 때 진행되며, 상기 플랫폼이 각 우선순위 추천종목별로 티커(Ticker)를 생성하는 단계140(S140)을 더 포함하고, 상기 단계110(S110)은 상기 플랫폼이 상기 단계130(S130)에 의해 변경된 최적 매매수량(L’)을 감안하여 총투자금액(C)을 재산출하는 것이 바람직하다.

또한 본 발명에서 상기 포트폴리오는 각 자산군의 추천종목들 각각의 랭크정보를 포함하고, 상기 단계592(S592)는 상기 플랫폼이 추천종목들 중 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목으로 결정하거나 또는 추천종목들 중 랭크정보가 가장 높은 추천종목을 우선순위 추천종목으로 결정하는 것이 바람직하다.

또한 본 발명에서 상기 단계20(S20)은 상기 단계24(S24) 이후에 진행되며, 상기 플랫폼이 환율정보를 최신 환율정보로 업데이트 하는 단계25(S25); 상기 단계25(S25) 이후에 진행되며, 상기 플랫폼이 선택된 자산군의 추천종목들 중 해외종목이 포함되는지 여부를 판단하는 단계26(S26); 상기 단계26(S26)에서 선택된 자산군의 추천종목들 해외종목이 포함된다고 판단될 때 진행되며, 상기 플랫폼이 해당 해외종목의 단가와 상기 단계25(S25)에서 업데이트된 최신 환율을 곱하여 해당 해외종목의 단가를 원화로 변환시키는 단계27(S27)을 더 포함하고, 상기 단계28(S28)은 상기 플랫폼이 상기 단계27(S27)에 의해 변화된 단가와, 상기 단계25(S25)에 의한 최신환율정보를 기준테이블에 포함시키는 것이 바람직하다.

또한 본 발명에서 상기 외부비용은 매매수수료, 환전수수료 및 증거금 중 적어도 하나 이상을 포함하는 것이 바람직하다.

상기 과제와 해결수단을 갖는 본 발명에 따르면 로보 어드바이저 알고리즘에서 출력되는 포트폴리오를 분석 및 활용하여, 단일종목 비중 한도(A) 및 추천종목의 단가의 크기를 감안하여 각 추천종목별 최적 매매수량(L’)을 산정 및 제공하도록 구성됨으로써 산정된 투자금액과 실제 투자금액의 차액을 최소화하여 안전성 및 수익률을 극대화시킬 수 있을 뿐만 아니라 위험성 및 손실률을 더욱 절감시킬 수 있게 된다.

또한 본 발명에 의하면 최적 매매수량(L’) 산정 시, 매매수수료, 환전수수료, 증거금 등의 외부비용을 감안하여 최적 매매수량(L’)을 산정하도록 구성됨으로써 투자자의 외부 비용 부족으로 인한 혼란과, 이로 인한 투자실수를 사전에 효과적으로 방지할 수 있을 뿐만 아니라 매매의 효율성 및 편의성을 개선시킬 수 있다.

또한 본 발명에 의하면 각기 다른 학습 및 분석모델로 이루어지는 다양한 로보 어드바이저 알고리즘들과 연동이 가능하여 확장성 및 연동성을 개선시킬 수 있다.

도 1은 국내공개특허 제10-2018-0120110호(발명의 명칭 : 금융시장 불안정지수 산출 방법 및 이를 이용한 자산배분 방법)에 개시된 자산배분 방법의 흐름을 간략하게 도시된 예시도이다.
도 2는 본 발명의 일실시예인 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 나타내는 플로차트이다.
도 3은 도 2의 로보 어드바이저 포트폴리오 입력단계를 설명하기 위한 예시도이다.
도 4는 도 2의 자산군 복제 및 비중 설정단계를 나타내는 플로차트이다.
도 5는 도 4의 복제여부 판단단계를 설명하기 위한 예시도이다.
도 6은 도 4의 단일종목 비중 부여단계를 설명하기 위한 예시도이다.
도 7은 도 4의 기준테이블 생성단계에 의해 생성되는 기준테이블을 나타내는 예시도이다.
도 8은 도 2의 우선순위 추천종목 선택단계를 나타내는 플로차트이다.
도 9는 도 8의 1차 주식수량 산출단계를 설명하기 위한 예시도이다.
도 10은 도 8의 최저 주식수량 산출단계를 설명하기 위한 예시도이다.
도 11은 도 8의 최저비율 산출단계를 설명하기 위한 예시도이다.
도 12는 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 수행하는 플랫폼을 설명하기 위한 예시도이다.
도 13은 도 12의 플랫폼을 나타내는 블록도이다.

이하, 첨부된 도면을 참조하여 본 발명의 일실시예를 설명한다.

도 2는 본 발명의 일실시예인 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 나타내는 플로차트이다.

본 발명의 일실시예인 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)은 1)다양한 머신러닝 알고리즘들로 이루어진 기존의 로보 어드바이저(Robo advisor)들과 연동이 가능하여 확장성 및 보급성이 우수함과 동시에 2)로보 어드바이저를 통해 출력되는 포트폴리오를 분석 및 활용하되, 각 추천종목의 단가, 한도(A) 및 투자자의 투자금액을 감안하여 실제 투자비중(S’)이 산정된 비중(S)에 최대한 근접하도록 각 추천종목의 매매수량을 산정 및 제공함으로써 위험성 및 손실률을 절감시키면서 수익률 및 안정성을 극대화 시킬 수 있으며, 3)매매수수료, 환전수수료, 증거금, 환율 변동 등을 감안하여 각 추천종목의 최적의 매매수량(N)을 제공함으로써 수익률 및 안정성을 더욱 극대화시키기 위한 것이다.

또한 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)은 도 2에 도시된 바와 같이, 로보 어드바이저의 포트폴리오 입력단계(S10)와, 자산군 복제 및 비중 설정단계(S20), 후보자산군 식별번호(N) 초기화단계(S30), 제N 후보자산군 선택단계(S40), 우선순위 추천종목 선택단계(S50), 최적 매매수량 산정단계(S60), 잔여 후보자산군 비교단계(S70), 추천종목 갱신단계(S80), 추천종목 잔여수량 비교단계(S90), 후보자산군 식별번호(N) 추가단계(S100), 총투자금액 및 투자예측금액 산출단계(S110), 최적 매매수량 재설정여부 판단단계(S120), 최적 매매수량 차감단계(S130), 각 종목별 티커 생성단계(S140)로 이루어진다.

이러한 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)을 제공하는 플랫폼(900)은 후술되는 도 12와 13에 도시된 바와 같이, 데스크탑PC, 노트북, 태블릿PC, 스마트폰 등의 단말기()에 설치되는 어플리케이션, 응용 프로그램 등의 소프트웨어로 구현되거나 또는 별도의 컨트롤러, 단말기 등의 하드웨어로 구현될 수 있다.

또한 플랫폼(900)은 로보 어드바이저용 소프트웨어가 설치된 단말기로부터 포트폴리오 출력데이터를 유무선 케이블을 통해 전송받거나 또는 동일한 단말기에 로보 어드바이저 소프트웨어와 함께 설치되어 로보 어드바이저 소프트웨어로부터 포트폴리오 출력데이터를 입력받는 것으로 구성될 수 있다.

도 3은 도 2의 로보 어드바이저 포트폴리오 입력단계를 설명하기 위한 예시도이다.

로보 어드바이저 포트폴리오 입력단계(S10)는 도 3에 도시된 바와 같이, 로보 어드바이저 알고리즘(20)으로부터 출력되는 포트폴리오 데이터를 입력받는 단계이다.

이때 로보 어드바이저 알고리즘(20)은 공지된 다양한 머신러닝 알고리즘들 또는 인공지능(AI, Artificial Intelligence)들이 적용된다.

즉 본 발명의 로보 어드바이저의 포트폴리오에 각 종목별 최적 매매수량 산출 방법(S1)은 공지된 각기 다른 연산처리로 이루어지는 다양한 로보 어드바이저 알고리즘(20)들과 연동 가능하여 해당 로보 어드바이저 알고리즘(20)으로부터 출력되는 출력값인 포트폴리오를 분석 및 활용하여 각 추천종목별 최적의 매매수량을 제공하기 위한 것이다.

또한 로보 어드바이저 알고리즘(20)에서 출력되는 포트폴리오는 다양한 카테고리, 내용, 포맷 등으로 이루어질 수 있으나, 본 발명에 적용되는 로보 어드바이저 알고리즘(20)에서 출력되는 포트폴리오는 각 자산군별 투자비중, 각 자산군별 추천종목들, 각 추천종목의 랭크정보, 단일종목 한도(A)를 포함한다.

이때 자산군은 투자종류를 구분하기 위한 카테고리(Category)로서, ‘국내주식’, ‘국내채권’, ‘해외주식’, ‘해외채권’ 등으로 이루어질 수 있고, 추천종목은 해당 자산군에 포함되는 종목을 의미하고, 각 추천종목의 랭크정보는 선호도, 위험도 등의 기준대상에 따라 우선순위가 부여된 정보를 의미하고, 단일종목 한도(A)는 단일종목의 투자비중 한도를 의미한다.

도 4는 도 2의 자산군 복제 및 비중 설정단계를 나타내는 플로차트이다.

도 4의 자산군 복제 및 비중 설정단계(S20)는 로보 어드바이저의 포트폴리오 입력단계(S10)로부터 입력된 포트폴리오의 각 자산군별 투자비중 및 추천종목과, 단일종목 한도(A)를 활용 및 분석하여 각 추천종목을 기 설정된 형식 및 포맷에 따라 정렬시키는 단계이다.

또한 복제 및 비중 설정단계(S20)는 도 4에 도시된 바와 같이, 자산군 선택단계(S201)와, 복제여부 판단단계(S21), 자산군 복제단계(S22), 단일종목 비중 부여단계(S23), 추천종목별 투자금액 산출단계(S24), 최신 환율정보 업데이트 단계(S25), 해외종목 포함여부 판별단계(S26), 해외종목 원화 변환단계(S27)로 이루어진다.

자산군 선택단계(S201)는 우선순위 추천종목에 활용될 자산군을 선택하는 단계이다.

복제여부 판단단계(S21)는 로보 어드바이저 포트폴리오 입력단계(S10)에 의해 입력된 포트폴리오로부터 선택된 자산군의 투자비중(S), 해당 자산군별 추천종목 및 한도(A)를 추출한 후, 해당 자산군의 투자비중(S)을 한도(A)와 비교한다. 이러한 복제여부 판단단계(S21)는 포트폴리오에 투자대상으로 결정된 자산군별로 이루어진다.

이때 한도(A)는 단일종목의 분산투자를 유도하도록 설정된 단일종목의 투자비중 한도를 의미하고, 이러한 한도(A)는 로보 어드바이저에서 설정되거나 또는 관리자에 의해 설정될 수 있다.

또한 복제여부 판단단계(S21)에서 선택된 자산군의 투자비중(S)을 자산군의 투자비중 한도가 아닌 단일 종목의 투자비중 한도(A)와 비교하는 것은, 후술되는 단일종목 비중 부여단계(S23)를 통해 해당 자산군의 투자비중(S)이 해당 하위 구성요소인 추천종목들 각각의 투자비중으로 동일하게 부여되기 때문에 무방하다.

또한 복제여부 판단단계(S21)는 만약 해당 자산군의 투자비중(S)이 한도(A) 이하(S

A)이면, 다음 단계로 단일종목 비중 부여단계(S23)를 진행한다.

또한 복제여부 판단단계(S21)는 만약 해당 자산군의 투자비중(S)이 한도(A)를 초과(S > A)하면, 다음 단계로 자산군 복제단계(S22)를 진행한다.

도 5는 도 4의 복제여부 판단단계를 설명하기 위한 예시도이다.

자산군 복제단계(S22)는 복제여부 판단단계(S21)에서 해당 자산군의 투자비중(S)이 한도(A)를 초과(S > A)하는 경우 진행되며, 해당 자산군의 복제를 수행한다.

또한 자산군 복제단계(S22)는 도 5에 도시된 바와 같이, 해당 자산군(이하 원자산군이라고 함)의 투자비중(S)을 한도(A)로 나눈 값의 정수값이 ‘1’이면, 복제자산군의 수량을 ‘1’로 결정한 후, 원자산군의 투자비중(S)을 한도(A)로 변경하며, 복제자산군의 투자비중을 원자산군의 투자비중(S)에서 한도(A)를 차감(S-A)한 값으로 설정한다.

이때 복제자산군은 원자산군의 하위 구성요소인 추천종목들이 그대로 추천종목들로 설정된다.

예를 들어, ‘한국주식’의 투자비중(S)이 70%이고, 한도(A)가 50%라고 가정할 때, 자산군 복제단계(S22)는 투자비중(S) ‘70’을 한도(A) ‘50’로 나눈 값 ‘1.4’의 정수값이 ‘1’이기 때문에 복제자산군의 수량을 1개로 결정한 후, 원자산군의 투자비중(S)을 한도(A)인 50%로 변경함과 동시에 한국주식 복제자산군의 투자비중을 20%(70에서 50을 차감한 값)로 설정하게 된다.

또한 자산군 복제단계(S22)는 해당 자산군의 투자비중(S)을 한도(A)로 나눈 값이 ‘M(M≥2)’ 이면, 복제자산군의 수량을 ‘M’으로 결정한 후, 원자산군의 투자비중(S)을 한도(A)로 변경함과 동시에 복제자산군 1, ... (M-1)의 투자비중을 한도(A)로 설정하며, 복제자산군M의 투자비중을 원자산군의 투자비중(S)에서 한도(A)와 복제자산군수량(M)을 곱한 값을 차감한 값(S - (A × M))으로 설정한다.

이때 복제자산군1, ..., M은 원자산군의 하위 구성요소인 추천종목들이 그대로 추천종목들로 각각 설정된다.

예를 들어, ‘한국주식’의 투자비중이 100%이고, 한도(A)가 ‘30%’라고 가정할 때, 자산군 복제단계(S23)는 복제자산군의 수량을 ‘3’(100을 30으로 나누었을 때의 정수값)로 결정한 후, 원자산군의 투자비중을 30%(한도A)로 변경함과 동시에 복제자산군1,2의 투자비중을 30%로 설정하며, 복제자산군3의 투자비중을 10%(100에서 30×3를 차감한 값)으로 설정한다.

도 6은 도 4의 단일종목 비중 부여단계를 설명하기 위한 예시도이다.

단일종목 비중 부여단계(S23)는 1)자산군 복제가 이루어졌을 때, 자산군 복제단계(S22)에 의해 분류된 자산군(원자산군 및 복제자산군들)의 투자비중을 하위 구성요소인 추천종목들 각각의 투자비중으로 부여한다.

예를 들어, 도 6에 도시된 바와 같이, 로보 어드바이저가 1)‘한국주식’(원자산군)의 투자비중이 30%이고, 복제자산군1, 2, 3의 투자비중이 ‘30%’, ‘30%’, ‘10%’일 때, 단일종목 비중 부여단계(S23)는 원자산군의 추천종목인 후보1, 2, 3의 투자비중을 ‘30%’, ‘30%’, ‘30%’로 각각 부여하며, 복제자산군 1, 2의 추천총목인 후보1, 2, 3의 투자비중을 ‘30%’, ‘30%’, ‘30%’로 각각 부여하며, 복제자산군3의 추천종목인 후보1, 2, 3의 투자비중을 ‘10%’, ‘10%’, ‘10%’로 각각 부여하게 된다.

또한 단일종목 비중 부여단계(S23)는 2)자산군 복제가 이루어지지 않은 경우, 해당 자산군의 투자비중(S)을 해당 자산군의 하위 구성요소인 추천종목들 각각의 투자비중으로 부여한다.

예를 들어, ‘한국주식’의 투자비중이 40%이고, 한도(A)가 50%임에 따라 자산군 복제가 이루어지지 않을 때, 단일종목 비중 부여단계(S23)는 ‘한국주식’의 추천종목인 후보1, 2, 3의 투자비중을 ‘40%’, ‘40%’, ‘40%’로 각각 부여하게 된다.

추천종목별 투자금액 산출단계(S24)는 단일종목 비중 부여단계(S23)에 의해 부여된 각 단일종목의 투자비중과, 투자자의 투자금액을 활용하여 각 추천종목별 투자금액을 산출한다.

이때 동일 자산군의 추천종목들은 단일종목 비중 부여단계(S23)를 통해 동일한 투자비중을 부여받기 때문에 동일한 투자금액이 산출되게 된다.

예를 들어, 투자자의 투자금액이 ‘1,000‘만원이고, ’한국주식’(원자산군)의 투자비중이 30%이면서 복제자산군1, 2, 3의 투자비중이 ‘30%’, ‘30%’, ‘10%’일 때, 추천종목별 투자금액 산출단계(S24)는 원자산군, 복제자산군 1, 2의 추천종목들 각각의 투자금액을 ‘300’만원으로 동일하게 산출하고, 복제자산군3의 추천종목들 각각의 투자금액을 ‘100’만원으로 산출하게 된다.

최신 환율정보 업데이트 단계(S25)는 환율정보를 최신으로 업데이트한다.

해외종목 포함여부 판별단계(S26)는 선택된 자산군의 추천종목에 해외종목이 포함되는지 여부를 판단한다.

또한 해외종목 포함여부 판별단계(S26)는 만약 해당 자산군의 추천종목에 해외종목이 포함되지 않으면, 다음 단계로 기준테이블 생성단계(S28)를 진행하고, 만약 해당 자산군의 추천종목에 해외종목이 포함되면, 다음 단계로 해외종목단가 원화 변환단계(S27)를 진행한다.

해외종목단가 원화 변환단계(S27)는 해외종목 포함여부 판별단계(S26)에서 선택된 자산군의 추천종목 중 해외종목이 포함될 때 진행되며, 최신 환율정보 업데이트 단계(S25)에 의해 업데이트된 최신 환율을 해당 해외종목의 최종 단가를 곱하는 방식으로 해당 해외종목의 단가를 원화로 변환한다.

도 7은 도 4의 기준테이블 생성단계에 의해 생성되는 기준테이블을 나타내는 예시도이다.

기준테이블 생성단계(S28)는 해외종목 포함여부 판별단계(S26)에서 선택된 자산군의 추천종목 중 해외종목이 포함되지 않는다고 판단되는 경우, 단일종목 비중 부여단계(S23) 및 추천종목별 투자금액 산출단계(S24)에 의해 부여 및 산출된 데이터를 활용하여 도 7에 도시된 바와 같이, 각 후보자산군의 추천종목별로 랭크정보, 투자비중, 투자금액 및 단가 정보가 매칭된 기준테이블(30)을 생성한다.

또한 기준테이블 생성단계(S28)는 해외종목 포함여부 판별단계(S26)에서 선택된 자산군의 추천종목 중 해외종목이 포함된다고 판단되는 경우, 각 후보자산군의 추천종목별로 랭크정보, 투자비중, 투자금액, 최신환율, 해외종목 단가 및 원화로 변환된 단가 정보가 매칭된 기준테이블을 생성한다.

다시 도 2로 돌아가서 후보자산군 식별번호(N) 초기화단계(S30)를 살펴보면, 후보자산군 식별번호(N) 초기화단계(S30)는 1)자산군 복제 및 비중 설정단계(S20)에서 자산군 복제가 이루어지지 않은 경우, 원자산군의 식별번호(N)를 ‘1’로 설정한다. 이하 원자산군을 제1 후보자산군이라고 명칭하기로 한다.

또한 후보자산군 식별번호(N) 초기화단계(S30)는 2)자산군 복제 및 비중 설정단계(S20)에서 자산군 복제가 이루어진 경우, 원자산군의 식별번호(N)를 ‘1’로 설정함과 동시에 복제자산군1, ... M의 식별번호를 2, ..., N으로 설정한다. 이하, 원자산군을 제1 후보자산군이라고 명칭하고, 복제자산군1을 제2 후보자산군이라고 명칭하고, 복제자산군M을 제N 후보자산군이라고 명칭하기로 한다.

또한 후보자산군 식별번호(N) 초기화단계(S30)는 자산군 식별번호 ‘N’을 ‘1’로 초기화한다.

제N 후보자산군 선택단계(S40)는 우선순위 추천종목의 선택에 활용될 후보자산군을 선택한다.

이때 제N 후보자산군 선택단계(S40)는 전술하였던 후보자산군 식별번호(N) 초기화단계(S30)에 의해 ‘N’이 ‘1’로 초기화되었기 때문에 초기에는 제1 후보자산군을 우선순위 추천종목 선택에 활용할 후보자산군으로 결정한다.

또한 제N 후보자산군 선택단계(S40)는 후술되는 후보자산군 식별번호(N) 추가단계(S100)에 의해 자산군 식별번호가 ‘1’이 증가하면, 제2 후보자산군을 선택하게 된다.

또한 제N 후보자산군 선택단계(S40)는 기준테이블을 활용하여 선택된 제N 후보자산군에 부여된 추천종목들과, 각 추천종목의 투자비중, 각 추천종목의 투자금액이 매칭된 리스트를 생성한다.

우선순위 추천종목 선택단계(S50)는 제N 후보자산군 선택단계(S40)에 의해 선택된 후보자산군의 추천종목들 중 실제 투자할 추천종목(우선순위 추천종목)을 선택하며, 다음의 도 8의 과정으로 연산처리를 수행한다.

도 8은 도 2의 우선순위 추천종목 선택단계를 나타내는 플로차트이다.

우선순위 추천종목 선택단계(S50)는 도 8에 도시된 바와 같이, 1차 주식수량 산출단계(S51)와, 최저 주식수량 산출단계(S52), 최저비율 산출단계(S53), 최대 주식수량 산출단계(S54), 최대비율 산출단계(S55), 최저비율 비교단계(S56), 1차 리스트 갱신단계(S57), 최대비율 비교단계(S58), 2차 리스트 갱신단계(S59), 조건만족 여부 판별단계(S591), 우선순위 추천종목 결정단계(S592)로 이루어진다.

1차 주식수량 산출단계(S51)는 전술하였던 도 7의 기준테이블 생성단계(S28)에 의해 생성된 기준테이블을 활용하여, 제N 후보자산군 선택단계(S40)에 의해 선택된 후보자산군에 대한 각 추천종목의 1차 주식 수량(L)을 산출한다.

이때 1차 주식 수량(L)은 해당 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값의 정수값으로 정의된다.

도 9는 도 8의 1차 주식수량 산출단계를 설명하기 위한 예시도이다.

예를 들어, 도 9에 도시된 바와 같이, ‘한국주식’의 제1후보자산군의 추천총목인 후보1, 2, 3의 투자금액이 ‘500’만원이고, 해당 제1후보자산군의 추천총목인 후보1, 2, 3의 단가가 ‘240,000’원, ‘357,000’원, ‘312,000’원일 때, 1차 주식수량 산출단계(S51)에 의해 후보1의 1차 주식수량(L)은 20개(5,000,000 ÷ 240,000의 정수값)로 산정되고, 후보2의 1차 주식수량(L)은 14개(5,000,000 ÷ 357,000의 정수값)로 산정되고, 후보3의 1차 주식수량(L)은 16개(5,000,000 ÷ 312,000의 정수값)로 산정된다.

최저 주식수량 산출단계(S52)는 1차 주식수량 산출단계(S51)에 활용된 해당 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값과, 기 설정된 최저 설정값(TH1, Threshold1)을 활용하여 해당 추천종목의 최저 주식수량(L1)을 산출, 상세하게로는 해당 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값에 최저 설정값(TH1)을 곱한 값의 정수값을 최저 주식수량(L1)으로 산정한다.

이때 최저 설정값(TH1)은 매매 시, 발생하는 매매수수료, 환전수수료, 증거금 등의 외부비용과 환율변동을 감안하여, 1차 주식수량(L)을 최저 주식수량(L1)으로 변경시킬 수 있는 상수로 정의된다.

또한 최저 주식수량 산출단계(S52)에 적용되는 최저 설정값(TH1)은 반복된 시나리오 및 실험을 통해 설정될 수 있다.

도 10은 도 8의 최저 주식수량 산출단계를 설명하기 위한 예시도이다.

예를 들어, 도 10에 도시된 바와 같이, 제1 후보자산군의 추천총목인 후보1, 2, 3의 단가가 ‘240,000’원, ‘357,000’원, ‘312,000’원이고, 최저 설정값(TH1)이 ‘0.95’일 때, 최저 주식수량 산출단계(S52)에 의해 후보 1의 최저 주식수량(L1)은 ‘19’개(5,000,000 ÷ 240,000 × 0.95의 정수값)로 산출되고, 후보 2의 최저 주식수량(L1)은 ‘13’개(5,000,000 ÷ 357,000 × 0.95의 정수값)로 산출되고, 후보3의 최저 주식수량(L1)은 ‘15’개(5,000,000 ÷ 312,000 × 0.95의 정수값)로 산출된다.

최저비율 산출단계(S53)는 최저 주식수량 산출단계(S52)에 의해 산출된 각 추천종목의 최저 주식수량(L1)과, 해당 추천종목의 투자금액, 해당 추천종목의 단가를 활용하여 최저비율(R1)을 산출하며, 상세하게로는 추천종목의 최저 주식수량(L1)과 해당 추천종목의 단가를 곱한 곱셈값을 해당 추천종목의 투자금액으로 나누어 최저비율(R1)을 산출한다.

도 11은 도 8의 최저비율 산출단계를 설명하기 위한 예시도이다.

예를 들어, 도 11에 도시된 바와 같이, 제1 후보자산군의 추천총목인 후보1, 2, 3의 각 투자금액이 500만원이고, 최저 주식수량(L1)이 ‘19’개, ‘13’개, ‘15’개일 때, 최저비율 산출단계(S53)는 후보1의 최저비율(R1)을 ‘0.9120’(19개 × 240,000 ÷ 5,000,000)로 산출하고, 후보2의 최저비율(R1)을 ‘0.9282’(13개 × 357,000 ÷ 5,000,000)로 산출하고, 후보3의 최저비율(R1)을 ‘0.9360’(15개 × 312,000 ÷ 5,000,000)로 산출한다.

최대 주식수량 산출단계(S54)는 1차 주식수량 산출단계(S51)에 활용된 해당 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값과, 기 설정된 최대 설정값(TH2, Threshold2)을 활용하여 해당 추천종목의 최대 주식수량(L2)을 산출, 상세하게로는 해당 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값에 최대 설정값(TH2)을 곱한 값의 정수값을 최대 주식수량(L2)으로 산정한다.

이때 최대 설정값(TH2)은 투자금액을 단가로 나눌 때 버려지는 소수점으로 인한 손실을 보상하기 위한 것으로, 1차 주식수량(L)을 최대 주식수량(L2)으로 변경시킬 수 있는 상수로 정의된다.

일반적으로, 주식 체결 시, 주식수량은 투자금액을 단가로 나눈 값의 정수값으로 이루어지기 때문에 투자금액을 단가로 나눈 값이 정수로 산출되는 경우에는 버려지는 소수점이 없으나, 투자금액을 단가로 나눈 값이 소수점을 갖는 경우에는 버려진 소수점 만큼의 손실이 발생하게 되고, 이러한 소수점의 미묘한 차이로 인해 1주를 포기해야 하는 상황이 발생할 수 있다.

본원 발명은 이러한 버려진 소수점으로 인한 손실을 보상하기 위하여, 최대 설정값(TH2)을 이용하여 최대 주식수량(L2)을 산출하도록 구성됨으로써 미묘한 차이로 인해 1주를 포기해야 하는 상황을 회피하고 유보 현금을 줄여 투자의 효율성 및 수익률을 극대화시키도록 한 것이다.

또한 최대 주식수량 산출단계(S54)에 적용되는 최대 설정값(TH2)은 반복된 시나리오 및 실험을 통해 설정될 수 있다.

예를 들어, 제1 후보자산군의 추천총목인 후보1, 2, 3의 단가가 ‘240,000’원, ‘357,000’원, ‘312,000’원이고, 최대 설정값(TH2)이 ‘1.05’일 때, 최대 주식수량 산출단계(S54)에 의해 후보 1의 최대 주식수량(L2)은 ‘21’개(5,000,000 ÷ 240,000 × 1.05의 정수값)로 산출되고, 후보 2의 최대 주식수량(L2)은 ‘14’개(5,000,000 ÷ 357,000 × 1.05의 정수값)로 산출되고, 후보3의 최대 주식수량(L2)은 ‘16’개(5,000,000 ÷ 312,000 × 1.05의 정수값)로 산출된다.

최대비율 산출단계(S55)는 최대 주식수량 산출단계(S54)에 의해 산출된 각 추천종목의 최대 주식수량(L2)과, 해당 추천종목의 투자금액, 해당 추천종목의 단가를 활용하여 최대비율(R2)을 산출하며, 상세하게로는 추천종목의 최대 주식수량(L2)과 해당 추천종목의 단가를 곱한 곱셈값을 해당 추천종목의 투자금액으로 나누어 최대비율(R2)을 산출한다.

예를 들어, 제1 후보자산군의 추천총목인 후보1, 2, 3의 각 투자금액이 500만원이고, 최대 주식수량(L1)이 ‘21’개, ‘14’개, ‘16’개일 때, 최대비율 산출단계(S55)는 후보1의 최대비율(R1)을 ‘1.008’(21개 × 240,000 ÷ 5,000,000)로 산출하고, 후보2의 최대비율(R2)을 ‘0.999’(14개 × 357,000 ÷ 5,000,000)로 산출하고, 후보3의 최대비율(R2)을 ‘0.998’(16개 × 312,000 ÷ 5,000,000)로 산출한다.

최저비율 비교단계(S56)는 최저비율 산출단계(S53)에 의해 산출된 각 추천종목의 최저비율(R1)을 기 설정된 최저 설정값(TH1)과 비교한다.

또한 최저비율 비교단계(S56)는 만약 추천종목들 중 최저비율(R1)이 최저 설정값(TH1) 이하인 추천종목이 존재하면, 다음 단계로 1차 리스트 갱신단계(S57)를 진행한다.

또한 최저비율 비교단계(S56)는 만약 추천종목들의 최저비율(R1)이 최저 설정값(TH1)을 모두 초과하면, 다음 단계로 최대비율 비교단계(S58)를 진행한다.

1차 리스트 갱신단계(S57)는 최저비율 비교단계(S56)에서 추천종목들 중 최저비율(R1)이 최저 설정값(TH1) 이하인 추천종목이 존재할 때, 진행되며, 해당 후보자산군의 추천종목들 중 최저비율(R1)이 최저 설정값(TH1) 이하인 추천종목들을 제거함으로써 최저비율(R1)이 최저 설정값(TH1)을 초과하는 추천종목들만을 남겨놓는다.

또한 1차 리스트 갱신단계(S57)는 다음 단계로 최대비율 비교단계(S58)를 진행한다.

예를 들어, 제1 후보자산군의 추천종목인 후보1, 2, 3의 최저비율(R1)이 ‘0.9431’, ‘0.9360’, ‘0.9282’이고, 최저 설정값(TH1)이 ‘0.93’이라고 할 때, 최저비율 비교단계(S56)는 후보3의 최저비율(R1)이 최저 설정값(TH1) 이하이기 때문에 다음 단계로 1차 리스트 갱신단계(S57)를 진행하고, 1차 리스트 갱신단계(S57)는 후보1, 2, 3 중 후보3을 제거한 후, 최대비율 비교단계(S58)를 다음 단계로 진행한다.

최대비율 비교단계(S58)는 최저비율 산출단계(S56) 또는 1차 리스트 갱신단계(S57)에 의해 최저비율(R1)이 최저 설정값(TH1)을 초과하는 추천종목들 각각의 최대비율(R2)을 기 설정된 최대 설정값(TH2)과 비교한다.

또한 최대비율 비교단계(S58)는 만약 잔여 추천종목들 중 최대비율(R2)이 최대 설정값(TH2) 이상인 추천종목이 존재하면, 다음 단계로 2차 리스트 갱신단계(S59)를 진행한다.

또한 최대비율 비교단계(S58)는 만약 잔여 추천종목들의 최대비율(R2)이 모두 최대 설정값(TH2) 미만이면, 다음 단계로 조건만족 여부 판별단계(591)를 진행한다.

2차 리스트 갱신단계(S59)는 최대비율 비교단계(S58)에서 잔여 추천종목들 중 최대비율(R2)이 최대 설정값(TH2) 이상인 추천종목이 존재할 때, 진행되며, 해당 잔여 추천종목들 중 최대비율(R2)이 최대 설정값(TH2) 이상인 추천종목들을 제거함으로써 최대비율(R2)이 최대 설정값(TH2) 미만인 추천종목들만을 남겨놓는다.

또한 2차 리스트 갱신단계(S59)는 다음 단계로 조건만족 여부 판별단계(S591)를 진행한다.

조건만족 여부 판별단계(S591)는 1)잔여 추천종목이 ‘0’개인 제1 조건일 때, 다음 단계로 우선순위 추천종목 결정단계(S592)를 진행하고, 2)잔여 추천종목이 ‘2’개 이상인 제2 조건일 때, 다음 단계로 우선순위 추천종목 결정단계(S592)를 진행하고, 3)잔여 추천종목이 ‘1’개인 제3 조건일 때, 해당 잔여 추천종목을 우선순위 추천종목으로 결정한 후, 전술하였던 도 2의 최적 매매수량 산정단계(S60)를 진행한다.

즉 조건만족 여부 판별단계(S591)는 잔여 추천종목이 ‘0’개인 제1 조건이거나 또는 잔여 추천종목이 ‘2’개 이상인 제2 조건일 때, 우선순위 추천종목 결정단계(S952)에 의해 우선순위 추천종목이 선택되도록 하되, 잔여 주천종목이 ‘1’개인 제3 조건일 때에는 해당 잔여 추천종목을 우선순위 추천종목으로 결정한다.

우선순위 추천종목 결정단계(S592)는 조건만족 여부 판별단계(S591)에서 잔여 추천종목이 ‘2’개 이상일 때, 1)단계10(S10)을 통해 입력된 포트폴리오의 랭크정보를 활용하여, 잔여 추천종목들 중 랭크가 높은 추천종목을 우선순위 추천종목으로 결정하거나 또는 2)잔여 추천종목들의 최대비율(R2)을 비교하여 최대비율(R2)이 가장 높은 잔여 추천종목을 우선순위 추천종목을 결정한다.

또한 우선순위 추천종목 결정단계(S592)는 조건만족 여부 판별단계(S591)에서 잔여 추천종목이 ‘0’개 일 때, 1)단계10(S10)을 통해 입력된 포트폴리오의 랭크정보를 활용하여, 해당 후보자산군의 최초 추천종목들 중 랭크가 높은 추천종목을 우선순위 추천종목으로 결정하거나 또는 2)해당 후보자산군의 최초 추천종목들의 최대비율(R2)을 비교하여 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목을 결정한다.

다시 도 2로 돌아가서 최적 매매수량 산정단계(S60)를 살펴보면, 최적 매매수량 산정단계(S60)는 1)우선순위 추천종목 결정단계(S592)에 의해 결정되거나 2)조건만족 여부 판별단계(S591)에 의해 결정되거나 또는 3)추천종목 잔여수량 비교단계(S90)에 의해 결정된 우선순위 추천종목의 최적 매매수량(L’)을 산정한다.

또한 최적 매매수량 산정단계(S60)는 우선순위 추천종목의 최대 주식수량(L2)을 최적 매매수량(L’)으로 결정한다.

잔여 후보자산군 비교단계(S70)는 기준테이블을 활용하여 현재 식별번호 다음의 식별번호를 갖는 후보자산군이 존재하는지를 비교한다.

또한 잔여 후보자산군 비교단계(S70)는 만약 다음의 식별번호를 갖는 후보자산군이 존재하면, 다음 단계로 추천종목 갱신단계(S80)를 진행하고, 만약 다음의 식별번호를 갖는 후보자산군이 존재하지 않으면, 다음 단계로 총투자금액 및 투자예측금액 산출단계(S110)를 진행한다.

예를 들어, 자산군 ‘한국주식’의 후보자산군으로 제1 후보자산군, 제2 후보자산군이 존재하고, 제1 후보자산군의 최적 매매수량이 산정되었다고 가정하면, 잔여 후보자산군 비교단계(S70)는 다음 식별번호 ‘2’를 갖는 제2 후보자산군이 존재하기 때문에 다음 단계로 추천종목 갱신단계(S80)를 진행하게 된다.

다른 예를 들어, 자산군 ‘한국주식’의 후보자산군으로 제1 후보자산군, 제2 후보자산군, 제3 후보자산군이 존재하고, 제3 후보자산군의 최적 매매수량이 산정되었다고 가정하면, 잔여 후보자산군 비교단계(S70)는 다음 식별번호 ‘4’를 갖는 후보자산군이 존재하지 않기 때문에 다음 단계로 총투자금액 및 투자예측금액 산출단계(S110)를 진행하게 된다.

추천종목 갱신단계(S80)는 잔여 후보자산군 비교단계(S70)에서 다음 식별번호의 후보자산군이 존재한다고 판단될 때 진행되며, 기준테이블을 활용하여 다음 식별번호의 후보자산군의 추천종목들 중 최적 매매수량(L’)이 산정된 우선순위 추천종목을 제거한 리스트를 생성한다.

예를 들어, 자산군 ‘한국주식’의 제1, 2, 3 후보자산군이 추천종목들인 후보1, 2, 3을 포함하고, 현재 제1 후보자산군의 후보1이 우선순위 추천종목으로 선정되어 최적 매매수량(L’)이 산정되었다고 가정할 때, 추천종목 갱신단계(S80)는 다음 식별번호의 후보자산군인 제2 후보자산군의 추천종목들 중 후보1을 제외한 후보2, 3을 포함하는 리스트를 생성하게 된다.

추천종목 잔여수량 비교단계(S90)는 추천종목 갱신단계(S80)에 의해 생성된 리스트를 활용하여, 현재 추천종목의 수량이 1개인지를 비교한다.

또한 추천종목 잔여수량 비교단계(S90)는 만약 리스트의 추천종목의 수량이 1개이면, 해당 추천종목을 우선순위 추천종목으로 결정한 후, 다음 단계로 전술하였던 최적 매매수량 산정단계(S60)를 진행한다.

이때 최적 매매수량 산정단계(S60)는 추천종목 잔여수량 비교단계(S90)에 의해 결정된 우선순위 추천종목의 최적 매매수량(L’)을 산출한다.

또한 추천종목 잔여수량 비교단계(S90)는 만약 리스트의 추천종목의 수량이 2개 이상이면, 다음 단계로 후보자산군 식별번호(N) 추가단계(S100)를 진행한다.

후보자산군 식별번호(N) 추가단계(S100)는 후보자산군의 식별번호인 N에 ‘1’을 합산한 후, 다음 단계로 제N 후보자산군 선택단계(S40)를 진행한다.

즉 본 발명은 단계40(S40) 내지 단계100(S100)을 통해 모든 후보자산군들을 식별번호에 따라 순차적으로 선택함과 동시에 선택된 후보자산군에 대한 우선순위 추천종목을 선택하도록 구성되되, 우선순위 추천종목으로 선택된 추천종목은 다음 연산처리에서 제외시킴으로써 한도(A)에 맞춰 각 추천종목의 최적 매매수량(L’)을 산출할 수 있게 된다.

총투자금액 및 투자예측금액 산출단계(S110)는 잔여 후보자산군 비교단계(S70)에서 다음 식별번호의 후보자산군이 존재하지 않는다고 판단될 때 진행되며, 각 우선순위 추천종목의 최적 매매수량(L’)과 단가를 활용하여 총투자금액(C)을 산출한다.

또한 총투자금액 및 투자예측금액 산출단계(S110)는 각 우선순위 추천종목의 최적 매매수량(L’) 및 단가를 곱한 값들을 합산하여 총투자금액(C)을 산출한다.

또한 총투자금액 및 투자예측금액 산출단계(S110)는 산출된 총투자금액(C)과 외부비용을 합산하여 투자예측금액(C’)을 산출한다.

이때 외부비용은 매매수수료, 환전수수료 및 증거금 등으로 이루어진다.

최적 매매수량 재설정여부 판단단계(S120)는 총투자금액 및 투자예측금액 산출단계(S110)에 의해 산출된 투자예측금액(C’)과, 해당 자산군의 투자금액(C1)을 활용하여 최적 매매수량(L’)의 재설정여부를 판단한다.

또한 최적 매매수량 재설정여부 판단단계(S120)는 만약 해당 자산군의 투자금액(C1)이 투자예측금액(C’) 이하이면, 다음 단계로 각 종목별 티커 생성단계(S140)를 진행한다.

또한 최적 매매수량 재설정여부 판단단계(S120)는 만약 해당 자산군의 투자금액(C1)이 투자예측금액(C’)을 초과하면, 최적 매매수량(L’)의 재설정이 필요하다고 판단하여 다음 단계로 최적 매매수량 차감단계(S130)를 진행한다.

최적 매매수량 차감단계(S130)는 최적 매매수량 재설정여부 판단단계(120)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C’)을 초과할 때 진행된다.

또한 최적 매매수량 차감단계(S130)는 우선순위 추천종목들의 투자비중을 비교한 후, 이들 중 투자비중이 가장 높은 우선순위 추천종목을 추출하며, 추출된 우선순위 추천종목의 최적 매매수량(L’)에 ‘1’을 차감하는 방식으로 해당 우선순위 추천종목의 최적 매매수량(L’)을 갱신한다.

또한 최적 매매수량 차감단계(S130)는 다음 단계로 총투자금액 및 투자예측금액 산출단계(S110)를 진행한다.

이때 총투자금액 및 투자예측금액 산출단계(S110)는 최적 매매수량 차감단계(S130)에 의해 재설정된 최적 매매수량(L’)에 대응하여 총투자금액(C) 및 투자예측금액(C’)을 산출하고, 다음 단계로 최적 매매수량 재설정여부 판단단계(S120)를 진행한다.

즉 본 발명은 단계110(S110) 내지 단계130(S130)을 통해 산정된 각 종목의 최적 매매수량으로 투자가 이루어지는 경우, 수수료 및 증거금 등으로 인한 비용 차이로 인해 실제 매매수량이 다르게 이루어지는 문제점을 해결할 수 있게 된다.

각 종목별 티커 생성단계(S140)는 최적 매매수량 재설정여부 판단단계(S120)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C’) 이하일 때, 진행되며, 각 우선순위 추천종목별로 티커(Ticker)를 생성한다.

도 12는 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법을 수행하는 플랫폼을 설명하기 위한 예시도이고, 도 13은 도 12의 플랫폼을 나타내는 블록도이다.

도 12에 도시된 바와 같이, 로보 어드바이저 소프트웨어(800)는 데스크탑PC, 노트북, 태블릿PC, 스마트폰 등의 제1단말기(810)에 설치될 수 있고, 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)의 연산처리를 수행하는 플랫폼(900) 또한 데스크탑PC, 노트북, 태블릿PC, 스마트폰 등의 제2단말기(910)에 설치될 수 있다.

이에 따라 플랫폼(900)은 제2 단말기(910)를 통해 제1 단말기(810)의 로보 어드바이저 소프트웨어(800)로부터 출력되는 포트폴리오 출력데이터를 유무선 통신망을 통해 전송받으며, 전송받은 포트폴리오 출력데이터를 활용하여 전술하였던 도 2 내지 11의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)의 연산처리를 수행한다.

이때 도면에는 도시되지 않았으나, 플랫폼(900) 및 로보 어드바이저 소프트웨어(800)는 동일 단말기에 설치되는 것으로 구성될 수 있다.

또한 도면에는 도시되지 않았으나, 본 발명의 플랫폼(900)은 별도의 컨트롤러, 단말기 등의 하드웨어로 구현될 수 있다.

플랫폼(900)은 도 13에 도시된 바와 같이, 제어모듈(920)과, 데이터 입출력모듈(921), 저장모듈(922), 입력모듈(923), 자산군 복제 및 비중 설정모듈(924), 초기화모듈(925), 제N 후보자산군 선택모듈(926), 최적매매수량 산정모듈(927), 잔여후보자산군 여부 판별모듈(928), 추천종목 갱신모듈(929), 추천종목 잔여수량 판단모듈(930), 식별번호 추가모듈(931), 총투자금액 산출모듈(932), 투자예측금액 산출모듈(933), 비교모듈(934), 최적 매매수량 차감모듈(935), 각 종목별 티커 생성모듈(936)로 이루어진다.

제어모듈(920)의 플랫폼(900)의 O.S(Operating System)이며, 제어대상(921), (922), (923), (924), (925), (926), (927), (928), (929), (930), (931), (932), (933), (934), (935), (936)들을 관리 및 제어한다.

데이터 입출력모듈(921)은 단말기(910)와 데이터를 입출력한다.

입력모듈(923)은 로보 어드바이저로부터 출력된 포트폴리오를 입력받는다.

자산군 복제 및 비중 설정모듈(924)은 전술하였던 도 4의 자산군 복제 및 비중 설정단계(S20)의 연산처리를 수행한다.

초기화모듈(925)은 1)자산군 복제가 이루어지지 않은 경우, 원자산군의 식별번호(N)를 '1'로 설정하며, 2)자산군 복제가 이루어진 경우, 원자산군의 식별번호(N)를 '1'로 설정함과 동시에 복제자산군1, ... M의 식별번호를 2, ..., N으로 설정한 후, 자산군 식별번호 'N'을 '1'로 초기화한다.

제N 후보자산군 선택모듈(926)은 우선순위 추천종목의 선택에 활용될 후보자산군을 선택한 후, 선택된 후보자산군의 추천종목들 중 실제 투자할 추천종목(우선순위 추천종목)을 선택하며, 상세하게로는 전술하였던 도 2와 8의 제N 후보자산군 선택단계(S40) 및 우선순위 추천종모 선택단계(S50)의 연산처리를 수행한다.

최적매매수량 산정모듈(927)은 제N 후보자산군 선택모듈(926)에 의해 결정된 우선순위 추천종목의 최적 매매수량(L')을 산정하되, 우선순위 추천종목의 최대 주식수량(L2)을 최적 매매수량(L')으로 결정하며, 상세하게로는 전술하였던 도 2의 최적 매매수량 산정단계(S60)의 연산처리를 수행한다.

잔여후보자산군 여부 판별모듈(928)은 기준테이블을 활용하여 현재 식별번호 다음의 식별번호를 갖는 후보자산군이 존재하는지를 비교한 후, 만약 다음의 식별번호를 갖는 후보자산군이 존재하면, 추천종목 갱신모듈(929)을 실행하되, 만약 다음의 식별번호를 갖는 후보자산군이 존재하지 않으면, 총투자금액 산출모듈(32) 및 투자예측금액 산출모듈(933)을 실행하며, 상세하게로는 전술하였던 도 2의 잔여 후보자산군 비교단계(S70)의 연산처리를 수행한다.

추천종목 갱신모듈(929)은 잔여후보자산군 여부 판별모듈(928)에서 다음 식별번호의 후보자산군이 존재한다고 판단될 때 실행되며, 기준테이블을 활용하여 다음 식별번호의 후보자산군의 추천종목들 중 최적 매매수량(L')이 산정된 우선순위 추천종목을 제거한 리스트를 생성하며, 상세하게로는 전술하였던 도 2의 추천종목 갱신단계(S80)의 연산처리를 수행한다.

추천종목 잔여수량 판단모듈(930)은 추천종목 갱신모듈(929)에 의해 생성된 리스트를 활용하여, 현재 추천종목의 수량이 1개인지를 비교하며, 만약 리스트의 추천종목의 수량이 1개이면, 해당 추천종목을 우선순위 추천종목으로 결정한 후, 다음 단계로 전술하였던 최적 매매수량 산정모듈(927)을 실해하되, 만약 리스트의 추천종목의 수량이 2개 이상이면, 다음 단계로 후보자산군 식별번호 추가모듈(931)을 실행하며, 상세하게로는 전술하였던 도 2의 추천종목 잔여수량 비교단계(S90))의 연산처리를 수행한다.

식별번호 추가모듈(931)은 후보자산군의 식별번호인 N에 '1'을 합산한 후, 제N 후보자산군 선택모듈(926)을 다시 실행하며, 상세하게로는 전술하였던 도 2의 후보자산군 식별번호(N) 추가단계(S100)의 연산처리를 수행한다.

총투자금액 산출모듈(932)과 투자예측금액 산출모듈(933)은 잔여후보자산군 여부 판별모듈(928)에서 다음 식별번호의 후보자산군이 존재하지 않는다고 판단될 때 실행되며, 각 우선순위 추천종목의 최적 매매수량(L')과 단가를 활용하여 총투자금액(C)을 산출함과 동시에 각 우선순위 추천종목의 최적 매매수량(L') 및 단가를 곱한 값들을 합산하여 총투자금액(C)을 산출한 후, 산출된 총투자금액(C)과 외부비용을 합산하여 투자예측금액(C')을 산출하며, 상세하게로는 전술하였던 도 2의 총투자금액 및 투자예측금액 산출단계(S110)의 연산처리를 수행한다.

비교모듈(934)은 총투자금액 산출모듈(932) 및 투자예측금액 산출모듈(933)에 의해 산출된 투자예측금액(C')과, 해당 자산군의 투자금액(C1)을 활용하여 최적 매매수량(L')의 재설정여부를 판단하며, 만약 해당 자산군의 투자금액(C1)이 투자예측금액(C') 이하이면, 각 종목별 티커 생성모듈(936)을 실행하되, 만약 해당 자산군의 투자금액(C1)이 투자예측금액(C')을 초과하면, 최적 매매수량(L')의 재설정이 필요하다고 판단하여 최적 매매수량 차감모듈(935)을 실행하며, 상세하게로는 전술하였던 도 2의 최적 매매수량 재설정여부 판단단계(S120)의 연산처리를 수행한다.

최적 매매수량 차감모듈(935)은 비교모듈(934)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C')을 초과할 때 실행되며, 우선순위 추천종목들의 투자비중을 비교한 후, 이들 중 투자비중이 가장 높은 우선순위 추천종목을 추출하며, 추출된 우선순위 추천종목의 최적 매매수량(L')에 '1'을 차감하는 방식으로 해당 우선순위 추천종목의 최적 매매수량(L')을 갱신하며, 총투자금액 산출모듈(932) 및 투자예측금액 산출모듈(933)을 재실행하며, 상세하게로는 전술하였던 도 2의 총투자금액 및 투자예측금액 산출단계(S110)의 연산처리를 수행한다.

각 종목별 티커 생성모듈(936)은 비교모듈(934)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C') 이하일 때, 실행되며, 각 우선순위 추천종목별로 티커(Ticker)를 생성하며, 전술하였던 도 2의 각 종목별 티커 생성단계(S140)의 연산처리를 수행한다.

이와 같이 본 발명의 일실시예인 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)은 로보 어드바이저 알고리즘에서 출력되는 포트폴리오를 분석 및 활용하여, 단일종목 비중 한도(A) 및 추천종목의 단가의 크기를 감안하여 각 추천종목별 최적 매매수량(L’)을 산정 및 제공하도록 구성됨으로써 산정된 투자금액과 실제 투자금액의 차액을 최소화하여 안전성 및 수익률을 극대화시킬 수 있을 뿐만 아니라 위험성 및 손실률을 더욱 절감시킬 수 있게 된다.

또한 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)은 최적 매매수량(L’) 산정 시, 매매수수료, 환전수수료, 증거금 등의 외부비용을 감안하여 최적 매매수량(L’)을 산정하도록 구성됨으로써 투자자의 외부 비용 부족으로 인한 혼란과, 이로 인한 투자실수를 사전에 효과적으로 방지할 수 있을 뿐만 아니라 매매의 효율성 및 편의성을 개선시킬 수 있다.

또한 본 발명의 로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법(S1)은 각기 다른 학습 및 분석모델로 이루어지는 다양한 로보 어드바이저 알고리즘들과 연동이 가능하여 확장성 및 연동성을 개선시킬 수 있다.

S1:로보 어드바이저의 포트폴리오에 따른 각 종목별 최적 매매수량 산출 방법
S10:로보 어드바이저의 포트폴리오 입력단계
S20:자산군 복제 및 비중 설정단계 S21:복제여부 판단단계
S22:자산군 복제단계 S23:단일종목 비중 부여단계
S24:추천종목별 투자금액 산출단계 S25:최신 환율정보 업데이트 단계
S26:해외종목 포함여부 판별단계 S27:해외종목 원화 변환단계
S28:기준테이블 생성단계
S30:후보자산군 식별번호(N) 초기화단계 S40:제N 후보자산군 선택단계
S50:우선순위 추천종목 선택단계 S51:1차 주식수량 산출단계
S52:최저 주식수량 산출단계 S53:최저비율 산출단계
S54:최대 주식수량 산출단계 S55:최대비율 산출단계
S56:최저비율 비교단계 57:1차 리스트 갱신단계
S58:최대비율 비교단계 S59:2차 리스트 갱신단계
S60:최적 매매수량 산정단계 S70:잔여 후보자산군 비교단계
S80:추천종목 갱신단계
S90:추천종목 잔여수량 비교단계
S100:후보자산군 식별번호(N) 추가단계
S110:총투자금액 및 투자예측금액 산출단계
S120:최적 매매수량 재설정여부 판단단계 S130:최적 매매수량 차감단계
S140:각 종목별 티커 생성단계 S201:자산군 선택단계
S591:조건만족 여부 판별단계 S592:우선순위 추천종목 결정단계

Claims (9)

1. 단말기에 설치되어 각 종목별 최적매매수량을 산출하는 소프트웨어인 플랫폼이 로보 어드바이저(Robo advisor)로부터 출력되며 각 자산군별 투자비중(S) 및 추천종목들을 포함하는 포트폴리오를 입력받는 단계10(S10);
   상기 플랫폼이 상기 단계10(S10)에 의해 입력된 포트폴리오의 자산군들 중 최적 매매수량산정에 활용된 자산군이 선택되며, 선택된 자산군의 투자비중(S)을 하위 구성요소인 추천종목들 각각의 투자비중(S)으로 동일하게 부여한 후, 부여된 각 추천종목의 투자비중(S)과 투자자의 투자금액을 곱하여 각 추천종목별 투자금액을 산출하는 단계20(S20);
   상기 플랫폼이 상기 단계20(S20)에 의해 선택된 자산군의 추천종목들 중 어느 하나를 매매대상인 우선순위 추천종목으로 결정하는 단계50(S50);
   상기 플랫폼이 상기 단계50(S50)에서 선택된 우선순위 추천종목의 최적 매매수량(L’)을 산정하는 단계60(S60)을 포함하고,
   상기 단계50(S50)은
   상기 플랫폼이 각 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값에 기 설정된 최대 설정값(TH2, Threshold2)을 곱한 값의 정수값인 최대 주식수량(L2)들을 산출하는 단계54(S54);
   상기 플랫폼이 상기 단계54(S54)에 의한 각 추천종목의 최대 주식수량(L2)과 해당 추천종목의 단가를 곱한 값을 해당 추천종목의 투자금액으로 나누어 각 추천종목의 최대비율(R2)들을 산출하는 단계55(S55);
   상기 플랫폼이 상기 단계55(S55)에서 최대비율(R2)이 ‘1’과 가장 가까운 추천종목을 우선순위 추천종목으로 결정하는 단계592(S592)를 더 포함하고,
   상기 단계60(S60)은 상기 플랫폼이 상기 단계592(S592)에서 결정된 우선순위 추천종목의 최대 주식수량(L2)을 최적 매매수량(L’)으로 결정하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
2. 제1항에 있어서, 상기 단계20(S20)은
   상기 플랫폼이 상기 단계10(S10)에 의해 입력된 포트폴리오의 자산군들 중 최적 매매수량 산정에 활용된 자산군을 선택받는 단계201(S201);
   상기 플랫폼이 상기 단계201(S201)에 의해 선택된 자산군의 투자비중(S) 및 기 설정된 단일종목 투자비중 한도(A)를 비교하며, 만약 해당 자산군의 투자비중(S)이 한도(A)를 초과(S > A)하면, 해당 자산군의 복제가 필요하다고 판단하는 단계21(S21);
   상기 플랫폼이 상기 단계21(S21)에서 자산군 복제가 필요하다고 판단될 때 진행되며, 해당 자산군의 투자비중(S)을 한도(A)로 나눈 값의 정수값이 ‘M(M≥1)’이면, 복제자산군의 수량을 ‘M’으로 결정한 후, 원자산군의 투자비중(S)을 한도(A)로 변경함과 동시에 복제자산군1, ..., M-1들 각각의 투자비중을 한도(A)로 설정하며, 복제자산군M의 투자비중을 원자산군의 최초 투자비중(S)에서 한도(A)와 복제자산군(M)의 수량을 곱한 값을 차감한 값(S - (A × M))으로 설정하며, 원자산군의 하위 구성요소인 추천종목들을 복제자산군1, ..., M들 각각의 추천종목들로 동일하게 설정하는 단계22(S22);
   상기 플랫폼이 상기 단계21(S21)에서 자산군 복제가 필요하지 않다고 판단될 때 진행되어 해당 자산군의 투자비중(S)을 해당 자산군의 하위 구성요소인 추천종목들 각각의 투자비중으로 부여하거나 또는 상기 단계22(S22) 이후에 진행되어 상기 단계22(S22)에서 설정된 원자산군 및 복제자산군1, ..., M들을 후보자산군이라고 할 때, 각 후보자산군의 투자비중을 해당 후보자산군의 추천종목들 각각의 투자비중으로 부여하는 단계23(S23);
   상기 플랫폼이 상기 단계23(S23)에 의해 부여된 각 추천종목의 투자비중과 투자자의 투자금액을 곱하여 각 추천종목별 투자금액을 산출하는 단계24(S24);
   상기 플랫폼이 상기 단계23(S23) 및 상기 단계24(S24)에 의해 부여 및 산출된 데이터를 활용하여 각 후보자산군의 추천종목별로 종목단가, 투자비중 및 투자금액이 매칭된 기준테이블을 생성하는 단계28(S28)을 더 포함하고,
   상기 단계50(S50)은
   상기 플랫폼이 각 후보자산군의 추천종목들 각각의 최대비율(R2)들을 산출한 후, 추천종목들 중 최대비율(R2)이 ‘1’과 가장 가까운 추천종목을 해당 후보자산군의 우선순위 추천종목으로 결정하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
3. 제2항에 있어서, 상기 각 종목별 최적 매매수량 산출 방법(S1)은
   상기 단계(S20) 이후에 진행되며, 상기 플랫폼이 원자산군인 후보자산군의 식별번호(N)를 ‘1’로 설정함과 동시에 복제자산군1, ..., M들인 후보자산군들의 식별번호(N)를 ‘2’, ..., ‘N’로 설정한 후, 후보자산군의 식별번호(N)를 ‘1’로 초기화하는 단계30(S30);
   상기 플랫폼이 식별번호 ‘N’이 부여된 후보자산군인 제N 후보자산군을 우선순위 추천종목 산정에 적용될 후보자산군으로 선택한 후, 다음 단계로 상기 단계50(S50)을 진행하는 단계40(S40)을 더 포함하고,
   상기 단계54(S54)는 상기 플랫폼이 상기 단계40(S40)에 의해 선택된 제N 후보자산군의 하위 구성요소인 추천종목들 각각의 최대 주식수량(L2)들을 산출하고,
   상기 단계55(S55)는 상기 플랫폼이 해당 제N 후보자산군의 추천종목들 각각의 최대비율(R2)을 산출하고,
   상기 단계592(S592)는 상기 플랫폼이 해당 제N 후보자산군의 추천종목들 중 상기 단계55(S55)에 의해 산출된 최대비율(R2)이 ‘1’과 가장 가까운 추천종목을 해당 제N 후보자산군의 우선순위 추천종목으로 결정하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
4. 제3항에 있어서, 상기 각 종목별 최적 매매수량 산출 방법(S1)은
   상기 단계60(S60) 이후에 진행되며, 상기 플랫폼이 상기 기준테이블을 활용하여 다음 식별번호를 갖는 후보자산군이 존재하는지를 비교하는 단계70(S70);
   상기 단계70(S70)에서 다음 식별번호를 갖는 후보자산군이 존재한다고 판단될 때 진행되며, 상기 플랫폼이 다음 식별번호의 후보자산군의 추천종목들 중 상기 단계60(S60)에 의해 최적 매매수량(L’)이 산정된 우선순위 추천종목을 제거한 리스트를 생성하는 단계80(S80);
   상기 플랫폼이 상기 단계80(S80)에서 생성된 리스트를 참조하여 다음 식별번호의 후보자산군의 추천종목의 잔여수량이 ‘1’개인지를 비교하며, 만약 다음 식별번호의 후보자산군의 잔여수량이 ‘1’개일 때, 남은 1개의 추천종목을 우선순위 추천종목으로 결정한 후, 다음 단계로 상기 단계60(S60)을 진행하는 단계90(S90);
   상기 단계90(S90)에서 추천종목의 잔여수량이 ‘2’개 이상일 때 진행되며, 상기 플랫폼이 식별번호인 N에 ‘1’을 추가(N=N+1)하며, 다음 단계로 상기 단계40(S40)을 진행하는 단계100(S100)을 더 포함하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
5. 청구항 제4항에 있어서, 상기 단계50(S50)은
   상기 단계54(S54)와 병렬로 진행되며, 상기 플랫폼이 상기 단계40(S40)에서 선택된 제N 후보자산군의 각 추천종목의 투자금액을 해당 추천종목의 단가로 나눈 값에 기 설정된 최저 설정값(TH1, Threshold)을 곱한 값의 정수값인 최소 주식수량(L1)들을 산출하는 단계52(S52);
   상기 플랫폼이 상기 단계52(S52)에 의한 각 추천종목의 최소 주식수량(L1)과 해당 추천종목의 단가를 곱한 값을 해당 추천종목의 투자금액으로 나누어 각 추천종목의 최소비율(R1)들을 산출하는 단계53(S53);
   상기 단계53(S53) 및 상기 단계55(S55) 이후에 진행되며, 상기 플랫폼이 상기 단계53(S53)에 의해 산출된 각 추천종목의 최소비율(R1)들을 최저 설정값(TH1)과 비교하여 추천종목들 중 최저비율(L1)이 최저 설정값(TH1) 이하인 추천종목들을 리스트에서 제거하는 단계56(S56);
   상기 플랫폼이 상기 단계56(S56)의 리스트의 추천종목들 중 최대비율(L2)이 최대 설정값(TH2) 이상인 추천종목들을 리스트에서 제거하는 단계58(S58);
   상기 플랫폼이 상기 단계58(S58)에 의한 리스트를 참조하여 1)잔여 추천종목이 ‘0’개인 제1 조건이거나 또는 2)잔여 추천종목이 ‘2’개 이상인 제2 조건일 때, 다음 단계로 상기 단계592(S592)를 진행하되, 3)잔여 추천종목이 ‘1’개인 제3 조건일 때, 해당 잔여 추천종목을 우선순위 추천종목으로 결정한 후 다음 단계로 상기 단계60(S60)을 진행하는 단계591(S591)을 더 포함하고,
   상기 단계592(S592)는
   1)상기 단계591(S591)에서 제1 조건일 때, 상기 플랫폼이 해당 후보자산군의 원래의 추천종목들 중 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목으로 결정하며, 2)상기 단계591(S591)에서 제2 조건일 때, 상기 플랫폼이 잔여 추천종목들 중 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목으로 결정하고,
   상기 단계60(S60)은 상기 단계591(S591)에서 제3 조건일 때, 상기 플랫폼이 결정된 우선순위 추천종목 또는 상기 단계592(S592)에서 결정된 우선순위 추천종목에 대한 최적 매매수량(L’)을 산출하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
6. 제5항에 있어서, 상기 각 종목별 최적 매매수량 산출 방법(S1)은
   상기 단계70(S70)에서 다음 식별번호를 갖는 후보자산군이 존재하지 않는다고 판단될 때 진행되며, 상기 플랫폼이 각 우선순위 추천종목의 최적 매매수량(L‘)과 단가를 곱한 값들을 합산하여 총투자금액(C)을 산출함과 동시에 산출된 총투자금액(C)과 기 설정된 외부비용을 합산하여 투자예측금액(C’)을 산출하는 단계110(S110);
   상기 플랫폼이 상기 단계110(S110)에 의해 산출된 투자예측금액(C’)과 해당 자산군의 투자금액(C1)을 비교하는 단계120(S120);
   상기 단계120(S120)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C’)을 초과할 때 진행되며, 상기 플랫폼이 우선순위 추천종목들 중 투자비중이 가장 높은 우선순위 추천종목의 최적 매매수량(L’)을 ‘1’씩 차감한 후, 다음 단계로 상기 단계110(S110)을 진행하는 단계130(S130);
   상기 단계120(S120)에서 해당 자산군의 투자금액(C1)이 투자예측금액(C’) 이하일 때 진행되며, 상기 플랫폼이 각 우선순위 추천종목별로 티커(Ticker)를 생성하는 단계140(S140)을 더 포함하고,
   상기 단계110(S110)은 상기 플랫폼이 상기 단계130(S130)에 의해 변경된 최적 매매수량(L’)을 감안하여 총투자금액(C)을 재산출하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
7. 제2항 내지 제6항 중 어느 한 항에 있어서, 상기 포트폴리오는 각 자산군의 추천종목들 각각의 랭크정보를 포함하고,
   상기 단계592(S592)는
   상기 플랫폼이 추천종목들 중 최대비율(R2)이 가장 높은 추천종목을 우선순위 추천종목으로 결정하거나 또는 추천종목들 중 랭크정보가 가장 높은 추천종목을 우선순위 추천종목으로 결정하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
8. 제7항에 있어서, 상기 단계20(S20)은
   상기 단계24(S24) 이후에 진행되며, 상기 플랫폼이 환율정보를 최신 환율정보로 업데이트 하는 단계25(S25);
   상기 단계25(S25) 이후에 진행되며, 상기 플랫폼이 선택된 자산군의 추천종목들 중 해외종목이 포함되는지 여부를 판단하는 단계26(S26);
   상기 단계26(S26)에서 선택된 자산군의 추천종목들 해외종목이 포함된다고 판단될 때 진행되며, 상기 플랫폼이 해당 해외종목의 단가와 상기 단계25(S25)에서 업데이트된 최신 환율을 곱하여 해당 해외종목의 단가를 원화로 변환시키는 단계27(S27)을 더 포함하고,
   상기 단계28(S28)은
   상기 플랫폼이 상기 단계27(S27)에 의해 변화된 단가와, 상기 단계25(S25)에 의한 최신환율정보를 기준테이블에 포함시키는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).
9. 제8항에 있어서, 상기 외부비용은 매매수수료, 환전수수료 및 증거금 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 각 종목별 최적 매매수량 산출 방법(S1).

Images