KR20240000940A - Method and system for recommending pension etf purchase timing - Google Patents

Method and system for recommending pension etf purchase timing Download PDF

Info

Publication number
KR20240000940A
KR20240000940A KR1020220077761A KR20220077761A KR20240000940A KR 20240000940 A KR20240000940 A KR 20240000940A KR 1020220077761 A KR1020220077761 A KR 1020220077761A KR 20220077761 A KR20220077761 A KR 20220077761A KR 20240000940 A KR20240000940 A KR 20240000940A
Authority
KR
South Korea
Prior art keywords
etf
investment
data
pension
user
Prior art date
Application number
KR1020220077761A
Other languages
Korean (ko)
Inventor
신희민
Original Assignee
주식회사 이자
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 이자 filed Critical 주식회사 이자
Priority to KR1020220077761A priority Critical patent/KR20240000940A/en
Publication of KR20240000940A publication Critical patent/KR20240000940A/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Treatments For Attaching Organic Compounds To Fibrous Goods (AREA)

Abstract

본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 방법은 사용자의 고객 투자행동정보가 사용자에 의해 입력되거나 추천 시스템에 의해서 온라인 상에서 자동으로 수집되는 단계; 상기 고객 투자행동정보에서 개인정보를 삭제하거나 암호화하여 비식별 투자데이터로 저장하는 단계; 상기 비식별 투자데이터에 대한 데이터베이스를 구축하는 단계; 상기 비식별 투자데이터를 AI 모델의 제1 입력데이터로 입력하는 단계; 상기 AI 모델이 ETF 추천 상품을 제1 출력데이터로 출력하는 단계; 상기 사용자의 투자 포트폴리오에 ETF 추천 상품이 편입되었는지 모니터링하는 단계; 상기 ETF 추천 상품이 상기 투자 포트폴리오에 편입된 경우 제1 기간동안 상기 ETF 추천 상품에 의해 발생한 투자 성과를 분석하는 단계; 및 분석된 상기 투자 성과를 상기 AI 모델에 제2 입력데이터로 입력하는 단계;를 포함할 수 있다. A method of recommending a pension ETF purchase point according to an embodiment of the present invention includes the steps of: customer investment behavior information of a user being entered by the user or automatically collected online by a recommendation system; Deleting or encrypting personal information from the customer investment behavior information and storing it as non-identifiable investment data; Building a database for the non-identified investment data; Inputting the non-identified investment data as first input data of the AI model; The AI model outputting ETF recommended products as first output data; Monitoring whether ETF recommended products are included in the user's investment portfolio; Analyzing investment performance generated by the ETF recommended product during a first period when the ETF recommended product is incorporated into the investment portfolio; and inputting the analyzed investment performance into the AI model as second input data.

Description

연금 ETF 매수 시점 추천 방법 및 시스템{METHOD AND SYSTEM FOR RECOMMENDING PENSION ETF PURCHASE TIMING}Pension ETF purchase timing recommendation method and system {METHOD AND SYSTEM FOR RECOMMENDING PENSION ETF PURCHASE TIMING}

본 발명은 연금 ETF 매수 시점 추천 방법에 관한 것으로, 상세하게는 투자성향, 투자금액 등 다양한 고객정보에 따라 개인화된 ETF 추천 및 추천 시점 제공 서비스를 제공하는 방법 및 시스템에 관한 것이다. The present invention relates to a method for recommending a pension ETF purchase time, and more specifically, to a method and system for providing personalized ETF recommendation and recommendation time providing service according to various customer information such as investment propensity and investment amount.

ETF(Exchange Traded Fund)란 상장지수펀드로, 인덱스펀드를 거래소에 상장시켜 투자자들이 주식처럼 편리하게 거래할 수 있도록 만든 상품이다. 낮은 수수료, 검증된 장기수익률, 비과세 혜택 등으로 ETF 시장은 2008년 이후 전세계적으로 폭발적인 성장을 보이고 있다. 한국에서도 퇴직연금, ISA 등의 도입으로 ETF 시장은 성장하고 있으나, 한국 주식시장 내 ETF 비중은 금융 선진국인 미국(14%), 영국(13%), 독일(13%) 대비 굉장히 낮은 2.4% 수준에 머물러 있다. 즉, 고령화와 금융 문화 발전이 가속화할수록, 한국 ETF 시장은 향후 5년간 최소 3배 이상 커질 것으로 예상된다. An ETF (Exchange Traded Fund) is an exchange-traded fund, which is a product created by listing index funds on an exchange so that investors can conveniently trade them like stocks. The ETF market has been showing explosive growth worldwide since 2008 due to low fees, proven long-term returns, and tax-free benefits. In Korea, the ETF market is growing with the introduction of retirement pensions and ISAs, but the proportion of ETFs in the Korean stock market is at 2.4%, which is very low compared to the financially advanced countries of the United States (14%), the United Kingdom (13%), and Germany (13%). stays in In other words, as aging and financial culture development accelerate, the Korean ETF market is expected to grow at least three times over the next five years.

이러한 한국 금융 생태계에서 증권사들은 기존 주식 거래 플랫폼에서 상장기업의 주식 뿐 아니라 ETF 거래까지 가능하게 시스템을 개선해 왔고 현재 금융 소비자들은 증권사 HTS(Home Trading System)나 MTS(Mobile Trading System)을 통해 ETF를 거래하고 있다. In this Korean financial ecosystem, securities companies have improved their systems to enable trading of ETFs as well as stocks of listed companies on existing stock trading platforms, and currently, financial consumers trade ETFs through securities companies' HTS (Home Trading System) or MTS (Mobile Trading System). I'm doing it.

그러나 기업의 주식 종목 정보와는 달리 ETF는 그 펀드의 구성, 수수료 구조, 계약조건 등이 지나치게 자세해서 일반 금융 소비자들이 각 ETF 종목에 대한 정확한 투자 방향을 인식하기가 어렵다. 이에 많은 소비자들은 ETF의 명칭만으로 그 투자 방향을 예측하고 투자하는데, 이는 의도치 않은 결과로 이어지기도 한다. 즉, ETF 정보의 비대칭으로 어떤 ETF에 투자할지 결정하기가 쉽지 않고 개별 ETF 종목의 상세 정보를 얻으려면 수백 개의 운용사 홈페이지에서 하나하나 찾아야 한다는 불편이 존재한다. 결국, 이러한 환경은 금융 소비자들의 ETF 시장 접근 및 활용 촉진을 방해하여 ETF 시장 성장을 저해한다. However, unlike corporate stock information, ETFs have extremely detailed fund composition, fee structures, and contract terms, making it difficult for general financial consumers to recognize the exact investment direction for each ETF. Accordingly, many consumers predict the investment direction and invest based solely on the name of the ETF, which may lead to unintended results. In other words, it is not easy to decide which ETF to invest in due to the asymmetry of ETF information, and there is the inconvenience of having to search hundreds of management company websites one by one to obtain detailed information on individual ETF items. Ultimately, this environment hinders the growth of the ETF market by preventing financial consumers from accessing and utilizing the ETF market.

증권사들 및 금융업계에서는 이를 개선하고자 다양한 주식 종목 추천 방법을 개발하고 특허출원하고 있으나 개인별 연금 ETF 거래 및 연금 관리를 위한 솔루션을 제시하지는 못하고 있는 실정이다. To improve this, securities companies and the financial industry are developing and applying for patents on various stock item recommendation methods, but are unable to present solutions for individual pension ETF trading and pension management.

대한민국 공개특허공보 제10-2022-0000475호(2022년 1월 4일)는 '맞춤형 금융상품 추천 시스템 및 방법'을 개시하고 있으나, 연금이나 ETF를 위한 추천 알고리즘은 전혀 제시하지 않고 있다. 또한, 대한민국 등록특허공보 제10-2324827호(2021년 11월 4일)는 '투자상품에 대한 리딩 매매 서비스 제공 시스템'은 전문가의 거래 내역 데이터를 기반으로 금융상품의 매매를 이끌어주는 서비스를 제시하고 있을 뿐 금융 소비자 개인의 특성에 맞는 금융상품의 추천 및 연금이나 ETF에 타겟팅한 전략은 제시하지 않고 있다. Republic of Korea Patent Publication No. 10-2022-0000475 (January 4, 2022) discloses a 'customized financial product recommendation system and method', but does not present any recommendation algorithms for pensions or ETFs. In addition, Republic of Korea Patent Publication No. 10-2324827 (November 4, 2021) proposes a 'leading trading service providing system for investment products', a service that guides the trading of financial products based on expert transaction history data. However, it does not recommend financial products tailored to the characteristics of individual financial consumers or suggest strategies targeting pensions or ETFs.

대한민국 공개특허공보 제10-2022-0000475호(2022년 1월 4일)Republic of Korea Patent Publication No. 10-2022-0000475 (January 4, 2022) 대한민국 등록특허공보 제10-2324827호(2021년 11월 4일)Republic of Korea Patent Publication No. 10-2324827 (November 4, 2021)

본 발명은 위와 같은 문제점을 해결하기 위하여 제안된 것으로, 금융 소비자의 연금 ETF를 매수하는 시점을 추천하는 서비스를 제공하는 것을 목적으로 한다. The present invention was proposed to solve the above problems, and its purpose is to provide a service that recommends when to purchase pension ETFs for financial consumers.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 기술적 과제가 포함될 수 있다. The technical problem to be achieved by the present invention is not limited to the above-mentioned technical problem, and may include various technical problems within the scope apparent to those skilled in the art from the contents described below.

본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 방법은 사용자의 고객 투자행동정보가 사용자에 의해 입력되거나 추천 시스템에 의해서 온라인 상에서 자동으로 수집되는 단계; 상기 고객 투자행동정보에서 개인정보를 삭제하거나 암호화하여 비식별 투자데이터로 저장하는 단계; 상기 비식별 투자데이터에 대한 데이터베이스를 구축하는 단계; 상기 비식별 투자데이터를 AI 모델의 제1 입력데이터로 입력하는 단계; 상기 AI 모델이 ETF 추천 상품을 제1 출력데이터로 출력하는 단계; 상기 사용자의 투자 포트폴리오에 ETF 추천 상품이 편입되었는지 모니터링하는 단계; 상기 ETF 추천 상품이 상기 투자 포트폴리오에 편입된 경우 제1 기간동안 상기 ETF 추천 상품에 의해 발생한 투자 성과를 분석하는 단계; 및 분석된 상기 투자 성과를 상기 AI 모델에 제2 입력데이터로 입력하는 단계;를 포함할 수 있다. A method of recommending a pension ETF purchase point according to an embodiment of the present invention includes the steps of: customer investment behavior information of a user being entered by the user or automatically collected online by a recommendation system; Deleting or encrypting personal information from the customer investment behavior information and storing it as non-identifiable investment data; Building a database for the non-identified investment data; Inputting the non-identified investment data as first input data of the AI model; The AI model outputting ETF recommended products as first output data; Monitoring whether ETF recommended products are included in the user's investment portfolio; Analyzing investment performance generated by the ETF recommended product during a first period when the ETF recommended product is incorporated into the investment portfolio; and inputting the analyzed investment performance into the AI model as second input data.

본 발명의 일 실시예에 따르면, 개개인에게 연금 ETF 매수시점 추천 서비스를 제공함으로써, 금융 정보의 비대칭을 해소하고 금융 소비자의 무분별한 투자나 위험도가 높은 거래를 방지할 수 있다. According to one embodiment of the present invention, by providing a pension ETF purchase point recommendation service to individuals, it is possible to resolve asymmetry in financial information and prevent indiscriminate investments or high-risk transactions by financial consumers.

도 1은 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템 내 ETF 카테고리 분류의 예시를 나타낸 도면이다.
도 2는 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 ETF 정렬에 관한 사용자 인터페이스를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 정기구매 설정에 관한 사용자 인터페이스를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 수익률 자동계산 화면을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 AI 학습 구조를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 연금 통합조회 솔루션을 나타낸 도면이다. Figure 1 is a diagram showing an example of ETF category classification in a pension ETF purchase point recommendation system according to an embodiment of the present invention.
Figure 2 is a diagram illustrating a user interface for sorting ETFs of the pension ETF purchase point recommendation system according to an embodiment of the present invention.
Figure 3 is a diagram illustrating a user interface for regular purchase settings of the pension ETF purchase point recommendation system according to an embodiment of the present invention.
Figure 4 is a diagram illustrating a screen for automatically calculating the rate of return of the pension ETF purchase point recommendation system according to an embodiment of the present invention.
Figure 5 is a diagram showing the AI learning structure of the pension ETF purchase point recommendation system according to an embodiment of the present invention.
Figure 6 is a diagram showing the pension integrated inquiry solution of the pension ETF purchase point recommendation system according to an embodiment of the present invention.

전술한, 그리고 추가적인 발명의 태양들은 첨부된 도면을 참조하여 설명하는 실시예들을 통해 구체화된다. 그러나 이하에서 기술하는 실시예들은 단지 예시적인 것일 뿐이며, 본 발명의 범위를 기술된 실시예들로만 제한하고자 하는 것은 아니다. 또한, 각 실시예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시예 내에서 또는 실시예 상호 간에 다양한 조합이 가능하다.The foregoing and additional inventive aspects are embodied through embodiments described with reference to the accompanying drawings. However, the embodiments described below are merely illustrative and are not intended to limit the scope of the present invention to the described embodiments. In addition, the components of each embodiment can be combined in various ways within or between embodiments as long as there is no other mention or contradiction between them.

그리고, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 다른 구성요소들과는 상관없이 이 구성요소를 반드시 포함한다는 의미이지 다른 구성요소들의 포함 가능성을 배제하고자 하는 것이 아니다.And, when a part "includes" a certain component, this means that it necessarily includes this component regardless of other components, and does not mean to exclude the possibility of including other components.

또한, 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 요소를 사이에 두고 "간접적으로(또는 전기적으로) 연결"되어 있는 경우도 포함한다. In addition, throughout the specification, when a part is said to be "connected" to another part, this does not only mean "connected directly" but also "indirectly (or electrically) connected" with another element in between. "Includes cases where it is.

또한, 명세서 전체에서, 어떤 정보를 "전송"한다고 할 때, 이는 "직접적으로 전송"하는 경우뿐 아니라, 그 중간에 다른 구성요소를 거쳐 "간접적으로(또는 2차적으로) 전송"하는 경우도 포함한다. In addition, throughout the specification, when referring to “transmitting” certain information, this includes not only “transmitting directly” but also “indirectly (or secondarily) transmitting” through other components in between. do.

또한, 명세서 전체에서, 단말기과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말기의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.In addition, throughout the specification, some of the operations or functions described as mapping or matching with the terminal mean mapping or matching the terminal's unique number or personal identification information, which is the identifying data of the terminal. It can be interpreted as

이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다. Hereinafter, the present invention will be described in detail with reference to the attached drawings.

도 1은 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템 내 ETF 카테고리 분류의 예시를 나타낸 도면이다. Figure 1 is a diagram showing an example of ETF category classification in a pension ETF purchase point recommendation system according to an embodiment of the present invention.

본 발명에 따른 연금 ETF 매수시점 추천 시스템은 새로운 분류체계를 포함한다. 복수개의 카테고리를 포함하는 분류체계는 인공지능 자연어처리를 통한 카테고리 분류 기준을 포함할 수 있다. 상기 카테고리 분류 기준으로 신규상장하는 ETF를 자동으로 분류할 수 있고, 신규상장 및 상장폐지하는 ETF 정보를 자동으로 업데이트할 수 있다. 또한, 각종 클라우드 서버를 통해 24시간 중단없이 배포될 수 있다. The pension ETF purchase point recommendation system according to the present invention includes a new classification system. A classification system including multiple categories may include category classification criteria through artificial intelligence natural language processing. Newly listed ETFs can be automatically classified based on the above category classification criteria, and newly listed and delisted ETF information can be automatically updated. Additionally, it can be distributed without interruption 24 hours a day through various cloud servers.

도 2는 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 ETF 정렬에 관한 사용자 인터페이스를 도시한 도면이다. Figure 2 is a diagram illustrating a user interface for sorting ETFs of the pension ETF purchase point recommendation system according to an embodiment of the present invention.

ETF 정기매수를 설정하기 위하여 사용자는 ETF 종목을 선택해야 한다. 이 때 사용자는 상기 카테고리 내에서 종목을 선택할 수 있으나, 다양한 비교지표를 통해 원하는 기준대로 ETF를 정렬하고 정보를 열람할 수 있다. To set up regular ETF purchases, users must select an ETF. At this time, users can select stocks within the above categories, but can also sort ETFs and view information according to desired criteria through various comparison indicators.

도 3은 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 정기구매 설정에 관한 사용자 인터페이스를 도시한 도면이다. Figure 3 is a diagram illustrating a user interface for regular purchase settings of the pension ETF purchase point recommendation system according to an embodiment of the present invention.

상기 추천 시스템은 정기구매할 연금 ETF의 정보를 표시하기 위해 복수의 증권사 API들을 연동할 수 있다. 연동된 정보를 활용하여 사용자는 상기 추천 시스템의 한 화면에서 ETF 간편 정기구매의 조건을 설정할 수 있다. The recommendation system can link multiple securities company APIs to display information on pension ETFs to be purchased regularly. Using the linked information, users can set conditions for simple regular purchase of ETFs on one screen of the recommendation system.

사용자는 1회성 구매와 정기 매수를 선택할 수 있고, 매수 간격 및/또는 매월 매수 예정일을 설정할 수 있다. 또한, 사용자는 정기 매수 금액과 정기 매수가 진행될 투자기간을 설정할 수 있다. 사용자에 의해 설정된 정기 매수 금액과 투자기간, 매수 일정 등은 수정 가능하다. Users can choose between one-time purchases and regular purchases, and can set purchase intervals and/or monthly purchase dates. Additionally, users can set the regular purchase amount and the investment period during which the regular purchase will occur. The regular purchase amount, investment period, purchase schedule, etc. set by the user can be modified.

설정된 정기 매수는 정기 매수 내역 조회 화면에서 히스토리를 조회할 수 있다. 상기 히스토리는 각 매수일자 일부가 버튼 형태로 화면에 표시될 수 있고, 하나의 매수일자에 대응하는 하나의 버튼을 터치 또는 클릭하면 투자금액, 투자기간 그리고 투자일에 관한 정보가 하단에 표시될 수 있다. The history of the set regular purchase can be viewed on the regular purchase history inquiry screen. The history may display part of each purchase date on the screen in the form of a button, and when you touch or click one button corresponding to one purchase date, information about the investment amount, investment period, and investment date may be displayed at the bottom. there is.

도 4는 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 수익률 자동계산 화면을 도시한 도면이다. Figure 4 is a diagram illustrating a screen for automatically calculating the rate of return of the pension ETF purchase point recommendation system according to an embodiment of the present invention.

사용자는 매수하고자 하는 ETF 종목을 선택하여 과거 가격 정보를 기초로 기간별, 투자금액별 수익률을 확인할 수 있다. 예를 들어, 제1 ETF에 최근 10년 간 매월 100만원을 투자하였다면 현재 시점에서 수익률이 얼마나 되는지 계산되어 수치 및 그래프로 표시될 수 있다. 상기 수치 및 그래프는 원금 변화 대비 자산 변화를 비교하여 표시될 수 있다. Users can select the ETF item they wish to purchase and check the rate of return by period and investment amount based on past price information. For example, if you invested 1 million won per month in the first ETF for the past 10 years, the rate of return at the current time can be calculated and displayed in numbers and graphs. The numbers and graphs can be displayed by comparing asset changes to principal changes.

도 5는 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 AI 학습 구조를 나타낸 도면이다. Figure 5 is a diagram showing the AI learning structure of the pension ETF purchase point recommendation system according to an embodiment of the present invention.

사용자의 투자성향, 투자금액, 매매패턴, 자산 현황 등 고객 투자행동정보가 사용자에 의해 입력되거나 상기 추천 시스템이 상기 고객 투자행동정보를 온라인 상에서 자동으로 수집할 수 있다. 추천 시스템은 고객 투자행동정보에 대한 데이터베이스를 구축할 수 있다. 상기 투자행동정보는 비정형 데이터와 정형 데이터를 기반으로 취합될 수 있다. 정형 데이터는 고객의 기본정보, 자산현황, 투자내역 등을 포함할 수 있고, 비정형 데이터는 로그데이터, 입출금 내역 및 위험성향 데이터 등을 포함할 수 있다. Customer investment behavior information, such as the user's investment propensity, investment amount, trading pattern, and asset status, may be input by the user, or the recommendation system may automatically collect the customer investment behavior information online. The recommendation system can build a database of customer investment behavior information. The investment behavior information may be collected based on unstructured data and structured data. Structured data may include the customer's basic information, asset status, investment details, etc., and unstructured data may include log data, deposit/withdrawal details, and risk appetite data.

상기 고객 투자행동정보는 개인정보를 내포할 수 있으므로 추천 시스템은 개인정보를 자동으로 삭제하거나 암호화할 수 있다. 즉, 추천 시스템은 개인정보를 삭제하거나 암호화하는 알고리즘으로 작동하는 개인정보 방어 모듈을 포함할 수 있다. 본 명세서에서, 개인정보가 삭제되거나 숨겨진 상기 개인정보 방어 모듈을 통과한 고객 투자행동정보는 비식별 ETF 투자데이터로 정의한다. Since the customer investment behavior information may contain personal information, the recommendation system can automatically delete or encrypt personal information. That is, the recommendation system may include a privacy defense module that operates with an algorithm that deletes or encrypts personal information. In this specification, customer investment behavior information that has passed the personal information defense module where personal information has been deleted or hidden is defined as non-identifiable ETF investment data.

상기 비식별 ETF 투자데이터는 개인별 최적상품 추천 AI 모델의 제1 입력데이터로 활용될 수 있다. AI 모델의 출력은 ETF 추천 상품일 수 있다. 추천된 ETF 상품은 사용자의 결정에 따라 투자 포트폴리오에 편입될 수 있다. 투자 포트폴리오에 실제로 편입된 ETF 추천 상품에 의해 일정 기간 투자가 이루어졌다면, 본 시스템은 추천 포트폴리오에 의한 투자 성과를 통계 데이터, 그래프, 시장평균과의 비교 등 다양한 방식으로 산출할 수 있다. 산출된 투자 성과는 상기 개인별 최적상품 추천 AI 모델에 제2 입력데이터로 활용되어 모델을 재훈련할 수 있다. The non-identifiable ETF investment data can be used as the first input data for the AI model that recommends the optimal product for each individual. The output of the AI model may be an ETF recommendation product. Recommended ETF products can be incorporated into the investment portfolio depending on the user's decision. If investments have been made for a certain period of time based on recommended ETF products that are actually included in the investment portfolio, this system can calculate the investment performance of the recommended portfolio in various ways, such as statistical data, graphs, and comparison with the market average. The calculated investment performance can be used as second input data in the individual optimal product recommendation AI model to retrain the model.

도 6은 본 발명의 일 실시예에 따른 연금 ETF 매수시점 추천 시스템의 연금 통합조회 솔루션을 나타낸 도면이다. Figure 6 is a diagram showing the pension integrated inquiry solution of the pension ETF purchase point recommendation system according to an embodiment of the present invention.

상기 추천 시스템은 연금 통합조회 솔루션을 포함할 수 있다. 연금은 개인연금, 국민연금, 연금보험, 연금펀드 등 다양한 형태로 다양한 증권사 및 기관에 분포하며, 사용자는 이 모든 연금을 상기 추천 시스템의 연금 통합조회 솔루션을 통해 하나의 화면에서 조회할 수 있다. 연금 통합조회 솔루션은 연금 데이터를 수집하고 분석할 수 있다. 연금 데이터는 연금자산을 포함할 수 있고, 연금 데이터의 분석결과는 수령 예상금액과 연금 부족액, 관련 세금 정보를 포함할 수 있다. The recommendation system may include a pension integrated inquiry solution. Pensions are distributed to various securities companies and institutions in various forms such as personal pensions, national pensions, pension insurance, and pension funds, and users can search all these pensions on one screen through the pension integrated inquiry solution of the recommendation system. The pension integrated inquiry solution can collect and analyze pension data. Pension data may include pension assets, and analysis results of pension data may include expected receipt amounts, pension shortfalls, and related tax information.

또한, 분석된 연금 데이터를 기초로 AI가 맞춤형 연금 ETF 추천 서비스를 제공할 수 있다. 이 때, 상기 추천 시스템은 사용자의 기존 투자 포트폴리오를 고려할 수 있다. Additionally, AI can provide customized pension ETF recommendation services based on analyzed pension data. At this time, the recommendation system may consider the user's existing investment portfolio.

Claims (1)

사용자의 고객 투자행동정보가 사용자에 의해 입력되거나 추천 시스템에 의해서 온라인 상에서 자동으로 수집되는 단계;
상기 고객 투자행동정보에서 개인정보를 삭제하거나 암호화하여 비식별 투자데이터로 저장하는 단계;
상기 비식별 투자데이터에 대한 데이터베이스를 구축하는 단계;
상기 비식별 투자데이터를 AI 모델의 제1 입력데이터로 입력하는 단계;
상기 AI 모델이 ETF 추천 상품을 제1 출력데이터로 출력하는 단계;
상기 사용자의 투자 포트폴리오에 ETF 추천 상품이 편입되었는지 모니터링하는 단계;
상기 ETF 추천 상품이 상기 투자 포트폴리오에 편입된 경우 제1 기간동안 상기 ETF 추천 상품에 의해 발생한 투자 성과를 분석하는 단계; 및
분석된 상기 투자 성과를 상기 AI 모델에 제2 입력데이터로 입력하는 단계;를 포함하는,
연금 ETF 매수 시점 추천 방법.
A step where the user's customer investment behavior information is entered by the user or automatically collected online by a recommendation system;
Deleting or encrypting personal information from the customer investment behavior information and storing it as non-identifiable investment data;
Building a database for the non-identified investment data;
Inputting the non-identified investment data as first input data of the AI model;
The AI model outputting ETF recommended products as first output data;
Monitoring whether ETF recommended products are included in the user's investment portfolio;
Analyzing investment performance generated by the ETF recommended product during a first period when the ETF recommended product is incorporated into the investment portfolio; and
Including the step of inputting the analyzed investment performance into the AI model as second input data,
How to recommend when to buy a pension ETF.
KR1020220077761A 2022-06-24 2022-06-24 Method and system for recommending pension etf purchase timing KR20240000940A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220077761A KR20240000940A (en) 2022-06-24 2022-06-24 Method and system for recommending pension etf purchase timing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220077761A KR20240000940A (en) 2022-06-24 2022-06-24 Method and system for recommending pension etf purchase timing

Publications (1)

Publication Number Publication Date
KR20240000940A true KR20240000940A (en) 2024-01-03

Family

ID=89539328

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220077761A KR20240000940A (en) 2022-06-24 2022-06-24 Method and system for recommending pension etf purchase timing

Country Status (1)

Country Link
KR (1) KR20240000940A (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102324827B1 (en) 2021-03-24 2021-11-09 성기원 System Providing Leading Informer Based Investment
KR20220000475A (en) 2020-06-26 2022-01-04 미래에셋증권 주식회사 System and method for recommendation of customized financial products

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220000475A (en) 2020-06-26 2022-01-04 미래에셋증권 주식회사 System and method for recommendation of customized financial products
KR102324827B1 (en) 2021-03-24 2021-11-09 성기원 System Providing Leading Informer Based Investment

Similar Documents

Publication Publication Date Title
US11928733B2 (en) Systems and user interfaces for holistic, data-driven investigation of bad actor behavior based on clustering and scoring of related data
Amin et al. Discrete-time valuation of American options with stochastic interest rates
Ljungqvist et al. Rewriting history
US20140156560A1 (en) Method and apparatus for investment strategies derived from various research methodologies and extractions
US20180053255A1 (en) System and Method for end to end investment and portfolio management using machine driven analysis of the market against qualifying factors
Bao et al. Foreign rivals are coming to town: Responding to the threat of foreign multinational entry
AU2016213796A1 (en) Cash flow rating system
Fiegenbaum Dynamic aspects of strategic groups and competitive strategy: concepts and empirical examination in the insurance industry
US20130018819A1 (en) Systems and methods for optimizing an investment portfolio
Keenan Advanced positioning, flow, and sentiment analysis in commodity markets: bridging fundamental and technical analysis
US20150221038A1 (en) Methods and system for financial instrument classification
US20140244540A1 (en) System for real time continuous data processing for investment portfolios
Auci et al. Climate variability, innovation and firm performance: evidence from the European agricultural sector
Weisbrod Stockholders’ unrealized returns and the market reaction to financial disclosures
Ahn The anatomy of the disposition effect: which factors are most important?
Firk et al. Value-based management and merger & acquisition returns: a multi-level contingency model
Huang et al. Industry-level media tone and the cross-section of stock returns
Choi et al. Exploring the deep neural network model’s potential to estimate abnormal audit fees
Milevsky The implied longevity yield: a note on developing an index for life annuities
Schmitz et al. When machines trade on corporate disclosures: Using text analytics for investment strategies
Chi et al. Do retail investors use SEC filings? Evidence from EDGAR search
Setty et al. A review on data mining applications to the performance of stock marketing
Ferguson Discount rates for corporate forest valuations
KR20240000940A (en) Method and system for recommending pension etf purchase timing
Bloch The market valuation of knowledge assets