KR102625533B1 - 최적 파라미터 산출 알고리즘 기반의 자산 포트폴리오 비중 결정 방법 및 그 장치 - Google Patents

Abstract

본 발명의 실시 예에 따른 자산 포트폴리오 서비스 제공 장치의 동작 방법은, 초기 포트폴리오 비중 및 종목 정보를 결정하는 단계; 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하는 단계; 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정하는 단계; 및 상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정하는 단계를 포함한다.

Description

최적 파라미터 산출 알고리즘 기반의 자산 포트폴리오 비중 결정 방법 및 그 장치{A method and apparatus for determining the proportion of an asset portfolio based on an optimal parameter calculation algorithm}

본 발명은 자산 포트폴리오 비중 결정 방법 및 그 장치에 관한 것이다. 보다 구체적으로, 본 발명은 최적 파라미터 산출 알고리즘 기반의 자산 포트폴리오 비중 결정 방법 및 그 장치에 관한 것이다.

금융회사에 금융자산 운용을 대리 계약한 고객은 고수익을 추구하는 동시에 안정성을 기대한다 이에, 금융회사는 다수의 계약자로부터 투자자금을 모아 운용하여 계약자의 투자 자금의 원금을 보장하고, 투자자금의 원금에 대한 수익을 추구할 수 있는 다양한 상품을 제시하고 있다.

이러한 상품들을 효율적으로 배분하기 위한 방법으로, 포트폴리오 선택 이론이 널리 이용되고 있다. 효과적인 자산 투자를 위한 전략의 하나인 포트폴리오 선택 이론에 따르면, 자산투자를 위해서 기대 수익이 동일한 경우에는 위험 부담이 적은 자산 유형군의 상품 조합을 선택하고, 위험 부담이 동일한 경우에는 기대 수익이 보다 큰 자산 유형군의 상품을 조합하는 것이 가능하다.

이러한 포트폴리오 작성은 투자자 개인이 하는 경우도 있으나, 일반적으로는 영업점 직원 등을 통해 전문적인 상담을 받고 선택하는 것이 추천되고 있다. 다만, 이러한 전문적 상담에는 시간 소모가 많으며 신뢰도를 확보하기가 용이하지 않다는 측면에 있어서, 최근에는 로보어드바이저와 같은 자동화된 포트폴리오 작성 도구가 제안되고 있는 실정이다.

이에 따라, 최근 대두되는 로보어드바이저와 같은 현재의 포트폴리오 자동화 도구는, 고객의 성향 등을 설문을 통해 분석하고, 이를 통해 평가 분석하여 최적의 포트폴리오 모델을 자동으로 제안하고 있다. 이러한 현재의 포트폴리오 자동화 도구에 있어서, 일반적으로 사용되는 자산 분배 알고리즘은, 1990년 노벨 경제학상을 수상한 해리 마코위츠의 포트폴리오 이론을 기반으로 하는 과거 데이터 분석 기반의 비중 설정 방식을 채용하고 있다.

포트폴리오 이론은 개별투자 자산들을 조합한 포트폴리오의 기대 수익률을 기초로, 과거 일정 기간 데이터의 공분산 매트릭스(Covariance Matrix)를 추정하고, 그의 상관계수에 기초한 효율적 투자선에 가깝게 이를 수 있는 분산투자 포트폴리오를 결정하는 방식으로서, 특히 기대 수익률과 공분산 매트릭스를 어떻게 추정하느냐에 따라 결과가 크게 달라진다는 문제점이 있다.

특히, 포트폴리오 이론의 모형을 적용한다는 것은 과거 데이터를 추정해 그 파라미터가 미래에도 반복 또는 잘 맞을 것이라고 가정하는 것으로서, 현실과는 매칭되지 않는 다양한 문제점이 발생된다.

예를 들어, 포트폴리오 이론의 경우 변동성이 심한 구간에서 자산 배분의 결과의 변동이 심한 문제점(Robust하지 않음)이 있으며, 단기적으로 성과가 좋은 종목에만 자산배분의 비중이 집중될 수 있는(bias 발생) 문제점이 있고, 하락 구간에서는 기대수익률이 음으로 추정되므로 논리적으로 무의미한 결과를 도출하게 하는 등의 현실과 괴리된 결과를 나타낼 수 있다.

이에 따라, 보다 현실적이고 정확한 분산투자 솔루션을 제공하기 위한 자산 포트폴리오 비중 결정방식의 필요성이 대두되고 있는 실정이다.

본 발명은 상기한 바와 같은 문제점들을 해결하고자 안출된 것으로, 단순한 과거 데이터만으로 추정하는 것이 아니라, 사전 탐색 기반의 현실적이고 정확한 분배 모델의 최적 파라미터를 산출하고 이에 기초한 자산 포트폴리오 비중을 가중치에 따라 조합 결정함으로써 현실성이 반영된 자산 포트폴리오 비중 결정의 최적화를 수행할 수 있는 자산 포트폴리오 비중 결정 방법 및 그 장치를 제공하는데 그 목적이 있다.

상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 방법은, 자산 포트폴리오 서비스 제공 장치의 동작 방법에 있어서, 초기 포트폴리오 비중 및 종목 정보를 결정하는 단계; 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하는 단계; 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정하는 단계; 및 상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정하는 단계를 포함한다.

또한, 상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 장치는, 자산 포트폴리오 서비스 제공 장치에 있어서, 초기 포트폴리오 비중 및 종목 정보를 결정하는 자산배분 엔진 관리부; 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하는 제1 비중 파라미터 결정부; 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정하는 제2 비중 파라미터 결정부; 및 상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정하는 최적 파라미터 조합 연산부를 포함한다.

한편, 또한, 상기한 바와 같은 과제를 해결하기 위한 본 발명의 실시 예에 따른 방법은, 상기 방법을 컴퓨터에서 실행시키기 위한 컴퓨터 판독 가능한 매체에 저장되는 컴퓨터프로그램 및 상기 프로그램이 저장된 기록 매체로 구현될 수 있다.

본 발명의 실시 예에 따르면, 사전 탐색 기반의 현실적이고 정확한 분배 모델의 최적 파라미터를 산출하고 이에 기초한 자산 포트폴리오 비중을 가중치에 따라 조합 결정함으로써 현실성이 반영된 자산 포트폴리오 비중 결정의 최적화를 수행할 수 있는 자산 포트폴리오 비중 결정 방법 및 그 장치를 제공할 수 있다.

도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이다.
도 2는 본 발명의 실시 예에 따른 서비스 제공 장치 구성을 구체적으로 도시한 블록도이다.
도 3은 본 발명의 실시 예에 따른 사용자 단말 장치를 도시한 블록도이다.
도 4는 본 발명의 실시 예에 따른 포트폴리오 비중 결정부를 보다 구체적으로 도시한 블록도이다.
도 5는 본 발명의 실시 예에 따른 서비스 제공 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 6은 본 발명의 실시 예에 따른 테스트 결과를 설명하기 위한 도면이다.

이하의 내용은 단지 본 발명의 원리를 예시한다. 그러므로 당업자는 비록 본 명세서에 명확히 설명되거나 도시되지 않았지만 본 발명의 원리를 구현하고 본 발명의 개념과 범위에 포함된 다양한 장치를 발명할 수 있는 것이다. 또한, 본 명세서에 열거된 모든 조건부 용어 및 실시예들은 원칙적으로, 본 발명의 개념이 이해되도록 하기 위한 목적으로만 명백히 의도되고, 이와 같이 특별히 열거된 실시예들 및 상태들에 제한적이지 않는 것으로 이해되어야 한다.

또한, 본 발명의 원리, 관점 및 실시예들 뿐만 아니라 특정 실시예를 열거하는 모든 상세한 설명은 이러한 사항의 구조적 및 기능적 균등물을 포함하도록 의도되는 것으로 이해되어야 한다. 또한 이러한 균등물들은 현재 공지된 균등물뿐만 아니라 장래에 개발될 균등물 즉 구조와 무관하게 동일한 기능을 수행하도록 발명된 모든 소자를 포함하는 것으로 이해되어야 한다.

따라서, 예를 들어, 본 명세서의 블록도는 본 발명의 원리를 구체화하는 예시적인 회로의 개념적인 관점을 나타내는 것으로 이해되어야 한다. 이와 유사하게, 모든 흐름도, 상태 변환도, 의사 코드 등은 컴퓨터가 판독 가능한 매체에 실질적으로 나타낼 수 있고 컴퓨터 또는 프로세서가 명백히 도시되었는지 여부를 불문하고 컴퓨터 또는 프로세서에 의해 수행되는 다양한 프로세스를 나타내는 것으로 이해되어야 한다.

또한 프로세서, 제어 또는 이와 유사한 개념으로 제시되는 용어의 명확한 사용은 소프트웨어를 실행할 능력을 가진 하드웨어를 배타적으로 인용하여 해석되어서는 아니되고, 제한 없이 디지털 신호 프로세서(DSP) 하드웨어, 소프트웨어를 저장하기 위한 롬(ROM), 램(RAM) 및 비 휘발성 메모리를 암시적으로 포함하는 것으로 이해되어야 한다. 주지관용의 다른 하드웨어도 포함될 수 있다.

상술한 목적, 특징 및 장점은 첨부된 도면과 관련한 다음의 상세한 설명을 통하여 보다 분명해질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명하기로 한다.

도 1은 본 발명의 실시 예에 따른 전체 시스템을 개략적으로 도시한 개념도이다.

도 1을 참조하면, 본 발명의 실시 예에 따른 전체 시스템은, 서비스 제공 장치(100), 사용자 단말(200) 및 금융 서버(300)를 포함한다.

상기 전체 시스템은, 유무선 인터넷망을 포함하는 통신 네트워크를 통해 각각 상호 연결될 수 있다. 또한, 서비스 제공 장치(100), 사용자 단말(200) 및 금융 서버(300)간에는 각 통신을 보안 연결하는 네트워크가 구성될 수 있다. 그리고, 각 서비스 제공 장치(100), 사용자 단말(200) 및 금융 서버(300)은 상기 통신 네트워크에 접속하여 데이터를 송수신하기 위한 통신 모듈을 각각 구비할 수 있다.

통신 네트워크는 예를 들어, 개방형 인터넷, 폐쇄형 인트라넷을 포함한 유선 인터넷망, 이동 통신망과 연동된 무선 인터넷 통신망, TCP(Transmission Control Protocol)/IP(Internet Protocol), UDP(User Datagram Protocol)과 같은 프로토콜 기반의 데이터 통신을 포함하여 각종 데이터 통신이 가능한 컴퓨터 네트워크 등이 예시될 수 있다.

그리고, 서비스 제공 장치(100)는, 사용자 단말(200)의 요청에 따라, 금융 서버(300)본 발명의 실시 예에 따른 자산 배분 서비스를 제공하기 위한 하나 이상의 프로세스를 처리할 수 있으며, 처리된 자산 배분 서비스를 상기 사용자 단말(200)로 제공할 수 있다.

여기서, 서비스 제공 장치(100)는 사용자 단말(200)의 요청에 따라, 자산배분 솔루션 분석 및 이에 따른 자산 배분 처리 서비스를 제공할 수 있다. 특히, 본 발명의 실시 예에 따른 서비스 제공 장치(100)는 사용자 맞춤형 모델 생성을 가능하게 하며, 현재 적용된 포트폴리오에 따른 자산배분에 대응하여, 변경 설정에 따른 모델 시뮬레이션 및 실시간 재적용을 처리할 수 있다.

또한, 서비스 제공 장치(100)는 생성된 맞춤형 자산 배분 모델을 웹 사이트에 업로드 할수 있게 제공하여, 오프라인뿐만 아니라 온라인으로도 관련 정보를 제공 가능하게 하며, 모든 맞춤형 자산 배분 모델은 알고리즘화 되어 자동으로 매매 처리를 가능하게 하는 자동화된 금융 정보 처리 프로세스들을 포함할 수 있다.

이를 위해, 본 발명의 실시 예에 따른 서비스 제공 장치(100)는 사용자 단말로 입력된 사용자 입력 정보에 기초하여, 사용자 분석 정보를 획득하고, 상기 사용자 분석 정보에 대응하는 자산 설정 정보를 결정하며, 상기 자산 설정 정보를, 미리 저장된 모델 정보에 기초한 자산배분 엔진에 적용하여 초기 포트폴리오 정보를 생성하고, 상기 초기 포트폴리오 정보를 상기 사용자 단말로 제공하고, 상기 사용자 단말로부터 상기 초기 포트폴리오 정보에 대응하는 사용자 맞춤 정보를 획득하며, 상기 사용자 맞춤 정보에 기초하여 결정된 사용자 맞춤 자산배분 모델을 이용한 실시간 시뮬레이션 정보를 사용자 단말로 제공함으로써, 사용자 맞춤형 자산배분 모델을 생성할 수 있고, 이에 대한 실시간 시뮬레이션 정보를 사용자 단말(200)로 제공할 수 있다.

여기서, 상기 자산배분 엔진은, 초기 포트폴리오 정보에 기초한 포트폴리오 비중을 최적화 처리할 수 있는 프로세스를 구비할 수 있다. 이를 위해, 자산배분 엔진에서는 초기 포트폴리오 비중 및 종목 정보가 결정하되면, 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하며, 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정하고, 상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정할 수 있다.

이러한 자산배분 엔진의 포트폴리오 비중 최적화 연산에 따라, 본 발명의 실시 예에 다른 자산배분 엔진은 최근의 시장상황과 기존의 시장상황을 종합적으로 고려한 현실적이고 적절한 자산배분 비중을 결정할 수 있는 바, 사용자 맞춤형 시뮬레이션에 최적화된 형태의 자산배분 모델을 구축할 수 있게 한다.

또한, 서비스 제공 장치(100)는 하나 이상의 자산배분 모델의 저장 및 관리를 처리하는 자산배분 엔진과, 사용자 정보, 자산 설정 정보, 매매 등록 정보 및 시뮬레이션 정보 저장을 위한 데이터베이스를 포함할 수 있으며, 보다 구체적인 구성은 도 2에서 후술하도록 한다.

그리고, 서비스 제공 장치(100)는 금융 서버(300)와 통신하여 자산 설정 정보에 대한 자동매매 서비스에 따른 금융 처리를 수행할 수 있다. 금융 서버(300)는 하나 이상의 금융 기관 서버에 대응할 수 있으며, 예를 들어, 서비스 제공 장치(100)의 요청에 따라 투자 대상 계좌로의 자산 이체 또는 거래 정보를 처리하는 은행 서버 또는 증권사 서버 등이 예시될 수 있다.

특히, 본 발명의 실시 예에 따른 서비스 제공 장치(100)는 사용자 맞춤 자산배분 모델의 시뮬레이션과, 사용자 맞춤 자산배분 모델의 적용에 따른 금융 서버(300)와의 거래 정보를 처리함으로써, 시뮬레이션에 기초한 자동 매매 서비스를 제공할 수 있다.

이러한 서비스 제공 장치(100)의 시뮬레이션 및 자동 매매 서비스는, 사용자 맞춤 자산 배분 모델이 결정됨에 따라, 자산 배분 모델에 포함된 각 상품 종목에 대응하여 처리되는 각 종목별 로보 어드바이저에 의해 실행될 수 있다.

이를 위해, 서비스 제공 장치(100)는 자산 배분 모델 결정에 따라 종목별 로보 어드바이저를 복합적으로 구성할 수 있으며, 복합 구성 프로세스는 자동화되어 처리될 수 있다. 따라서, 본 발명의 실시 예에 따른 서비스 제공 장치(100)는 로보 어드바이저를 이용한 상위 개념의 로보 어드바이저로서 기능할 수 있으며, 포트폴리오 시뮬레이션 및 재적용 처리를 용이하게 한다.

한편, 사용자 단말(200)은 사용자 정보를 입력받고, 자산 배분 서비스 제공 장치와 데이터를 송수신하며, 상기 사용자 정보 입력 및 상기 자산 배분 서비스 제공 장치와의 통신에 기초하여 자산 관리 서비스를 제공하는 사용자의 단말일 수 있다. 예를 들어, 사용자 단말(200)은 어플리케이션을 통해 본 발명의 실시 예에 따른 서비스 기능이 설치 가능한 전자 장치로서, 예컨대, 스마트폰, 노트북, 태블릿 PC, 키오스크 등이 예시될 수 있다.

그리고, 본 발명의 실시 예에 따른 사용자는 자산 관리 서비스를 제공받는 사용자일 수 있다. 예를 들어, 사용자는 사용자 단말(200)의 사용자로서, 직접 투자자일 수 있으나, 투자 포트폴리오를 설계하는 설계사, 투자 상담사 등 자산 관리 서비스를 사용자 단말(200)을 통해 제공받는 다양한 사용자들이 예시될 수 있다.

또한, 사용자 단말(200)은 상기 자산 배분 서비스 제공 장치로부터 제공된 정보를 가공하여 디스플레이 인터페이스를 통해 출력할 수 있으며, 이를 위한 하나 이상의 출력부(미도시)를 구비할 수 있다. 출력부는 사용자에게 정보를 제공하기 위한 인터페이스를 포함할 수 있다. 예를 들어, 출력부는 하나 이상의 디스플레이 인터페이스를 구비할 수 있다.

도 2는 본 발명의 실시 예에 따른 자산배분 서비스 제공 장치를 보다 구체적으로 설명하기 위한 블록도이다.

도 2를 참조하면, 본 발명의 실시 예에 따른 서비스 제공 장치(100)는 통신부(105), 자산배분 엔진 관리부(120), 종목 설정 정보 관리부(130), 사용자 정보 분석부(140), 시뮬레이션 처리부(150), 웹 사이트 관리부(160), 자동 매매 처리부(170), 포트폴리오 재적용 처리부(190) 및 데이터베이스 관리부(180)를 포함한다.

통신부(105)는 금융 서버(300) 또는 사용자 단말(200)과 통신하거나, 상기 금융 서버(300) 또는 사용자 단말(200)이 위치한 네트워크와 통신하기 위한 하나 이상의 통신 모듈을 포함한다.

여기서, 통신부(105)는 근거리 통신망(LAN : Local Area Network) 및 인터넷망을 통해 무선 또는 유선방식으로 접속되는 형태, USB(Universal Serial Bus)포트를 통하여 접속되는 형태, 3G, 4G와 같은 이동 통신망을 통해 접속되는 형태, NFC(Near Field Communication, RFID(Radio Frequency Identification), Wi-Fi등과 같은 근거리 무선 통신방식을 통해 접속되는 형태가 가능하다.

그리고, 통신부(105)는 사용자 단말(200)로부터 자산 관리 및 자산 배분 서비스 제공을 위한 사용자 등록 정보를 수신할 수 있으며, 사용자 정보 분석부(140)는, 수신된 사용자 등록 정보에 따른 사용자 정보를 등록 처리하며, 등록된 사용자 정보에 대응하는 사용자 관리 처리를 수행할 수 있다.

특히, 사용자 정보 분석부(140)는 사용자 분석을 위한 사용자 분석 인터페이스를 사용자 단말(200)로 제공할 수 있으며, 상기 사용자 분석 인터페이스에 대응하는 사용자 입력 정보를 분석함으로써, 사용자 분석 정보를 획득할 수 있다.

종목 설정 정보 관리부(130)는, 사용자 단말(200)로부터 자산 정보를 수신할 수 있으며, 사용자 자산 정보에 대응하는 종목 설정 정보를 획득하여 저장 및 관리할 수 있다. 여기서, 종목 설정 정보는 사용자가 투자하고자 하는 금융 자산 정보 및 사용자 선택에 따른 자산군 배분 정보를 포함할 수 있으며, 이는 사용자 분석 정보로부터 획득될 수 있다.

그리고, 자산배분 엔진 관리부(120)는, 사용자 분석 정보 및 종목 설정 정보를 미리 설정된 자산배분 모델 정보에 따른 자산배분 엔진에 적용하여, 초기 포트폴리오를 결정할 수 있다.

예를 들어, 자산배분 엔진 관리부(120)는 사용자 분석 정보 및 종목 설정 정보를 미리 설정된 자산배분 모델에 따른 포트폴리오 결정 알고리즘에 적용함에 따라, 자산배분 엔진을 구동할 수 있으며, 초기 포트폴리오를 포함하는 자산 배분 모델 정보를 출력할 수 있다. 이를 위해, 자산배분 엔진 관리부(120)는 사용자 분석 정보 기반으로 구동되는 하나 이상의 자산배분 모델 엔진 정보를 저장 및 관리할 수 있다.

그리고, 초기 포트폴리오를 포함하는 자산 배분 모델 정보는 사용자 단말(200)로 제공될 수 있다. 여기서, 초기 포트폴리오 정보는 미리 알려진 하나 이상의 표준자산배분 모듈 중, 자산배분 엔진 관리부(120)의 동작에 따라 상기 사용자 분석 정보에 대응하여 결정된 자산 배분 모델에 의해 결정된 포트폴리오를 포함할 수 있다.

예를 들어, 초기 포트폴리오 정보의 자산 배분 모델은 사용자 분석에 따른 자산 투자 성향에 따라 결정될 수 있으며, 자산투자성향에 따른 자산유형별 자산배분비율을 포함할 수 있다. 예를 들어 자산유형들은, 종목별 ETF, 예금/유동성 자금, 국내채권, 국내주식, 해외주식, 해외채권, 대안투자자금, 구조화채권 및 방카슈란스 보험 등을 포함할 수 있으며, 자산유형별로 각각의 자산배분비율이 결정될 수 있다. 따라서, 초기 포트폴리오 정보는 각 자산 유형별 종목에 대응하는 투자 비율 정보를 포함할 수 있으며, 이에 대응한 자산 배분 모델 정보가 하우스 뷰 형태로 시각화되어 사용자 단말(200)로 제공될 수 있다.

한편, 상기 자산 배분 모델 결정에 있어서, 포트폴리오 비중 결정부(125)는, 자산 배분 모델 내 종목 간 비중을 결정하기 위한 최적화 프로세스를 수행할 수있다. 이는 사전 탐색 기반의 현실적이고 정확한 분배 모델의 최적 파라미터를 산출하고 이에 기초한 자산 포트폴리오 비중을 가중치에 따라 조합 결정함으로써 현실성이 반영된 자산 포트폴리오 비중 결정의 최적화를 수행할 수 있다.

이를 위해, 포트폴리오 비중 결정부(125)는, 초기 포트폴리오 비중 및 종목 정보가 결정되면, 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하고, 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정하며, 상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정할 수 있다.

이러한 최적 비중 파라미터는, 적정한 기대수익률을 가정하기 위해 산출되는 것으로, 단순히 특정 기간의 결과로부터 예측하는 것이 아니라, 최적화되면서 합리적인 기대수익률을 가정하고자 하는 것으로서, 그러한 파라미터를 기존의 시장을 구성하는 종목 데이터로부터 찾아 산출하기 위한 적절한 관찰기간 및 산출변수를 결정하는 최적화 프로세스에 의해 결정될 수 있다.

이는 기존의 방식과 같이 최근 1년, 6개월 같은 과거 기간의 데이터로부터 단순 추정되는 것이 아니므로, 변동성이 심한 구간에 의한 파라미터의 부정확성을 감소시키고, 단기적으로 성과가 높은 종목에만 집중되는 바이어스 효과도 방지할 수 있으며, 특히 하락 구간에서 기대수익률이 음으로만 추정되어 논리적으로 무의미한 결과가 도출되는 등의 오류를 방지할 수 있는 최적화된 자산 분배 모델을 구축할 수 있게 한다.

이에 따라, 사용자 단말(200)에서는 초기 포트폴리오 정보 및 이에 기초한 자산 분배 모델이 포트폴리오 인터페이스를 통해 출력될 수 있다. 그리고, 사용자 단말(200)은 사용자로부터 사용자 맞춤 정보를 입력받을 수 있으며, 입력된 맞춤 정보는 서비스 제공 장치(100)로 전달될 수 있다. 예를 들어, 초기 포트폴리오 정보는 전술한 최적화 파라미터를 이용하여 결정된 최적의 투자비율일 수 있으나, 사용자는 개인화된 맞춤형 종목 설정을 요구할 수 있다. 따라서, 본 발명의 실시 예에 따르면 사용자 단말(200)은 각 종목별 맞춤 자산을 추가 또는 변경하기 위한 사용자 맞춤 정보를 입력받을 수 있으며, 이러한 사용자 맞춤 정보는 서비스 제공 장치(100)로 전송될 수 있다.

그리고, 자산배분 엔진 관리부(120)는, 상기 사용자 맞춤 정보에 기초하여, 초기 포트폴리오 모델을 사용자 맞춤 자산배분 모델로 변경할 수 있으며, 변경된 사용자 맞춤 자산배분 모델 정보는 시뮬레이션 처리부(150)로 전달될 수 있다.

시뮬레이션 처리부(150)는, 먼저, 초기 포트폴리오 정보에 기초한 모델 시뮬레이션을 처리하여, 처리된 결과 정보를 사용자 단말(200)로 제공할 수 있다. 여기서, 초기 포트폴리오 정보에 따라 시뮬레이션된 금융 정보는, 과거 금융 정보에 기초한 시뮬레이션 결과를 포함할 수 있으며, 연평균 기대수익률, 연 변동성, 최대낙폭, 샤프비율 등이 표시될 수 있다.

또한, 시뮬레이션 처리부(150)는 사용자 맞춤 자산배분 모델이 결정된 경우, 사용자 맞춤 자산배분 모델에 따른 실시간 시뮬레이션 처리를 제공할 수 있으며, 시뮬레이션 결과는 사용자 단말(200)로 제공될 수 있다. 여기서, 사용자 단말(200)은 초기 포트폴리오 모델의 시뮬레이션 결과와 상기 사용자 맞춤 자산배분 모델의 시뮬레이션 결과를 비교하여 제공할 수 있으며, 이에 따라 사용자의 성과 평가 등을 매우 용이하게 한다.

한편, 사용자 단말(200)에서는 사용자 맞춤 자산배분 모델에 대응하는 사용자 매매 등록을 요청할 수 있으며, 자동 매매 처리부(170)는, 상기 사용자 매매 등록 요청에 따라, 사용자 계좌 정보 및 초기 자산 정보를 포함하는 사용자 매매 등록 정보를 수신하고, 상기 사용자 맞춤 자산배분 모델에 기초한 자동 매매 프로세스를 실행할 수 있다.

이에 따라, 매매 처리부(170)는 상기 자동 매매 프로세스에 따른 현재 자산배분 포트폴리오 모니터링 정보를 사용자 단말(200)로 제공할 수 있다. 이러한 모니터링 정보는 현재 자산배분 포트폴리오 모델 정보를 사용자 단말(200)의 포트폴리오 인터페이스를 통해 제공하는 방식으로 제공될 수 있다.

한편, 포트폴리오 재적용 처리부(190)는, 상기 현재 자산배분 포트폴리오 모델 정보에 대응하는 변경 설정 정보를 사용자 단말(200)로부터 수신할 수 있다.

이를 위해, 사용자 단말(200)에서는 포트폴리오 인터페이스를 통한 사용자 변경 설정 정보를 입력받을 수 있으며, 엔진 관리부(120)는 상기 변경 설정 정보에 기초한 변경 포트폴리오 모델을 생성할 수 있고, 시뮬레이션 처리부(150)는 상기 변경 포트폴리오 모델에 기초한 시뮬레이션을 처리하여, 상기 현재 자산배분 포트폴리오 모델과의 실시간 시뮬레이션 결과 비교 정보를 상기 사용자 단말(200)로 제공할 수 있다. 이에 따라, 사용자 단말(200)에서는 시뮬레이션 결과 비교를 확인하고, 실시간 포트폴리오 모델 변경 요청을 입력할 수 있다.

포트폴리오 재적용 처리부(190)는, 상기 실시간 포트폴리오 모델 변경 요청에 기초하여, 상기 사용자 매매등록 정보의 현재 계좌 및 자산에 대응하는 변경 포트폴리오 모델의 재적용 처리를 수행할 수 있다.

여기서, 포트폴리오 재적용 처리부(190)는 사용자 매매등록 정보의 추가 또는 변경 등록 없이, 기 등록된 상기 사용자 매매등록 정보에 대응하는 현재 계좌 정보 및 현재 자산 정보를 획득하고, 상기 현재 계좌 정보 및 상기 현재 자산 정보를 상기 현재 포트폴리오 모델로부터 상기 변경 포트폴리오 모델로 재적용 처리하기 위한 상기 사용자 매매등록 정보의 자동 변경 처리를 수행할 수 있다.

이에 따라, 자동 매매 처리부(170)는 상기 자동 변경 처리된 사용자 매매등록 정보 및 상기 변경 포트폴리오 모델에 기초하여, 자동 매매 프로세스를 수행할 수 있다.

한편, 웹 사이트 관리부(160)는 사용자별 사용자 맞춤 자산배분 모델을 하나 이상 생성하여 업로드하고, 상호 공유할 수 있는 웹 사이트를 제공 및 운영할 수 있다. 이를 위해, 웹 사이트 관리부(160)는 사용자 맞춤 자산배분 모델를 사용자 정보에 매칭시켜 등록할 수 있으며, 상기 등록된 사용자 맞춤 자산배분 모델을 다른 제2 사용자 단말로 공유할 수 있도록 웹 페이지 관리를 처리할 수 있다.

예를 들어, 웹 사이트 관리부(160)는 상기 제2 사용자 단말의 사용자 분석 정보에 따라, 하나 이상의 추천 사용자 맞춤 자산배분 모델 정보를 상기 제2 사용자 단말로 공유하게 할 수 있으며, 따라서, 다른 사용자들의 맞춤 자산배분 모델 정보를 이용한 자산배분 모델의 설정 및 변경이 용이하게 된다.

한편, 제어부(110)는 전술한 각 구성요소의 전반적인 동작을 제어하며, 이를 위한 하나 이상의 마이크로 프로세서를 포함할 수 있다.

그리고, 데이터베이스 관리부(180)는, 전술한 자산배분 엔진 적용을 위한 모델 정보, 사용자별 종목 설정 정보, 사용자 분석 정보, 시뮬레이션 처리 정보, 웹 사이트 관리 정보, 자동 매매 처리 정보 및 포트폴리오 재적용 처리 정보 등의 저장 및 관리를 처리하며, 이를 위한 하나 이상의 저장매체를 포함할 수 있다.

도 3은 본 발명의 실시 예에 따른 사용자 단말을 보다 구체적으로 설명하기 위한 블록도이다.

도 3을 참조하면, 본 발명의 실시 예에 따른 사용자 단말(200)은, 자산 관리 서비스부(210), 통신부(220), 제어부(230), 사용자 입력부(240) 및 메모리(250)를 포함한다.

통신부(220)는 사용자 단말(200)과 서비스 제공 장치(100) 또는 서비스 제공 장치(100)가 위치한 네트워크 사이의 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 예를 들어, 통신부(220)는 이동통신 모듈, 무선 인터넷 모듈, 근거리 통신 모듈 또는 유선 통신 모듈 등을 포함할 수 있다.

사용자 입력부(240)는 사용자 입력을 수신하기 위한 하나 이상의 인터페이스 모듈을 구비할 수 있다. 보다 구체적으로, 사용자 입력부(240)는 서비스 제공 장치(100)로 사용자 정보, 사용자 분석을 위한 사용자 입력 정보, 사용자 맞춤 자산배분 모델 생성을 위한 사용자 맞춤 정보, 모델 변경 요청 정보, 자동 매매 등록 정보 등의 다양한 정보를 입력받아 처리할 수 있다.

제어부(230)는 통상적인 단말(200)의 전반적인 동작을 제어하며, 특히 자산 관리 서비스부(210)를 통한 다양한 자산 배분 서비스 동작을 제어할 수 있다.

자산 관리 서비스부(210)는, 제어부(230)의 제어에 따라, 서비스 제공 장치(100)와의 통신을 통해 다양한 자산 관리 서비스를 제공할 수 있다.

이를 위해, 자산 관리 서비스부(210)는, 사용자 입력 정보에 따른 상기 사용자 분석 정보를 출력하는 성향 분석 모듈, 상기 자산 설정 정보를 하우스 뷰 방식으로 출력하는 하우스 뷰 모듈, 상기 사용자 맞춤 자산배분 모델 정보를 출력하는 자산배분 모듈, 상기 실시간 시뮬레이션 정보를 출력하는 시뮬레이션 모듈; 및 상기 자산 배분 서비스 제공 장치에서 상기 사용자 계좌 정보 및 초기 자산 정보를 포함하는 사용자 매매 등록 정보를 입력받아 상기 사용자 맞춤 자산배분 모델에 기초한 자동 매매 프로세스가 실행되면, 상기 자동 매매 프로세스에 따른 현재 자산배분 포트폴리오 모니터링 정보를 출력하는 자동매매 모듈을 포함할 수 있다.

이에 따라, 사용자 단말(200)은, 자산 관리 서비스부(210)에서 처리되는 자산 관리 서비스와, 서비스 제공 장치(100)로부터 제공되는 자산 배분 서비스를 제공받을 수 있으며, 처리되는 다양한 서비스 정보는 제어부(230)에 의해 출력부를 통해 영상으로 출력될 수 있다.

그리고, 메모리(250)는 상기 제어부(230)의 제어를 위한 프로세스 및 각 구성요소의 동작을 위해 입출력되는 정보를 저장하는 하나 이상의 저장 매체를 포함할 수 있다.

도 4는 본 발명의 실시 예에 따른 포트폴리오 비중 결정부를 보다 구체적으로 도시한 블록도이다.

도 4를 참조하면, 본 발명의 실시 예에 따른 포트폴리오 비중 결정부(125)는, 제1 비중 파라미터 결정부(1251), 제2 비중 파라미터 결정부(1252) 및 최적 파라미터 조합 연산부(1253)를 포함한다.

먼저, 전술한 바와 같이 포트폴리오 비중 결정부(125)는, 초기 포트폴리오 비중 및 종목 정보를 결정하면, 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하며, 상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정하고, 상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정하는 바, 이를 위해 먼저, 제1 비중 파라미터 결정부(1251)는, 고정된 상기 제1 시간 구간 동안의 샤프 비율(Sharpe Ratio) 변수를 최대화하는 제1 최적 포트폴리오 분배 파라미터를 결정한다.

여기서, 샤프 비율은 포트폴리오의 위험 조정 수익률을 나타내는 것으로서, 샤프 비율 설정에 따라 추가 위험을 감수하기 위한 무위험 자산 이상의 초과 수익률이 결정될 수 있고, 이에 따른 자산 분배 모델이 결정될 수 있다.

그리고, 제2 비중 파라미터 결정부(1252)는, 상기 롤링 분석 처리에 따라 상기 일정 기간 범위 내에서 가변되는 상기 제2 시간 구간 동안의 샤프 비율(Sharpe Ratio) 변수를 최대화하며, 상기 일정 기간 범위 내에서의 상기 샤프 비율 변수가 최대인 상기 최적 구간에서의 제2 최적 포트폴리오 분배 파라미터를 결정한다.

그리고, 최적 파라미터 조합 연산부(1253)는, 상기 제1 최적 포트폴리오 분배 파라미터에 제1 가중치를 곱연산하고, 상기 제2 최적 포트폴리오 분배 파라미터에 제2 가중치를 곱연산하며, 상기 곱연산된 상기 제1 최적 포트폴리오 분배 파라미터 및 상기 곱연산된 제2 최적 포트폴리오 분배 파라미터를 합연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 산출할 수 있다.

여기서, 상기 제1 가중치 및 상기 제2 가중치의 합은 1일 수 있는 바, 바람직하게는 상기 제1 가중치는 0.8이며, 상기 제2 가중치는 0.2일 수 있다. 이러한 가중치 산출 근거에 대하여는 도 6에 도시된 테스트 결과를 토대로 후술하도록 한다.

보다 구체적으로, 예들 들어 설명하면, 제1 최적 포트폴리오 분배 파라미터는, 종목별 비중 정보가 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간(예를 들어 6개월, 1년 등)에서 산출되는 샤프 비율(Sharpe ratio) 변수를 포함할 수 있으며, 제1 비중 파라미터 결정부(1251)는 이를 산출하여 A로 설정할 수 있다.

그리고, 제2 비중 파라미터 결정부(1252)는, 제2 최적 포트폴리오 분배 파라미터 결정을 위해, 최근 일정 기간 범위(과거 N년~N+6개월 등) 내에서의 종목 데이터에 대응하여, 상기 N을 특정 시점까지 순차 또는 선택적으로 가변시키는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행할 수 있다.

그리고, 제2 비중 파라미터 결정부(1252)는, 이러한 롤링 분석 처리에 따라 산출되는 수익률 변수에 기초한 그리디(Greedy) 탐색 연산을 수행하여, 상기 수익률 변수가 가장 높게 산출되는 최적 구간에 대응한 제2 비중 파라미터를 B로 결정할 수 있는 것이다.

여기서, 그리디(Greedy) 탐색 연산은, 사전 설정된 샤프 비율 변수를 롤링 분석에 따라 가변되는 시간 구간별로 적용한 결과로서 수익율이 최적화되는 구간의 샤프 비율 변수를 상기 제2 비중 파라미터로 예측 결정하는 연산일 수 있다.

여기서, 최적화되는 구간을 산출하는 롤링 기반 그리디(Greedy) 탐색 연산은, 매 선택 시점마다 최적이라고 예상되는 값을 결정하는 방식으로 반복 연산하여 최종 최적값을 결정하는 방식으로서, 본 발명의 실시 예에 따른 제2 비중 파라미터 결정부(1252)는, 수익율을 최대화하는 샤프 비율 파라미터 값을 각 롤링 구간별로 도출하되, 가장 수익율이 높은 롤링 구간을 그리디 탐색 연산 방식으로 탐색함에 따라, 도출된 최적화 롤링 구간에 대응하는 사프 비율 변수를 전체 구간 데이터의 최적 파라미터로서 결정하고, 상기 제2 비중 파라미터로서 출력하는 연산으로 처리될 수 있다.

이에 따라, 제2 비중 파라미터 결정부(1252)는 상기 종목 데이터를 기초로 상기 수익율 변수를 최대화하는 샤프 비율 파라미터 값을 최적 파라미터로 도출하기 위한 상기 그리디 탐색 연산 수행에 있어서, 복수의 상기 롤링 구간별 복수의 샤프 비율 파라미터 적용에 따른 각 샤프 비율 파라미터 대비 최대 수익율 변수를 산출하며, 상기 복수의 롤링 구간들을 순차 탐색하면서 상기 수익율 변수를 최대화하는 롤링 구간을 최적 구간으로 결정하되, 상기 롤링 구간의 탐색 시점마다의 수익율 변수 최대화 여부에 따른 상기 최적 구간을 갱신하고, 롤링 종료에 따라 최종 갱신된 최적 구간에 대응하는 최적 사프 비율 파라미터를 상기 종목 데이터의 전체 구간 데이터의 최적 파라미터로서 결정하고, 상기 결정된 최적 파라미터를 상기 제2 비중 파라미터로서 출력할 수 있는 것이다.

이러한 그리디 탐색 연산은 모든 시간 구간을 세부적으로 색인하는 것은 아닐 수 있으므로, 항상 최선의 결과를 도출하는 것은 아니지만 제2 비중 파라미터를 빠르게 산출할 수 있으며, 신속한 모델링 처리를 위한 효율적인 처리를 가능하게 한다. 이러한 그리디 알고리즘은 부분의 최적해들의 집합을 전체 문제의 해답으로 판단할 때 사용되는 알고리즘으로서, 너무 많은 경우의 수 연산을 축약하고 근사적인 최적 값을 신속히 구하는 방식일 수 있는 바, 본 발명의 실시 예에 따른 제2 비중 파라미터 연산부(1252)는 상기 그리디 알고리즘을 최대 수익율이 도출되는 롤링 구간의 탐색 프로세스에 이용함으로써, 제2 비중 파라미터를 신속하게 산출하게 한다.

그리고, 최적 파라미터 조합 연산부(1253)는, A에 설정된 제1 가중치(W1)을 곱연산하고, B에 설정된 제2 가중치(W2)를 곱연산 한 후, 이들을 합산하여 최종 조합 비중 값을 샤프 비율(Sharpe ratio) 변수 기반으로 결정할 수 있다. 이에 따라, 최종 결정된 최적 비중 파라미터 C는, C = W1 * A + W2 * B 와 같은 조합 연산에 의해 결정될 수 있다.

여기서, 상기 W1 및 W2는 사용자에 의해 결정되는 확률 변수일 수 있으며, 그 합은 1일 수 있다. 이에 따라, 사용자는 각각의 가중치 설정 및 테스트에 의해 보다 현실에 부합한 적정한 가중치를 결정할 수 있고 이를 적용할 수 있다. 본 발명의 실시 예에 따라 산출된 결과값 중 가장 바람직한 수치는 W1이 0.8이며, W2가 0.2인 케이스로서, 이에 대하여는 도 6을 참조하여 후술하도록 한다.

도 5는 본 발명의 실시 예에 따른 서비스 제공 장치의 동작 방법을 설명하기 위한 흐름도이다.

도 5를 참조하면, 본 발명의 실시 예에 따른 서비스 제공 장치(100)는, 초기 포트폴리오 비중 및 종목을 결정하면(S101), 초기 포트폴리오 비중 및 종목에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 샤프 비율 변수에 기초하여, 제1 비중 파라미터를 결정한다(S103).

그리고, 서비스 제공 장치(100)는, 최근 N년간 종목 데이터에 대응하는 제2 시간 구간별 롤링 분석 처리를 수행하면서, 그리디 탐색 연산에 따라 샤프 비율 변수가 가장 높게 산출되는 최적 구간에 대한 제2 비중 파라미터를 결정한다(S105).

이후, 서비스 제공 장치(100)는, 제1 비중 파라미터에 대응하는 제1 가중치 및 제2 비중 파라미터에 대응하는 제2 가중치를 조합 적용하여, 최적 비중 파라미터를 결정한다(S107).

그리고, 서비스 제공 장치(100)는, 결정된 최적 비중 파라미터에 기초한 자산 분배 모델을 구촉하고, 이에 기초한 시뮬레이션, 자동 매매 처리 또는 재분배 서비스 처리를 수행한다(S109).

도 6은 본 발명의 실시 예에 따른 테스트 결과를 설명하기 위한 도면이다.

도 6을 참조하면, 본 발명의 실시 예에 따른 테스트는 GICS 지수 기반의 과거 종목 제이터를 기초로 하여 산출된 제2 최적 비중 파라미터와, 제1 최적 비중 파라미터를 각각 산출하였을 때의 예측 퍼포먼스(Performance)를 비교 분석한 테스트 결과를 나타낸다.

먼저, 제2 최적 비중 파라미터 기반 모델 테이블은, 직전 1년의 GICS 지수 기반의 종목 데이터를 기반으로 하여, 250일의 시간 구간을 롤링(Rolling)시키면서 최대 샤프 비율 파라미터가 산출되는 구간의 파라미터를 상기 제2 최적 비중 파라미터로 산출된 것으로서, WMI500에너지, WMI500소재, WMI500산업재, WMI500경기관련소비재, WMI500필수소비재, WMI500건강관리, WMI500금융, WMI500정보기술, WMI500 커뮤니케이션서비스 및 WMI500유틸리티에 대응하는 각 종목 및 구간별 사프 비율의 최적화된 값을 산출하고, 이를 2016년 상반기부터 2020년 상반기까지 각각 적용하여 그 퍼포먼스를 통계 분석한 결과이다.

여기서, opt는 제2 최적 비중 파라미터에 의해 최적화된 결과를 의미하며, 이와 대비한 동등 비중의 경우(equal)의 비교와, 이와 대비한 실제 종목 데이터의 경우(kospi)에 대한 비교를 수치로 산출한 것으로, ret는 수익률(retuern)을 나타내고, sr은 샤프 비율(Sharpe Ratio)를 나타낸다.

그리고, 제1 최적 비중 파라미터 기반 모델 테이블은, 동일한 GICS 지수 기반 데이터의 직전 5년 종목 데이터로부터, 높은 샤프 지수를 나타내는 파라미터를 산출한 것으로, TOP 10 구간을 선택하여 평균 적용된 값이 이용되었다. 마찬가지로, WMI500에너지, WMI500소재, WMI500산업재, WMI500경기관련소비재, WMI500필수소비재, WMI500건강관리, WMI500금융, WMI500정보기술, WMI500 커뮤니케이션서비스 및 WMI500유틸리티에 대응하는 각 종목에 기초한 사프 비율의 최대 값을 산출하고, 이를 2016년 상반기부터 2020년 상반기까지 각각 적용하여 그 퍼포먼스를 통계 분석한 결과이다.

여기서, opt는 제1 최적 비중 파라미터에 의해 최적화된 결과를 의미하며, 이와 대비한 동등 비중의 경우(equal)의 비교와, 이와 대비한 실제 종목 데이터의 경우(kospi)에 대한 비교를 수치로 산출한 것으로, ret는 수익률(retuern)을 나타내고, sr은 샤프 비율(Sharpe Ratio)를 나타낸다.

그리고, 가중치 조합 모델 퍼포먼스 비교 테이블은, 제1 최적 비중 파라미터 기반 모델 및 제2 최적 비중 파라미터 기반 모델을 가중치 연산 적용하여 산출된 퍼포먼스를 비교한 것으로서, 각 가중치의 비율(0.0~1.0)에 따른 퍼포먼스의 향상효과를 나타내고 있다.

도 6에 도시된 바와 같이, 각 모델의 수익률(ret) 및 샤프 비율(sr)에 대응하는 차이값의 평균 퍼포먼스(mean)를 수치화하여 비교하여 볼때, 각 비중에 따라 그 효과는 상이하나 제1 최적 비중 파라미터 모델 및 제2 최적 비중 파라미터 모델보다, 변수의 변동성(Robust)은 감소되는 것으로 확인되며, 샤프 비율(sr)은 높게 나타나는 최적화된 모델이 구성될 수 있음이 확인되었다.

특히, 실제 kospi의 종목 비중 데이터나 동등 비중 데이터에 대비한 사프 비율이 가장 최대화되는 구간이 특히, 제2 가중치를 0.8로 설정하고, 제1 가중치를 0.2로 설정한 0.8mix 케이스의 경우 나타나는 것으로 확인되며, 따라서 가중치 설정에 따라 최적화된 조합 연산 파라미터가 산출될 수 있음을 확인할 수 있다. 따라서, 현재 테스트 결과에 따라 일반적인 종목 데이터에서는 제1 가중치와 제2 가중치가 0.2 : 0.8인 것이 바람직할 수 있으며, 사용자는 이러한 가중치를 조절 결정함으로써, 현재 상황이나 데이터에 더 부합한 가중치를 세분화하여 조절할 수도 있다.

상술한 본 발명에 따른 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다.

컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (18)

1. 자산 포트폴리오 서비스 제공 장치의 동작 방법에 있어서,
   초기 포트폴리오 비중 및 종목 정보를 결정하는 단계;
   상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하는 단계;
   상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 롤링 구간을 최적 구간으로 결정하고, 상기 롤링 구간의 탐색 시점마다 상기 수익률 변수의 최대화 여부에 따른 상기 최적 구간을 갱신하고, 상기 롤링 분석 처리의 종료에 따른 상기 갱신된 최적 구간에 대응하는 샤프 비율 파라미터를 상기 종목 데이터의 전체 구간 데이터에 대한 최적 파라미터를 나타내는 제2 비중 파라미터로 결정하는 단계; 및
   상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정하는 단계를 포함하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
2. 제1항에 있어서,
   상기 제1 비중 파라미터는 고정된 상기 제1 시간 구간 동안의 샤프 비율(Sharpe Ratio) 변수를 최대화하는 제1 최적 포트폴리오 분배 파라미터를 포함하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
3. 제2항에 있어서,
   상기 제2 비중 파라미터는,
   상기 롤링 분석 처리에 따라 상기 일정 기간 범위 내에서 가변되는 상기 제2 시간 구간 동안의 샤프 비율(Sharpe Ratio) 변수를 최대화하며, 상기 일정 기간 범위 내에서의 상기 샤프 비율 변수가 최대인 상기 최적 구간에서의 제2 최적 포트폴리오 분배 파라미터를 포함하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
4. 제3항에 있어서,
   상기 결정하는 단계는,
   상기 제1 최적 포트폴리오 분배 파라미터에 제1 가중치를 곱연산하고, 상기 제2 최적 포트폴리오 분배 파라미터에 제2 가중치를 곱연산하며, 상기 곱연산된 상기 제1 최적 포트폴리오 분배 파라미터 및 상기 곱연산된 제2 최적 포트폴리오 분배 파라미터를 합연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 산출하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
5. 제4항에 있어서,
   상기 제1 가중치 및 상기 제2 가중치의 합은 1인 것을 특징으로 하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
6. 제5항에 있어서,
   상기 제1 가중치는 0.8이며, 상기 제2 가중치는 0.2인 것을 특징으로 하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
7. 제1항에 있어서,
   상기 결정된 최적 비중 파라미터에 기초한 상기 초기 포트폴리오의 자산 분배 모델 구축 처리를 수행하는 단계를 더 포함하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
8. 제7항에 있어서,
   상기 자산 분배 모델에 기초한 시뮬레이션 처리를 수행하는 단계를 더 포함하는
   자산 포트폴리오 서비스 제공 장치의 동작 방법.
9. 자산 포트폴리오 서비스 제공 장치에 있어서,
   초기 포트폴리오 비중 및 종목 정보를 결정하는 자산배분 엔진 관리부;
   상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 현재로부터 사전 설정된 과거 시점까지의 제1 시간 구간의 종목 데이터에 대응하는 수익률 변수 연산에 기초하여, 제1 비중 파라미터를 결정하는 제1 비중 파라미터 결정부;
   상기 초기 포트폴리오 비중 및 종목 정보에 기초하여, 최근 일정 기간 범위 내에서의 종목 데이터에 대응하는 제2 시간 구간별 롤링(Rolling) 분석 처리를 수행하면서, 그리디(Greedy) 탐색 연산에 따라 상기 수익률 변수가 가장 높게 산출되는 롤링 구간을 최적 구간으로 결정하고, 상기 롤링 구간의 탐색 시점마다 상기 수익률 변수의 최대화 여부에 따른 상기 최적 구간을 갱신하고, 상기 롤링 분석 처리의 종료에 따른 상기 갱신된 최적 구간에 대응하는 샤프 비율 파라미터를 상기 종목 데이터의 전체 구간 데이터에 대한 최적 파라미터를 나타내는 제2 비중 파라미터로 결정하는 제2 비중 파라미터 결정부; 및
   상기 제1 비중 파라미터 및 상기 제2 비중 파라미터를 조합 연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 결정하는 최적 파라미터 조합 연산부를 포함하는
   자산 포트폴리오 서비스 제공 장치.
10. 제9항에 있어서,
    상기 제1 비중 파라미터는 고정된 상기 제1 시간 구간 동안의 샤프 비율(Sharpe Ratio) 변수를 최대화하는 제1 최적 포트폴리오 분배 파라미터를 포함하는
    자산 포트폴리오 서비스 제공 장치.
11. 제10항에 있어서,
    상기 제2 비중 파라미터는,
    상기 롤링 분석 처리에 따라 상기 일정 기간 범위 내에서 가변되는 상기 제2 시간 구간 동안의 샤프 비율(Sharpe Ratio) 변수를 최대화하며, 상기 일정 기간 범위 내에서의 상기 샤프 비율 변수가 최대인 상기 최적 구간에서의 제2 최적 포트폴리오 분배 파라미터를 포함하는
    자산 포트폴리오 서비스 제공 장치.
12. 제11항에 있어서,
    상기 최적 파라미터 조합 연산부는,
    상기 제1 최적 포트폴리오 분배 파라미터에 대응하는 제1 가중치를 곱연산하고, 상기 제2 최적 포트폴리오 분배 파라미터에 대응하는 제2 가중치를 곱연산하며, 상기 곱연산된 상기 제1 최적 포트폴리오 분배 파라미터 및 상기 제2 최적 포트폴리오 분배 파라미터를 합연산하여, 상기 초기 포트폴리오에 대응하는 최적 비중 파라미터를 산출하는
    자산 포트폴리오 서비스 제공 장치.
13. 제12항에 있어서,
    상기 제1 가중치 및 상기 제2 가중치의 합은 1인 것을 특징으로 하는
    자산 포트폴리오 서비스 제공 장치.
14. 제13항에 있어서,
    상기 제1 가중치는 0.8이며, 상기 제2 가중치는 0.2인 것을 특징으로 하는
    자산 포트폴리오 서비스 제공 장치.
15. 제9항에 있어서,
    상기 자산배분 엔진 관리부는,
    상기 결정된 최적 비중 파라미터에 기초한 상기 초기 포트폴리오의 자산 분배 모델 구축 처리를 수행하는
    자산 포트폴리오 서비스 제공 장치.
16. 제15항에 있어서,
    상기 자산배분 엔진 관리부는,
    상기 자산 분배 모델에 기초한 시뮬레이션 처리를 수행하는
    자산 포트폴리오 서비스 제공 장치.
17. 제9항에 있어서,
    상기 제2 비중 파라미터 결정부는,
    상기 종목 데이터를 기초로 상기 수익률 변수를 최대화하는 샤프 비율 파라미터 값을 상기 제2 비중 파라미터로 도출하기 위한 상기 그리디 탐색 연산을 수행함에 있어서,
    복수의 상기 롤링 구간별 복수의 샤프 비율 파라미터 적용에 따른 각 샤프 비율 파라미터 대비 최대 수익률 변수를 산출하며, 상기 복수의 롤링 구간들을 순차 탐색하면서 상기 수익률 변수를 최대화하는 롤링 구간을 상기 최적 구간으로 결정하는
    자산 포트폴리오 서비스 제공 장치.
18. 제1항 내지 제8항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 컴퓨터 판독 가능한 매체에 저장되는 컴퓨터프로그램.