WO2022065754A1 - Method and device for analyzing company to be invested in - Google Patents

Method and device for analyzing company to be invested in Download PDF

Info

Publication number
WO2022065754A1
WO2022065754A1 PCT/KR2021/012208 KR2021012208W WO2022065754A1 WO 2022065754 A1 WO2022065754 A1 WO 2022065754A1 KR 2021012208 W KR2021012208 W KR 2021012208W WO 2022065754 A1 WO2022065754 A1 WO 2022065754A1
Authority
WO
WIPO (PCT)
Prior art keywords
investment
score
target company
determining
model
Prior art date
Application number
PCT/KR2021/012208
Other languages
French (fr)
Korean (ko)
Inventor
황규종
김도영
김민철
김준휘
김지원
전창환
정은철
최용승
Original Assignee
주식회사 웨이커
황규종
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 웨이커, 황규종 filed Critical 주식회사 웨이커
Publication of WO2022065754A1 publication Critical patent/WO2022065754A1/en

Links

Images

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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

Definitions

  • the present disclosure relates to a method and apparatus for analyzing an investment target company. More particularly, it relates to a method and apparatus for automatically analyzing an investment target company.
  • a method and apparatus for analyzing an investment target company may be provided.
  • a method and apparatus for automatically analyzing an investment target company based on financial information data may be provided.
  • a method for an electronic device to analyze an investment target company comprising: acquiring financial information data at a preset period; By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and determining an investment score on the investment attractiveness of the investment target company based on the first investment item score;
  • a method comprising a may be provided.
  • an electronic device for analyzing an investment target company includes: a memory for storing one or more instructions; and at least one processor executing the one or more instructions. Including, wherein the at least one processor obtains financial information data at a preset period by executing the one or more instructions, and by analyzing the financial information data, the relative strength index (Relative Strength Index) of the investment target company is Based on whether it has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, the first investment item score is determined with respect to the degree of matching of the investment model of the preset investors, and the first investment An electronic device for determining an investment score regarding investment attractiveness of the investment target company based on the item score may be provided.
  • the at least one processor obtains financial information data at a preset period by executing the one or more instructions, and by analyzing the financial information data, the relative strength index (Relative Strength Index) of the investment target company is Based on whether it has risen and whether the return on equity (ROE) of the investment target company
  • a method by an electronic device, of analyzing an investment target company, the method comprising: acquiring financial information data at a preset period; By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and determining an investment score on the investment attractiveness of the investment target company based on the first investment item score;
  • a computer-readable recording medium recording a program for executing the method on a computer, including a computer-readable recording medium, may be provided.
  • investment information for an investment target company may be provided based on financial information data.
  • FIG. 1 is a diagram schematically illustrating a process of analyzing an investment target company according to an exemplary embodiment.
  • FIG. 2 is a flowchart of a method for an electronic device to analyze an investment target company, according to an exemplary embodiment.
  • FIG. 3 is a flowchart of a method for an electronic device to analyze an investment target company according to another exemplary embodiment.
  • FIG. 4 is a diagram for determining an investment item score used by an electronic device to analyze an investment target company, according to an exemplary embodiment.
  • FIG. 5 is a diagram for describing a process in which an electronic device determines a score for a first investment item by using at least one investment model, according to an exemplary embodiment.
  • FIG. 6 is a diagram for explaining a process in which an electronic device determines a score for a second investment item by using at least one technical indicator, according to an exemplary embodiment.
  • FIG. 7 is a diagram for describing a process in which an electronic device determines a score for a third investment item by using a global investment opinion, according to an exemplary embodiment.
  • FIG. 8 is a diagram for describing a process in which an electronic device determines a score for a fourth investment item by analyzing a news article about an investment target company, according to an exemplary embodiment.
  • FIG. 9 is a flowchart of a specific method of determining, by an electronic device, a score of a fourth investment item for an investment target company, according to an exemplary embodiment.
  • FIG. 10 is a diagram for explaining a process in which an electronic device analyzes a news article about an investment target company, according to an exemplary embodiment.
  • FIG. 11 is a diagram for describing a process in which an electronic device determines a fourth investment item score for an investment target company according to another exemplary embodiment.
  • FIG. 12 is a block diagram of an electronic device according to an embodiment.
  • FIG. 13 is a block diagram of a server connected to an electronic device according to an exemplary embodiment.
  • a method for an electronic device to analyze an investment target company comprising: acquiring financial information data at a preset period; By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and determining an investment score on the investment attractiveness of the investment target company based on the first investment item score;
  • a method may be provided, comprising:
  • an electronic device for analyzing an investment target company includes: a memory for storing one or more instructions; and at least one processor executing the one or more instructions. Including, wherein the at least one processor obtains financial information data at a preset period by executing the one or more instructions, and by analyzing the financial information data, the relative strength index (Relative Strength Index) of the investment target company is Based on whether it has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, the first investment item score is determined with respect to the degree of matching of the investment model of the preset investors, and the first investment An electronic device for determining an investment score regarding investment attractiveness of the investment target company based on the item score may be provided.
  • the at least one processor obtains financial information data at a preset period by executing the one or more instructions, and by analyzing the financial information data, the relative strength index (Relative Strength Index) of the investment target company is Based on whether it has risen and whether the return on equity (ROE) of the investment target company
  • first, second, third, etc. are used to describe various regions, films (or layers), etc., but these regions and films should not be limited by these terms. Can not be done. These terms are only used to distinguish one region or film (or layer) from another region or film (or layer). Accordingly, a film quality referred to as the first film quality in one embodiment may be referred to as the second film quality in another embodiment.
  • first film quality in one embodiment may be referred to as the second film quality in another embodiment.
  • each embodiment described and illustrated herein also includes a complementary embodiment thereof. In this specification, the expression 'and/or' is used in a sense including at least one of the elements listed before and after. Parts indicated with like reference numerals throughout the specification indicate like elements.
  • FIG. 1 is a diagram schematically illustrating a process of analyzing an investment target company according to an exemplary embodiment.
  • the electronic device 1000 acquires the financial information data 102 and the news article score 104 , and based on the obtained financial information data 102 and the news article score 104 , an investment target company An investment score 164 regarding investment attractiveness for 162 may be output.
  • FIG. 1 it is illustrated that the electronic device 1000 directly obtains a news article score 104 , but according to another embodiment, the electronic device 1000 analyzes the financial information data 102 to make an investment. Of course, it is also possible to directly determine the score for news articles about the target company.
  • the electronic device 1000 automatically analyzes the investment target company based on the financial information data 102 to score investment attractiveness for the investment target company, and as a result, users of the electronic device 1000 want It can make it easier to understand the company to be invested in.
  • the electronic device 1000 may easily set investment criteria by providing users with a quantified investment attractiveness of an investment target company.
  • the electronic device 1000 according to the present disclosure may induce people who have difficulty in investing or novice market participants to easily participate in the market by analyzing a large number of financial information data based on at least one investment item to be described later.
  • the electronic device 1000 may include a processor 120 and a memory 140 .
  • the present invention is not limited thereto, and the electronic device 1000 may further include at least one component necessary to analyze an investment target company.
  • the processor 120 executes the financial information analysis 152 on the financial information data 102 by executing at least one instruction stored in the memory 140 , and based on the analysis result will be described later. to determine a first investment item score, a second investment item score, a third investment item score, or a fourth investment item score 154, and determine an investment score 156 using at least one of the determined investment item scores can
  • the processor 120 may provide the investment score 164 to the user by outputting the determined investment score 156 through an output unit (not shown) of the electronic device.
  • the electronic device 1000 may include at least one news article analysis model, a smartphone equipped with an AI program for analyzing financial information data and news article scores, and including a voice recognition function; It may be, but is not limited to, a tablet PC, smart TV, cell phone, media player, server, micro server, or other mobile or non-mobile computing device.
  • the electronic device 1000 may be connected to the server 2000 and may analyze an investment target company by interworking with the server 2000 .
  • the electronic device 1000 obtains financial information data 102 and news article score 104 data by interworking with the server 2000 , and obtains the obtained financial information data 102 and news article score 104 . ) can be used to determine the investment score for the investment target company.
  • the electronic device 1000 may be connected to the server 2000 through a network interface (not shown).
  • the network interface may include one or more components that allow the electronic device 1000 to communicate with at least one other electronic device (not shown) and the server 2000 .
  • the other device is another electronic device for identifying a market situation, and may be another computing device including a processor capable of receiving market data from a server and analyzing the received market data.
  • FIG. 2 is a flowchart of a method for an electronic device to analyze an investment target company, according to an exemplary embodiment.
  • the electronic device 1000 may acquire financial information data at a preset period.
  • the electronic device 1000 may acquire financial information data in units of hours, days, weeks, months, or years, but is not limited thereto, and may acquire financial information data in real time.
  • the electronic device 1000 may acquire financial information data from the server 2000 .
  • the financial information data may include news information about the investment company, financial information about the investment company, analysis information of global investment banks for the investment company, information on technical indicators for company analysis, and the like. there is.
  • the present invention is not limited thereto, and the financial information data may include other financial information necessary for investment in an investment target company.
  • the electronic device 1000 analyzes the financial information data to determine whether the Relative Strength Index of the investment target company increases and the return on equity (ROE) of the investment target company increases by 17% or more Based on whether or not, it is possible to determine the first investment item score with respect to the degree of matching of the investment model of the preset investors.
  • the electronic device 1000 may store information on preset investment models of investors in a memory.
  • information on the investment model of investors set in advance may be received from the server 2000 .
  • the investment model used by the electronic device 1000 may be generated by modeling investment techniques of well-known investors.
  • the investment model used by the electronic device 1000 is at least one of a momentum analysis AI model, a Warren Buffett model, a Ken Fisher model, a Peter Lynch model, a Piotrosky model, a Martin Zweig model, or a David Dreman model. It may include one, but is not limited thereto, and may include investment models of more investors.
  • each investment model may include investment model information suitable for each investment model.
  • the investment model information may include investment model indicators, technical indicator information, or financial statement information necessary for modeling investment techniques of prominent investors. For example, whether the relative strength index (Relative Strength Index) of the above-described investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more is determined by the above-mentioned momentum analysis AI model. It may be included in investment model information.
  • the electronic device 1000 may determine the degree to which the investment target company matches each of the investment models of the preset investors, respectively.
  • Each investment model may include at least one investment model indicator.
  • the electronic device 1000 may determine a score for each investment model index in each investment model by using the financial information data on the investment target company, and determine the investment model score for each investment model by using the determined score for each investment model index. there is.
  • the electronic device 1000 may determine the first investment item score by adding up the investment model scores determined for each of the predetermined investment models. A method in which the electronic device 1000 determines the score of the first investment item by using at least one investment model will be described in more detail with reference to FIG. 5 .
  • the electronic device 1000 may determine an investment score regarding investment attractiveness of an investment target company based on the score of the first investment item. For example, the electronic device 1000 may determine the investment score regarding the investment attractiveness of the investment target company by applying a predetermined weight to the score of the first investment item.
  • FIG. 3 is a flowchart of a method for an electronic device to analyze an investment target company according to another exemplary embodiment.
  • the electronic device 1000 may acquire financial information data at a preset period. Since S310 may correspond to S210 of FIG. 2 , a detailed description thereof will be omitted.
  • the electronic device 1000 determines the investment model score regarding the degree to which the investment target company matches each investment model of the preset investors by analyzing the financial information data, and based on the result of summing the scores for each investment model 1 You can decide the investment item score. For example, the electronic device 1000 may determine an investment model index score for each investment model index in each investment model, and determine the investment model score by using a result of adding up the determined investment model index scores.
  • the investment model index for each investment model is the relative strength index (RSI), the return on equity (ROE) of the investment target company, the quarterly profit of the investment target company, operating profit, the relative strength index, the investment target company Relative strength index, return on equity (ROE), return on stock price (PER), price-net-asset ratio (PBR), debt-to-equity ratio, current ratio, deficit, EPS average growth rate, and whether net current assets are greater than or equal to long-term liabilities , price-to-sales ratio (PSR), price research expense ratio (PRR), net profit margin, earnings per share (EPS), EPS growth rate, total debt ratio, sales, earnings growth rate, cash per share, net income, cash flow from operating activities, total asset turnover , gross profit, return on assets (ROA), the most recent quarter YoY sales growth rate, the reciprocal of PER, the reciprocal of PBR, pre-tax profit ratio, or dividend payout ratio may be included.
  • RSSI relative strength index
  • ROE return on equity
  • PBR price-net-asset
  • the electronic device 1000 may determine the score of the first investment item by determining an investment model score for each investment model based on the above-described investment model index, and adding up the investment model score determined for each investment model. A method in which the electronic device 1000 determines the score of the first investment item will be described in detail with reference to FIG. 5 to be described later.
  • the electronic device 1000 may determine the score of the second investment item regarding the purchase strength for the investment target company according to at least one technical indices by analyzing the financial information data. For example, the electronic device 1000 may store predetermined technical indicators in advance with respect to the investment target company.
  • the technical indicators are a relative strength index, a Stochastic slow index regarding the relative position of the current price within a predetermined period, a Moving Average Convergence & Divergence (MACD), William's % It may include at least one of R (william's R%) or Bollinger Bands indicating whether the current stock price is above or below with the moving average line of the investment target company as the center line.
  • the electronic device 1000 may determine a technical indicator score for each of the aforementioned predetermined technical indicators, and may determine the score of the second investment item based on a result of adding up the determined technical indicator scores. A method in which the electronic device 1000 determines the score of the second investment item will be described in detail with reference to FIG. 6 to be described later.
  • the electronic device 1000 may determine the third investment item score regarding the purchase strength of the investment target company stock based on the investment opinions of preset global investment banks (IBs) for the investment target company.
  • IBs global investment banks
  • the electronic device 1000 obtains investment opinion information of global investment banks (IBs), and among the obtained opinion information of global investment banks, the third investment based on opinion information on an investment target company Item scores can be determined.
  • a method in which the electronic device 1000 determines the score of the third investment item based on investment opinion information of global investment banks will be described in detail with reference to FIG. 7 to be described later.
  • the electronic device 1000 may determine a fourth investment item score regarding the financial propensity of a news article for an investment target company. For example, the electronic device 1000 identifies a news article about an investment target company in the financial information data, and inputs some sentences of the identified news articles into a pre-trained neural network model and a pre-trained model, and the neural network model and a first news score and a second news score may be obtained from each of the pre-learning models. Based on the first news score and the second news score, the electronic device 1000 according to the present disclosure may determine a fourth investment item score with respect to the financial propensity of a news article related to the investment target company.
  • the electronic device 1000 may receive from the server 2000 the fourth investment item score regarding the financial propensity of a news article related to the investment target company.
  • the server 2000 obtains information on the investment target company from the electronic device 1000 and analyzes the news article about the obtained investment target company, thereby relating to the financial tendency of the news article related to the investment target company.
  • a fourth investment item score may be determined.
  • a method in which the electronic device 1000 determines the score of the fourth investment item by using the neural network model and the pre-learning model will be described in detail with reference to FIGS. 10 to 11 to be described later.
  • the electronic device 1000 may determine the investment score based on the first investment item score, the second investment item score, the third investment item score, and the fourth investment item score. According to an embodiment, the electronic device 1000 determines different weights to be applied to each investment item score, applies the determined different weights to the investment item scores, and weights and sums the above-described investment item scores to obtain an investment target. You can determine the investment score for the company.
  • FIG. 4 is a diagram for determining an investment item score used by an electronic device to analyze an investment target company, according to an exemplary embodiment.
  • the electronic device 1000 may determine, as a weight, a weight 430 to which the investment items 430 are to be applied to the investment item 420 and the final investment score with respect to the investment target company.
  • the first investment item score 402 may indicate a degree to which an investment target company matches a preset investment model of investors
  • the second investment item score 404 is at least one preset technical indicator. It can represent the buying strength of the investment target company according to the factors.
  • the electronic device 1000 according to the present disclosure may effectively select and analyze company stocks to be invested by using the first investment item score and the second investment item score.
  • the third investment item score 406 may indicate the purchase strength of an investment target company stock based on investment opinions of global investment banks.
  • the electronic device 1000 according to the present disclosure may use the third investment item score 406 to check the investment viewpoint of the main fund subject in the stock market for each item.
  • the fourth investment item score may represent a score for a financial propensity of a news article related to an investment target company.
  • the electronic device 1000 may check the investment sentiment of market participants due to issues that have recently occurred with respect to the investment target company by using the fourth investment item score.
  • the electronic device 1000 applies a first weight 412 to be applied to the first investment item score 402 , a second weight 414 to be applied to the second investment item score 414 , and a third investment item score 406 .
  • a third weight 416 to be applied and a fourth weight 418 to be applied to the fourth investment item score 408 may be determined.
  • the electronic device 1000 weights and sums the investment item scores by applying the first weight, the second weight, the third weight, and the fourth weight to each investment item score, and calculates the investment score for the investment target company according to the weighted summation result. can decide
  • the electronic device 1000 sets the weight ratio of the first weight 412 , the second weight 414 , the third weight 416 , and the fourth weight 418 to 35:25:20: 20 may be set, but is not limited thereto, and the electronic device 1000 may be set differently according to characteristics of the financial statements of the investment target company.
  • the electronic device 1000 uses all of the first investment item score 402 , the second investment item score 404 , the third investment item score 406 , and the fourth investment item score 408 .
  • the electronic device 1000 may provide a first investment item score 402, a second investment item score 404, and a second investment item score.
  • the investment score may be determined by applying a weight to at least one of the three investment item scores 406 or the fourth investment item score 408 .
  • FIG. 5 is a diagram for describing a process in which an electronic device determines a score for a first investment item by using at least one investment model, according to an exemplary embodiment.
  • the electronic device 1000 may determine the first investment item score by adding up the investment model scores for each predetermined investment model. For example, the electronic device 1000 may determine a model item 510 for determining the score of the first investment item and a weight 520 of each investment model according to the model item as weights.
  • the investment model used by the electronic device 1000 which may be classified into the model item 510 , is a momentum analysis AI model 502 , a Warren Buffett model 503 , a Ken Fisher model 504 , and a Peter It may include at least one of a Lynch model 505 , a Piotrosky model 506 , a Martin Zweig model 507 , or a David Dreman model 508 , but is not limited thereto.
  • the electronic device 1000 sets a weight 520 of the investment model score determined for each investment model to be occupied in the first investment item score 522 as a weight, and applies the set weight to the investment model scores, thereby providing a predetermined weight 520 ), the investment model scores are weighted and the first investment item score 522 may be determined based on the weighted summation result.
  • the momentum analysis AI 502 model may include at least one investment model indicator.
  • the momentum analysis AI model 520 is whether the relative strength index (Relative Strength Index) of the investment target company has risen (RSI rising signal), the return on equity (ROE) of the investment target company is 17% or more Whether the investment target company's profit for the most recent quarterly settlement has risen compared to the same period of the previous year , whether the relative strength index of the investment target company is 80 or more of the relative strength index of the same industry group to which the investment target company belongs, whether the investment target company's debt ratio is less than 200%, the investment target company's debt ratio has decreased for three consecutive years, It may include an investment model indicator for at least one of whether there is an investment target, whether the operating profit of the investment target company has increased every year for 5 years, and whether the stock price return in the last 12 months is in the top 20%
  • the electronic device 1000 determines the investment model score of the momentum analysis AI model 502 based on whether the investment target company satisfies the investment model index for the momentum analysis AI model 502 described above. can According to an embodiment, when the investment target company satisfies all of the investment model indicators for the momentum analysis AI model 502 , the electronic device 1000 sets the investment model score for the momentum analysis AI model 502 to 10 points. can be determined, but is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the momentum analysis AI model 502 to be higher as the number of satisfied indicators among the investment model indicators in the momentum analysis AI model 502 increases.
  • the electronic device 1000 determines the first investment item score using only the investment model score for the momentum analysis AI model 502 will be described in detail.
  • the electronic device 1000 is based on whether the relative strength index of the investment target company in the momentum analysis AI model 502 has risen and whether the return on equity (ROE) of the investment target company is 17% or more,
  • the investment model score for the momentum analysis AI model 502 may be determined, and the determined investment model score may be determined as the first investment item score.
  • the electronic device 1000 determines whether or not the relative strength index of the investment target company has risen and whether the return on equity (ROE) of the investment target company is 17% or more. It further considers at least one of whether the most recent quarterly profit increased compared to the same period of the previous year, whether the projected quarterly profit of the investment target company increased compared to the same period last year.
  • the investment model score for the momentum analysis AI model 502 may be determined, and the determined investment model score may be determined as the first investment item score.
  • the electronic device 1000 determines whether the relative strength index of the investment target company has increased, whether the return on equity (ROE) of the investment target company is 17% or more, and the latest settlement quarter of the investment target company The relative strength of the investment target company, in addition to whether the profit has increased compared to the same period of the previous year, whether the profit for the expected quarterly settlement of the investment target company has increased compared to the same period of the previous year.
  • the investment model score for the momentum analysis AI model 502 is determined, and the determined investment model score is the first investment item It can be decided by score.
  • the electronic device 1000 determines whether the relative strength index of the investment target company has increased, whether the return on equity (ROE) of the investment target company is 17% or more, and the recent settlement of the investment target company Whether the quarterly profit increased compared to the same period of the previous year, whether the expected quarterly profit of the investment target company increased compared to the same period of the previous year, whether the investment target company's profit grew this quarter compared to the previous quarter, and the relative strength index of the investment target company A, Whether the investment target company's debt ratio is less than 200% or whether the investment target company's debt ratio has been decreasing for three consecutive years, in addition to whether the relative strength index of the same industry group to which the investment target company belongs
  • an investment model score for the momentum analysis AI model 502 may be determined, and the determined investment model score may be determined as the first investment item score.
  • the electronic device 1000 determines whether the relative strength index of the investment target company increases, whether the return on equity (ROE) of the investment target company is 17% or more, and the recent settlement quarter profit of the investment target company has increased compared to the same period of the previous year, whether the expected quarterly profit of the investment target company has increased compared to the same period of the previous year, whether the investment target company's profit this quarter has grown compared to the previous quarter, the relative strength index of the investment target company; Whether the relative strength index of the same industry group to which the investment target company belongs is 80 or more, whether the investment target company's debt ratio is less than 200%, or whether the investment target company's debt ratio is decreasing for 3 consecutive years Determining the investment model score for the momentum analysis AI model 502 by further considering at least one of whether the company's five-year operating profit has increased annually or whether the stock price return for the last 12 months falls within the top 20% of the index and the determined investment model score may be determined as the first investment item score.
  • ROE return on equity
  • the Warren Buffett model 503 model may include at least one investment model indicator.
  • the Warren Buffett model 503 determines whether the price earning ratio (PER) of the investment target company is less than 15, and the price to book ratio (PBR) of the investment target company is less than 1.5 Whether the investment target company's debt ratio is 150% or less, the investment target company's current ratio is 150% or more, the investment target company has no loss for 3 years, the company's EPS 3-year average growth rate It may include an investment model indicator for at least one of whether this is greater than or equal to 20%, and whether the investment target company's net current assets are greater than or equal to long-term liabilities.
  • PER price earning ratio
  • PBR price to book ratio
  • the electronic device 1000 may determine the investment model score for the Warren Buffett model 503 based on whether the investment target company satisfies the investment model indexes for the Warren Buffett model 503 described above. there is. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Warren Buffett model 503, the electronic device 1000 may determine the investment model score for the Warren Buffett model 503 as 10 points. However, the present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Warren Buffett model 503 to be higher as the number of satisfied indicators among the investment model indicators in the Warren Buffett model 503 increases.
  • the Ken Fisher model 504 may include at least one investment model indicator.
  • the Ken Fisher model 504 determines whether the price-to-sales ratio (PSR) of the investment target company is 0.75 or more and 1.5 or less, whether the price-to-sales ratio (PSR) is 0.5 or less, and the debt ratio of the investment target company is 40% or less, whether the investment target company's price research ratio (PRR) is 15 times or less, whether the EPS 3-year average growth rate is 15%, whether the free cash flow of the investment target company is greater than 0, the investment target It may include an investment model indicator for at least one of whether the company's net profit margin is 5% or more on average for three years.
  • the electronic device 1000 may determine the investment model score for the Ken Fisher model 504 based on whether the investment target company satisfies the investment model indexes for the Ken Fisher model 504 described above. there is. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Ken Fisher model 504 , the electronic device 1000 may determine the investment model score for the Ken Fisher model 504 as 10 points. However, the present invention is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Ken Fisher model 504 to be higher as the number of satisfied indicators among the investment model indicators in the Ken Fisher model 504 increases.
  • the Peter Lynch model 505 may include at least one investment model indicator.
  • the electronic device 1000 may determine the investment model score for the Peter Lynch model 505 based on whether the investment target company satisfies the investment model indexes for the Peter Lynch model 505 described above. there is. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Peter Lynch model 505 , the electronic device 1000 may determine the investment model score for the Peter Lynch model 505 as 10 points. However, the present invention is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Peter Lynch model 505 to be higher as the number of satisfied indicators among the investment model indicators in the Peter Lynch model 505 increases.
  • the Piotrosky model 506 may include at least one investment model indicator. According to one embodiment, the Piotrosky model 506 determines whether the net income of the investment target company is greater than 0, whether the operating cash flow of the investment target company is greater than 0, and the operating cash flow of the investment target company for the current period.
  • the electronic device 1000 determines the investment model score for the Piotrosky model 506 based on whether the investment target company satisfies the investment model indicators for the Piotrosky model 506 described above. can decide According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Piotrosky model 506 , the electronic device 1000 sets the investment model score for the Piotrosky model 506 to 10 points. can be determined, but is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Piotrosky model 506 to be higher as the number of satisfied indicators among the investment model indicators in the Piotrosky model 506 increases.
  • the Martin Zweig model 507 may include at least one investment model indicator.
  • the Martin Zweig model 507 determines whether the stock price return (PER) is 5 or more and 40 or less, whether the average growth rate of the three-year sales of the investment target company is 85% or more of the average growth rate of the three-year EPS, Whether the investment target company's sales have increased by 30% or more annually for 3 years, whether the YoY sales growth rate for the most recent quarter is greater than the YoY sales growth rate for the most recent previous settlement quarter, whether the net income for the most recent settlement quarter of the investment target company is greater than 0, investment Whether the target company's net profit for the same quarter of the previous year is greater than zero, whether the net profit of the target company's net profit grew compared to the same period of the previous year , whether it has continued to increase year-on-year (e.g., the number
  • the electronic device 1000 sets an investment model for the Martin Zwaig model 507 based on whether the investment target company satisfies the investment model indicators for the Martin Zwaig model 507 described above. score can be determined. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Martin Zwaig model 507 , the electronic device 1000 sets the investment model score for the Martin Zwaig model 507 to 10 It may be determined by a point, but is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Martin Zwaig model 507 to be higher as the number of satisfied indices among the investment model indices in the Martin Zwaig model 507 increases.
  • the David Dreman model 508 may include at least one investment model indicator.
  • the David Dreman model 508 determines whether the EPR (reciprocal of PER) of the investment target company is in the top 20% of the market, whether the BPR (inverse of the PBR) of the investment target company is in the top 20% of the market, Whether the investment target company's operating profit increased compared to the previous quarter, whether the two-quarter growth rate of the investment target company's EPS exceeded the market average, whether the investment target company's EPS growth rate this year was above the market average, Whether the current ratio is 200% or more, whether the return on equity (ROE) of the investment target company is 27% or more, whether the investment target company's pre-tax return ratio is 22% or more, whether the investment target company's debt ratio is less than 40% It may include an investment model indicator for at least one of whether the EPR (reciprocal of PER) of the investment target company is in the top 20% of the market, whether the BPR (inverse of the PBR) of the investment target company
  • the electronic device 1000 determines the investment model score for the David Dreman model 508 based on whether the investment target company satisfies the investment model indexes for the David Dreman model 508 described above. can decide According to an embodiment, when the investment target company satisfies all of the investment model indicators for the David Dreman model 508 , the electronic device 1000 sets the investment model score for the David Dreman model 508 as 10 points. can be determined, but is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the David Dreman model 508 to be higher as the number of satisfied indicators among the investment model indicators in the David Dreman model 508 increases.
  • the electronic device 1000 is a momentum analysis AI model 502, a Warren Buffett model 503, a Ken Fisher model 504, a Peter Lynch model 505, and a Piotrosky model ( 506), determining an investment model score for at least one of the Martin Zweig model 507, or the David Dreman model 508, and determining a first investment item score 522 by weighting the determined investment model scores.
  • the electronic device 1000 uses all of the investment models shown in FIG. 5 , the electronic device 1000 determines the maximum investment model score for each investment model as 10 points, and each investment model The first investment item score 522 may be determined by dividing the sum of the scores by two.
  • the present invention is not limited thereto, and the electronic device 1000 may determine the first investment item score 522 by weighting and summing the investment model scores according to a weight different from the weight shown in FIG. 5 .
  • FIG. 6 is a diagram for explaining a process in which an electronic device determines a score for a second investment item by using at least one technical indicator, according to an exemplary embodiment.
  • the electronic device 1000 may determine the second investment item score 622 by adding up the technical indicator scores for each of the one or more technical indicators 610 .
  • the electronic device 1000 may determine the weight 620 of each technical indicator according to the technical indicators 610 for determining the score of the second investment item as a weight.
  • the technical indicators used by the electronic device 1000 are a relative strength index (RSI) 602 , a stochastic slow index 603 , a moving average convergence diffusion index (MACD) 604 , and William It may include at least one of 'S %R (William's %R) (605) and Bollinger Bands (606), but is not limited thereto.
  • the electronic device 1000 sets the weight 620 of the technical index score determined for each technical index to be occupied in the second investment item score 622 as a weight, and applies the set weight to the technical index scores, thereby providing a predetermined weight 620 ), the technical index scores are weighted, and the second investment item score 622 may be determined based on the weighted summation result.
  • the relative strength index (RSI) technical indicator 602 is a technical indicator used for technical analysis of stock futures options, etc., and may indicate the relative strength between upward pressure and downward pressure in price. For example, if the amount of change in the stock price over a certain period compared to the previous day's price is the uptrend U value, the average value of U is AU, the decrease compared to the previous day's price is the downtrend D value, and the average value of D is AD.
  • the relative strength index (RSI) technical indicator indicates how strong the uptrend is if the current market price is on an uptrend, and how strong the downtrend is if the current market price is on a downtrend, as a percentage, and indicates the strength of the trend. It may be a technical indicator that can be used for timing prediction.
  • the electronic device 1000 may determine the relative strength index RSI by using an equation such as 100-100/(1+14-day average closing price increase/14-day average closing price decrease width). If the relative strength index (RSI) of the investment target company is 30 or less, it is determined as a buying time, if it is 70 or more, it is determined as a selling time, and when the relative strength index (RSI) of the investment target company is 30 or less or 70 or more, the stock price When the difference (separation phenomenon) between the and the indicator value appears, it can be identified as a trend reversal signal.
  • an equation such as 100-100/(1+14-day average closing price increase/14-day average closing price decrease width.
  • the electronic device 1000 may determine the technical index score for the RSI technical index as 5 points when the purchase time is identified. .
  • the present invention is not limited thereto, and when the purchase time is identified as a result of analyzing the technical index of the relative strength index (RSI), the electronic device 1000 may largely determine the technical index score for the RSI technical index.
  • the electronic device 1000 may determine the technical index score for the RSI technical index to be small.
  • the Stochastic Slow Index 603 technical indicator is, if the market price is in an upward trend, the price of the current investment target company is highly likely to be located near the highest price, and if the market price is in a downward trend, the current investment target A firm's price may be a technical indicator made with the idea that it is highly likely to be formed near the lowest price.
  • the electronic device 1000 may determine the purchase time, and if the Stochastic Slow Index 603 is 80 or more, it may determine the Sell Time.
  • the moving average value is defined as %K
  • %K is defined as the n-day exponential moving average value as %D
  • %D the n-day exponential moving average value
  • the technical index score for the Stochastic Slow Index 603 is set to 5 points.
  • the technical index score for the stochastic slow index 603 may be determined as 0 points.
  • the present invention is not limited thereto, and when the purchase time is identified as a result of analyzing the technical index of the Stochastic Slow Index, the electronic device 1000 may largely determine the technical index score of the Stochastic Slow Index. Conversely, when the selling point is identified as a result of analyzing the technical indicator of the Stochastic Slow Index, the electronic device 1000 may determine a small technical indicator score for the Stochastic Slow Index.
  • the technical indicator of the moving average convergence and diffusion index 604 may be a technical indicator using the difference between a short-term exponential moving average value and a long-term exponential moving average value. More specifically, the moving average convergence and spread index 604 technical indicator is an indicator that indicates the convergence and spread of the moving average, and may indicate the turning point of the market price at the point where the long-term moving average is the largest.
  • the electronic device 1000 may identify a turning point of the market price using the moving average convergence diffusion index index, and provide a trading timing to the user based on the identified turning point. For example, the electronic device 1000 may determine a candidate trading time by using two moving average lines: a moving average convergence diffusion index curve and a signal curve.
  • the electronic device 1000 may obtain a MACD curve by subtracting a long-term moving average curve from a short-term moving average curve, and may determine a signal curve by determining a MACD moving average value for a predetermined period.
  • the period used by the electronic device 1000 to determine the signal curve may be mainly set to a value of 9 days, 12 days (short-term), or 26 days (long-term).
  • the electronic device 1000 may determine a MACD technical indicator value by using a difference between the exponential moving average for 12 days and the exponential moving average for 26 days. Also, the electronic device 1000 may define a signal curve using a moving average of a moving average convergence and diffusion index (MACD) for 9 days.
  • the electronic device 1000 according to the present disclosure may determine when the MACD curve of the investment target company crosses the Signal curve upward as a buying time, and determines when the MACD curve crosses the Signal curve downward as a selling time. Also, according to an embodiment, the electronic device 1000 may determine when the MACD value crosses the zero line upward as a buying time and when the MACD value crosses the zero line downward as a selling time.
  • the electronic device 1000 analyzes the moving average convergence diffusion index 604 technical index of the investment target company according to the above-described method, and when it is identified as a purchase time, the technical index of the moving average convergence diffusion index 604 technical index If the index score is determined to be 5 and it is determined as the selling point, the technical index score for the moving average convergence diffusion index 604 technical index may be determined to be 0 points.
  • the present invention is not limited thereto, and when the electronic device 1000 is identified as a purchase time as a result of analyzing the moving average convergence diffusion index 604 technical index, the technical index score for the moving average convergence diffusion index 604 technical index can be largely determined. Conversely, when it is identified as a selling point as a result of analyzing the moving average convergence diffusion index 604 technical index, the electronic device 1000 may determine a small technical index score for the moving average convergence diffusion index 604 technical index.
  • the William'S %R technical indicator 605 is an indicator opposite to the above-described Stochastic Slow Index technical indicator 603, and may indicate slightly higher predictive power than the Stochastic Slow technical indicator in a bull market. According to an embodiment, the William'S %R technical indicator 605 may indicate where the current market price of the investment target company is relatively located in the price range moved during the application period.
  • the electronic device 1000 calculates the William's %R index by using an equation such as [closed price of the day-(highest price in recent n days)/(highest price in recent n days-lowest price in recent n days)] * 100
  • the determined index value is between -100 and -80, it can be recognized as an oversold section, and when the determined index value is between -20 and 0, it can be recognized as an overbought section.
  • the electronic device 1000 determines the purchase time for the investment target company, the technical indicator for the William'S %R technical indicator 605 If the score is determined to be 5 and it is determined as the selling point, the technical indicator score for William'S %R technical indicator 605 may be determined to be 0 points.
  • the present invention is not limited thereto, and when the electronic device 1000 is identified as a purchase time as a result of analyzing the technical indicator of the William'S %R technical indicator 605 , the technical indicator for the William'S %R technical indicator 605 . Scores can be determined largely. Conversely, when the selling point is identified as a result of analyzing the technical indicator of the William'S %R technical indicator 605 , the electronic device 1000 may determine a small technical indicator score for the William'S %R technical indicator 605 .
  • the Bollinger Bands (606) technical indicator is a technical indicator using a characteristic that the width of the band is widened when the stock price or index movement is large, and the width of the band is narrowed when the movement is small.
  • the electronic device 1000 determines the 23-day simple moving average + 2 * standard deviation as the upper band, and after determining the 23-day simple moving average - 2 * standard deviation as the lower band, the investment target company When the stock price reaches the upper band, it is a sell time, and when the stock price of an investment target company reaches the lower band, it can be judged as a buy time.
  • the electronic device 1000 sets the technical indicator score for the Bollinger band technical indicator 606 to 5 when it is identified as the purchase time for the investment target company.
  • the technical indicator score for the Bollinger band technical indicator 606 may be determined as 0 points.
  • the present invention is not limited thereto, and when it is identified as a purchase time as a result of analyzing the technical indicator of the Bollinger band technical indicator 606 , the electronic device 1000 largely determines the technical indicator score for the Bollinger band technical indicator 606 .
  • the electronic device 1000 may determine a small technical indicator score for the Bollinger band technical indicator 606 .
  • the electronic device 1000 largely determines a technical index score for each technical index, a technical index that generates a buy signal for an investment target company, as a result of analysis for each of the technical indexes 610, and for each technical index, For a technical indicator that generates a sell signal for an investment target company, the technical indicator score can be determined to be small.
  • the electronic device 1000 may determine the score of the second investment item by summing the scores of each technical indicator. According to an embodiment, when a buy signal is generated in all technical indicators, the electronic device 1000 may determine the score of the second investment item to be 25, but is not limited thereto.
  • FIG. 7 is a diagram for describing a process in which an electronic device determines a score for a third investment item by using a global investment opinion, according to an exemplary embodiment.
  • the electronic device 1000 may determine a third investment item score regarding the purchase strength of the investment target company stock based on preset investment opinions of global investment banks (IBs).
  • investment opinions of global investment banks may be classified into a predetermined investment opinion item 710 , and the investment opinion item 710 includes the weight of global investment banks' buy, sell, and neutral opinions and average target price of investment. It may include the weight of the buy opinion among the opinions and the gap ratio 703 between the average target price and the current stock price.
  • the electronic device 1000 determines an investment opinion score for each investment opinion item 710 , and determines a weight 720 that the investment opinion score for each investment opinion item occupies in the third investment item score 722 as a weight.
  • the electronic device 1000 may determine the third investment item score by adding up the investment opinion score determined as the investment opinion item 710 .
  • the electronic device 1000 identifies the weights of buy, sell, and neutral opinions of global investment banks for investment target companies within the last 6 months, and among the average target price of global investment banks
  • the weight of the buy opinion may be identified, and a discrepancy rate between the average target price and the current stock price of the investment target company may be identified.
  • the electronic device 1000 sets the weight of the buy, sell, and neutral opinions of global investment banks for investment target companies within the last 6 months and the weight of the buy opinion among the average target price investment opinions out of 15 points.
  • the third investment item score 722 may be set as a standard out of 20 points by converting the average target price and converting the discrepancy rate between the stock price of the current investment target company into a score of 5 points.
  • the present invention is not limited thereto, and the weight of the investment opinion score for each investment opinion item may vary.
  • the gap between the average target price and the current stock price is less than 5%, 1 point, 5% or more, 2 points if less than 10%, and 3 points if 10% or more and less than 15% , 15% or more and less than 20%, 4 points, 20% or more, 5 points.
  • FIG. 8 is a diagram for describing a process in which an electronic device determines a score for a fourth investment item by analyzing a news article about an investment target company, according to an exemplary embodiment.
  • the electronic device 1000 inputs some sentences identified from the news article about the investment target company in the financial information data into the pre-trained neural network model and the pre-learning model, respectively, from the neural network model and the pre-learning model.
  • a first news score and a second news score may be obtained.
  • the electronic device 1000 may store a pre-trained neural network model and a pre-trained model in a memory.
  • the electronic device 1000 may extract a sentence from a news article about an investment target company in the financial information data, and generate summary data by using the extracted sentence.
  • the electronic device 1000 may identify a sentence including a preset financial word and a person word from a news article.
  • the electronic device 1000 identifies position information of a sentence of the identified news article, generates a summary news article based on the position information of the identified sentence, and encodes the generated summary news article to summarize data can be created.
  • the electronic device 1000 according to the present disclosure may obtain the first news score by inputting the above-described summary data into a pre-trained neural network model.
  • the neural network model used by the electronic device 1000 may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), or an RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN (Bidirectional Recurrent Deep Neural Network), or deep Q-Networks, etc., but are also not limited thereto.
  • DNN deep neural network
  • CNN Convolutional Neural Network
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • RBM Restricted Boltzmann Machine
  • DBN Deep Belief Network
  • BRDNN Bidirectional Recurrent Deep Neural Network
  • deep Q-Networks etc.
  • the electronic device 1000 may identify a sentence including a pre-stored financial word or a person word included in a news article about an investment target company in the financial information data.
  • the electronic device 1000 may generate a financial word list by matching the financial word and word scores for each financial word, and may store the generated financial word list.
  • the electronic device 1000 may acquire expert evaluation scores of experts for preset financial words. According to an embodiment, the electronic device 1000 may obtain an expert evaluation score for a specific financial word from a plurality of experts, and may generate a word score vector based on the obtained expert evaluation score. According to an embodiment, the word score vector may include the evaluation score of each expert as a vector element. The electronic device 1000 may identify the average and standard deviation of elements in the word score vector.
  • the electronic device 1000 may generate a financial word list by converting financial words into a headword form and matching the converted financial words into a headword form with word scores for each financial word. For example, the electronic device 1000 obtains 2 points, 2 points, 3 points, 2 points, and 1 points, respectively, as user evaluation scores for 'competent' from five financial experts, and obtains from the financial experts A word vector score ⁇ 2,2,3,2,1 ⁇ may be generated using each expert evaluation score obtained as a vector element.
  • the electronic device 1000 may generate a person weight list by matching the person word and the person word weight for each person word, and store the generated person weight list.
  • the person word may be predetermined to be related to the field of finance.
  • the electronic device 1000 may obtain an evaluation score for a predetermined person word from a plurality of financial experts.
  • the electronic device 1000 may generate a person word weight based on an evaluation score for the person word obtained from a plurality of financial experts.
  • a weight for each person word may be expressed in a vector form.
  • the electronic device 1000 may generate a person weight list by matching the person word and the person word weight for each person word.
  • the electronic device 1000 may obtain evaluation scores for 'Warren Edward Buffet', the chairman of Berkshire Hathaway from five financial experts, respectively, and generate a person weight based on the obtained evaluation scores.
  • the expert evaluation score for the person word obtained by the electronic device 1000 may include a value between -5 and 5.
  • the present invention is not limited thereto, and the range of the expert evaluation score for the person word obtained by the electronic device 1000 may vary.
  • the electronic device 1000 may store the aforementioned financial word list and person weight list in advance in a memory within the electronic device.
  • the person word may be determined based on whether the number of publications of the person word in the published financial field article is equal to or greater than a predetermined threshold during a preset period.
  • the electronic device 1000 may obtain a first news score from the neural network model by inputting some of the identified sentences into a neural network model that is trained to output scores for news articles.
  • the electronic device 1000 may acquire the first news score from the server 2000 including the neural network model.
  • the electronic device 1000 may generate training data using news articles for a preset period, and train the neural network model in advance based on the generated training data.
  • the electronic device 1000 may determine a second news score from a news article about the investment target company in the financial information data by using the prior learning model. For example, the electronic device 1000 may obtain a second news score from the pre-learning model by inputting some of the identified sentences to the pre-learning model.
  • the dictionary learning model may identify a predetermined word in an article using a dictionary, and output a second news score based on a word score assigned to the identified word.
  • the electronic device 1000 may pre-process some sentences identified from a news article about an investment target company in the financial information data.
  • the pre-learning model may determine a sentence weight for each of the pre-processed sentences based on at least one of negative phrases, adverbs, punctuation marks, emphasis phrases, negative words, and person words in the identified partial sentences.
  • the pre-learning model may determine the sentence score of each pre-processed sentence by applying the sentence weight to the scores of each financial word in the pre-processed sentence.
  • the pre-learning model may determine the second news score by using the sentence score for each of the pre-processed sentences.
  • the electronic device 1000 according to the present disclosure may normalize the second news score output from the pre-learning model.
  • the electronic device 1000 may determine a fourth investment item score regarding the financial propensity of a news article based on the obtained first news score and the second news score.
  • the electronic device 1000 may obtain, in addition to the second news score, from the pre-learning model, a neutral index that is a probability value related to the confidence level of the second news score.
  • the electronic device 1000 determines an evaluation weight to be applied to the first news score and the second news score based on the neutral index value, and weights and sums the first news score and the second news score according to the determined evaluation weight to perform a fourth It may also determine the investment item score.
  • FIG. 9 is a flowchart of a specific method of determining, by an electronic device, a score of a fourth investment item for an investment target company, according to an exemplary embodiment.
  • the electronic device 1000 may identify a neutral index regarding the confidence level of the second news score. For example, the electronic device 1000 may also acquire a neutral index regarding the confidence level of the second news score from the pre-learning model. According to an embodiment, in addition to acquiring the second news score from the pre-learning model, the electronic device 1000 may further acquire a neutral index, a negative index, and a positive index.
  • the electronic device 1000 may normalize the second news score.
  • the electronic device 1000 may determine an evaluation weight to be applied to the first news score and the second news score based on the neutral index of the second news score obtained from the pre-learning model.
  • the electronic device 1000 determines different evaluation weights to be applied to the first news score and the second news score, based on the range of the neutral index value output from the pre-learning model, and determines differently A weight may be applied to the first news score and the second news score. For example, when the neutral index is less than or equal to the first threshold, the electronic device 1000 may decrease the first evaluation weight to be applied to the first news score and determine to increase the second evaluation weight to be applied to the second news score. there is. According to another embodiment, when the neutral index is greater than or equal to the second threshold, the electronic device 1000 may determine to increase the first evaluation weight and decrease the second evaluation weight.
  • the electronic device 1000 may determine the fourth investment item score by weighting the first news score and the normalized second news score according to the determined evaluation weight. 11 , which will be described later, the electronic device 1000 determines an evaluation weight to be applied to the first news score and the second news score based on the neutral index value, and according to the determined evaluation weight, the first news score and the second news score 2 The method of weighting news scores will be described in more detail.
  • the neutral index, negative index, and positive index obtained by the electronic device 1000 from the pre-learning model are based on a distribution pattern of word scores indicated by words included in each of some sentences extracted from a news article. can be decided.
  • the sum of the neutral index, the negative index, and the positive index may be 1, but is not limited thereto.
  • the positive index can be output large when words (positive finance words) containing a positive word score in the news article are distributed more than words containing a negative word score (negative finance words),
  • the negative index may be output to be large when there are more words (negative finance words) including a negative word score in the news article than words (positive finance words) including a positive word score.
  • the positive index when the number of sentences having a positive sentence score in a news article is greater than the number of sentences having a negative sentence score, the positive index may be output large, and the negative index may be negative in the news article.
  • the output may be large.
  • the neutral index may be a value representing the degree of confidence in the second news score output from the pre-learning model as a probability value. For example, when the neutral index is lower than a preset threshold, the second news score may be reliable with high probability, but when the neutral index is greater than the preset threshold, the confidence probability of the second news score may be low.
  • the distribution of sentence scores for each of some sentences (eg, sentences in summary data) extracted from a news article is clear as a negative sentence score and a positive sentence score If the distribution is distributed so that it can be easily classified, the neutral index can be determined to be low.
  • the neutral index when the distribution of sentence scores for each of some sentences extracted from a news article is not clearly divided into a negative sentence score and a positive sentence score, the neutral index is increased can decide According to an embodiment, when the neutral index is large, the reliability of the second news score output from the pre-learning model may be low, and when the neutral index is small, the reliability of the second news score output from the pre-learning model is low. can be high
  • the neutral index may be determined based on some sentence units extracted from the news article.
  • the neutral index is a case in which a word having a positive score in a sentence unit contains more words than a word having a negative score, or a word having a negative score in a sentence unit is more than a word having a positive score in a sentence unit.
  • the neutral index may be greatly output when the number of words having a positive score and a word having a negative score in a sentence unit are similar, or when there is no sentence including a financial word or a person word preset in the corresponding sentence. .
  • FIG. 10 is a diagram for explaining a process in which an electronic device analyzes a news article about an investment target company, according to an exemplary embodiment.
  • the electronic device 1000 acquires financial information data from an external device or server 2000 connected to the electronic device, and extracts a news article 101 about an investment target company from within the acquired financial information data.
  • the electronic device 1000 may determine a fourth investment item score 1012 for the extracted news article.
  • the electronic device 1000 may receive the fourth investment item score determined by the server 2000 with respect to the news article from the server 2000 .
  • the electronic device 1000 obtains financial information data about a news article 1001 of an investment target company from an external device, and uses the data about the news article in the financial information data, 4 investment item score 1012 may be output.
  • the electronic device 1000 may determine the score of the fourth investment item for the news article 1001 by using a news article analysis model for analyzing at least one news article.
  • the news article analysis model may include at least one of a neural network model 1002 and a pre-learning model 1004 .
  • the electronic device 1000 outputs a first news score 1006 output by the neural network model according to a pre-trained weight and a second news score 1008 output by the pre-learning model according to scores of words stored in advance. ), a fourth investment item score 1010 for the news article 1001 may be determined.
  • the fourth investment item score may be a numerical value representing the financial propensity indicated by the news article based on at least one of a financial word or a person word included in a news article of an investment target company.
  • the fourth investment item score is a financial word list used by the layers in the neural network model 1002 and the weight of the connection strength between the layers is modified and updated, or the pre-learning model 1004 is used. and the word score or person weights in the person weight list may be changed.
  • FIG. 11 is a diagram for describing a process in which an electronic device determines a fourth investment item score for an investment target company according to another exemplary embodiment.
  • the electronic device 1000 may identify a sentence including a finance word or a person word stored in advance in a news article about an investment target company.
  • the electronic device 1000 may obtain a first news score from the neural network model by inputting some of the identified sentences into the neural network model trained in advance to output a score for the news article.
  • the electronic device 1000 may obtain a second news score and a neutral index from the pre-learning model by inputting some of the identified sentences to the pre-learning model.
  • the electronic device 1000 may obtain a second news score, a positive index, a negative index, and a neutral index from the prior learning model by inputting some of the identified sentences into the prior learning model. there is.
  • the fourth investment item score first evaluation weight*neutral index value*first news score + second evaluation weight*(1-neutral index value)*normalized second news score
  • FIG. 12 is a block diagram of an electronic device according to an embodiment.
  • the electronic device 1000 may include a processor 1400 , a memory 1402 , and a network interface 1405 .
  • a processor 1400 may be implemented with more components than the illustrated components, and the electronic device 1000 may be implemented with fewer components. may be
  • the processor 1400 generally controls the overall operation of the electronic device 1000 .
  • the processor 1400 according to the present disclosure executes programs stored in the memory 1402 to perform the functions of the electronic device 1000 described in FIGS. 1 to 11 .
  • the processor 1400 may include one or a plurality of processors, and the one or more processors may include a general-purpose processor such as a CPU, an AP, a digital signal processor (DSP), or the like, or a graphics-only processor such as a GPU.
  • the present invention is not limited thereto, and the processor 1400 may perform a function for analyzing an investment target company by executing an instruction stored in a memory.
  • the processor 1400 when the processor 1400 is implemented as a plurality of processors or graphics-only processors, at least some of the plurality of processors or graphics-only processors may include the electronic device 1000 and other electronic devices connected to the electronic device 1000 . Alternatively, it may be mounted on a server.
  • the processor 1400 by executing the programs stored in the memory 1402, obtains financial information data at a preset period, and analyzes the financial information data, the relative strength index of the investment target company (Relative Strength Index) has risen and, based on whether the return on equity (ROE) of the investment target company has risen by 17% or more, the first investment item score is determined for the degree of matching of the investment model of the preset investors, and the An investment score regarding the investment attractiveness of the investment target company may be determined based on the first investment item score.
  • Relative Strength Index the relative strength index of the investment target company
  • ROI return on equity
  • the processor 1400 determines whether or not the recent settlement quarterly profit of the investment target company has increased compared to the same period of the previous year, based on the analysis result of the financial information data, and the expected settlement quarter profit of the investment target company last year
  • the score of the first investment item may be determined by further considering at least one of whether it has increased compared to the same period or whether the profit for this quarter has increased compared to the previous quarter of the investment target company.
  • the processor 1400 further determines whether the relative strength index of the investment target company is 80 or more based on the analysis result of the financial information data, the relative strength index of the same industry group to which the investment target company belongs. By taking into account, it is possible to determine the score of the first investment item.
  • the processor 1400 further considers at least one of whether the debt ratio of the investment target company is less than 200% or whether the debt ratio of the investment target company has been decreasing for three consecutive years. 1 You can decide the investment item score.
  • the processor 1400 is based on the analysis result of the financial information data, whether the operating profit of the investment target company has increased every year for 5 years or whether the stock price return for the last 12 months is within the top 20% of the index It is possible to determine the score of the first investment item by further considering at least one of whether it is applicable.
  • the memory 1402 may store a program for processing and control of the processor 1400 , and may also store data input to or output from the electronic device 1000 .
  • the memory 1402 may include a plurality of news article analysis models including a pre-trained model and a neural network model.
  • the memory 1402 includes information on investment models of predetermined investors for determining the first investment item score, the second investment item score, and the third investment item score, information about technical indicators, and the global of the investment target company. It may also store further information about investment opinions of investment banks.
  • the memory 1402 may store information about the layers constituting the neural network, the nodes included in the layers, and weights related to the connection strength of the layers as a configuration of the neural network model.
  • the memory 1402 may further store a financial word list including a financial word and a word score for each financial word in order to determine the fourth investment item score. Also, the memory 1402 may further store a person weight list including preset person words and person word weights for each person word.
  • the memory 1402 may store the modified and updated pre-learning model and the neural network model.
  • the memory 1402 may include a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (eg, SD or XD memory), and a RAM.
  • RAM Random Access Memory
  • SRAM Static Random Access Memory
  • ROM Read-Only Memory
  • EEPROM Electrically Erasable Programmable Read-Only Memory
  • PROM Programgrammable Read-Only Memory
  • magnetic memory, magnetic disk may include at least one type of storage medium among optical disks.
  • the present invention is not limited thereto, and instructions for performing a method for analyzing other investment target companies or analyzing news articles related to investment target companies, and at least one artificial intelligence model for analyzing the news articles It may be any other storage medium for storing information.
  • the network interface 1405 may transmit data transmitted/received by the electronic device 1000 to and from an external device or server.
  • the electronic device 1000 may acquire financial information data from an external device or server through a network interface at a preset period.
  • the electronic device 1000 may acquire news article scores of news articles related to an investment target company from an external device or server through a network interface.
  • the network interface 1405 may receive information about the neural network model or the pre-learning model from a server or an external device.
  • the electronic device 1000 may transmit the investment item score determined through the network interface or information on the investment score determined by weighting the investment item scores to the server or an external device.
  • FIG. 13 is a block diagram of a server connected to an electronic device according to an exemplary embodiment.
  • the server 2000 may include a network interface 3405 , a database 3402 , and a processor 3400 .
  • the network interface 3405 may correspond to the network interface 1405 of the electronic device 1000 described above.
  • the network interface 3405 may transmit financial information data or information on news articles related to an investment target company to the electronic device 1000 .
  • the network interface 3405 may transmit information on the neural network model for determining the score of the fourth investment item or information on the pre-learning model to the network interface of the electronic device 1000 .
  • the network interface 3405 may receive, from the electronic device 1000, information about layers and nodes included in the layers of the artificial neural network or weight values related to connection strength of layers in the neural network. there is. According to another embodiment, the network interface 3405 may receive data on an investment score regarding investment attractiveness of an investment target company from the electronic device 1000 . The network interface 3405 may transmit the neural network model pre-trained by the server 2000 or information on the pre-learning model to the electronic device 1000 .
  • the database 2200 may correspond to the memory 1402 of the electronic device shown in FIG. 12 .
  • the database 2200 may store a program for processing and controlling the processor 3400 , and may also store data input to or output from the electronic device 1000 .
  • the database 3402 may store financial information data, investment opinions of global investment banks for investment target companies, information on preset investors' investment models, and the like.
  • the database 3402 may further store information about the layers constituting the neural network model, information about weights related to the nodes included in the layers, and weights related to the connection strength of the layers, and information about the pre-learning model.
  • the processor 3400 may control overall operations of devices in the server 2000 . According to an embodiment, the processor 3400 may also perform at least some of the operations performed by the electronic device 1000 described with reference to FIGS. 1 to 12 .
  • the above-described method according to an embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination.
  • the program instructions recorded on the medium may be specially designed and configured for the present disclosure, or may be known and available to those skilled in the art of computer software.
  • a computer program apparatus including a recording medium storing a program for performing another method
  • the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks.
  • - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

The present disclosure relates to a method for analyzing a company to be invested in and an electronic device performing same. According to an embodiment, a method for analyzing a company to be invested in may comprise the steps of: obtaining financial information data according to a pre-configured period; analyzing the financial information data, and on the basis of whether a relative strength index of the company to be invested in has increased, and whether a return on equity (ROE) of the company to be invested in has increased by 17 % or higher, determining a first investment item score relating to a degree by which an investment model of pre-configured investors is matched; and, on the basis of the first investment item score, determining an investment score relating to an investment attraction degree of the company to be invested in.

Description

투자 대상 기업을 분석하는 방법 및 장치Methods and devices for analyzing investment companies
본 개시는 투자 대상 기업을 분석하는 방법 및 장치에 관한 것이다. 보다 상세하게는 자동으로 투자 대상 기업을 분석하는 방법 및 장치에 관한 것이다.The present disclosure relates to a method and apparatus for analyzing an investment target company. More particularly, it relates to a method and apparatus for automatically analyzing an investment target company.
인터넷 기술이 발달함에 따라 그에 맞추어 홈 트레이딩 시스템과 같이 온라인 주식거래 서비스 시스템이 도입됨으로써 누구나 금융 시장에 쉽게 참여하기 위한 인프라들이 제공되고 있다. 또한, 인터넷 기술이 발달함에 따라 세계 각국의 정치, 경제 상황을 반영한 금융 정보 데이터들이 인터넷 상에 업로드 되고 있고, 업로드 되는 금융 정보 데이터 량 역시 크게 증가하고 있다.As Internet technology develops, an online stock trading service system such as a home trading system is introduced accordingly, providing infrastructure for anyone to easily participate in the financial market. In addition, as Internet technology develops, financial information data reflecting the political and economic conditions of countries around the world are being uploaded on the Internet, and the amount of uploaded financial information data is also increasing significantly.
인터넷 기술의 발달로 과거보다 시장에 참여하기 쉬운 환경이 조성되었음에도 불구하고, 세계 경제의 성장과 함께 급격하게 증가한 금융 정보 데이터들의 규모 및 양을 고려하면 시장 참여자들이 직접 시장을 분석하고, 분석 결과를 활용하기에는 한계가 있다.Despite the fact that the development of Internet technology has created an environment that makes it easier to participate in the market than in the past, considering the size and amount of financial information data that has rapidly increased with the growth of the global economy, market participants directly analyze the market and analyze the results of the analysis. There are limits to its use.
따라서, 금융 정보 데이터들에 기초하여 투자 대상 기업을 분석하고, 분석 결과에 따른 투자 정보를 제공하기 위한 기술 개발이 요구되고 있다.Accordingly, there is a demand for technology development for analyzing an investment target company based on financial information data and providing investment information according to the analysis result.
일 실시 예에 따르면, 투자 대상 기업을 분석하는 방법 및 장치가 제공될 수 있다.According to one embodiment, a method and apparatus for analyzing an investment target company may be provided.
일 실시 예에 의하면, 금융 정보 데이터들에 기초하여 자동으로 투자 대상 기업을 분석하는 방법 및 장치가 제공될 수 있다.According to an embodiment, a method and apparatus for automatically analyzing an investment target company based on financial information data may be provided.
일 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는 방법에 있어서, 기 설정된 주기로 금융 정보 데이터를 획득하는 단계; 상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하는 단계; 및 상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 단계; 를 포함하는 방법이 제공될 수 있다.According to an embodiment, a method for an electronic device to analyze an investment target company, the method comprising: acquiring financial information data at a preset period; By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and determining an investment score on the investment attractiveness of the investment target company based on the first investment item score; A method comprising a may be provided.
또 다른 실시 예에 의하면, 투자 대상 기업을 분석하는 전자 장치에 있어서, 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서; 를 포함하고, 상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 기 설정된 주기로 금융 정보 데이터를 획득하고, 상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하고, 상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 전자 장치가 제공될 수 있다.According to another embodiment, an electronic device for analyzing an investment target company includes: a memory for storing one or more instructions; and at least one processor executing the one or more instructions. Including, wherein the at least one processor obtains financial information data at a preset period by executing the one or more instructions, and by analyzing the financial information data, the relative strength index (Relative Strength Index) of the investment target company is Based on whether it has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, the first investment item score is determined with respect to the degree of matching of the investment model of the preset investors, and the first investment An electronic device for determining an investment score regarding investment attractiveness of the investment target company based on the item score may be provided.
또한, 상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 전자 장치가 투자 대상 기업을 분석하는 방법에 있어서, 기 설정된 주기로 금융 정보 데이터를 획득하는 단계; 상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하는 단계; 및 상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 단계; 를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.In addition, according to another embodiment of the present disclosure for solving the above technical problem, there is provided a method, by an electronic device, of analyzing an investment target company, the method comprising: acquiring financial information data at a preset period; By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and determining an investment score on the investment attractiveness of the investment target company based on the first investment item score; A computer-readable recording medium recording a program for executing the method on a computer, including a computer-readable recording medium, may be provided.
일 실시 예에 의하면, 금융 정보 데이터들에 기초하여 투자 대상 기업에 대한 투자 정보를 제공할 수 있다.According to an embodiment, investment information for an investment target company may be provided based on financial information data.
일 실시 예에 의하면, 금융 정보 데이터에 기초하여 투자 대상 기업을 분석함으로써 효과적으로 투자 정보를 제공할 수 있다.According to an embodiment, by analyzing an investment target company based on financial information data, it is possible to effectively provide investment information.
도 1은 일 실시 예에 따른 투자 대상 기업을 분석하는 과정을 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating a process of analyzing an investment target company according to an exemplary embodiment.
도 2는 일 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는 방법의 흐름도이다.2 is a flowchart of a method for an electronic device to analyze an investment target company, according to an exemplary embodiment.
도 3은 또 다른 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는 방법의 흐름도이다.3 is a flowchart of a method for an electronic device to analyze an investment target company according to another exemplary embodiment.
도 4는 일 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는데 사용하는 투자 항목 점수를 결정하기 위한 도면이다.4 is a diagram for determining an investment item score used by an electronic device to analyze an investment target company, according to an exemplary embodiment.
도 5는 일 실시 예에 따른 전자 장치가 적어도 하나의 투자 모델들을 이용하여 제1 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.5 is a diagram for describing a process in which an electronic device determines a score for a first investment item by using at least one investment model, according to an exemplary embodiment.
도 6은 일 실시 예에 따른 전자 장치가 적어도 하나의 기술적 지표를 이용하여 제2 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.FIG. 6 is a diagram for explaining a process in which an electronic device determines a score for a second investment item by using at least one technical indicator, according to an exemplary embodiment.
도 7은 일 실시 예에 따른 전자 장치가 글로벌 투자 의견을 이용하여 제3 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.7 is a diagram for describing a process in which an electronic device determines a score for a third investment item by using a global investment opinion, according to an exemplary embodiment.
도 8은 일 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 뉴스 기사를 분석함으로써 제4 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.8 is a diagram for describing a process in which an electronic device determines a score for a fourth investment item by analyzing a news article about an investment target company, according to an exemplary embodiment.
도 9는 일 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 제4 투자 항목 점수를 결정하는 구체적인 방법의 흐름도이다.9 is a flowchart of a specific method of determining, by an electronic device, a score of a fourth investment item for an investment target company, according to an exemplary embodiment.
도 10은 일 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 뉴스 기사를 분석하는 과정을 설명하기 위한 도면이다.10 is a diagram for explaining a process in which an electronic device analyzes a news article about an investment target company, according to an exemplary embodiment.
도 11은 또 다른 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 제4 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.11 is a diagram for describing a process in which an electronic device determines a fourth investment item score for an investment target company according to another exemplary embodiment.
도 12는 일 실시 예에 따른 전자 장치의 블록도이다.12 is a block diagram of an electronic device according to an embodiment.
도 13은 일 실시 예에 따른 전자 장치와 연결되는 서버의 블록도이다.13 is a block diagram of a server connected to an electronic device according to an exemplary embodiment.
일 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는 방법에 있어서, 기 설정된 주기로 금융 정보 데이터를 획득하는 단계; 상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하는 단계; 및 상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 단계; 를 포함하는, 방법이 제공될 수 있다.According to an embodiment, a method for an electronic device to analyze an investment target company, the method comprising: acquiring financial information data at a preset period; By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and determining an investment score on the investment attractiveness of the investment target company based on the first investment item score; A method may be provided, comprising:
또 다른 실시 예에 의하면, 투자 대상 기업을 분석하는 전자 장치에 있어서, 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서; 를 포함하고, 상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 기 설정된 주기로 금융 정보 데이터를 획득하고, 상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하고, 상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 전자 장치가 제공될 수 있다. According to another embodiment, an electronic device for analyzing an investment target company includes: a memory for storing one or more instructions; and at least one processor executing the one or more instructions. Including, wherein the at least one processor obtains financial information data at a preset period by executing the one or more instructions, and by analyzing the financial information data, the relative strength index (Relative Strength Index) of the investment target company is Based on whether it has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, the first investment item score is determined with respect to the degree of matching of the investment model of the preset investors, and the first investment An electronic device for determining an investment score regarding investment attractiveness of the investment target company based on the item score may be provided.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다. Terms used in this specification will be briefly described, and the present disclosure will be described in detail.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다. The terms used in the present disclosure have been selected as currently widely used general terms as possible while considering the functions in the present disclosure, but these may vary depending on the intention or precedent of a person skilled in the art, the emergence of new technology, and the like. In addition, in a specific case, there is a term arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the corresponding invention. Therefore, the terms used in the present disclosure should be defined based on the meaning of the term and the contents of the present disclosure, rather than the simple name of the term.
또한, 본 명세서에서, 어떤 막(또는 층)이 다른 막(또는 층) 또는 기판 상에 있다고 언급되는 경우에 그것은 다른 막(또는 층) 또는 기판 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 막(또는 층)이 개재될 수도 있다 또한, 도면들에 있어서, 구성들의 크기 및 두께 등은 명확성을 위하여 과장된 것이다. 본 명세서의 다양한 실시예들에서 제1, 제2, 제3 등의 용어가 다양한 영역, 막들(또는 층들) 등을 기술하기 위해서 사용되었지만, 이들 영역, 막들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 소정 영역 또는 막(또는 층)을 다른 영역 또는 막(또는 층)과 구별시키기 위해서 사용되었을 뿐이다. 따라서, 어느 한 실시예에의 제1막질로 언급된 막질이 다른 실시예에서는 제2막질로 언급될 수도 있다. 여기에 설명되고 예시되는 각 실시예는 그것의 상보적인 실시예도 포함한다. 본 명세서에서 '및/또는' 이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 명세서 전체에 걸쳐서 동일한 참조번호로 표시된 부분들은 동일한 구성요소들을 나타낸다.Further, in the present specification, when a certain film (or layer) is referred to as being on another film (or layer) or substrate, it may be formed directly on the other film (or layer) or substrate or a third layer between them. In addition, in the drawings, the size and thickness of the components are exaggerated for clarity. In various embodiments of the present specification, the terms first, second, third, etc. are used to describe various regions, films (or layers), etc., but these regions and films should not be limited by these terms. Can not be done. These terms are only used to distinguish one region or film (or layer) from another region or film (or layer). Accordingly, a film quality referred to as the first film quality in one embodiment may be referred to as the second film quality in another embodiment. Each embodiment described and illustrated herein also includes a complementary embodiment thereof. In this specification, the expression 'and/or' is used in a sense including at least one of the elements listed before and after. Parts indicated with like reference numerals throughout the specification indicate like elements.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.In the entire specification, when a part "includes" a certain element, this means that other elements may be further included, rather than excluding other elements, unless otherwise stated. In addition, terms such as "...unit" and "module" described in the specification mean a unit that processes at least one function or operation, which may be implemented as hardware or software, or a combination of hardware and software. .
아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, with reference to the accompanying drawings, the embodiments of the present disclosure will be described in detail so that those of ordinary skill in the art to which the present disclosure pertains can easily implement them. However, the present disclosure may be implemented in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present disclosure in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.
도 1은 일 실시 예에 따른 투자 대상 기업을 분석하는 과정을 개략적으로 설명하기 위한 도면이다.1 is a diagram schematically illustrating a process of analyzing an investment target company according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 금융 정보 데이터(102) 및 뉴스 기사 점수(104)를 획득하고, 획득된 금융 정보 데이터(102) 및 뉴스 기사 점수(104)에 기초하여 투자 대상 기업(162)에 대한 투자 매력도에 관한 투자 점수(164)를 출력할 수 있다. 도 1을 참조하면, 전자 장치(1000)가 뉴스 기사 점수(104)를 직접 획득하는 것으로 도시되었으나, 또 다른 실시 예에 의하면, 전자 장치(1000)는 금융 정보 데이터(102)를 분석함으로써, 투자 대상 기업에 대한 뉴스 기사들에 대한 점수를 직접 결정할 수도 있음은 물론이다.According to an embodiment, the electronic device 1000 acquires the financial information data 102 and the news article score 104 , and based on the obtained financial information data 102 and the news article score 104 , an investment target company An investment score 164 regarding investment attractiveness for 162 may be output. Referring to FIG. 1 , it is illustrated that the electronic device 1000 directly obtains a news article score 104 , but according to another embodiment, the electronic device 1000 analyzes the financial information data 102 to make an investment. Of course, it is also possible to directly determine the score for news articles about the target company.
본 개시에 따른 전자 장치(1000)는 금융 정보 데이터(102)에 기초하여 투자 대상 기업을 자동으로 분석함으로써, 투자 대상 기업에 대한 투자 매력도를 점수화하고 결과적으로 전자 장치(1000)의 사용자들이 원하는 투자 대상 기업을 쉽게 이해하도록 할 수 있다. 또한, 전자 장치(1000)는 수치화된 투자 대상 기업의 투자 매력도를 사용자들에게 제공함으로써, 투자 기준을 쉽게 설정하도록 할 수도 있다. 본 개시에 따른 전자 장치(1000)는 수 많은 금융 정보 데이터들을 후술하는 적어도 하나의 투자 항목 들에 기초하여 분석함으로써 투자에 어려움이 있는 사람들이나 초보 시장 참여자들이 쉽게 시장에 참여하도록 유도할 수 있다.The electronic device 1000 according to the present disclosure automatically analyzes the investment target company based on the financial information data 102 to score investment attractiveness for the investment target company, and as a result, users of the electronic device 1000 want It can make it easier to understand the company to be invested in. In addition, the electronic device 1000 may easily set investment criteria by providing users with a quantified investment attractiveness of an investment target company. The electronic device 1000 according to the present disclosure may induce people who have difficulty in investing or novice market participants to easily participate in the market by analyzing a large number of financial information data based on at least one investment item to be described later.
일 실시 예에 의하면, 전자 장치(1000)는 프로세서(120) 및 메모리(140)를 포함할 수 있다. 그러나 이에 한정되는 것은 아니고, 전자 장치(1000)는 투자 대상 기업을 분석하기 위해 필요한 적어도 하나의 구성을 더 포함할 수도 있다. 예를 들어, 프로세서(120)는 메모리(140)에 저장된 적어도 하나의 인스트럭션(instruction)을 실행함으로써, 금융 정보 데이터(102)에 대한 금융 정보 분석(152)을 실행하고, 분석 결과에 기초하여 후술하는 제1 투자 항목 점수, 제2 투자 항목 점수, 제3 투자 항목 점수 또는 제4 투자 항목 점수들(154)을 결정하며, 결정된 투자 항목 점수들 중 적어도 하나를 이용하여 투자 점수(156)를 결정할 수 있다. 프로세서(120)는 결정된 투자 점수(156)를 전자 장치의 출력부(미도시)를 통해 출력함으로써 사용자에게 투자 점수(164)를 제공할 수 있다.According to an embodiment, the electronic device 1000 may include a processor 120 and a memory 140 . However, the present invention is not limited thereto, and the electronic device 1000 may further include at least one component necessary to analyze an investment target company. For example, the processor 120 executes the financial information analysis 152 on the financial information data 102 by executing at least one instruction stored in the memory 140 , and based on the analysis result will be described later. to determine a first investment item score, a second investment item score, a third investment item score, or a fourth investment item score 154, and determine an investment score 156 using at least one of the determined investment item scores can The processor 120 may provide the investment score 164 to the user by outputting the determined investment score 156 through an output unit (not shown) of the electronic device.
일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 뉴스 기사 분석 모델을 포함할 수 있고, 금융 정보 데이터 및 뉴스 기사 점수를 분석하기 위한 AI 프로그램이 탑재되고 음성 인식 기능을 포함하는 스마트폰, 태블릿 PC, 스마트 TV, 휴대폰, 미디어 플레이어, 서버, 마이크로 서버, 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.According to an embodiment, the electronic device 1000 may include at least one news article analysis model, a smartphone equipped with an AI program for analyzing financial information data and news article scores, and including a voice recognition function; It may be, but is not limited to, a tablet PC, smart TV, cell phone, media player, server, micro server, or other mobile or non-mobile computing device.
일 실시 예에 의하면, 전자 장치(1000)는 서버(2000)에 연결될 수 있고, 서버(2000)와 연동함으로써 투자 대상 기업을 분석할 수 있다. 예를 들어, 전자 장치(1000)는 서버(2000)와 연동함으로써, 금융 정보 데이터(102) 및 뉴스 기사 점수(104) 데이터를 획득하고, 획득된 금융 정보 데이터(102) 및 뉴스 기사 점수(104)를 이용하여 투자 대상 기업에 대한 투자 점수를 결정할 수 있다.According to an embodiment, the electronic device 1000 may be connected to the server 2000 and may analyze an investment target company by interworking with the server 2000 . For example, the electronic device 1000 obtains financial information data 102 and news article score 104 data by interworking with the server 2000 , and obtains the obtained financial information data 102 and news article score 104 . ) can be used to determine the investment score for the investment target company.
일 실시 예에 의하면, 전자 장치(1000)는 네트워크 인터페이스(미도시)를 통하여 서버(2000)와 연결될 수 있다. 일 실시 예에 의하면 네트워크 인터페이스(미도시)는 전자 장치(1000)가 적어도 하나의 다른 전자 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 다른 장치(미도시)는 시장 상황을 식별하기 위한 기타 다른 전자 장치로써, 서버로부터 시장 데이터를 수신하고, 수신된 시장 데이터를 분석할 수 있는 프로세서를 포함하는 기타 컴퓨팅 장치일 수 있다.According to an embodiment, the electronic device 1000 may be connected to the server 2000 through a network interface (not shown). According to an embodiment, the network interface (not shown) may include one or more components that allow the electronic device 1000 to communicate with at least one other electronic device (not shown) and the server 2000 . The other device (not shown) is another electronic device for identifying a market situation, and may be another computing device including a processor capable of receiving market data from a server and analyzing the received market data.
도 2는 일 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는 방법의 흐름도이다.2 is a flowchart of a method for an electronic device to analyze an investment target company, according to an exemplary embodiment.
S210에서, 전자 장치(1000)는 기 설정된 주기로 금융 정보 데이터를 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 시간 단위, 일 단위, 주 단위, 월 단위 또는 년 단위로 금융 정보 데이터를 획득할 수도 있지만, 이에 한정되는 것은 아니고, 실시간으로 금융 정보 데이터를 획득할 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)는 서버(2000)로부터 금융 정보 데이터를 획득할 수도 있다. 일 실시 예에 의하면, 금융 정보 데이터는 투자 기업에 대한 뉴스 정보, 투자 기업에 대한 재무 정보, 투자 기업에 대한 글로벌 투자 은행들의 분석 정보, 기업 분석을 위한 기술적 지표들에 대한 정보 등을 포함할 수 있다. 그러나, 이에 한정되는 것은 아니고, 금융 정보 데이터는 투자 대상 기업에 대한 투자를 위해 필요한 기타 금융 정보들을 포함할 수 있다.In S210 , the electronic device 1000 may acquire financial information data at a preset period. According to an embodiment, the electronic device 1000 may acquire financial information data in units of hours, days, weeks, months, or years, but is not limited thereto, and may acquire financial information data in real time. may be According to an embodiment, the electronic device 1000 may acquire financial information data from the server 2000 . According to an embodiment, the financial information data may include news information about the investment company, financial information about the investment company, analysis information of global investment banks for the investment company, information on technical indicators for company analysis, and the like. there is. However, the present invention is not limited thereto, and the financial information data may include other financial information necessary for investment in an investment target company.
S220에서, 전자 장치(1000)는 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 미리 설정된 투자자들의 투자 모델에 대한 정보를 메모리에 저장할 수 있다. 일 실시 예에 의하면 미리 설정된 투자자들의 투자 모델에 대한 정보는 서버(2000)로부터 수신될 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 투자 모델은 저명한 투자자들의 투자 기법을 모델링하여 생성될 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 이용하는 투자 모델은 모멘텀 분석 AI 모델, 워렌 버핏 모델, 켄 피셔 모델, 피터 린치 모델, 피오트로스키 모델, 마틴 즈웨이그 모델 또는 데이비드 드레먼 모델 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니고, 더 많은 투자자들의 투자 모델을 포함할 수도 있다. In S220 , the electronic device 1000 analyzes the financial information data to determine whether the Relative Strength Index of the investment target company increases and the return on equity (ROE) of the investment target company increases by 17% or more Based on whether or not, it is possible to determine the first investment item score with respect to the degree of matching of the investment model of the preset investors. For example, the electronic device 1000 may store information on preset investment models of investors in a memory. According to an embodiment, information on the investment model of investors set in advance may be received from the server 2000 . According to an embodiment, the investment model used by the electronic device 1000 may be generated by modeling investment techniques of well-known investors. According to an embodiment, the investment model used by the electronic device 1000 is at least one of a momentum analysis AI model, a Warren Buffett model, a Ken Fisher model, a Peter Lynch model, a Piotrosky model, a Martin Zweig model, or a David Dreman model. It may include one, but is not limited thereto, and may include investment models of more investors.
일 실시 예에 의하면, 각 투자 모델들은, 각 투자 모델에 맞는 투자 모델 정보를 포함할 수 있다. 투자 모델 정보는 저명한 투자자들의 투자 기법을 모델링하는데 필요한 투자 모델 지표, 기술적 지표 정보 또는 재무제표 정보를 포함할 수 있다. 예를 들어, 상술한 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부는, 상술한 모멘텀 분석 AI 모델의 투자 모델 정보에 포함될 수 있다.According to an embodiment, each investment model may include investment model information suitable for each investment model. The investment model information may include investment model indicators, technical indicator information, or financial statement information necessary for modeling investment techniques of prominent investors. For example, whether the relative strength index (Relative Strength Index) of the above-described investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more is determined by the above-mentioned momentum analysis AI model. It may be included in investment model information.
또 다른 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 미리 설정된 투자자들의 투자 모델 각각에 매칭되는 정도를 각각 결정할 수 있다. 각각의 투자 모델은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 전자 장치(1000)는 투자 대상 기업에 대한 금융 정보 데이터를 이용하여, 각 투자 모델 내 투자 모델 지표 별 점수를 결정하고, 결정된 투자 모델 지표 별 점수를 이용하여 각 투자 모델 별로 투자 모델 점수를 결정할 수 있다. 전자 장치(1000)는 소정의 투자 모델 각각에 대해서 결정된 투자 모델 점수를 합산함으로써, 제1 투자 항목 점수를 결정할 수도 있다. 전자 장치(1000)가 적어도 하나의 투자 모델을 이용하여 제1 투자 항목 점수를 결정하는 방법은 도 5를 참조하여 더 구체적으로 설명하기로 한다.According to another embodiment, the electronic device 1000 may determine the degree to which the investment target company matches each of the investment models of the preset investors, respectively. Each investment model may include at least one investment model indicator. The electronic device 1000 may determine a score for each investment model index in each investment model by using the financial information data on the investment target company, and determine the investment model score for each investment model by using the determined score for each investment model index. there is. The electronic device 1000 may determine the first investment item score by adding up the investment model scores determined for each of the predetermined investment models. A method in which the electronic device 1000 determines the score of the first investment item by using at least one investment model will be described in more detail with reference to FIG. 5 .
S230에서, 전자 장치(1000)는 제1 투자 항목 점수에 기초하여 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 제1 투자 항목 점수에 소정의 가중치를 적용함으로써 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정할 수 있다.In S230 , the electronic device 1000 may determine an investment score regarding investment attractiveness of an investment target company based on the score of the first investment item. For example, the electronic device 1000 may determine the investment score regarding the investment attractiveness of the investment target company by applying a predetermined weight to the score of the first investment item.
도 3은 또 다른 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는 방법의 흐름도이다.3 is a flowchart of a method for an electronic device to analyze an investment target company according to another exemplary embodiment.
S310에서, 전자 장치(1000)는 기 설정된 주기로 금융 정보 데이터를 획득할 수 있다. S310은 도 2의 S210에 대응될 수 있으므로 구체적인 설명은 생략하기로 한다.In S310 , the electronic device 1000 may acquire financial information data at a preset period. Since S310 may correspond to S210 of FIG. 2 , a detailed description thereof will be omitted.
S320에서, 전자 장치(1000)는 금융 정보 데이터를 분석함으로써 투자 대상 기업이 미리 설정된 투자자들의 투자 모델 별 매칭되는 정도에 관한 투자 모델 점수를 결정하고, 투자 모델 별 점수를 합산한 결과에 기초하여 제1 투자 항목 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 각 투자 모델 내 투자 모델 지표 별로 투자 모델 지표 점수를 결정하고, 결정된 투자 모델 지표 점수를 합산한 결과를 이용하여 투자 모델 점수를 결정할 수 있다. In S320, the electronic device 1000 determines the investment model score regarding the degree to which the investment target company matches each investment model of the preset investors by analyzing the financial information data, and based on the result of summing the scores for each investment model 1 You can decide the investment item score. For example, the electronic device 1000 may determine an investment model index score for each investment model index in each investment model, and determine the investment model score by using a result of adding up the determined investment model index scores.
일 실시 예에 의하면, 각 투자 모델 별 투자 모델 지표는 상대강도지수(RSI), 투자 대상 기업의 자기자본 이익률(ROE), 투자 대상 기업의 분기 이익, 영업 이익, 상대강도 지수, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도 지수, 자기자본이익률(ROE), 주가 수익률(PER), 주가순자산비율(PBR), 부채비율, 유동비율, 적자여부, EPS 평균 성장률, 순유동자산이 장기 부채 이상인지 여부, 주가매출비율(PSR), 주가연구비비율(PRR), 당기 순이익률, 주당순이익(EPS), EPS 증가율, 총부채비율, 매출액, 이익성장률, 주당순현금, 당기순이익, 영업활동현금흐름, 총자산회전율, 매출총이익, 총자산순이익률(ROA), 최근 결산 분기 YoY 매출 증가율, PER의 역수, PBR의 역수, 세전 이익률 또는 배당성향 중 적어도 하나를 포함할 수 있다.According to an embodiment, the investment model index for each investment model is the relative strength index (RSI), the return on equity (ROE) of the investment target company, the quarterly profit of the investment target company, operating profit, the relative strength index, the investment target company Relative strength index, return on equity (ROE), return on stock price (PER), price-net-asset ratio (PBR), debt-to-equity ratio, current ratio, deficit, EPS average growth rate, and whether net current assets are greater than or equal to long-term liabilities , price-to-sales ratio (PSR), price research expense ratio (PRR), net profit margin, earnings per share (EPS), EPS growth rate, total debt ratio, sales, earnings growth rate, cash per share, net income, cash flow from operating activities, total asset turnover , gross profit, return on assets (ROA), the most recent quarter YoY sales growth rate, the reciprocal of PER, the reciprocal of PBR, pre-tax profit ratio, or dividend payout ratio may be included.
전자 장치(1000)는 상술한 투자 모델 지표에 기초하여 투자 모델 별 투자 모델 점수를 결정하고, 투자 모델 별로 결정된 투자 모델 점수를 합산함으로써 제1 투자 항목 점수를 결정할 수 있다. 전자 장치(1000)가 제1 투자 항목 점수를 결정하는 방법은 후술하는 도 5를 참조하여 구체적으로 설명하기로 한다.The electronic device 1000 may determine the score of the first investment item by determining an investment model score for each investment model based on the above-described investment model index, and adding up the investment model score determined for each investment model. A method in which the electronic device 1000 determines the score of the first investment item will be described in detail with reference to FIG. 5 to be described later.
S330에서, 전자 장치(1000)는 금융 정보 데이터를 분석함으로써, 적어도 하나의 기술적 지표들에 따른 투자 대상 기업에 대한 매수 강도에 관한 제2 투자 항목 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 상기 투자 대상 기업에 대하여, 소정의 기술적 지표들을 미리 저장해둘 수 있다. In S330 , the electronic device 1000 may determine the score of the second investment item regarding the purchase strength for the investment target company according to at least one technical indices by analyzing the financial information data. For example, the electronic device 1000 may store predetermined technical indicators in advance with respect to the investment target company.
일 실시 예에 의하면, 기술적 지표들은 상대 강도 지수, 소정의 기간 내 현재 가격의 상대적 위치에 관한 스토캐스틱 슬로우(Stochastic slow) 지수, 이동평균수렴확산지수(Moving Average Convergence & Divergence, MACD), 윌리엄's %R(william's R%) 또는 상기 투자 대상 기업의 이동평균선을 중심선으로 하여 현재 주가가 상부에 있는지 또는 하부에 있는지에 관한 볼린저 밴드(Bollinger Bands) 중 적어도 하나를 포함할 수 있다.According to an embodiment, the technical indicators are a relative strength index, a Stochastic slow index regarding the relative position of the current price within a predetermined period, a Moving Average Convergence & Divergence (MACD), William's % It may include at least one of R (william's R%) or Bollinger Bands indicating whether the current stock price is above or below with the moving average line of the investment target company as the center line.
전자 장치(1000)는 상술한 소정의 기술 지표들 별로 기술적 지표 점수를 결정하고, 결정된 기술적 지표 점수를 합산한 결과에 기초하여 상기 제2 투자 항목 점수를 결정할 수 있다. 전자 장치(1000)가 제2 투자 항목 점수를 결정하는 방법은 후술하는 도 6을 참조하여 구체적으로 설명하기로 한다.The electronic device 1000 may determine a technical indicator score for each of the aforementioned predetermined technical indicators, and may determine the score of the second investment item based on a result of adding up the determined technical indicator scores. A method in which the electronic device 1000 determines the score of the second investment item will be described in detail with reference to FIG. 6 to be described later.
S340에서, 전자 장치(1000)는 투자 대상 기업에 대한 기 설정된 글로벌 투자 은행(Investment Bank, IB)들의 투자 의견에 기초하여, 상기 투자 대상 기업 종목의 매수 강도에 관한 제3 투자 항목 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 글로벌 투자 은행(Investment Bank, IB)들의 투자 의견 정보를 획득하고, 획득된 글로벌 투자 은행들의 의견 정보 중, 투자 대상 기업에 대한 의견 정보에 기초하여 제3 투자 항목 점수를 결정할 수 있다. 전자 장치(1000)가 글로벌 투자 은행들의 투자 의견 정보에 기초하여 제3 투자 항목 점수를 결정하는 방법은 후술하는 도 7을 참조하여 구체적으로 설명하기로 한다.In S340 , the electronic device 1000 may determine the third investment item score regarding the purchase strength of the investment target company stock based on the investment opinions of preset global investment banks (IBs) for the investment target company. there is. For example, the electronic device 1000 obtains investment opinion information of global investment banks (IBs), and among the obtained opinion information of global investment banks, the third investment based on opinion information on an investment target company Item scores can be determined. A method in which the electronic device 1000 determines the score of the third investment item based on investment opinion information of global investment banks will be described in detail with reference to FIG. 7 to be described later.
S350에서, 전자 장치(1000)는 투자 대상 기업에 대한 뉴스 기사의 금융 성향에 관한 제4 투자 항목 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 금융 정보 데이터 내 투자 대상 기업에 관한 뉴스 기사를 식별하고, 식별되는 뉴스 기사 중 일부의 문장을 미리 학습된 신경망 모델 및 사전 학습 모델에 입력함으로써, 상기 신경망 모델 및 사전학습 모델 각각으로부터 제1 뉴스 점수 및 제2 뉴스 점수를 획득할 수 있다. 본 개시에 따른 전자 장치(1000)는 제1 뉴스 점수 및 제2 뉴스 점수에 기초하여, 상기 투자 대상 기업과 관련된 뉴스 기사의 금융 성향에 관한 제4 투자 항목 점수를 결정할 수 있다.In S350 , the electronic device 1000 may determine a fourth investment item score regarding the financial propensity of a news article for an investment target company. For example, the electronic device 1000 identifies a news article about an investment target company in the financial information data, and inputs some sentences of the identified news articles into a pre-trained neural network model and a pre-trained model, and the neural network model and a first news score and a second news score may be obtained from each of the pre-learning models. Based on the first news score and the second news score, the electronic device 1000 according to the present disclosure may determine a fourth investment item score with respect to the financial propensity of a news article related to the investment target company.
또 다른 실시 예에 의하면, 전자 장치(1000)는 서버(2000)로부터 상기 투자 대상 기업과 관련된 뉴스 기사의 금융 성향에 관한 제4 투자 항목 점수를 수신할 수도 있다. 이와 같은 경우, 서버(2000)는 전자 장치(1000)로부터 투자 대상 기업에 대한 정보를 획득하고, 획득된 투자 대상 기업에 대한 뉴스 기사를 분석함으로써, 투자 대상 기업과 관련된 뉴스 기사의 금융 성향에 관한 제4 투자 항목 점수를 결정할 수 있다. 전자 장치(1000)가 신경망 모델 및 사전 학습 모델을 이용하여 제4 투자 항목 점수를 결정하는 방법은 후술하는 도 10 내지 도 11을 참조하여 구체적으로 설명하기로 한다.According to another embodiment, the electronic device 1000 may receive from the server 2000 the fourth investment item score regarding the financial propensity of a news article related to the investment target company. In this case, the server 2000 obtains information on the investment target company from the electronic device 1000 and analyzes the news article about the obtained investment target company, thereby relating to the financial tendency of the news article related to the investment target company. A fourth investment item score may be determined. A method in which the electronic device 1000 determines the score of the fourth investment item by using the neural network model and the pre-learning model will be described in detail with reference to FIGS. 10 to 11 to be described later.
S360에서, 전자 장치(1000)는 제1 투자 항목 점수, 상기 제2 투자 항목 점수, 상기 제3 투자 항목 점수 및 상기 제4 투자 항목 점수에 기초하여 상기 투자 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 각 투자 항목 점수에 적용될 서로 다른 가중치를 결정하고, 결정된 서로 다른 가중치를 상기 투자 항목 점수들에 적용함으로써, 상술한 투자항목 점수를 가중합함으로써 투자 대상 기업에 대한 투자 점수를 결정할 수 있다.In S360 , the electronic device 1000 may determine the investment score based on the first investment item score, the second investment item score, the third investment item score, and the fourth investment item score. According to an embodiment, the electronic device 1000 determines different weights to be applied to each investment item score, applies the determined different weights to the investment item scores, and weights and sums the above-described investment item scores to obtain an investment target. You can determine the investment score for the company.
도 4는 일 실시 예에 따른 전자 장치가 투자 대상 기업을 분석하는데 사용하는 투자 항목 점수를 결정하기 위한 도면이다.4 is a diagram for determining an investment item score used by an electronic device to analyze an investment target company, according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업에 대하여, 투자 항목(420) 및 최종 투자 점수에 상기 투자 항목(430) 들이 적용될 비중(430)을 가중치로써 결정할 수 있다. According to an embodiment, the electronic device 1000 may determine, as a weight, a weight 430 to which the investment items 430 are to be applied to the investment item 420 and the final investment score with respect to the investment target company.
일 실시 예에 의하면, 제1 투자 항목 점수(402)는 투자 대상 기업이 미리 설정된 투자자들의 투자 모델의 매칭되는 정도를 나타낼 수 있고, 제2 투자 항목 점수(404)는 미리 설정된 적어도 하나의 기술적 지표들에 따른 투자 대상 기업에 대한 매수 강도를 나타낼 수 있다. 본 개시에 따른 전자 장치(1000)는 제1 투자 항목 점수 및 제2 투자 항목 점수를 이용함으로써, 투자할 기업 종목의 선별 및 분석을 효과적으로 수행할 수 있다.According to an embodiment, the first investment item score 402 may indicate a degree to which an investment target company matches a preset investment model of investors, and the second investment item score 404 is at least one preset technical indicator. It can represent the buying strength of the investment target company according to the factors. The electronic device 1000 according to the present disclosure may effectively select and analyze company stocks to be invested by using the first investment item score and the second investment item score.
일 실시 예에 의하면, 제3 투자 항목 점수(406)는 글로벌 투자 은행들의 투자 의견에 기초하여 투자 대상 기업 종목의 매수 강도를 나타낼 수 있다. 본 개시에 따른 전자 장치(1000)는 제3 투자 항목 점수(406)를 사용함으로써, 각 종목에 대한 주식 시장 주요 자금 주체의 투자 관점을 확인할 수 있다. 일 실시 예에 의하면, 제4 투자 항목 점수는 투자 대상 기업에 관련된 뉴스 기사의 금융 성향에 대한 점수를 나타낼 수 있다. 예를 들어, 전자 장치(1000)는 제4 투자 항목 점수를 이용함으로써, 최근 투자 대상 기업에 대해 발생한 이슈들로 인한 시장 참여자들의 투자 심리를 확인할 수 있다.According to an embodiment, the third investment item score 406 may indicate the purchase strength of an investment target company stock based on investment opinions of global investment banks. The electronic device 1000 according to the present disclosure may use the third investment item score 406 to check the investment viewpoint of the main fund subject in the stock market for each item. According to an embodiment, the fourth investment item score may represent a score for a financial propensity of a news article related to an investment target company. For example, the electronic device 1000 may check the investment sentiment of market participants due to issues that have recently occurred with respect to the investment target company by using the fourth investment item score.
전자 장치(1000)는 제1 투자 항목 점수(402)에 적용될 제1 가중치(412), 상기 제2 투자 항목 점수(414)에 적용될 제2 가중치(414), 제3 투자 항목 점수(406)에 적용될 제3 가중치(416) 및 제4 투자 항목 점수(408)에 적용될 제4 가중치(418)를 결정할 수 있다. 전자 장치(1000)는 제1 가중치, 제2 가중치, 제3 가중치 및 제4 가중치를 각 투자 항목 점수에 적용함으로써, 투자 항목 점수들을 가중합하고, 가중합 결과에 따라 투자 대상 기업에 대한 투자 점수를 결정할 수 있다.The electronic device 1000 applies a first weight 412 to be applied to the first investment item score 402 , a second weight 414 to be applied to the second investment item score 414 , and a third investment item score 406 . A third weight 416 to be applied and a fourth weight 418 to be applied to the fourth investment item score 408 may be determined. The electronic device 1000 weights and sums the investment item scores by applying the first weight, the second weight, the third weight, and the fourth weight to each investment item score, and calculates the investment score for the investment target company according to the weighted summation result. can decide
일 실시 예에 의하면, 전자 장치(1000)는 제1 가중치(412), 제2 가중치(414), 제3 가중치(416) 및 제4 가중치(418)에 대한 가중치 비중을 35:25:20:20으로 설정할 수 있으나, 이에 한정되는 것은 아니며, 전자 장치(1000)는 투자 대상 기업의 재무제표 특성에 따라 다르게 설정할 수 있다.According to an embodiment, the electronic device 1000 sets the weight ratio of the first weight 412 , the second weight 414 , the third weight 416 , and the fourth weight 418 to 35:25:20: 20 may be set, but is not limited thereto, and the electronic device 1000 may be set differently according to characteristics of the financial statements of the investment target company.
도 4에는 전자 장치(1000)가 제1 투자 항목 점수(402), 제2 투자 항목 점수(404), 제3 투자 항목 점수(406) 및 제4 투자 항목 점수(408)를 모두 이용하는 경우를 가정하여, 투자 대상 기업에 대한 투자 점수를 결정하는 방법에 대하여 설명하였으나, 또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 투자 항목 점수(402), 제2 투자 항목 점수(404), 제3 투자 항목 점수(406) 또는 제4 투자 항목 점수(408) 중 적어도 하나의 투자 항목 점수에 가중치를 적용함으로써 투자 점수를 결정할 수도 있다.In FIG. 4 , it is assumed that the electronic device 1000 uses all of the first investment item score 402 , the second investment item score 404 , the third investment item score 406 , and the fourth investment item score 408 . Thus, although a method of determining an investment score for an investment target company has been described, according to another embodiment, the electronic device 1000 may provide a first investment item score 402, a second investment item score 404, and a second investment item score. The investment score may be determined by applying a weight to at least one of the three investment item scores 406 or the fourth investment item score 408 .
도 5는 일 실시 예에 따른 전자 장치가 적어도 하나의 투자 모델들을 이용하여 제1 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.5 is a diagram for describing a process in which an electronic device determines a score for a first investment item by using at least one investment model, according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 소정의 투자 모델 별 투자 모델 점수를 합산함으로써 제1 투자 항목 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 제1 투자 항목 점수를 결정하기 위한 모델 항목(510) 및 상기 모델 항목에 따른 투자 모델 별 비중(520)을 가중치로써 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the first investment item score by adding up the investment model scores for each predetermined investment model. For example, the electronic device 1000 may determine a model item 510 for determining the score of the first investment item and a weight 520 of each investment model according to the model item as weights.
일 실시 예에 의하면, 모델 항목(510)으로 분류될 수 있는, 전자 장치(1000)가 이용하는 투자 모델은 모멘텀 분석 AI 모델(502), 워렌 버핏 모델(503), 켄 피셔 모델(504), 피터 린치 모델(505), 피오트로스키 모델(506), 마틴 즈웨이그 모델(507) 또는 데이비드 드레먼 모델(508) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 전자 장치(1000)는 제1 투자 항목 점수(522)에서 차지할 투자 모델 별로 결정된 투자 모델 점수의 비중(520)을 가중치로써 설정하고, 설정된 가중치를 투자 모델 점수들에 적용함으로써, 소정의 비중(520)에 따라 투자 모델 점수들을 가중합하며, 가중합 결과에 기초하여 제1 투자 항목 점수(522)를 결정할 수 있다.According to an embodiment, the investment model used by the electronic device 1000 , which may be classified into the model item 510 , is a momentum analysis AI model 502 , a Warren Buffett model 503 , a Ken Fisher model 504 , and a Peter It may include at least one of a Lynch model 505 , a Piotrosky model 506 , a Martin Zweig model 507 , or a David Dreman model 508 , but is not limited thereto. The electronic device 1000 sets a weight 520 of the investment model score determined for each investment model to be occupied in the first investment item score 522 as a weight, and applies the set weight to the investment model scores, thereby providing a predetermined weight 520 ), the investment model scores are weighted and the first investment item score 522 may be determined based on the weighted summation result.
이하에서는 전자 장치(1000)가 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 모멘텀 분석 AI(502) 모델은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 모멘텀 분석 AI 모델(520)은 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부(RSI 상승 시그널), 투자 대상 기업의 자기 자본 이익률(ROE)이 17%이상 상승하였는지 여부, 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부 또는 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부, 투자 대상 기업의 상대 강도 지수가 투자 대상 기업이 속하는 동종 산업군의 상대 강도지수 80이상인지 여부, 투자 대상 기업의 부채 비율이 200% 미만인지 여부, 투자 대상 기업의 부채 비율이 3년 연속 감소하고 있는지 여부, 투자 대상 기업의 5년간 영업 이익이 매년 상승하였는지 여부, 최근 12개월 주가 수익률이 해당 지수의 상위 20%에 해당하는지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the momentum analysis AI model 502 will be described in detail. According to an embodiment, the momentum analysis AI 502 model may include at least one investment model indicator. According to one embodiment, the momentum analysis AI model 520 is whether the relative strength index (Relative Strength Index) of the investment target company has risen (RSI rising signal), the return on equity (ROE) of the investment target company is 17% or more Whether the investment target company's profit for the most recent quarterly settlement has risen compared to the same period of the previous year , whether the relative strength index of the investment target company is 80 or more of the relative strength index of the same industry group to which the investment target company belongs, whether the investment target company's debt ratio is less than 200%, the investment target company's debt ratio has decreased for three consecutive years, It may include an investment model indicator for at least one of whether there is an investment target, whether the operating profit of the investment target company has increased every year for 5 years, and whether the stock price return in the last 12 months is in the top 20% of the index.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 모멘텀 분석 AI 모델(502)에 대한 투자 모델 지표를 만족하는지 여부에 기초하여 모멘텀 분석 AI 모델(502)의 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 모멘텀 분석 AI 모델(502)에 대한 투자 모델 지표를 모두 만족하는 경우, 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 모멘텀 분석 AI 모델(502) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 모멘텀 분석 AI 모델(502)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 determines the investment model score of the momentum analysis AI model 502 based on whether the investment target company satisfies the investment model index for the momentum analysis AI model 502 described above. can According to an embodiment, when the investment target company satisfies all of the investment model indicators for the momentum analysis AI model 502 , the electronic device 1000 sets the investment model score for the momentum analysis AI model 502 to 10 points. can be determined, but is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the momentum analysis AI model 502 to be higher as the number of satisfied indicators among the investment model indicators in the momentum analysis AI model 502 increases.
이하에서는 본 개시의 일 실시 예에 따른 전자 장치(1000)가 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수만을 이용하여 제1 투자 항목 점수를 결정하는 구체적인 실시 예들을 구체적으로 설명하기로 한다. 예를 들어, 전자 장치(1000)는 모멘텀 분석 AI 모델(502)내 투자 대상 기업의 상대 강도 지수가 상승하였는지 여부 및 투자 대상 기업의 자기자본이익률(ROE)이 17% 이상인지 여부에 기초하여, 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 결정하고, 결정된 투자 모델 점수를 제1 투자 항목 점수로 결정할 수도 있다.Hereinafter, specific embodiments in which the electronic device 1000 according to an embodiment of the present disclosure determines the first investment item score using only the investment model score for the momentum analysis AI model 502 will be described in detail. For example, the electronic device 1000 is based on whether the relative strength index of the investment target company in the momentum analysis AI model 502 has risen and whether the return on equity (ROE) of the investment target company is 17% or more, The investment model score for the momentum analysis AI model 502 may be determined, and the determined investment model score may be determined as the first investment item score.
그러나, 또 다른 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업의 상대 강도 지수가 상승하였는지 여부 및 투자 대상 기업의 자기자본이익률(ROE)이 17% 이상인지 여부에 더하여, 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부 또는 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부 중 적어도 하나를 더 고려함으로써, 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 결정하고, 결정된 투자 모델 점수를 제1 투자 항목 점수로 결정할 수 있다.However, according to another embodiment, the electronic device 1000 determines whether or not the relative strength index of the investment target company has risen and whether the return on equity (ROE) of the investment target company is 17% or more. It further considers at least one of whether the most recent quarterly profit increased compared to the same period of the previous year, whether the projected quarterly profit of the investment target company increased compared to the same period last year By doing so, the investment model score for the momentum analysis AI model 502 may be determined, and the determined investment model score may be determined as the first investment item score.
그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업의 상대 강도 지수가 상승하였는지 여부 및 투자 대상 기업의 자기자본이익률(ROE)이 17% 이상인지 여부, 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부 및 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부에 더하여, 투자 대상 기업의 상대강도지수가, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도지수 80이상인지 여부를 더 고려함으로써, 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 결정하고, 결정된 투자 모델 점수를 상기 제1 투자 항목 점수로 결정할 수 있다.However, according to another embodiment, the electronic device 1000 determines whether the relative strength index of the investment target company has increased, whether the return on equity (ROE) of the investment target company is 17% or more, and the latest settlement quarter of the investment target company The relative strength of the investment target company, in addition to whether the profit has increased compared to the same period of the previous year, whether the profit for the expected quarterly settlement of the investment target company has increased compared to the same period of the previous year By further considering whether the index is 80 or more of the relative strength index of the same industry group to which the investment target company belongs, the investment model score for the momentum analysis AI model 502 is determined, and the determined investment model score is the first investment item It can be decided by score.
그러나, 또 다른 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업의 상대 강도 지수가 상승하였는지 여부 및 투자 대상 기업의 자기자본이익률(ROE)이 17% 이상인지 여부, 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부 및 투자 대상 기업의 상대강도지수가, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도지수 80이상인지 여부에 더하여, 투자 대상 기업의 부채비율이 200% 미만 인지 여부 또는 상기 투자 대상 기업의 부채비율이 3년 연속 감소하고 있는지 여부 중 적어도 하나를 더 고려 함으로써, 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 결정하고, 결정된 투자 모델 점수를 상기 제1 투자 항목 점수로 결정할 수 있다.However, according to another embodiment, the electronic device 1000 determines whether the relative strength index of the investment target company has increased, whether the return on equity (ROE) of the investment target company is 17% or more, and the recent settlement of the investment target company Whether the quarterly profit increased compared to the same period of the previous year, whether the expected quarterly profit of the investment target company increased compared to the same period of the previous year, whether the investment target company's profit grew this quarter compared to the previous quarter, and the relative strength index of the investment target company A, Whether the investment target company's debt ratio is less than 200% or whether the investment target company's debt ratio has been decreasing for three consecutive years, in addition to whether the relative strength index of the same industry group to which the investment target company belongs By further considering at least one, an investment model score for the momentum analysis AI model 502 may be determined, and the determined investment model score may be determined as the first investment item score.
또 다른 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업의 상대 강도 지수가 상승하였는지 여부 및 투자 대상 기업의 자기자본이익률(ROE)이 17% 이상인지 여부, 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부, 투자 대상 기업의 상대강도지수가, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도지수 80이상인지 여부 및 투자 대상 기업의 부채비율이 200% 미만 인지 여부 또는 상기 투자 대상 기업의 부채비율이 3년 연속 감소하고 있는지 여부에 더하여, 투자 대상 기업의 5년간 영업 이익이 매년 상승하였는지 여부 또는 최근 12개월 주가 수익률이 해당 지수의 상위 20%내에 해당하는지 여부 중 적어도 하나를 더 고려함으로써, 모멘텀 분석 AI 모델(502)에 대한 투자 모델 점수를 결정하고, 결정된 투자 모델 점수를 상기 제1 투자 항목 점수로 결정할 수 있다.According to another embodiment, the electronic device 1000 determines whether the relative strength index of the investment target company increases, whether the return on equity (ROE) of the investment target company is 17% or more, and the recent settlement quarter profit of the investment target company has increased compared to the same period of the previous year, whether the expected quarterly profit of the investment target company has increased compared to the same period of the previous year, whether the investment target company's profit this quarter has grown compared to the previous quarter, the relative strength index of the investment target company; Whether the relative strength index of the same industry group to which the investment target company belongs is 80 or more, whether the investment target company's debt ratio is less than 200%, or whether the investment target company's debt ratio is decreasing for 3 consecutive years Determining the investment model score for the momentum analysis AI model 502 by further considering at least one of whether the company's five-year operating profit has increased annually or whether the stock price return for the last 12 months falls within the top 20% of the index and the determined investment model score may be determined as the first investment item score.
이하에서는 전자 장치(1000)가 워렌 버핏 모델(503)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 워렌 버핏 모델 (503) 모델은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 워렌 버핏 모델(503)은 투자 대상 기업의 주가수익률(Price Earning Ratio, PER)이 15 미만 인지 여부, 투자 대상 기업의 주가순자산비율(Price to Book Ratio, PBR)이 1.5 미만인지 여부, 투자 대상 기업의 부채 비율이 150%이하인지 여부, 투자 대상 기업의 유동비율이 150%이상인지 여부, 투자 대상 기업이 3년간 적자가 없었는지 여부, 투자 대상 기업의 EPS 3년 평균 성장률이 20% 이상인지 여부, 투자 대상 기업의 순 유동자산이 장기부채 이상인지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the Warren Buffett model 503 will be described in detail. According to an embodiment, the Warren Buffett model 503 model may include at least one investment model indicator. According to one embodiment, the Warren Buffett model 503 determines whether the price earning ratio (PER) of the investment target company is less than 15, and the price to book ratio (PBR) of the investment target company is less than 1.5 Whether the investment target company's debt ratio is 150% or less, the investment target company's current ratio is 150% or more, the investment target company has no loss for 3 years, the company's EPS 3-year average growth rate It may include an investment model indicator for at least one of whether this is greater than or equal to 20%, and whether the investment target company's net current assets are greater than or equal to long-term liabilities.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 워렌 버핏 모델 (503)에 대한 투자 모델 지표들을 만족하는지 여부에 기초하여 워렌 버핏 모델(503)에 대한 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 워렌 버핏 모델(503)에 대한 투자 모델 지표를 모두 만족하는 경우, 워렌 버핏 모델(503)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 워렌 버핏 모델(503) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 워렌 버핏 모델(503)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the investment model score for the Warren Buffett model 503 based on whether the investment target company satisfies the investment model indexes for the Warren Buffett model 503 described above. there is. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Warren Buffett model 503, the electronic device 1000 may determine the investment model score for the Warren Buffett model 503 as 10 points. However, the present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Warren Buffett model 503 to be higher as the number of satisfied indicators among the investment model indicators in the Warren Buffett model 503 increases.
이하에서는 전자 장치(1000)가 켄 피셔 모델(504)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 켄 피셔 모델(504)은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 켄 피셔 모델(504)은 투자대상기업의 주가매출비율(PSR)이 0.75 이상이고 1.5 이하인지 여부, 주가매출비율(PSR)이 0.5 이하인지 여부, 투자대상기업의 부채비율이 40%이하인지 여부, 투자대상기업의 주가연구비비율(PRR)이 15배 이하인지 여부, EPS 3년 평균 성장률이 15%인지 여부, 투자 대상기업의 잉여 현금흐름이 0보다 큰지 여부, 투자 대상 기업의 당기 순이익률이 3년 평균 5%이상인지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the Ken Fisher model 504 will be described in detail. According to an embodiment, the Ken Fisher model 504 may include at least one investment model indicator. According to one embodiment, the Ken Fisher model 504 determines whether the price-to-sales ratio (PSR) of the investment target company is 0.75 or more and 1.5 or less, whether the price-to-sales ratio (PSR) is 0.5 or less, and the debt ratio of the investment target company is 40% or less, whether the investment target company's price research ratio (PRR) is 15 times or less, whether the EPS 3-year average growth rate is 15%, whether the free cash flow of the investment target company is greater than 0, the investment target It may include an investment model indicator for at least one of whether the company's net profit margin is 5% or more on average for three years.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 켄 피셔 모델(504)에 대한 투자 모델 지표들을 만족하는지 여부에 기초하여 켄 피셔 모델(504)에 대한 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 켄 피셔 모델(504)에 대한 투자 모델 지표를 모두 만족하는 경우, 켄 피셔 모델(504)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 켄 피셔 모델(504) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 켄 피셔 모델(504)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the investment model score for the Ken Fisher model 504 based on whether the investment target company satisfies the investment model indexes for the Ken Fisher model 504 described above. there is. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Ken Fisher model 504 , the electronic device 1000 may determine the investment model score for the Ken Fisher model 504 as 10 points. However, the present invention is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Ken Fisher model 504 to be higher as the number of satisfied indicators among the investment model indicators in the Ken Fisher model 504 increases.
이하에서는 전자 장치(1000)가 피터 린치 모델(505)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 피터 린치 모델(505)은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 피터 린치 모델(505)은 투자대상기업의 PEG(PEG=PER/EPS)가 0 초과 1 이하인지 여부, 투자 대상 기업의 총부채비율이 80%이하인지 여부, 투자 대상 기업의 매출이 10억 달러 초과하면서 PER이 40이하인지 여부, 투자 대상 기업의 5년간 이익 성장률이 20%이상이고 50% 이하인지 여부, 투자 대상 기업의 잉여현금흐름이 시가 총액의 35% 이상인지 여부, 투자 대상 기업의 주당 순현금이 주가의 30% 이상인지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the Peter Lynch model 505 will be described in detail. According to an embodiment, the Peter Lynch model 505 may include at least one investment model indicator. According to an embodiment, the Peter Lynch model 505 determines whether the PEG (PEG=PER/EPS) of the investment target company is greater than 0 and less than 1, whether the total debt ratio of the investment target company is 80% or less, the investment target company Whether the company's revenue exceeds $1 billion and the P/E is 40 or less, whether the investment company's five-year earnings growth is 20% or more and less than 50%, and whether the investment company's free cash flow is 35% or more of its market capitalization , an investment model indicator for at least one of whether the target company's net cash per share is 30% or more of the stock price.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 피터 린치 모델(505)에 대한 투자 모델 지표들을 만족하는지 여부에 기초하여 피터 린치 모델(505)에 대한 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 피터 린치 모델(505)에 대한 투자 모델 지표를 모두 만족하는 경우, 피터 린치 모델(505)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 피터 린치 모델(505) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 피터 린치 모델(505)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the investment model score for the Peter Lynch model 505 based on whether the investment target company satisfies the investment model indexes for the Peter Lynch model 505 described above. there is. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Peter Lynch model 505 , the electronic device 1000 may determine the investment model score for the Peter Lynch model 505 as 10 points. However, the present invention is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Peter Lynch model 505 to be higher as the number of satisfied indicators among the investment model indicators in the Peter Lynch model 505 increases.
이하에서는 전자 장치(1000)가 피오트로스키 모델(506)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 피오트로스키 모델(506)은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 피오트로스키 모델(506)은 투자대상기업의 당기 순이익이 0보다 큰지 여부, 투자 대상 기업의 영업활동현금흐름이 0보다 큰지 여부, 투자 대상 기업의 영업활동현금흐름이 당기 순이익 보다 큰지 여부, 투자 대상 기업의 부채 비율이 전년 대비 감소하였는지 여부, 투자 대상 기업의 유동비율이 전년대비 증가하였는지 여부, 투자대상 기업의 총자산회전율이 전년 대비 증가하였는지 여부, 투자 대상 기업의 매출 총 이익이 전년 대비 증가하였는지 여부, 투자 대상 기업의 총자산순이익률(ROA)이 전년 대비 증가하였는지, 투자 대상 기업의 매울총이익이 전년 대비 증가하였는지 여부, 투자대상기업의 총자산순이익률(ROA)이 전년 대비 증가하였는지 여부 또는 투자 대상 기업의 총자산순이익률(ROA)이 0보다 큰지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the Piotrosky model 506 will be described in detail. According to an embodiment, the Piotrosky model 506 may include at least one investment model indicator. According to one embodiment, the Piotrosky model 506 determines whether the net income of the investment target company is greater than 0, whether the operating cash flow of the investment target company is greater than 0, and the operating cash flow of the investment target company for the current period. Whether it is greater than net profit, whether the debt ratio of the investment target company has decreased compared to the previous year, whether the investment target company's current ratio has increased compared to the previous year, whether the total asset turnover ratio of the investment target company has increased compared to the previous year, the total sales of the investment target company Whether profits increased compared to the previous year, whether the return on assets (ROA) of the investment target company increased compared to the previous year, whether the investment target company's gross profit increased compared to the previous year, and the return on assets (ROA) of the investment target company increased compared to the previous year It may include an investment model indicator for at least one of whether or not the investment target company has a return on assets (ROA) greater than zero.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 피오트로스키 모델(506)에 대한 투자 모델 지표들을 만족하는지 여부에 기초하여 피오트로스키 모델(506)에 대한 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 피오트로스키 모델(506)에 대한 투자 모델 지표를 모두 만족하는 경우, 피오트로스키 모델(506)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 피오트로스키 모델(506) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 피오트로스키 모델(506)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 determines the investment model score for the Piotrosky model 506 based on whether the investment target company satisfies the investment model indicators for the Piotrosky model 506 described above. can decide According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Piotrosky model 506 , the electronic device 1000 sets the investment model score for the Piotrosky model 506 to 10 points. can be determined, but is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Piotrosky model 506 to be higher as the number of satisfied indicators among the investment model indicators in the Piotrosky model 506 increases.
이하에서는 전자 장치(1000)가 마틴 즈웨이그 모델(507)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 마틴 즈웨이그 모델(507)은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 마틴 즈웨이그 모델(507)은 주가수익률(PER)이 5 이상 40이하인지 여부, 투자 대상 기업의 3년 매출액 평균 증가율이 3년 EPS 평균 성장률의 85%이상인지 여부, 투자 대상 기업의 매출이 3년간 매년 30% 이상 증가하였는지 여부, 최근 결산 분기 YoY 매출 증가율이 최근 이전 결산 분기 YoY 매출 증가율 보다 큰지 여부, 투자 대상 기업의 최근 결산 분기 당기 순이익이 0보다 큰지 여부, 투자 대상 기업의 전년 동 분기 당기 순이익이 0보다 큰지 여부, 토자 대상 기업의 당기 순이익이 전년 동기 대비 성장하였는지 여부, 투자 대상 기업의 전년 동기 대비 분기 이익 성장률이 0보다 큰 경우의 횟수가, 5년동안, 년도별로 계속 증가하였는지 여부(예컨대, 투자 대상 기업의 전년 대비 분기 이익 성장률이 0보다 큰 경우의 횟수가 최근 결산연도 >= 1년 전 >= 2년 전 >= 3년 전 >= 4년 전 >= 5년 전인 경우), 투자 대상 기업의 5년 평균 EPS 성장률이 15%인지 여부, 최근 결산 분기의 전년 동기 대비 EPS 성장률이 5년 평균 EPS 성장률보다 높은지 여부, 투자 대상 기업의 최근 결산 분기의 전년 동기 대비 EPS 성장률이 직전 3개 분기 EPS 성장률의 평균 보다 높은지 여부 또는 투자 대상 기업의 부채 비율이 산업 평균 미만인지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the Martin Zweig model 507 will be described in detail. According to an embodiment, the Martin Zweig model 507 may include at least one investment model indicator. According to one embodiment, the Martin Zweig model 507 determines whether the stock price return (PER) is 5 or more and 40 or less, whether the average growth rate of the three-year sales of the investment target company is 85% or more of the average growth rate of the three-year EPS, Whether the investment target company's sales have increased by 30% or more annually for 3 years, whether the YoY sales growth rate for the most recent quarter is greater than the YoY sales growth rate for the most recent previous settlement quarter, whether the net income for the most recent settlement quarter of the investment target company is greater than 0, investment Whether the target company's net profit for the same quarter of the previous year is greater than zero, whether the net profit of the target company's net profit grew compared to the same period of the previous year , whether it has continued to increase year-on-year (e.g., the number of cases where the company's quarterly earnings growth rate from the previous year is greater than 0 is the most recent fiscal year >= 1 year ago >= 2 years ago >= 3 years ago >= 4 years ago >= 5 years ago), whether the investment company's five-year average EPS growth rate is 15%, whether the EPS growth rate of the most recent quarter is higher than the five-year average EPS growth rate from the same period of the previous year; may include an investment model indicator for at least one of whether the EPS growth rate year-over-year is higher than the average of the EPS growth rate of the previous three quarters or whether the company's debt ratio is below the industry average.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 마틴 즈웨이그 모델(507)에 대한 투자 모델 지표들을 만족하는지 여부에 기초하여 마틴 즈웨이그 모델(507)에 대한 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 마틴 즈웨이그 모델(507)에 대한 투자 모델 지표를 모두 만족하는 경우, 마틴 즈웨이그 모델(507)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 마틴 즈웨이그 모델(507) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 마틴 즈웨이그 모델(507)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 sets an investment model for the Martin Zwaig model 507 based on whether the investment target company satisfies the investment model indicators for the Martin Zwaig model 507 described above. score can be determined. According to an embodiment, when the investment target company satisfies all of the investment model indicators for the Martin Zwaig model 507 , the electronic device 1000 sets the investment model score for the Martin Zwaig model 507 to 10 It may be determined by a point, but is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the Martin Zwaig model 507 to be higher as the number of satisfied indices among the investment model indices in the Martin Zwaig model 507 increases.
이하에서는 전자 장치(1000)가 데이비드 드레먼 모델(508)에 대한 투자 모델 점수를 결정하는 방법을 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 데이비드 드레먼 모델(508)은 적어도 하나의 투자 모델 지표를 포함할 수 있다. 일 실시 예에 의하면, 데이비드 드레먼 모델(508)은 투자 대상 기업의 EPR(PER의 역수)이 시장 상위 20%인지 여부, 투자 대상 기업의 BPR(PBR의 역수)이 시장 상위 20% 인지 여부, 투자 대상 기업의 전분기 대비 영업이익이 증가하였는지 여부, 투자 대상 기업의 EPS의 2개 분기 증가율이 시장 평균을 초과하였는지 여부, 투자대상기업의 EPS 올해 추정 성장률이 시장 평균 이상인지 여부, 투자 대상 기업의 유동 비율이 200%이상인지 여부, 투자 대상 기업의 자기자본이익률(ROE)이 27%이상인지 여부, 투자 대상 기업의 세전 이익률이 22% 이상인지 여부, 투자 대상 기업의 부채비율이 40% 미만인지 여부 또는 투자 대상 기업의 과거 배당 성향이 산업 평균 미만 인지 여부 중 적어도 하나에 대한 투자 모델 지표를 포함할 수 있다.Hereinafter, a method in which the electronic device 1000 determines the investment model score for the David Dreman model 508 will be described in detail. According to an embodiment, the David Dreman model 508 may include at least one investment model indicator. According to an embodiment, the David Dreman model 508 determines whether the EPR (reciprocal of PER) of the investment target company is in the top 20% of the market, whether the BPR (inverse of the PBR) of the investment target company is in the top 20% of the market, Whether the investment target company's operating profit increased compared to the previous quarter, whether the two-quarter growth rate of the investment target company's EPS exceeded the market average, whether the investment target company's EPS growth rate this year was above the market average, Whether the current ratio is 200% or more, whether the return on equity (ROE) of the investment target company is 27% or more, whether the investment target company's pre-tax return ratio is 22% or more, whether the investment target company's debt ratio is less than 40% It may include an investment model indicator for at least one of whether or not the company's historical dividend payout ratio is below the industry average.
일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 상술한 데이비드 드레먼 모델(508)에 대한 투자 모델 지표들을 만족하는지 여부에 기초하여 데이비드 드레먼 모델(508)에 대한 투자 모델 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 투자 대상 기업이 데이비드 드레먼 모델(508)에 대한 투자 모델 지표를 모두 만족하는 경우, 데이비드 드레먼 모델(508)에 대한 투자 모델 점수를 10점으로 결정할 수 있으나, 이에 한정되는 것은 아니다. 이에 한정되는 것은 아니다. 일 실시 예에 의하면, 전자 장치(1000)는 데이비드 드레먼 모델(508) 내 투자 모델 지표 중 만족되는 지표의 수가 많을수록 데이비드 드레먼 모델(508)의 투자 모델 점수를 높게 결정할 수 있다.According to an embodiment, the electronic device 1000 determines the investment model score for the David Dreman model 508 based on whether the investment target company satisfies the investment model indexes for the David Dreman model 508 described above. can decide According to an embodiment, when the investment target company satisfies all of the investment model indicators for the David Dreman model 508 , the electronic device 1000 sets the investment model score for the David Dreman model 508 as 10 points. can be determined, but is not limited thereto. The present invention is not limited thereto. According to an embodiment, the electronic device 1000 may determine the investment model score of the David Dreman model 508 to be higher as the number of satisfied indicators among the investment model indicators in the David Dreman model 508 increases.
본 개시에 따른 전자 장치(1000)는 상술한 방법에 따라, 모멘텀 분석 AI 모델(502), 워렌 버핏 모델(503), 켄 피셔 모델(504), 피터 린치 모델(505), 피오트로스키 모델(506), 마틴 즈웨이그 모델(507) 또는 데이비드 드레먼 모델(508) 중 적어도 하나에 대한 투자 모델 점수를 결정하고, 결정된 투자 모델 점수를 가중합함으로써 제1 투자 항목 점수(522)를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 도 5에 도시된 투자 모델을 모두 이용하는 경우, 전자 장치(1000)는 각 투자 모델 각각에 대한 최대 투자 모델 점수를 10점으로 결정하고, 각 투자 모델 점수를 모두 합한 값을 2로 나눔으로써 제1 투자 항목 점수(522)를 결정할 수 있다. 그러나, 이에 한정되는 것은 아니며, 전자 장치(1000)는 도 5에 도시된 비중과 다른 비중에 따라 투자 모델 점수를 가중합함으로써 제1 투자 항목 점수(522)를 결정할 수 있다.According to the method described above, the electronic device 1000 according to the present disclosure is a momentum analysis AI model 502, a Warren Buffett model 503, a Ken Fisher model 504, a Peter Lynch model 505, and a Piotrosky model ( 506), determining an investment model score for at least one of the Martin Zweig model 507, or the David Dreman model 508, and determining a first investment item score 522 by weighting the determined investment model scores. there is. According to an embodiment, when the electronic device 1000 uses all of the investment models shown in FIG. 5 , the electronic device 1000 determines the maximum investment model score for each investment model as 10 points, and each investment model The first investment item score 522 may be determined by dividing the sum of the scores by two. However, the present invention is not limited thereto, and the electronic device 1000 may determine the first investment item score 522 by weighting and summing the investment model scores according to a weight different from the weight shown in FIG. 5 .
도 6은 일 실시 예에 따른 전자 장치가 적어도 하나의 기술적 지표를 이용하여 제2 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.FIG. 6 is a diagram for explaining a process in which an electronic device determines a score for a second investment item by using at least one technical indicator, according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 기술적 지표(610)들 별 기술적 지표 점수를 합산함으로써 제2 투자 항목 점수(622)를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 제2 투자 항목 점수를 결정하기 위한 기술적 지표(610)들에 따른 기술적 지표 별 비중(620)을 가중치로써 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the second investment item score 622 by adding up the technical indicator scores for each of the one or more technical indicators 610 . For example, the electronic device 1000 may determine the weight 620 of each technical indicator according to the technical indicators 610 for determining the score of the second investment item as a weight.
일 실시 예에 의하면, 전자 장치(1000)가 이용하는 기술적 지표들은 상대 강도 지수(RSI) (602), 스토캐스틱 슬로우 지수(Stochastic slow) (603), 이동평균수렴확산지수(MACD) (604), 윌리엄'S %R(William's %R) (605) 또는 볼린저 밴드(Bollinger Bands) (606) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 전자 장치(1000)는 제2 투자 항목 점수(622)에서 차지할 기술적 지표 별로 결정된 기술적 지표 점수의 비중(620)을 가중치로써 설정하고, 설정된 가중치를 기술적 지표 점수들에 적용함으로써, 소정의 비중(620)에 따라 기술적 지표 점수들을 가중합하며, 가중합 결과에 기초하여 제2 투자 항목 점수(622)를 결정할 수 있다.According to an embodiment, the technical indicators used by the electronic device 1000 are a relative strength index (RSI) 602 , a stochastic slow index 603 , a moving average convergence diffusion index (MACD) 604 , and William It may include at least one of 'S %R (William's %R) (605) and Bollinger Bands (606), but is not limited thereto. The electronic device 1000 sets the weight 620 of the technical index score determined for each technical index to be occupied in the second investment item score 622 as a weight, and applies the set weight to the technical index scores, thereby providing a predetermined weight 620 ), the technical index scores are weighted, and the second investment item score 622 may be determined based on the weighted summation result.
일 실시 예에 의하면 상대 강도 지수(RSI) 기술적 지표(602)는 주식 선물 옵션 등의 기술적 분석에 사용되는 기술적 지표로써, 가격의 상승 압력과 하락 압력간의 상대적인 강도를 나타낼 수 있다. 예를 들어, 일정 기간 동안의 주가가 전일 가격에 비해 상승한 변화량을 상승분 U값, U값의 평균값을 AU, 전일 가격에 비해 하락한 변화량을 하락분 D값, D값의 평균값을 AD라고할 때 상대강도 지수는 RSI=AU/(AU+AD)로 정의될 수 있다. 일 실시 예에 의하면, 상대강도지수(RSI) 기술적 지표는 현재의 시장 가격이 상승세라면 얼마나 강력한 상승추세인지, 그리고 하락세라면 얼마나 강력한 하락추세인지를 백분율로 나타내고, 추세의 강도를 표시하므로 향후 추세전환 시점 예측에 사용될 수 있는 기술적 지표일 수 있다.According to an embodiment, the relative strength index (RSI) technical indicator 602 is a technical indicator used for technical analysis of stock futures options, etc., and may indicate the relative strength between upward pressure and downward pressure in price. For example, if the amount of change in the stock price over a certain period compared to the previous day's price is the uptrend U value, the average value of U is AU, the decrease compared to the previous day's price is the downtrend D value, and the average value of D is AD. The index may be defined as RSI=AU/(AU+AD). According to one embodiment, the relative strength index (RSI) technical indicator indicates how strong the uptrend is if the current market price is on an uptrend, and how strong the downtrend is if the current market price is on a downtrend, as a percentage, and indicates the strength of the trend. It may be a technical indicator that can be used for timing prediction.
일 실시 예에 의하면, 전자 장치(1000)는 100-100/(1+14일간종가평균상승폭/14일간종가평균하락폭)과 같은 수학식을 이용하여 상대 강도 지수(RSI)를 결정할 수 있다. 전자 장치(1000)는 투자 대상 기업의 상대 강도 지수(RSI)가 30 이하이면 매수 시점, 70이상이면 매도 시점으로 판단하고, 투자 대상 기업의 상대강도지수(RSI)가 30 이하이거나 70이상일 때 주가와 지표 값의 차이(분리현상)가 나타나면 추세 반전 신호임을 식별할 수 있다. 전자 장치(1000)는 상술한 방법에 따라 투자 대상 기업의 상대 강도 지수(RSI) 기술적 지표를 분석한 결과, 매수 시점으로 식별되는 경우, RSI 기술적 지표에 대한 기술적 지표 점수를 5점으로 결정할 수 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(1000)는 상대 강도 지수(RSI)의 기술적 지표를 분석한 결과 매수시점으로 식별되는 경우, RSI 기술적 지표에 대한 기술적 지표 점수를 크게 결정할 수 있다. 반대로 전자 장치(1000)는 상대 강도 지수의 기술적 지표를 분석한 겨로가 매도 시점으로 판단되는 경우, RSI 기술적 지표에 대한 기술적 지표 점수를 작게 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the relative strength index RSI by using an equation such as 100-100/(1+14-day average closing price increase/14-day average closing price decrease width). If the relative strength index (RSI) of the investment target company is 30 or less, it is determined as a buying time, if it is 70 or more, it is determined as a selling time, and when the relative strength index (RSI) of the investment target company is 30 or less or 70 or more, the stock price When the difference (separation phenomenon) between the and the indicator value appears, it can be identified as a trend reversal signal. As a result of analyzing the relative strength index (RSI) technical index of the investment target company according to the above-described method, the electronic device 1000 may determine the technical index score for the RSI technical index as 5 points when the purchase time is identified. . However, the present invention is not limited thereto, and when the purchase time is identified as a result of analyzing the technical index of the relative strength index (RSI), the electronic device 1000 may largely determine the technical index score for the RSI technical index. Conversely, when it is determined that the selling point is the selling point by analyzing the technical index of the relative strength index, the electronic device 1000 may determine the technical index score for the RSI technical index to be small.
일 실시 예에 의하면, 스토캐스틱 슬로우 지수 (603) 기술적 지표는, 시장 가격이 상승 추세에 있다면 현재 투자 대상 기업의 가격은 최고가 부근에 위치할 가능성이 높고, 시장 가격이 하락 추세에 있다면, 현재 투자 대상 기업의 가격은 최저가 부근에서 형성될 가능성이 높다는 것에 착안하여 만들어진 기술적 지표일 수 있다. 전자 장치(1000)는 스토캐스틱 슬로우 지수(603)가 20이하일 때 매수시점으로 판단하고, 스토캐스틱 슬로우 지수(603)가 80이상이면 매도 시점으로 판단할 수 있다. 또한, 전자 장치(1000)는 {(당일종가-최근 n일동안의 최저가)/(최근 n일동안의 최고가-최근 n일동안의 최저가)} * 100=K로 할 때, K를 n일간 지수이동평균한 값을 %K로 정의하고, %K를 n일간 지수이동평균한값을 %D로 정의하며, %K선이 %D선을 상향 돌파하는 경우 투자 대상 기업의 매수 시점으로 판단하고, %K선이 %D선을 하향 돌파하는 경우 투자 대상 기업의 매도 시점으로 판단할 수 있다. 전자 장치(1000)는 상술한 방법에 따라 투자 대상 기업의 스토캐스틱 슬로우 지수(603) 기술적 지표를 분석한 결과, 매수 시점으로 식별되는 경우, 스토캐스틱 슬로우 지수(603)에 대한 기술적 지표 점수를 5점으로 결정하고 매도 시점으로 판단되는 경우, 스토캐스틱 슬로우 지수(603)에 대한 기술적 지표 점수를 0점으로 결정할 수 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(1000)는 스토캐스틱 슬로우 지수의 기술적 지표를 분석한 결과 매수 시점으로 식별되는 경우, 스토캐스틱 슬로우 지수에 대한 기술적 지표 점수를 크게 결정할 수 있다. 반대로 전자 장치(1000)는 스토캐스틱 슬로우 지수의 기술적 지표를 분석한 결과 매도 시점으로 식별되는 경우, 스토캐스틱 슬로우 지수에 대한 기술적 지표 점수를 작게 결정할 수 있다.According to one embodiment, the Stochastic Slow Index 603 technical indicator is, if the market price is in an upward trend, the price of the current investment target company is highly likely to be located near the highest price, and if the market price is in a downward trend, the current investment target A firm's price may be a technical indicator made with the idea that it is highly likely to be formed near the lowest price. When the Stochastic Slow Index 603 is equal to or less than 20, the electronic device 1000 may determine the purchase time, and if the Stochastic Slow Index 603 is 80 or more, it may determine the Sell Time. In addition, the electronic device 1000 sets K as an index for n days when {(close price of the day-lowest price in recent n days)/(highest price in recent n days-lowest price in recent n days)} * 100=K The moving average value is defined as %K, %K is defined as the n-day exponential moving average value as %D, and when the %K line crosses the %D line upward, it is determined as the time to buy the investment target company; If the %K line breaks below the %D line, it can be judged as the time to sell the investment target company. As a result of analyzing the technical index of the Stochastic Slow Index 603 of the investment target company according to the above-described method, when the electronic device 1000 is identified as the purchase time, the technical index score for the Stochastic Slow Index 603 is set to 5 points. When it is determined and it is determined as the selling point, the technical index score for the stochastic slow index 603 may be determined as 0 points. However, the present invention is not limited thereto, and when the purchase time is identified as a result of analyzing the technical index of the Stochastic Slow Index, the electronic device 1000 may largely determine the technical index score of the Stochastic Slow Index. Conversely, when the selling point is identified as a result of analyzing the technical indicator of the Stochastic Slow Index, the electronic device 1000 may determine a small technical indicator score for the Stochastic Slow Index.
일 실시 예에 의하면, 이동평균수렴확산지수(604) 기술적 지표는 단기지수이동평균값과 장기지수이동평균값의 차이를 이용한 기술적 지표일 수 있다. 보다 상세하게는, 이동평균수렴확산지수(604) 기술적 지표는 이동평균선의 수렴과 확산을 나타내는 지표로써, 장-단기 이동평균선이 가장 크게 벌어진 시점에서 시세의 전환점을 나타낼 수 있다. 전자 장치(1000)는 이동평균수렴확산지수 지표를 이용하여 시세의 전환점을 파악하고, 파악된 전환점에 기초하여 매매타이밍을 사용자에게 제공할 수 있다. 예를 들어, 전자 장치(1000)는 이동평균수렴확산지수 곡선 및 Signal 곡선 두개의 이동평균선을 이용해 후보 매매시점을 결정할 수 있다.According to an embodiment, the technical indicator of the moving average convergence and diffusion index 604 may be a technical indicator using the difference between a short-term exponential moving average value and a long-term exponential moving average value. More specifically, the moving average convergence and spread index 604 technical indicator is an indicator that indicates the convergence and spread of the moving average, and may indicate the turning point of the market price at the point where the long-term moving average is the largest. The electronic device 1000 may identify a turning point of the market price using the moving average convergence diffusion index index, and provide a trading timing to the user based on the identified turning point. For example, the electronic device 1000 may determine a candidate trading time by using two moving average lines: a moving average convergence diffusion index curve and a signal curve.
일 실시 예에 의하면, 전자 장치(1000)는 단기 이동평균 곡선에서 장기 이동평균 곡선을 뺌으로써 MACD 곡선을 획득할 수 있고, 소정의 기간 동안의 MACD 이동 평균 값을 결정함으로써 Signal 곡선을 결정할 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)가 Signal 곡선을 결정하기 위해 이용하는 주기는 주로 9일, 12일(단기) 또는 26일(장기)값으로 설정될 수 있다.According to an embodiment, the electronic device 1000 may obtain a MACD curve by subtracting a long-term moving average curve from a short-term moving average curve, and may determine a signal curve by determining a MACD moving average value for a predetermined period. . According to an embodiment, the period used by the electronic device 1000 to determine the signal curve may be mainly set to a value of 9 days, 12 days (short-term), or 26 days (long-term).
일 실시 예에 의하면, 전자 장치(1000)는 12일 동안의 지수 이동평균에서 26일 동안의 지수 이동 평균의 차이를 이용하여 이동평균수렴확산지수(MACD) 기술적 지표 값을 결정할 수 있다. 또한, 전자 장치(1000)는 9일 동안의 이동평균수렴확산지수(MACD) 이동 평균을 이용하여 Signal 곡선을 정의할 수 있다. 본 개시에 따른 전자 장치(1000)는 투자 대상 기업의 MACD 곡선이 Signal 곡선을 상향 돌파할 때를 매수 시점으로 판단하고, MACD 곡선이 Signal 곡선을 하향 돌파 할 때를 매도 시점으로 판단할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 MACD 값이 0선을 상향 돌파할 때를 매수 시점으로, MACD 값이 0선을 하향 돌파할 때를 매도 시점으로 판단할 수 있다.According to an embodiment, the electronic device 1000 may determine a MACD technical indicator value by using a difference between the exponential moving average for 12 days and the exponential moving average for 26 days. Also, the electronic device 1000 may define a signal curve using a moving average of a moving average convergence and diffusion index (MACD) for 9 days. The electronic device 1000 according to the present disclosure may determine when the MACD curve of the investment target company crosses the Signal curve upward as a buying time, and determines when the MACD curve crosses the Signal curve downward as a selling time. Also, according to an embodiment, the electronic device 1000 may determine when the MACD value crosses the zero line upward as a buying time and when the MACD value crosses the zero line downward as a selling time.
전자 장치(1000)는 상술한 방법에 따라 투자 대상 기업의 이동평균수렴확산지수(604) 기술적 지표를 분석한 결과, 매수 시점으로 식별되는 경우, 이동평균수렴확산지수(604) 기술적 지표에 대한 기술적 지표 점수를 5점으로 결정하고 매도 시점으로 판단되는 경우, 이동평균수렴확산지수(604) 기술적 지표에 대한 기술적 지표 점수를 0점으로 결정할 수 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(1000)는 이동평균수렴확산지수(604) 기술적 지표를 분석한 결과 매수 시점으로 식별되는 경우, 이동평균수렴확산지수(604) 기술적 지표에 대한 기술적 지표 점수를 크게 결정할 수 있다. 반대로 전자 장치(1000)는 이동평균수렴확산지수(604) 기술적 지표를 분석한 결과 매도 시점으로 식별되는 경우, 이동평균수렴확산지수(604) 기술적 지표에 대한 기술적 지표 점수를 작게 결정할 수 있다.The electronic device 1000 analyzes the moving average convergence diffusion index 604 technical index of the investment target company according to the above-described method, and when it is identified as a purchase time, the technical index of the moving average convergence diffusion index 604 technical index If the index score is determined to be 5 and it is determined as the selling point, the technical index score for the moving average convergence diffusion index 604 technical index may be determined to be 0 points. However, the present invention is not limited thereto, and when the electronic device 1000 is identified as a purchase time as a result of analyzing the moving average convergence diffusion index 604 technical index, the technical index score for the moving average convergence diffusion index 604 technical index can be largely determined. Conversely, when it is identified as a selling point as a result of analyzing the moving average convergence diffusion index 604 technical index, the electronic device 1000 may determine a small technical index score for the moving average convergence diffusion index 604 technical index.
일 실시 예에 의하면, 윌리엄'S %R 기술적 지표(605)는 상술한 스토캐스틱 슬로우 지수 기술적 지표(603)와 반대되는 지표로써, 강세장에서 스토캐스틱 슬로우 기술적 지표보다 조금 더 높은 예측력을 나타낼 수 있다. 일 실시 예에 의하면, 윌리엄'S %R 기술적 지표(605)는 적용 기간 중에 움직인 가격 범위에서 현재 투자 대상 기업의 시장 가격이 상대적으로 어디에 위치하고 있는지 여부를 나타낼 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 [당일종가-(최근n일중 최고가)/(최근n일중 최고가-최근n일중 최저가)] * 100와 같은 수학식을 이용하여 윌리엄'S %R 지표를 결정하고, 결정된 지표 값이 -100~-80사이에 있는 경우, 과매도구간, 결정된 지표 값이 -20~0사이에 있는 경우 과매수 구간으로 인식할 수 있다. According to an embodiment, the William'S %R technical indicator 605 is an indicator opposite to the above-described Stochastic Slow Index technical indicator 603, and may indicate slightly higher predictive power than the Stochastic Slow technical indicator in a bull market. According to an embodiment, the William'S %R technical indicator 605 may indicate where the current market price of the investment target company is relatively located in the price range moved during the application period. According to an embodiment, the electronic device 1000 calculates the William's %R index by using an equation such as [closed price of the day-(highest price in recent n days)/(highest price in recent n days-lowest price in recent n days)] * 100 When the determined index value is between -100 and -80, it can be recognized as an oversold section, and when the determined index value is between -20 and 0, it can be recognized as an overbought section.
전자 장치(1000)는 상술한 방법에 따라 윌리엄'S %R 기술적 지표(605)를 분석한 결과, 투자 대상 기업에 대한 매수 시점으로 식별되는 경우, 윌리엄'S %R 기술적 지표(605)에 대한 기술적 지표 점수를 5점으로 결정하고 매도 시점으로 판단되는 경우, 윌리엄'S %R 기술적 지표(605)에 대한 기술적 지표 점수를 0점으로 결정할 수 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(1000)는 윌리엄'S %R 기술적 지표(605)의 기술적 지표를 분석한 결과 매수 시점으로 식별되는 경우, 윌리엄'S %R 기술적 지표(605)에 대한 기술적 지표 점수를 크게 결정할 수 있다. 반대로 전자 장치(1000)는 윌리엄'S %R 기술적 지표(605)의 기술적 지표를 분석한 결과 매도 시점으로 식별되는 경우, 윌리엄'S %R 기술적 지표(605)에 대한 기술적 지표 점수를 작게 결정할 수 있다.As a result of analyzing the William'S %R technical indicator 605 according to the above-described method, the electronic device 1000 determines the purchase time for the investment target company, the technical indicator for the William'S %R technical indicator 605 If the score is determined to be 5 and it is determined as the selling point, the technical indicator score for William'S %R technical indicator 605 may be determined to be 0 points. However, the present invention is not limited thereto, and when the electronic device 1000 is identified as a purchase time as a result of analyzing the technical indicator of the William'S %R technical indicator 605 , the technical indicator for the William'S %R technical indicator 605 . Scores can be determined largely. Conversely, when the selling point is identified as a result of analyzing the technical indicator of the William'S %R technical indicator 605 , the electronic device 1000 may determine a small technical indicator score for the William'S %R technical indicator 605 .
일 실시 예에 의하면, 볼린저 밴드(Bollinger Bands, 606) 기술적 지표는, 주가나 지수의 움직임이 큰 시기에는 밴드의 폭이 넓어지고, 움직임이 작은 시기에는 밴드의 폭이 좁아지는 특성을 이용하는 기술적 지표일 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 23일 단순이동평균 + 2 * 표준편차를 상위 밴드로 결정하고, 23일 단순이동평균 - 2 * 표준편차를 하위 밴드로 결정한 후, 투자 대상 기업의 주가가 상위 밴드에 도달하면 매도 시점, 투자 대상 기업의 주가가 하위 밴드에 도달하면 매수 시점으로 판단할 수 있다.According to an embodiment, the Bollinger Bands (606) technical indicator is a technical indicator using a characteristic that the width of the band is widened when the stock price or index movement is large, and the width of the band is narrowed when the movement is small. can be According to an embodiment, the electronic device 1000 determines the 23-day simple moving average + 2 * standard deviation as the upper band, and after determining the 23-day simple moving average - 2 * standard deviation as the lower band, the investment target company When the stock price reaches the upper band, it is a sell time, and when the stock price of an investment target company reaches the lower band, it can be judged as a buy time.
전자 장치(1000)는 상술한 방법에 따라 볼린저 밴드 기술적 지표(606)를 분석한 결과 투자 대상 기업에 대한 매수 시점으로 식별되는 경우, 볼린저 밴드 기술적 지표(606)에 대한 기술적 지표 점수를 5점으로 결정하고 매도 시점으로 판단되는 경우, 볼린저 밴드 기술적 지표(606)에 대한 기술적 지표 점수를 0점으로 결정할 수 있다. 그러나, 이에 한정되는 것은 아니고, 전자 장치(1000)는 볼린저 밴드 기술적 지표(606)의 기술적 지표를 분석한 결과 매수 시점으로 식별되는 경우, 볼린저 밴드 기술적 지표(606)에 대한 기술적 지표 점수를 크게 결정할 수 있다. 반대로 전자 장치(1000)는 볼린저 밴드 기술적 지표(606)의 기술적 지표를 분석한 결과 매도 시점으로 식별되는 경우, 볼린저 밴드 기술적 지표(606)에 대한 기술적 지표 점수를 작게 결정할 수 있다.As a result of analyzing the Bollinger band technical indicator 606 according to the above-described method, the electronic device 1000 sets the technical indicator score for the Bollinger band technical indicator 606 to 5 when it is identified as the purchase time for the investment target company. When it is determined and it is determined as a selling point, the technical indicator score for the Bollinger band technical indicator 606 may be determined as 0 points. However, the present invention is not limited thereto, and when it is identified as a purchase time as a result of analyzing the technical indicator of the Bollinger band technical indicator 606 , the electronic device 1000 largely determines the technical indicator score for the Bollinger band technical indicator 606 . can Conversely, when the selling point is identified as a result of analyzing the technical indicator of the Bollinger band technical indicator 606 , the electronic device 1000 may determine a small technical indicator score for the Bollinger band technical indicator 606 .
본 개시에 따른 전자 장치(1000)는 기술적 지표(610)각각에 대해 분석 결과 기술적 지표 별, 투자 대상 기업에 대한 매수 시그널이 발생하는 기술적 지표에 대해서는 기술적 지표 점수를 크게 결정하고, 기술적 지표 별, 투자 대상 기업에 대한 매도 시그널이 발생하는 기술적 지표에 대해서는 기술적 지표 점수를 작게 결정할 수 있다. 전자 장치(1000)는 각 기술적 지표 점수들을 합산함으로써, 제2 투자 항목 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 모든 기술적 지표들에서 매수 시그널이 발생하는 경우 제2 투자 항목 점수를 25점으로 결정할 수 있으나, 이에 한정되는 것은 아니다.The electronic device 1000 according to the present disclosure largely determines a technical index score for each technical index, a technical index that generates a buy signal for an investment target company, as a result of analysis for each of the technical indexes 610, and for each technical index, For a technical indicator that generates a sell signal for an investment target company, the technical indicator score can be determined to be small. The electronic device 1000 may determine the score of the second investment item by summing the scores of each technical indicator. According to an embodiment, when a buy signal is generated in all technical indicators, the electronic device 1000 may determine the score of the second investment item to be 25, but is not limited thereto.
도 7은 일 실시 예에 따른 전자 장치가 글로벌 투자 의견을 이용하여 제3 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.7 is a diagram for describing a process in which an electronic device determines a score for a third investment item by using a global investment opinion, according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 기 설정된 글로벌 투자 은행(Investment Bank, IB)들의 투자 의견에 기초하여, 상기 투자 대상 기업 종목의 매수 강도에 관한 제3 투자 항목 점수를 결정할 수 있다. 일 실시 예에 의하면 글로벌 투자 은행들의 투자 의견은 소정의 투자 의견 항목(710)으로 분류될 수 있고, 투자 의견 항목(710)은 글로벌 투자 은행의 매수, 매도, 중립 의견의 비중과 평균 목표 주가 투자의견 중 매수 의견의 비중 및 평균 목표 주가와 현재 주가 간의 괴리율(703)을 포함할 수 있다. According to an embodiment, the electronic device 1000 may determine a third investment item score regarding the purchase strength of the investment target company stock based on preset investment opinions of global investment banks (IBs). According to an embodiment, investment opinions of global investment banks may be classified into a predetermined investment opinion item 710 , and the investment opinion item 710 includes the weight of global investment banks' buy, sell, and neutral opinions and average target price of investment. It may include the weight of the buy opinion among the opinions and the gap ratio 703 between the average target price and the current stock price.
본 개시에 따른 전자 장치(1000)는 투자 의견 항목(710)별로 투자 의견 점수를 결정하고, 투자 의견 항목 별 투자 의견 점수가 제3 투자 항목 점수(722)에서 차지할 비중(720)을 가중치로써 결정할 수 있다. 전자 장치(1000)는 투자 의견 항목(710)로 결정된 투자 의견 점수를 합산함으로써 제3 투자 항목 점수를 결정할 수 있다.The electronic device 1000 according to the present disclosure determines an investment opinion score for each investment opinion item 710 , and determines a weight 720 that the investment opinion score for each investment opinion item occupies in the third investment item score 722 as a weight. can The electronic device 1000 may determine the third investment item score by adding up the investment opinion score determined as the investment opinion item 710 .
일 실시 예에 의하면, 전자 장치(1000)는 최근 6개월 이내 투자 대상 기업에 대한 글로벌 투자 은행들의 투자 의견의 매수, 매도, 중립 의견의 비중을 식별하고, 글로벌 투자 은행들의 평균 목표 주가 투자의견 중 매수 의견의 비중을 식별하며, 평균 목표 주가 및 상기 투자 대상 기업의 현재 주가 간의 괴리율을 식별할 수 있다. 예를 들어, 전자 장치(1000)는 최근 6개월 이내 투자 대상 기업에 대한 글로벌 투자 은행들의 투자 의견의 매수, 매도, 중립 의견의 비중과 평균 목표 주가 투자의견 중 매수 의견의 비중을 15점 만점으로 환산하고, 평균 목표 주가와 현재 투자 대상 기업의 주가 간의 괴리율을 5점 만점으로 환산함으로써 제3 투자 항목 점수(722)를 20점 만점 기준으로 설정할 수 있다. According to an embodiment, the electronic device 1000 identifies the weights of buy, sell, and neutral opinions of global investment banks for investment target companies within the last 6 months, and among the average target price of global investment banks The weight of the buy opinion may be identified, and a discrepancy rate between the average target price and the current stock price of the investment target company may be identified. For example, the electronic device 1000 sets the weight of the buy, sell, and neutral opinions of global investment banks for investment target companies within the last 6 months and the weight of the buy opinion among the average target price investment opinions out of 15 points. The third investment item score 722 may be set as a standard out of 20 points by converting the average target price and converting the discrepancy rate between the stock price of the current investment target company into a score of 5 points.
그러나, 이에 한정되는 것은 아니며 각 투자 의견 항목 별 투자 의견 점수의 비중은 달라질 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 평균 목표 주가와 현재 주가 간의 괴리율이 5% 미만이면 1점, 5% 이상이고, 10% 미만이면 2점, 10% 이상이고 15% 미만이면 3점, 15% 이상이고 20% 미만이면 4점, 20% 이상이면 5점으로 투자 의견 점수를 결정할 수 있으나, 괴리율에 대한 기준은 달라질 수 있다.However, the present invention is not limited thereto, and the weight of the investment opinion score for each investment opinion item may vary. According to an embodiment, in the electronic device 1000, if the gap between the average target price and the current stock price is less than 5%, 1 point, 5% or more, 2 points if less than 10%, and 3 points if 10% or more and less than 15% , 15% or more and less than 20%, 4 points, 20% or more, 5 points.
도 8은 일 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 뉴스 기사를 분석함으로써 제4 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.8 is a diagram for describing a process in which an electronic device determines a score for a fourth investment item by analyzing a news article about an investment target company, according to an exemplary embodiment.
S810에서, 전자 장치(1000)는 금융 정보 데이터 내 상기 투자 대상 기업에 관한 뉴스 기사로부터 식별되는 일부의 문장을 미리 학습된 신경망 모델 및 사전 학습 모델에 입력함으로써, 상기 신경망 모델 및 사전학습 모델 각각으로부터 제1 뉴스 점수 및 제2 뉴스 점수를 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 미리 학습된 신경망 모델 및 사전 학습 모델을 메모리에 저장할 수 있다.In S810 , the electronic device 1000 inputs some sentences identified from the news article about the investment target company in the financial information data into the pre-trained neural network model and the pre-learning model, respectively, from the neural network model and the pre-learning model. A first news score and a second news score may be obtained. According to an embodiment, the electronic device 1000 may store a pre-trained neural network model and a pre-trained model in a memory.
일 실시 예에 의하면, 전자 장치(1000)는 금융 정보 데이터 내 투자 대상 기업에 관한 뉴스 기사에서 문장을 추출하고, 추출된 문장을 이용하여 요약 데이터를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 기 설정된 금융 단어 및 인물 단어를 포함하는 문장을 뉴스기사에서 식별할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 식별된 뉴스 기사의 문장의 위치 정보를 식별하고, 식별된 문장의 위치 정보에 기초하여 요약 뉴스 기사를 생성하며, 생성된 요약 뉴스 기사를 인코딩함으로써 요약 데이터를 생성할 수 있다. 본 개시에 따른 전자 장치(1000)는 상술한 요약 데이터를 미리 학습된 신경망 모델에 입력함으로써 제1 뉴스 점수를 획득할 수도 있다.According to an embodiment, the electronic device 1000 may extract a sentence from a news article about an investment target company in the financial information data, and generate summary data by using the extracted sentence. According to an embodiment, the electronic device 1000 may identify a sentence including a preset financial word and a person word from a news article. According to an embodiment, the electronic device 1000 identifies position information of a sentence of the identified news article, generates a summary news article based on the position information of the identified sentence, and encodes the generated summary news article to summarize data can be created. The electronic device 1000 according to the present disclosure may obtain the first news score by inputting the above-described summary data into a pre-trained neural network model.
일 실시 예에 의하면, 전자 장치(1000)가 이용하는 신경망 모델은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 역시 이에 한정되는 것은 아니다.According to an embodiment, the neural network model used by the electronic device 1000 may include a deep neural network (DNN), for example, a Convolutional Neural Network (CNN), a Deep Neural Network (DNN), or an RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN (Bidirectional Recurrent Deep Neural Network), or deep Q-Networks, etc., but are also not limited thereto.
예를 들어, 전자 장치(1000)는 금융 정보 데이터 내 투자 대상 기업에 관한 뉴스 기사에 포함된, 미리 저장된 금융 단어 또는 인물 단어를 포함하는 문장을 식별할 수 있다. 전자 장치(1000)는 금융 단어 및 금융 단어 별 단어 점수를 매칭함으로써 금융 단어 리스트를 생성하고, 생성된 금융 단어 리스트를 저장할 수 있다. For example, the electronic device 1000 may identify a sentence including a pre-stored financial word or a person word included in a news article about an investment target company in the financial information data. The electronic device 1000 may generate a financial word list by matching the financial word and word scores for each financial word, and may store the generated financial word list.
일 실시 예에 의하면, 전자 장치(1000)는 미리 설정된 금융 단어들에 대한 전문가들의 전문가 평가 점수를 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수의 전문가들로부터, 특정 금융 단어에 대한 전문가 평가 점수를 획득하고, 획득된 전문가 평가 점수에 기초하여 단어 점수 벡터를 생성할 수 있다. 일 실시 예에 의하면, 단어 점수 벡터는 각 전문가의 평가 점수를 벡터 원소로 포함할 수 있다. 전자 장치(1000)는 단어 점수 벡터 내 원소들의 평균 및 표준 편차를 식별할 수 있다. According to an embodiment, the electronic device 1000 may acquire expert evaluation scores of experts for preset financial words. According to an embodiment, the electronic device 1000 may obtain an expert evaluation score for a specific financial word from a plurality of experts, and may generate a word score vector based on the obtained expert evaluation score. According to an embodiment, the word score vector may include the evaluation score of each expert as a vector element. The electronic device 1000 may identify the average and standard deviation of elements in the word score vector.
일 실시 예에 의하면, 전자 장치(1000)는 금융 단어들을 표제어 형태로 변환하고, 표제어 형태로 변환된 금융 단어와 상기 금융 단어 별 단어 점수를 매칭함으로써 금융 단어 리스트를 생성할 수도 있다. 예를 들어, 전자 장치(1000)는 5명의 금융 전문가들로부터 'competent'에 대한 사용자 평가 점수로써, 각각 2점, 2점, 3점, 2점, 1점을 획득하고, 금융 전문가들로부터 획득된 각 전문가 평가 점수를 벡터 원소로 하는 단어 벡터 점수 {2,2,3,2,1}을 생성할 수 있다.According to an embodiment, the electronic device 1000 may generate a financial word list by converting financial words into a headword form and matching the converted financial words into a headword form with word scores for each financial word. For example, the electronic device 1000 obtains 2 points, 2 points, 3 points, 2 points, and 1 points, respectively, as user evaluation scores for 'competent' from five financial experts, and obtains from the financial experts A word vector score {2,2,3,2,1} may be generated using each expert evaluation score obtained as a vector element.
또한, 전자 장치(1000)는 인물 단어 및 인물 단어 별 인물 단어 가중치를 매칭함으로써 인물 가중치 리스트를 생성하고, 생성된 인물 가중치 리스트를 저장할 수 있다. 인물 단어는 금융(financing)분야와 관련되는 것으로 미리 결정될 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수의 금융 전문가들로부터 소정의 인물 단어에 대한 평가 점수를 획득할 수 있다. 전자 장치(1000)는 복수의 금융 전문가들로부터 획득된, 상기 인물 단어에 대한 평가 점수에 기초하여 인물 단어 가중치를 생성할 수 있다. 일 실시 예에 의하면, 인물 단어 별 가중치는 벡터형태로 표현될 수 있다. 전자 장치(1000)는 인물 단어 및 상기 인물 단어 별 인물 단어 가중치를 매칭함으로써 인물 가중치 리스트를 생성할 수 있다. Also, the electronic device 1000 may generate a person weight list by matching the person word and the person word weight for each person word, and store the generated person weight list. The person word may be predetermined to be related to the field of finance. According to an embodiment, the electronic device 1000 may obtain an evaluation score for a predetermined person word from a plurality of financial experts. The electronic device 1000 may generate a person word weight based on an evaluation score for the person word obtained from a plurality of financial experts. According to an embodiment, a weight for each person word may be expressed in a vector form. The electronic device 1000 may generate a person weight list by matching the person word and the person word weight for each person word.
예를 들어, 전자 장치(1000)는 5명의 금융 전문가들로부터 버크셔 해서웨이의 회장인, 'Warren Edward Buffet'에 대한 평가 점수를 각각 획득하고, 획득된 평가 점수에 기초하여 인물 가중치를 생성할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 획득하는 인물 단어에 대한 전문가 평가 점수는 -5 내지 5 사이의 값을 포함할 수 있다. 그러나, 이에 한정되는 것은 아니며, 전자 장치(1000)가 획득하는 인물 단어에 대한 전문가 평가 점수의 범위는 달라질 수 있다. 전자 장치(1000)는 상술한 금융 단어 리스트 및 인물 가중치 리스트를 전자 장치 내 메모리에 미리 저장할 수 있다. 일 실시 예에 의하면, 인물 단어는 미리 설정된 기간 동안, 공개된 금융 분야 기사 내 해당 인물 단어의 게재 횟수가 소정의 임계치 이상인지 여부에 기초하여 결정될 수 있다.For example, the electronic device 1000 may obtain evaluation scores for 'Warren Edward Buffet', the chairman of Berkshire Hathaway from five financial experts, respectively, and generate a person weight based on the obtained evaluation scores. . According to an embodiment, the expert evaluation score for the person word obtained by the electronic device 1000 may include a value between -5 and 5. However, the present invention is not limited thereto, and the range of the expert evaluation score for the person word obtained by the electronic device 1000 may vary. The electronic device 1000 may store the aforementioned financial word list and person weight list in advance in a memory within the electronic device. According to an embodiment, the person word may be determined based on whether the number of publications of the person word in the published financial field article is equal to or greater than a predetermined threshold during a preset period.
예를 들어, 전자 장치(1000)는 식별된 문장 중 일부 문장을 뉴스 기사에 대한 점수를 출력하도록 학습되는 신경망 모델에 입력함으로써, 신경망 모델로부터 제1 뉴스 점수를 획득할 수 있다. 그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 신경망 모델을 포함하는 서버(2000)로부터 제1 뉴스 점수를 획득할 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)는 미리 설정된 기간 동안의 뉴스 기사를 이용하여 학습 데이터를 생성하고, 생성된 학습 데이터에 기초하여 신경망 모델을 미리 학습시킬 수 있다.For example, the electronic device 1000 may obtain a first news score from the neural network model by inputting some of the identified sentences into a neural network model that is trained to output scores for news articles. However, according to another embodiment, the electronic device 1000 may acquire the first news score from the server 2000 including the neural network model. According to an embodiment, the electronic device 1000 may generate training data using news articles for a preset period, and train the neural network model in advance based on the generated training data.
또한, 전자 장치(1000)는 사전 학습 모델을 이용하여 금융 정보 데이터 내 상기 투자 대상 기업에 관한 뉴스 기사로부터 제2 뉴스 점수를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 식별된 문장 중 일부의 문장을 사전 학습 모델에 입력함으로써, 사전 학습 모델로부터 제2 뉴스 점수를 획득할 수 있다. 일 실시 예에 의하면, 사전 학습 모델은 사전(dictionary)을 이용하여 기사 내 소정의 단어를 식별하고, 식별된 단어에 할당되는 단어 점수에 기초하여, 제2 뉴스 점수를 출력할 수 있다.Also, the electronic device 1000 may determine a second news score from a news article about the investment target company in the financial information data by using the prior learning model. For example, the electronic device 1000 may obtain a second news score from the pre-learning model by inputting some of the identified sentences to the pre-learning model. According to an embodiment, the dictionary learning model may identify a predetermined word in an article using a dictionary, and output a second news score based on a word score assigned to the identified word.
예를 들어, 전자 장치(1000)는 상기 금융 정보 데이터 내 투자 대상 기업에 관한 뉴스 기사로부터 식별되는 일부의 문장을 전처리할 수 있다. 사전 학습 모델은 식별되는 일부의 문장 내 부정어구, 부사, 문장 부호, 강조어구, 부정어 또는 인물 단어 중 적어도 하나에 기초하여 전 처리된 문장 각각에 대한 문장 가중치를 결정할 수 있다. 사전 학습 모델은 문장 가중치를, 전 처리된 문장 내 각 금융 단어들의 점수에 적용함으로써 전 처리된 문장 각각의 문장 점수를 결정할 수 있다. 사전 학습 모델은 전처리된 문장 각각에 대한 문장 점수를 이용하여 제2 뉴스 점수를 결정할 수 있다. 본 개시에 따른 전자 장치(1000)는 사전 학습 모델로부터 출력된 제2 뉴스 점수를 정규화할 수 있다.For example, the electronic device 1000 may pre-process some sentences identified from a news article about an investment target company in the financial information data. The pre-learning model may determine a sentence weight for each of the pre-processed sentences based on at least one of negative phrases, adverbs, punctuation marks, emphasis phrases, negative words, and person words in the identified partial sentences. The pre-learning model may determine the sentence score of each pre-processed sentence by applying the sentence weight to the scores of each financial word in the pre-processed sentence. The pre-learning model may determine the second news score by using the sentence score for each of the pre-processed sentences. The electronic device 1000 according to the present disclosure may normalize the second news score output from the pre-learning model.
S820에서, 전자 장치(1000)는 획득된 제1 뉴스 점수 및 제2 뉴스 점수에 기초하여 뉴스 기사의 금융 성향에 관한 제4 투자 항목 점수를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 사전 학습 모델로부터 제2 뉴스 점수 외에, 제2 뉴스 점수의 신뢰 정도에 관한 확률 값인 중립 지수를 획득할 수 있다. 전자 장치(1000)는 중립 지수 값에 기초하여, 제1 뉴스 점수 및 제2 뉴스 점수에 적용될 평가 가중치를 결정하고, 결정된 평가 가중치에 따라 제1 뉴스 점수 및 제2 뉴스 점수를 가중합함으로써 제4 투자 항목 점수를 결정할 수도 있다.In S820 , the electronic device 1000 may determine a fourth investment item score regarding the financial propensity of a news article based on the obtained first news score and the second news score. According to an embodiment, the electronic device 1000 may obtain, in addition to the second news score, from the pre-learning model, a neutral index that is a probability value related to the confidence level of the second news score. The electronic device 1000 determines an evaluation weight to be applied to the first news score and the second news score based on the neutral index value, and weights and sums the first news score and the second news score according to the determined evaluation weight to perform a fourth It may also determine the investment item score.
도 9는 일 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 제4 투자 항목 점수를 결정하는 구체적인 방법의 흐름도이다.9 is a flowchart of a specific method of determining, by an electronic device, a score of a fourth investment item for an investment target company, according to an exemplary embodiment.
S910에서, 전자 장치(1000)는 제2 뉴스 점수의 신뢰 정도에 관한 중립 지수를 식별할 수 있다. 예를 들어, 전자 장치(1000)는 사전 학습 모델로부터, 상기 제2 뉴스 점수의 신뢰 정도에 관한 중립 지수를 함께 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 사전 학습 모델로부터 제2 뉴스 점수를 획득하는 것에 더하여 중립 지수, 부정 지수 및 긍정 지수를 더 획득할 수도 있다.In S910 , the electronic device 1000 may identify a neutral index regarding the confidence level of the second news score. For example, the electronic device 1000 may also acquire a neutral index regarding the confidence level of the second news score from the pre-learning model. According to an embodiment, in addition to acquiring the second news score from the pre-learning model, the electronic device 1000 may further acquire a neutral index, a negative index, and a positive index.
S920에서, 전자 장치(1000)는 제2 뉴스 점수를 정규화할 수 있다. In S920, the electronic device 1000 may normalize the second news score.
S930에서, 전자 장치(1000)는 사전 학습 모델로부터 획득된 제2 뉴스 점수의 중립 지수에 기초하여, 제1 뉴스 점수 및 제2 뉴스 점수에 적용될 평가 가중치를 결정할 수 있다. In S930 , the electronic device 1000 may determine an evaluation weight to be applied to the first news score and the second news score based on the neutral index of the second news score obtained from the pre-learning model.
일 실시 예에 의하면, 전자 장치(1000)는 사전 학습 모델로부터 출력된 중립 지수의 값의 범위에 기초하여, 제1 뉴스 점수 및 제2 뉴스 점수에 적용될 평가 가중치를 서로 다르게 결정하고, 서로 다르게 결정된 가중치를 제1 뉴스 점수 및 제2 뉴스 점수에 적용할 수 있다. 예를 들어, 전자 장치(1000)는 중립 지수가 제1 임계치 보다 작거나 같은 경우, 제1 뉴스 점수에 적용될 제1 평가 가중치를 작게하고, 제2 뉴스 점수에 적용될 제2 평가 가중치를 크게 결정할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 중립 지수가 제2 임계치 보다 크거나 같은 경우, 제1 평가 가중치를 크게하고, 제2 평가 가중치를 작게 결정할 수 있다.According to an embodiment, the electronic device 1000 determines different evaluation weights to be applied to the first news score and the second news score, based on the range of the neutral index value output from the pre-learning model, and determines differently A weight may be applied to the first news score and the second news score. For example, when the neutral index is less than or equal to the first threshold, the electronic device 1000 may decrease the first evaluation weight to be applied to the first news score and determine to increase the second evaluation weight to be applied to the second news score. there is. According to another embodiment, when the neutral index is greater than or equal to the second threshold, the electronic device 1000 may determine to increase the first evaluation weight and decrease the second evaluation weight.
S940에서 전자 장치(1000)는 결정된 평가 가중치에 따라 제1 뉴스 점수 및 정규화된 제2 뉴스 점수를 가중합함으로써 제4 투자 항목 점수를 결정할 수 있다. 후술하는 도 11을 참조하여 전자 장치(1000)가 중립 지수의 값에 기초하여, 제1 뉴스 점수 및 제2 뉴스 점수에 적용할 평가 가중치를 결정하고, 결정된 평가 가중치에 따라 제1 뉴스 점수 및 제2 뉴스 점수를 가중합하는 방법을 더 구체적으로 설명하기로 한다.In S940 , the electronic device 1000 may determine the fourth investment item score by weighting the first news score and the normalized second news score according to the determined evaluation weight. 11 , which will be described later, the electronic device 1000 determines an evaluation weight to be applied to the first news score and the second news score based on the neutral index value, and according to the determined evaluation weight, the first news score and the second news score 2 The method of weighting news scores will be described in more detail.
이하에서는, 전자 장치(1000)가 사전 학습 모델로부터 획득하는 긍정 지수, 부정 지수 및 중립 지수 값에 대하여 구체적으로 설명하기로 한다. 일 실시 예에 의하면, 전자 장치(1000)가 사전 학습 모델로부터 획득하는 중립 지수, 부정 지수 및 긍정 지수는 뉴스 기사로부터 추출된 일부의 문장들 각각에 포함된 단어들이 나타내는 단어 점수의 분포 패턴에 따라 결정될 수 있다. 일 실시 예에 의하면, 중립 지수, 부정 지수 및 긍정 지수의 합은 1일 수 있으나, 이에 한정되는 것은 아니다. Hereinafter, positive index, negative index, and neutral index values obtained by the electronic device 1000 from the pre-learning model will be described in detail. According to an embodiment, the neutral index, negative index, and positive index obtained by the electronic device 1000 from the pre-learning model are based on a distribution pattern of word scores indicated by words included in each of some sentences extracted from a news article. can be decided. According to an embodiment, the sum of the neutral index, the negative index, and the positive index may be 1, but is not limited thereto.
긍정 지수는 뉴스 기사 내 양의 단어 점수를 포함하는 단어들(긍정적 금융 단어들)이, 음의 단어 점수를 포함하는 단어들(부정적 금융 단어들)보다 많이 분포할 경우, 크게 출력될 수 있고, 부정 지수는 뉴스 기사 내 음의 단어 점수를 포함하는 단어들(부정적 금융 단어들)이 양의 단어 점수를 포함하는 단어들(긍정적 금융 단어들)보다 많을 경우, 크게 출력될 수 있다. 또 다른 실시 예에 의하면, 긍정 지수는 뉴스 기사 내 양의 문장 점수를 가지는 문장들의 수가, 음의 문장 점수를 가지는 문장들의 수 보다 많을 경우, 크게 출력될 수 있고, 부정 지수는 뉴스 기사 내 음의 문장 점수를 가지는 문장들의 수가, 양의 문장 점수를 가지는 문장들의 수 보다 많을 경우 크게 출력될 수 있다.The positive index can be output large when words (positive finance words) containing a positive word score in the news article are distributed more than words containing a negative word score (negative finance words), The negative index may be output to be large when there are more words (negative finance words) including a negative word score in the news article than words (positive finance words) including a positive word score. According to another embodiment, when the number of sentences having a positive sentence score in a news article is greater than the number of sentences having a negative sentence score, the positive index may be output large, and the negative index may be negative in the news article. When the number of sentences having a sentence score is greater than the number of sentences having a positive sentence score, the output may be large.
일 실시 예에 의하면, 중립 지수는 사전 학습 모델로부터 출력된 제2 뉴스 점수에 대한 신뢰도 정도를 확률 값으로 나타낸 값일 수 있다. 예를 들어, 중립 지수가 기 설정된 임계치 보다 낮은 경우, 제2 뉴스 점수는 높은 확률로 신뢰할 수 있지만, 중립 지수가 기 설정된 임계치 보다 큰 경우, 제2 뉴스 점수의 신뢰 확률은 낮을 수 있다. 예를 들어, 전자 장치(1000)가 이용하는 사전 학습 모델은, 뉴스 기사로부터 추출된 일부 문장(예컨대 요약 데이터 내 문장들) 각각에 대한 문장 점수들의 분포가 음의 문장 점수 및 양의 문장 점수로 명확하게 분류될 수 있도록 분포되는 경우, 중립 지수를 낮게 결정할 수 있다. 그러나, 전자 장치(1000)가 이용하는 사전 학습 모델은, 뉴스 기사로부터 추출된 일부 문장 각각에 대한 문장 점수들의 분포가 음의 문장 점수 및 양의 문장 점수로 명확하게 구분되지 않는 경우, 중립 지수를 크게 결정할 수 있다. 일 실시 예에 의하면, 중립 지수가 큰 경우, 사전 학습 모델로부터 출력된 제2 뉴스 점수에 대한 신뢰도가 낮을 수 있고, 중립 지수가 작은 경우, 사전 학습 모델로부터 출력된 제2 뉴스 점수에 대한 신뢰도가 높을 수 있다.According to an embodiment, the neutral index may be a value representing the degree of confidence in the second news score output from the pre-learning model as a probability value. For example, when the neutral index is lower than a preset threshold, the second news score may be reliable with high probability, but when the neutral index is greater than the preset threshold, the confidence probability of the second news score may be low. For example, in the pre-learning model used by the electronic device 1000 , the distribution of sentence scores for each of some sentences (eg, sentences in summary data) extracted from a news article is clear as a negative sentence score and a positive sentence score If the distribution is distributed so that it can be easily classified, the neutral index can be determined to be low. However, in the prior learning model used by the electronic device 1000, when the distribution of sentence scores for each of some sentences extracted from a news article is not clearly divided into a negative sentence score and a positive sentence score, the neutral index is increased can decide According to an embodiment, when the neutral index is large, the reliability of the second news score output from the pre-learning model may be low, and when the neutral index is small, the reliability of the second news score output from the pre-learning model is low. can be high
일 실시 예에 의하면, 중립 지수는 뉴스 기사 내 추출된 일부 문장 단위를 기준으로 결정될 수도 있다. 일 실시 예에 의하면, 중립 지수는 문장 단위 내 양의 점수를 가지는 단어가 음의 점수를 가지는 단어 보다 많이 포함되는 경우, 또는 문장 단위 내 음의 점수를 가지는 단어가 양의 점수를 가지는 단어 보다 많이 포함되는 경우와 같이, 문장 내 문장 점수의 성향이 명확히 구분되는 경우, 낮게 출력될 수 있다. 그러나, 중립 지수는 문장 단위 내 양의 점수를 가지는 단어 및 음의 점수를 가지는 단어의 수가 비슷한 경우, 또는 해당 문장에 미리 설정된 금융 단어 또는 인물 단어를 포함하는 문장이 없는 경우, 크게 출력될 수 있다.According to an embodiment, the neutral index may be determined based on some sentence units extracted from the news article. According to an embodiment, the neutral index is a case in which a word having a positive score in a sentence unit contains more words than a word having a negative score, or a word having a negative score in a sentence unit is more than a word having a positive score in a sentence unit. When the tendency of the sentence score in the sentence is clearly distinguished, such as in the case of being included, it may be output low. However, the neutral index may be greatly output when the number of words having a positive score and a word having a negative score in a sentence unit are similar, or when there is no sentence including a financial word or a person word preset in the corresponding sentence. .
도 10은 일 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 뉴스 기사를 분석하는 과정을 설명하기 위한 도면이다.10 is a diagram for explaining a process in which an electronic device analyzes a news article about an investment target company, according to an exemplary embodiment.
일 실시 예에 의하면, 전자 장치(1000)는 전자 장치와 연결된 외부 디바이스 또는 서버(2000)로부터 금융 정보 데이터를 획득하고, 획득된 금융 정보 데이터 내 투자 대상 기업에 대한 뉴스 기사(101)를 추출할 수 있다. 전자 장치(1000)는 추출된 뉴스 기사에 대한 제4 투자 항목 점수(1012)를 결정할 수 있다. 그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 서버(2000)로부터 서버(2000)가 뉴스 기사에 대하여 결정한 제4 투자 항목 점수를 수신할 수도 있다. 예를 들어, 전자 장치(1000)는 외부 디바이스로부터 투자 대상 기업의 뉴스 기사(1001)에 관한 금융 정보 데이터들을 획득하고, 금융 정보 데이터 내 뉴스 기사에 대한 데이터를 이용하여, 상기 뉴스 기사에 대한 제4 투자 항목 점수(1012)를 출력할 수 있다.According to an embodiment, the electronic device 1000 acquires financial information data from an external device or server 2000 connected to the electronic device, and extracts a news article 101 about an investment target company from within the acquired financial information data. can The electronic device 1000 may determine a fourth investment item score 1012 for the extracted news article. However, according to another embodiment, the electronic device 1000 may receive the fourth investment item score determined by the server 2000 with respect to the news article from the server 2000 . For example, the electronic device 1000 obtains financial information data about a news article 1001 of an investment target company from an external device, and uses the data about the news article in the financial information data, 4 investment item score 1012 may be output.
일 실시 예에 의하면, 전자 장치(1000)는 적어도 하나의 뉴스 기사를 분석하기 위한 뉴스 기사 분석 모델을 이용하여 뉴스 기사(1001)에 대한 제4 투자 항목 점수를 결정할 수 있다.According to an embodiment, the electronic device 1000 may determine the score of the fourth investment item for the news article 1001 by using a news article analysis model for analyzing at least one news article.
일 실시 예에 의하면, 뉴스 기사 분석 모델은 신경망 모델(1002) 또는 사전 학습 모델(1004) 중 적어도 하나를 포함할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 미리 학습된 가중치에 따른 신경망 모델이 출력하는 제1 뉴스 점수(1006) 및 미리 저장된 단어들의 점수에 따라 사전 학습 모델이 출력하는 제2 뉴스 점수(1008)를 이용하여, 뉴스 기사(1001)에 대한 제4 투자 항목 점수(1010)를 결정할 수 있다.According to an embodiment, the news article analysis model may include at least one of a neural network model 1002 and a pre-learning model 1004 . According to an embodiment, the electronic device 1000 outputs a first news score 1006 output by the neural network model according to a pre-trained weight and a second news score 1008 output by the pre-learning model according to scores of words stored in advance. ), a fourth investment item score 1010 for the news article 1001 may be determined.
일 실시 예에 의하면, 제4 투자 항목 점수는 투자 대상 기업의 뉴스 기사에 포함된 금융 단어 또는 인물 단어 중 적어도 하나에 기초하여, 상기 뉴스 기사가 나타내는 금융 성향을 숫자로 나타낸 값일 수 있다. 일 실시 예에 의하면, 제4 투자 항목 점수는 신경망 모델(1002) 내 레이어들 및 상기 레이어들 간의 연결 강도에 관한 가중치(weight)가 수정 및 갱신되거나, 사전 학습 모델(1004)이 이용하는 금융 단어 리스트 및 인물 가중치 리스트 내 단어 점수 또는 인물 가중치들이 변경될 경우 달라질 수 있다.According to an embodiment, the fourth investment item score may be a numerical value representing the financial propensity indicated by the news article based on at least one of a financial word or a person word included in a news article of an investment target company. According to an embodiment, the fourth investment item score is a financial word list used by the layers in the neural network model 1002 and the weight of the connection strength between the layers is modified and updated, or the pre-learning model 1004 is used. and the word score or person weights in the person weight list may be changed.
도 11은 또 다른 실시 예에 따른 전자 장치가 투자 대상 기업에 대한 제4 투자 항목 점수를 결정하는 과정을 설명하기 위한 도면이다.11 is a diagram for describing a process in which an electronic device determines a fourth investment item score for an investment target company according to another exemplary embodiment.
S1010에서, 전자 장치(1000)는 투자 대상 기업에 관한 뉴스 기사 내 미리 저장된 금융 단어 또는 인물 단어를 포함하는 문장을 식별할 수 있다. S1012에서, 전자 장치(1000)는 식별된 문장 중 일부 문장을 뉴스 기사에 대한 점수를 출력하도록 미리 학습되는 신경망 모델에 입력함으로써 신경망 모델로부터 제1 뉴스 점수를 획득할 수 있다. In S1010 , the electronic device 1000 may identify a sentence including a finance word or a person word stored in advance in a news article about an investment target company. In S1012 , the electronic device 1000 may obtain a first news score from the neural network model by inputting some of the identified sentences into the neural network model trained in advance to output a score for the news article.
S1014에서, 전자 장치(1000)는 식별된 문장 중 일부의 문장을 사전 학습 모델에 입력함으로써, 사전 학습 모델로부터 제2 뉴스 점수 및 중립 지수를 획득할 수 있다. 또 다른 실시 예에 의하면, 전자 장치(1000)는 식별된 문장 중 일부의 문장을 사전 학습 모델에 입력함으로써, 사전 학습 모델로부터, 제2 뉴스 점수, 긍정 지수, 부정 지수 및 중립 지수를 획득할 수도 있다. In S1014 , the electronic device 1000 may obtain a second news score and a neutral index from the pre-learning model by inputting some of the identified sentences to the pre-learning model. According to another embodiment, the electronic device 1000 may obtain a second news score, a positive index, a negative index, and a neutral index from the prior learning model by inputting some of the identified sentences into the prior learning model. there is.
S1016에서, 전자 장치(1000)는 사전 학습 모델로부터 출력된 중립 지수가 제1 임계치 이하인지 여부를 식별할 수 있다. S1018에서, 전자 장치(1000)는 사전 학습 모델로부터 출력된 중립 지수가 제2 임계치 미만인지 여부를 식별할 수 있다. S1022에서, 전자 장치(1000)는 사전 학습 모델로부터 출력된 중립 지수가 제1 임계치 이하로 식별되는 경우, 상기 중립 지수 값 및 1보다 작은 제1 평가 가중치를 상기 제1 뉴스 점수에 곱한 값과, 1에서 상기 중립 지수 값을 뺀 값 및 1보다 큰 제2 평가 가중치를 정규화된(Normalized) 제2 뉴스 점수에 곱한 값을 합함으로써, 투자 대상 기업과 관련된 뉴스 기사에 대한 제4 투자 항목 점수 (예컨대, 제4 투자 항목 점수 = 제1 평가 가중치*중립 지수 값*제1 뉴스 점수 + 제2 평가 가중치*(1-중립 지수 값)*정규화된 제2 뉴스 점수) 를 결정할 수 있다.In S1016 , the electronic device 1000 may identify whether the neutral index output from the pre-learning model is equal to or less than the first threshold. In S1018 , the electronic device 1000 may identify whether the neutral index output from the pre-learning model is less than the second threshold. In S1022, when the neutral index output from the pre-learning model is identified as being equal to or less than the first threshold, the electronic device 1000 multiplies the neutral index value and a first evaluation weight less than 1 by the first news score; By summing the value obtained by subtracting the neutral index value from 1 and multiplying the normalized second news score by a second evaluation weight greater than 1, a fourth investment item score for a news article related to an investment target company (eg, , the fourth investment item score = first evaluation weight*neutral index value*first news score + second evaluation weight*(1-neutral index value)*normalized second news score) may be determined.
S1024에서, 전자 장치(1000)는 사전 학습 모델로부터 출력된 중립 지수가 제1 임계치보다 크고, 제2 임계치보다 작은 경우, 중립 지수 값을 제1 뉴스 점수에 곱한 값과, 1에서 상기 중립 지수 값을 뺀 값을 정규화된 제2 뉴스 점수에 곱한 값을 합함으로써, 상기 투자 대상 기업과 관련된 뉴스 기사에 대한 제4 투자 항목 점수 (예컨대, 제4 투자 항목 점수 = 중립 지수 값*제1 뉴스 점수 + (1-중립 지수 값)*정규화된 제2 뉴스 점수)를 결정할 수 있다.In S1024 , when the neutral index output from the pre-learning model is greater than the first threshold and less than the second threshold, the electronic device 1000 multiplies the neutral index value by the first news score and the neutral index value from 1 A fourth investment item score for a news article related to the investment target company (eg, fourth investment item score = neutral index value * first news score + (1-neutral index value)*normalized second news score) may be determined.
S1026에서, 전자 장치(1000)는 사전 학습 모델로부터 출력된 중립 지수가 제2 임계치 보다 크거나 같은 경우, 중립 지수 값 및 1보다 큰 제1 평가 가중치를 상기 제1 뉴스 점수에 곱한 값과, 1에서 상기 중립 지수 값을 뺀 값 및 1보다 작은 제2 평가 가중치를 정규화된 제2 뉴스 점수에 곱한 값을 합함으로써, 상기 제4 투자 항목 점수 (예컨대, 제4 투자 항목 점수 = 제1 평가 가중치*중립 지수 값*제1 뉴스 점수 + 제2 평가 가중치*중립 지수 값*정규화된 제2 뉴스 점수)를 결정할 수 있다.In S1026 , when the neutral index output from the pre-learning model is greater than or equal to the second threshold, the electronic device 1000 multiplies the first news score by the neutral index value and the first evaluation weight greater than 1, and 1 By summing the value obtained by subtracting the neutral index value from the value obtained by multiplying the normalized second news score by the second evaluation weight less than 1, the fourth investment item score (eg, the fourth investment item score = the first evaluation weight*) Neutral index value*first news score + second evaluation weight*neutral index value*normalized second news score) may be determined.
도 12는 일 실시 예에 따른 전자 장치의 블록도이다.12 is a block diagram of an electronic device according to an embodiment.
일 실시 예에 따른 전자 장치(1000)는 프로세서(1400), 메모리(1402) 및 네트워크 인터페이스(1405)를 포함할 수 있다. 그러나, 도시된 구성 요소가 모두 필수구성요소인 것은 아니고, 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그보다 적은 구성 요소에 의해서도 전자 장치(1000)는 구현될 수도 있다.The electronic device 1000 according to an embodiment may include a processor 1400 , a memory 1402 , and a network interface 1405 . However, not all illustrated components are essential components, and the electronic device 1000 may be implemented with more components than the illustrated components, and the electronic device 1000 may be implemented with fewer components. may be
프로세서(1400)는, 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 일 실시 예에 의하면, 본 개시에 따른 프로세서(1400)는 메모리(1402)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 11에 기재된 전자 장치(1000)의 기능을 수행할 수 있다. 또한, 프로세서(1400)는 하나 또는 복수의 프로세서로 구성될 수 있고, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU와 같은 그래픽 전용 프로세서를 포함할 수 있다. 그러나 이에 한정되는 것은 아니며, 프로세서(1400)는 메모리에 저장된 인스트럭션을 실행함으로써, 투자 대상 기업을 분석하기 위한 기능을 수행할 수 있다. The processor 1400 generally controls the overall operation of the electronic device 1000 . According to an embodiment, the processor 1400 according to the present disclosure executes programs stored in the memory 1402 to perform the functions of the electronic device 1000 described in FIGS. 1 to 11 . In addition, the processor 1400 may include one or a plurality of processors, and the one or more processors may include a general-purpose processor such as a CPU, an AP, a digital signal processor (DSP), or the like, or a graphics-only processor such as a GPU. . However, the present invention is not limited thereto, and the processor 1400 may perform a function for analyzing an investment target company by executing an instruction stored in a memory.
일 실시 예에 의하면, 프로세서(1400)가 복수의 프로세서 또는 그래픽 전용 프로세서로 구현될 때, 복수의 프로세서 또는 그래픽 전용 프로세서 중 적어도 일부는 전자 장치(1000) 및 전자 장치(1000)와 연결된 다른 전자 장치 또는 서버에 탑재될 수도 있다. According to an embodiment, when the processor 1400 is implemented as a plurality of processors or graphics-only processors, at least some of the plurality of processors or graphics-only processors may include the electronic device 1000 and other electronic devices connected to the electronic device 1000 . Alternatively, it may be mounted on a server.
예를 들어, 프로세서(1400)는, 메모리(1402)에 저장된 프로그램들을 실행함으로써, 기 설정된 주기로 금융 정보 데이터를 획득하고, 상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하고, 상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정할 수 있다.For example, the processor 1400, by executing the programs stored in the memory 1402, obtains financial information data at a preset period, and analyzes the financial information data, the relative strength index of the investment target company (Relative Strength Index) has risen and, based on whether the return on equity (ROE) of the investment target company has risen by 17% or more, the first investment item score is determined for the degree of matching of the investment model of the preset investors, and the An investment score regarding the investment attractiveness of the investment target company may be determined based on the first investment item score.
일 실시 예에 의하면, 프로세서(1400)는 상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부 또는 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부 중 적어도 하나를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정할 수 있다.According to an embodiment, the processor 1400 determines whether or not the recent settlement quarterly profit of the investment target company has increased compared to the same period of the previous year, based on the analysis result of the financial information data, and the expected settlement quarter profit of the investment target company last year The score of the first investment item may be determined by further considering at least one of whether it has increased compared to the same period or whether the profit for this quarter has increased compared to the previous quarter of the investment target company.
일 실시 예에 의하면, 프로세서(1400)는 상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 상대강도지수가, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도지수 80이상인지 여부를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정할 수 있다.According to an embodiment, the processor 1400 further determines whether the relative strength index of the investment target company is 80 or more based on the analysis result of the financial information data, the relative strength index of the same industry group to which the investment target company belongs. By taking into account, it is possible to determine the score of the first investment item.
일 실시 예에 의하면, 프로세서(1400)는 상기 투자 대상 기업의 부채비율이 200% 미만 인지 여부 또는 상기 투자 대상 기업의 부채비율이 3년 연속 감소하고 있는지 여부 중 적어도 하나를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정할 수 있다.According to an embodiment, the processor 1400 further considers at least one of whether the debt ratio of the investment target company is less than 200% or whether the debt ratio of the investment target company has been decreasing for three consecutive years. 1 You can decide the investment item score.
일 실시 예에 의하면, 프로세서(1400)는 상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 5년간 영업 이익이 매년 상승하였는지 여부 또는 최근 12개월 주가 수익률이 해당 지수의 상위 20%내에 해당하는지 여부 중 적어도 하나를 더 고려함으로써 상기 제1 투자 항목 점수를 결정할 수 있다.According to one embodiment, the processor 1400 is based on the analysis result of the financial information data, whether the operating profit of the investment target company has increased every year for 5 years or whether the stock price return for the last 12 months is within the top 20% of the index It is possible to determine the score of the first investment item by further considering at least one of whether it is applicable.
메모리(1402)는, 프로세서(1400)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1402)는 사전 학습 모델 및 신경망 모델을 포함하는 복수의 뉴스 기사 분석 모델을 포함할 수 있다. 또한, 메모리(1402)는 제1 투자 항목 점수, 제2 투자 항목 점수, 제3 투자 항목 점수를 결정하기 위한 소정의 투자자들의 투자 모델에 대한 정보, 기술적 지표들에 대한 정보, 투자 대상 기업의 글로벌 투자 은행들의 투자 의견에 대한 정보를 더 저장할 수도 있다. 일 실시 예에 의하면, 메모리(1402)는 신경망 모델의 구성으로써, 신경망을 구성하는 레이어들, 레이어들에 포함된 노드들 및 레이어들의 연결 강도에 관한 가중치들에 대한 정보를 저장할 수 있다.The memory 1402 may store a program for processing and control of the processor 1400 , and may also store data input to or output from the electronic device 1000 . In addition, the memory 1402 may include a plurality of news article analysis models including a pre-trained model and a neural network model. In addition, the memory 1402 includes information on investment models of predetermined investors for determining the first investment item score, the second investment item score, and the third investment item score, information about technical indicators, and the global of the investment target company. It may also store further information about investment opinions of investment banks. According to an embodiment, the memory 1402 may store information about the layers constituting the neural network, the nodes included in the layers, and weights related to the connection strength of the layers as a configuration of the neural network model.
일 실시 예에 의하면, 메모리(1402)는 제4 투자 항목 점수를 결정하기 위해 금융 단어 및 상기 금융 단어 별 단어 점수를 포함하는 금융 단어 리스트를 더 저장할 수도 있다. 또한, 메모리(1402)는 미리 설정된 인물 단어 및 인물 단어 별 인물 단어 가중치를 포함하는 인물 가중치 리스트를 더 저장할 수도 있다.According to an embodiment, the memory 1402 may further store a financial word list including a financial word and a word score for each financial word in order to determine the fourth investment item score. Also, the memory 1402 may further store a person weight list including preset person words and person word weights for each person word.
일 실시 예에 의하면, 메모리(1402)는 메모리에 기 저장된 사전 학습 모델 및 신경망 모델이 수정 및 갱신되는 경우, 수정 및 갱신된 사전 학습 모델 및 신경망 모델을 저장할 수도 있다. 메모리(1402)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 그러나, 이에 한정되는 것은 아니며, 기타 투자 대상 기업을 분석하거나, 투자 대상 기업에 관련된 뉴스 기사를 분석하기 위한 방법을 수행하기 위한 인스트럭션들, 상기 뉴스 기사를 분석하기 위한 적어도 하나의 인공 지능 모델에 대한 정보를 저장하기 위한 기타 저장 매체일 수 있다.According to an embodiment, when the pre-learning model and the neural network model previously stored in the memory are modified and updated, the memory 1402 may store the modified and updated pre-learning model and the neural network model. The memory 1402 may include a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (eg, SD or XD memory), and a RAM. (RAM, Random Access Memory) SRAM (Static Random Access Memory), ROM (Read-Only Memory), EEPROM (Electrically Erasable Programmable Read-Only Memory), PROM (Programmable Read-Only Memory), magnetic memory, magnetic disk , may include at least one type of storage medium among optical disks. However, the present invention is not limited thereto, and instructions for performing a method for analyzing other investment target companies or analyzing news articles related to investment target companies, and at least one artificial intelligence model for analyzing the news articles It may be any other storage medium for storing information.
네트워크 인터페이스(1405)는 전자 장치(1000)가 외부 디바이스 또는 서버와 송수신하는 데이터를 전달할 수 있다. 예를 들어, 전자 장치(1000)는 네트워크 인터페이스를 통하여 외부 디바이스 또는 서버로부터 금융 정보 데이터를 미리 설정된 주기로 획득할 수 있다. 또한, 전자 장치(1000)는 네트워크 인터페이스를 통하여 외부 디바이스 또는 서버로부터 투자 대상 기업과 관련된 뉴스 기사들의 뉴스 기사 점수를 획득할 수도 있다. 또한, 네트워크 인터페이스(1405)는 서버 또는 외부 디바이스로부터 신경망 모델 내지 사전 학습 모델에 대한 정보를 수신할 수도 있다. 또한, 전자 장치(1000)는 네트워크 인터페이스를 통하여 결정한 투자 항목 점수 또는 투자 항목 점수들을 가중합함으로써 결정한 투자 점수에 대한 정보를 서버 또는 외부 디바이스로 전송할 수도 있다.The network interface 1405 may transmit data transmitted/received by the electronic device 1000 to and from an external device or server. For example, the electronic device 1000 may acquire financial information data from an external device or server through a network interface at a preset period. Also, the electronic device 1000 may acquire news article scores of news articles related to an investment target company from an external device or server through a network interface. Also, the network interface 1405 may receive information about the neural network model or the pre-learning model from a server or an external device. Also, the electronic device 1000 may transmit the investment item score determined through the network interface or information on the investment score determined by weighting the investment item scores to the server or an external device.
도 13은 일 실시 예에 따른 전자 장치와 연결되는 서버의 블록도이다.13 is a block diagram of a server connected to an electronic device according to an exemplary embodiment.
일 실시 예에 따르면, 서버(2000)는 네트워크 인터페이스(3405), 데이터 베이스(Data Base, 3402) 및 프로세서(3400)를 포함할 수 있다. According to an embodiment, the server 2000 may include a network interface 3405 , a database 3402 , and a processor 3400 .
네트워크 인터페이스(3405)는 상술한 전자 장치(1000)의 네트워크 인터페이스(1405)에 대응될 수 있다. 예를 들어, 네트워크 인터페이스(3405)는 전자 장치(1000)로 금융 정보 데이터 또는 투자 대상 기업과 관련된 뉴스 기사에 대한 정보를 전송할 수도 있다. 또한, 네트워크 인터페이스(3405)는 제4 투자 항목 점수를 결정하기 위한 신경망 모델에 대한 정보 또는 사전 학습 모델에 대한 정보를 전자 장치(1000)의 네트워크 인터페이스로 전송할 수도 있다.The network interface 3405 may correspond to the network interface 1405 of the electronic device 1000 described above. For example, the network interface 3405 may transmit financial information data or information on news articles related to an investment target company to the electronic device 1000 . Also, the network interface 3405 may transmit information on the neural network model for determining the score of the fourth investment item or information on the pre-learning model to the network interface of the electronic device 1000 .
또한, 일 실시예에 의하면, 네트워크 인터페이스(3405)는 전자 장치(1000)로부터 인공 신경망의 레이어들 및 레이어들에 포함된 노드에 관한 정보 또는 신경망 내 레이어들의 연결 강도에 관한 가중치 값들을 수신할 수 있다. 또 다른 실시 예에 의하면, 네트워크 인터페이스(3405)는 전자 장치(1000)로부터 투자 대상 기업의 투자 매력도에 관한 투자 점수에 대한 데이터를 수신할 수도 있다. 네트워크 인터페이스(3405)는 서버(2000)에 의하여 미리 학습된 신경망 모델 또는 사전 학습 모델에 대한 정보를 전자 장치(1000)로 전송할 수도 있다.Also, according to an embodiment, the network interface 3405 may receive, from the electronic device 1000, information about layers and nodes included in the layers of the artificial neural network or weight values related to connection strength of layers in the neural network. there is. According to another embodiment, the network interface 3405 may receive data on an investment score regarding investment attractiveness of an investment target company from the electronic device 1000 . The network interface 3405 may transmit the neural network model pre-trained by the server 2000 or information on the pre-learning model to the electronic device 1000 .
데이터 베이스(2200)는 도 12에 도시된 전자 장치의 메모리(1402)에 대응될 수 있다. 예를 들어, 데이터 베이스(2200)는 프로세서(3400)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 데이터 베이스(3402)는 금융 정보 데이터들, 투자 대상 기업에 대한 글로벌 투자 은행들의 투자 의견들, 미리 설정된 투자자들의 투자 모델에 대한 정보등을 저장할 수 있다. 또한, 데이터 베이스(3402)는 신경망 모델을 구성하는 레이어들, 레이어들에 포함된 노드들 및 레이어들의 연결 강도에 관한 가중치들에 대한 정보 및 사전 학습 모델에 대한 정보를 더 저장할 수도 있다. The database 2200 may correspond to the memory 1402 of the electronic device shown in FIG. 12 . For example, the database 2200 may store a program for processing and controlling the processor 3400 , and may also store data input to or output from the electronic device 1000 . In addition, the database 3402 may store financial information data, investment opinions of global investment banks for investment target companies, information on preset investors' investment models, and the like. In addition, the database 3402 may further store information about the layers constituting the neural network model, information about weights related to the nodes included in the layers, and weights related to the connection strength of the layers, and information about the pre-learning model.
프로세서(3400)는 서버(2000) 내 장치의 전반적인 동작을 제어할 수 있다. 일 실시 예에 의하면, 프로세서(3400)는 도 1 내지 12에서 기재된 전자 장치(1000)가 수행하는 동작의 적어도 일부를 함께 수행할 수 있다.The processor 3400 may control overall operations of devices in the server 2000 . According to an embodiment, the processor 3400 may also perform at least some of the operations performed by the electronic device 1000 described with reference to FIGS. 1 to 12 .
일 실시예에 따른 상술한 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 개시를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The above-described method according to an embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the present disclosure, or may be known and available to those skilled in the art of computer software.
또한, 상기 일 실시 예에 다른 방법을 수행하도록 하는 프로그램이 저장된 기록매체를 포함하는 컴퓨터 프로그램 장치가 제공될 수 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. In addition, according to the embodiment, a computer program apparatus including a recording medium storing a program for performing another method may be provided. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like.
이상에서 본 개시의 실시예에 대하여 상세하게 설명하였지만 본 개시의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다Although the embodiments of the present disclosure have been described in detail above, the scope of the present disclosure is not limited thereto, and various modifications and improved forms of the present disclosure are also provided by those skilled in the art using the basic concept of the present disclosure as defined in the following claims. belong to the scope of the right

Claims (20)

  1. 전자 장치가 투자 대상 기업을 분석하는 방법에 있어서,A method for an electronic device to analyze an investment target company, the method comprising:
    기 설정된 주기로 금융 정보 데이터를 획득하는 단계;acquiring financial information data at a preset period;
    상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하는 단계; 및By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and
    상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 단계; 를 포함하는, 방법.determining an investment score on the investment attractiveness of the investment target company based on the first investment item score; A method comprising
  2. 제1항에 있어서, 상기 제1 투자 항목 점수를 결정하는 단계는According to claim 1, wherein the step of determining the first investment item score
    상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부 또는 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부 중 적어도 하나를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정하는 단계; 를 더 포함하는, 방법.Based on the analysis result of the financial information data, whether the most recent quarterly profit of the investment target company has increased compared to the same period of the previous year, whether the expected quarterly profit of the investment target company has increased compared to the same period of the previous year, or whether the investment target company's determining the score of the first investment item by further considering at least one of whether or not the profit for this quarter has grown compared to the previous quarter; A method further comprising:
  3. 제1항에 있어서, 상기 제1 투자 항목 점수를 결정하는 단계는According to claim 1, wherein the step of determining the first investment item score
    상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 상대강도지수가, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도지수 80이상인지 여부를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정하는 단계; 를 더 포함하는, 방법.Based on the analysis result of the financial information data, by further considering whether the relative strength index of the investment target company is 80 or more of the relative strength index of the same industry group to which the investment target company belongs, the first investment item score is determined to do; A method further comprising:
  4. 제1항에 있어서, 상기 제1 투자 항목 점수를 결정하는 단계는According to claim 1, wherein the step of determining the first investment item score
    상기 투자 대상 기업의 부채비율이 200% 미만 인지 여부 또는 상기 투자 대상 기업의 부채비율이 3년 연속 감소하고 있는지 여부 중 적어도 하나를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정하는 단계; 를 더 포함하는, 방법.determining the score of the first investment item by further considering at least one of whether the debt ratio of the investment target company is less than 200% or whether the debt ratio of the investment target company is decreasing for three consecutive years; A method further comprising:
  5. 제1항에 있어서, 상기 제1 투자 항목 점수를 결정하는 단계는According to claim 1, wherein the step of determining the first investment item score
    상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 5년간 영업 이익이 매년 상승하였는지 여부 또는 최근 12개월 주가 수익률이 해당 지수의 상위 20%내에 해당하는지 여부 중 적어도 하나를 더 고려함으로써 상기 제1 투자 항목 점수를 결정하는 단계; 를 더 포함하는, 방법.Based on the analysis result of the financial information data, by further considering at least one of whether the operating profit of the investment target company has increased every year for 5 years or whether the stock price return for the last 12 months falls within the top 20% of the index determining a first investment item score; A method further comprising:
  6. 제1항에 있어서, 상기 제1 투자 항목 점수를 결정하는 단계는According to claim 1, wherein the step of determining the first investment item score
    상기 미리 설정된 투자자들의 투자 모델을 획득하는 단계;obtaining an investment model of the preset investors;
    상기 투자 대상 기업이 상기 미리 설정된 투자자들의 투자 모델 별 매칭되는 정도에 관한 투자 모델 점수를 결정하는 단계; 및determining an investment model score with respect to the degree to which the investment target company matches each investment model of the preset investors; and
    상기 결정된 투자 모델 별 투자 모델 점수를 합산한 결과에 기초하여, 상기 제1 투자 항목 점수를 결정하는 단계; 를 더 포함하는, 방법.determining the first investment item score based on a result of adding up the investment model scores for each investment model determined; A method further comprising:
  7. 제6항에 있어서, 상기 투자 모델 점수를 결정하는 단계는The method of claim 6, wherein determining the investment model score comprises:
    상기 투자 대상 기업의 분기 이익, 영업 이익, 상대강도 지수, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도 지수, 자기자본이익률(ROE), 주가 수익률(PER), 주가순자산비율(PBR), 부채비율, 유동비율, 적자여부, EPS 평균 성장률, 순유동자산이 장기 부채 이상인지 여부, 주가매출비율(PSR), 주가연구비비율(PRR), 당기 순이익률, 주당순이익(EPS), EPS 증가율, 총부채비율, 매출액, 이익성장률, 주당순현금, 당기순이익, 영업활동현금흐름, 총자산회전율, 매출총이익, 총자산순이익률(ROA), 최근 결산 분기 YoY 매출 증가율, PER의 역수, PBR의 역수, 세전 이익률 또는 배당성향 중 적어도 하나에 기초하여 상기 미리 설정된 투자자들의 투자 모델 별 점수를 결정하는 단계; 를 포함하는, 방법.Quarterly profit, operating profit, relative strength index of the investment target company, relative strength index of the same industry group to which the investment target company belongs, return on equity (ROE), return on stock price (PER), price to net asset ratio (PBR), debt ratio , current ratio, deficit, EPS average growth rate, net current assets greater than or equal to long-term liabilities, price-to-sales ratio (PSR), price research expense ratio (PRR), net profit margin, earnings per share (EPS), EPS growth rate, total debt ratio, Sales, earnings growth rate, cash per share, net income, cash flow from operating activities, total asset turnover, gross profit, return on assets (ROA), last quarter YoY sales growth, reciprocal of PER, reciprocal of PBR, pre-tax profit ratio or dividend payout ratio determining a score for each investment model of the preset investors based on at least one of; A method comprising
  8. 제1항에 있어서, 상기 방법은The method of claim 1, wherein the method
    상기 금융 정보 데이터를 분석함으로써, 적어도 하나의 기술적 지표들에 따른 상기 투자 대상 기업에 대한 매수 강도에 관한 제2 투자 항목 점수를 결정하는 단계; 를 더 포함하고,determining, by analyzing the financial information data, a second investment item score with respect to a purchase strength for the investment target company according to at least one technical indices; further comprising,
    상기 투자 점수를 결정하는 단계는The step of determining the investment score is
    상기 제1 투자 항목 점수 및 상기 제2 투자 항목 점수에 기초하여 상기 투자 점수를 결정하는 것을 특징으로 하는, 방법.and determining the investment score based on the first investment item score and the second investment item score.
  9. 제8항에 있어서, 상기 방법은9. The method of claim 8, wherein the method
    상기 투자 대상 기업에 대한 기 설정된 글로벌 투자 은행(Investment Bank, IB)들의 투자 의견에 기초하여, 상기 투자 대상 기업 종목의 매수 강도에 관한 제3 투자 항목 점수를 결정하는 단계; 를 더 포함하고,determining a third investment item score with respect to the purchase strength of the investment target company stock based on the investment opinions of preset global investment banks (IBs) for the investment target company; further comprising,
    상기 투자 점수를 결정하는 단계는The step of determining the investment score is
    상기 제1 투자 항목 점수, 상기 제2 투자 항목 점수 및 상기 제3 투자 항목 점수에 기초하여 상기 투자 점수를 결정하는 것을 특징으로 하는, 방법.and determining the investment score based on the first investment item score, the second investment item score and the third investment item score.
  10. 제9항에 있어서, 상기 방법은10. The method of claim 9, wherein the method
    상기 금융 정보 데이터 내 상기 투자 대상 기업에 관한 뉴스 기사로부터 식별되는 일부의 문장을 미리 학습된 신경망 모델 및 사전 학습 모델에 입력함으로써, 상기 신경망 모델 및 사전학습 모델 각각으로부터 제1 뉴스 점수 및 제2 뉴스 점수를 획득하는 단계; 및By inputting some sentences identified from news articles about the investment target company in the financial information data into the pre-trained neural network model and the pre-trained model, the first news score and the second news from each of the neural network model and the pre-trained model earning points; and
    상기 획득된 제1 뉴스 점수 및 제2 뉴스 점수에 기초하여 상기 뉴스 기사의 금융 성향에 관한 제4 투자 항목 점수를 결정하는 단계; 를 더 포함하고,determining a fourth investment item score regarding the financial propensity of the news article based on the obtained first news score and second news score; further comprising,
    상기 투자 점수를 결정하는 단계는The step of determining the investment score is
    상기 제1 투자 항목 점수, 상기 제2 투자 항목 점수, 상기 제3 투자 항목 점수 및 상기 제4 투자 항목 점수에 기초하여 상기 투자 점수를 결정하는 것을 특징으로 하는, 방법.and determining the investment score based on the first investment item score, the second investment item score, the third investment item score, and the fourth investment item score.
  11. 제8항에 있어서, 상기 제2 투자 항목 점수를 결정하는 단계는The method of claim 8, wherein the step of determining the score of the second investment item
    상기 투자 대상 기업의 상대 강도 지수, 소정의 기간 내 현재 가격의 상대적 위치에 관한 스토캐스틱 슬로우 지수, 이동평균수렴확산지수(Moving Average Convergence & Divergence, MACD), 윌리엄's %R 또는 상기 투자 대상 기업의 이동평균선을 중심선으로 하여 현재 주가가 상부에 있는지 또는 하부에 있는지에 관한 볼린저 밴드 중 적어도 하나를 이용하여 제2 투자 항목 점수를 결정하는 단계; 를 포함하는, 방법.The relative strength index of the investment target company, the Stochastic Slow Index with respect to the relative position of the current price within a predetermined period, the Moving Average Convergence & Divergence (MACD), William's %R or the movement of the investment target company determining a score for a second investment item using at least one of a Bollinger band with respect to whether the current stock price is above or below the average line as a center line; A method comprising
  12. 제9항에 있어서, 상기 제3 투자 항목 점수를 결정하는 단계는10. The method of claim 9, wherein the step of determining the third investment item score
    미리 설정된 기간 동안 상기 투자 대상 기업에 대한 상기 기 설정된 글로벌 투자 은행들의 투자 의견 중, 매수, 매도 및 중립 의견의 비중을 식별하는 단계;identifying weights of buy, sell, and neutral opinions among the investment opinions of the preset global investment banks for the investment target company for a preset period;
    평균 목표 주가 투자의견 중 매수 의견의 비중을 식별하는 단계;identifying the weight of the buy opinion among the investment opinions of the average target price;
    상기 평균 목표 주가 및 상기 투자 대상 기업의 현재 주가 간의 괴리율을 식별하는 단계; 및identifying a discrepancy rate between the average target price and the current stock price of the investment target company; and
    상기 식별된 글로벌 투자 은행들의 투자 의견 중, 매수, 매도 및 중립 의견의 비중, 상기 식별된 평균 목표 주가 투자의견 중 매수 의견의 비중 및 상기 식별된 괴리율에 기초하여 상기 제3 투자 항목 점수를 결정하는 단계; 를 포함하는, 방법.Determining the score of the third investment item based on the weight of buy, sell and neutral opinions among the investment opinions of the identified global investment banks, the weight of the buy opinion among the identified average target price investment opinions, and the identified disparity ratio step; A method comprising
  13. 제10항에 있어서, 상기 제4 투자 항목 점수를 결정하는 단계는11. The method of claim 10, wherein the step of determining the fourth investment item score
    상기 제2 뉴스 점수의 신뢰 정도에 관한 중립 지수를 식별하는 단계;identifying a neutral index with respect to the confidence level of the second news score;
    상기 제2 뉴스 점수를 정규화 하는 단계;normalizing the second news score;
    상기 식별된 중립 지수에 기초하여, 상기 제1 뉴스 점수 및 제2 뉴스 점수에 적용될 평가 가중치를 결정하는 단계; 및determining an evaluation weight to be applied to the first news score and the second news score based on the identified neutral index; and
    상기 결정된 평가 가중치에 따라 상기 제1 뉴스 점수 및 상기 정규화된 제2 뉴스 점수를 가중합함으로써 상기 제4 투자 항목 점수를 결정하는 단계; 를 포함하는, 방법.determining the fourth investment item score by weighting the first news score and the normalized second news score according to the determined evaluation weight; A method comprising
  14. 제13항에 있어서, 상기 투자 점수를 결정하는 단계는14. The method of claim 13, wherein the step of determining the investment score
    상기 제1 투자 항목 점수, 상기 제2 투자 항목 점수, 상기 제3 투자 항목 점수 및 상기 제4 투자 항목 점수에 적용될 서로 다른 가중치를 결정하는 단계; 및determining different weights to be applied to the first investment item score, the second investment item score, the third investment item score, and the fourth investment item score; and
    상기 결정된 서로 다른 가중치에 따라 상기 제1 투자 항목 점수, 상기 제2 투자 항목 점수, 상기 제3 투자 항목 점수 및 상기 제4 투자 항목 점수를 가중합함으로써 상기 투자 점수를 결정하는 단계; 를 포함하는, 방법.determining the investment score by weighting the first investment item score, the second investment item score, the third investment item score, and the fourth investment item score according to the determined different weights; A method comprising
  15. 투자 대상 기업을 분석하는 전자 장치에 있어서,In the electronic device for analyzing an investment target company,
    하나 이상의 인스트럭션을 저장하는 메모리; 및a memory storing one or more instructions; and
    상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서; 를 포함하고,at least one processor executing the one or more instructions; including,
    상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,The at least one processor by executing the one or more instructions,
    기 설정된 주기로 금융 정보 데이터를 획득하고,Acquire financial information data at a preset period,
    상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하고,By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset Determining a first investment item score with respect to the degree of matching of investors' investment models,
    상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는, 전자 장치.An electronic device for determining an investment score regarding the investment attractiveness of the investment target company based on the first investment item score.
  16. 제15항에 있어서, 상기 적어도 하나의 프로세서는16. The method of claim 15, wherein the at least one processor comprises:
    상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 최근 결산 분기 이익이 전년 동기 대비 상승하였는지 여부, 상기 투자 대상 기업의 결산 예정 분기 이익이 전년 동기 대비 상승하였는지 여부 또는 상기 투자 대상 기업의 전 분기 대비 금번 분기 이익이 성장하였는지 여부 중 적어도 하나를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정하는 것을 특징으로 하는 전자 장치.Based on the analysis result of the financial information data, whether the most recent quarterly profit of the investment target company has increased compared to the same period of the previous year, whether the expected quarterly profit of the investment target company has increased compared to the same period of the previous year, or whether the investment target company's The electronic device of claim 1, wherein the score of the first investment item is determined by further considering at least one of whether or not a profit for this quarter has grown compared to the previous quarter.
  17. 제15항에 있어서, 상기 적어도 하나의 프로세서는16. The method of claim 15, wherein the at least one processor comprises:
    상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 상대강도지수가, 상기 투자 대상 기업이 속하는 동종 산업군의 상대강도지수 80이상인지 여부를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정하는 것을 특징으로 하는, 전자 장치.Based on the analysis result of the financial information data, by further considering whether the relative strength index of the investment target company is 80 or more of the relative strength index of the same industry group to which the investment target company belongs, the first investment item score is determined An electronic device, characterized in that.
  18. 제15항에 있어서, 상기 적어도 하나의 프로세서는16. The method of claim 15, wherein the at least one processor comprises:
    상기 투자 대상 기업의 부채비율이 200% 미만 인지 여부 또는 상기 투자 대상 기업의 부채비율이 3년 연속 감소하고 있는지 여부 중 적어도 하나를 더 고려함으로써, 상기 제1 투자 항목 점수를 결정하는 것을 특징으로 하는, 전자 장치.The first investment item score is determined by further considering at least one of whether the debt ratio of the investment target company is less than 200% or whether the debt ratio of the investment target company is decreasing for three consecutive years , electronic devices.
  19. 제15항에 있어서, 상기 적어도 하나의 프로세서는16. The method of claim 15, wherein the at least one processor comprises:
    상기 금융 정보 데이터의 분석 결과에 기초하여, 상기 투자 대상 기업의 5년간 영업 이익이 매년 상승하였는지 여부 또는 최근 12개월 주가 수익률이 해당 지수의 상위 20%내에 해당하는지 여부 중 적어도 하나를 더 고려함으로써 상기 제1 투자 항목 점수를 결정하는 것을 특징으로 하는, 전자 장치.Based on the analysis result of the financial information data, by further considering at least one of whether the operating profit of the investment target company has increased every year for 5 years or whether the stock price return for the last 12 months falls within the top 20% of the index and determining a first investment item score.
  20. 전자 장치가 투자 대상 기업을 분석하는 방법에 있어서,A method for an electronic device to analyze an investment target company, the method comprising:
    기 설정된 주기로 금융 정보 데이터를 획득하는 단계;acquiring financial information data at a preset period;
    상기 금융 정보 데이터를 분석함으로써, 상기 투자 대상 기업의 상대강도지수(Relative Strength Index)가 상승하였는지 여부 및 상기 투자 대상 기업의 자기자본이익률(ROE)이 17%이상 상승하였는지 여부를 기초로, 미리 설정된 투자자들의 투자 모델의 매칭 정도에 관한 제1 투자 항목 점수를 결정하는 단계; 및By analyzing the financial information data, based on whether the Relative Strength Index of the investment target company has risen and whether the return on equity (ROE) of the investment target company has risen by 17% or more, preset determining a first investment item score with respect to the degree of matching of investors' investment models; and
    상기 제1 투자 항목 점수에 기초하여 상기 투자 대상 기업의 투자 매력도에 관한 투자 점수를 결정하는 단계; 를 포함하는, 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.determining an investment score on the investment attractiveness of the investment target company based on the first investment item score; A computer-readable recording medium recording a program for executing the method on a computer, comprising a.
PCT/KR2021/012208 2020-09-28 2021-09-08 Method and device for analyzing company to be invested in WO2022065754A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020200126213A KR102554443B1 (en) 2020-09-28 2020-09-28 Solution and apparatus for investment target company analysis based on complex data processing algorithm
KR10-2020-0126213 2020-09-28

Publications (1)

Publication Number Publication Date
WO2022065754A1 true WO2022065754A1 (en) 2022-03-31

Family

ID=80845656

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/012208 WO2022065754A1 (en) 2020-09-28 2021-09-08 Method and device for analyzing company to be invested in

Country Status (2)

Country Link
KR (1) KR102554443B1 (en)
WO (1) WO2022065754A1 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023249255A1 (en) * 2022-06-24 2023-12-28 호라이존테크놀로지 주식회사 Device and method for providing financial index analysis-based investment value evaluation service
KR102562367B1 (en) * 2022-12-19 2023-08-02 주식회사 민트소프트 앤 솔루션 Apparatus and method for providing investment information based on quant investment method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130080353A1 (en) * 2011-09-27 2013-03-28 AlphaVee Solutions Ltd. Methods and systems of financial data analysis and simulation
KR20130123663A (en) * 2012-05-03 2013-11-13 (주)뉴지스탁 System for ranking stock and method for selecting stock using the same system
KR101531970B1 (en) * 2013-12-26 2015-06-26 주식회사 코스콤 Method of predicting a stock price through an analysis of a social data and webdata related the securities market and system applying the same
KR20160028701A (en) * 2014-09-04 2016-03-14 청개구리투자클럽 주식회사 System for selecting stock using buying and selling index
KR20200061144A (en) * 2018-11-23 2020-06-02 광운대학교 산학협력단 Stocks selection apparatus for constructing stock portfolio and method thereof

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170056985A (en) * 2015-11-16 2017-05-24 (주)에이치앤와이증권투자연구소 Calculation system for stock score and the method thereof
KR102194200B1 (en) * 2018-11-23 2020-12-24 디비디스커버코리아 주식회사 Stock prediction method and apparatus by ananyzing news article by artificial neural network model
KR102207104B1 (en) 2018-11-30 2021-01-25 주식회사 딥서치 Method for determining target company to be invested regarding a topic of interest and apparatus thereof

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130080353A1 (en) * 2011-09-27 2013-03-28 AlphaVee Solutions Ltd. Methods and systems of financial data analysis and simulation
KR20130123663A (en) * 2012-05-03 2013-11-13 (주)뉴지스탁 System for ranking stock and method for selecting stock using the same system
KR101531970B1 (en) * 2013-12-26 2015-06-26 주식회사 코스콤 Method of predicting a stock price through an analysis of a social data and webdata related the securities market and system applying the same
KR20160028701A (en) * 2014-09-04 2016-03-14 청개구리투자클럽 주식회사 System for selecting stock using buying and selling index
KR20200061144A (en) * 2018-11-23 2020-06-02 광운대학교 산학협력단 Stocks selection apparatus for constructing stock portfolio and method thereof

Also Published As

Publication number Publication date
KR20220042864A (en) 2022-04-05
KR102554443B1 (en) 2023-08-11

Similar Documents

Publication Publication Date Title
Maqsood et al. A local and global event sentiment based efficient stock exchange forecasting using deep learning
WO2022065754A1 (en) Method and device for analyzing company to be invested in
CN110222167B (en) Method and system for acquiring target standard information
WO2018093229A1 (en) Method and device applying artificial intelligence to send money by using voice input
EP3533015A1 (en) Method and device applying artificial intelligence to send money by using voice input
CN114547475B (en) Resource recommendation method, device and system
CN109582788A (en) Comment spam training, recognition methods, device, equipment and readable storage medium storing program for executing
Chen et al. Reputation for toughness and anti-dumping rebuttals: competitive rivalry, perceived benefits, and stage of the product life cycle
WO2020032468A1 (en) Agency matching method and device, and program
WO2022164192A1 (en) Device and method for providing recommended sentences related to user's speech input
CN109543041B (en) Language model score generation method and device
WO2021246812A1 (en) News positivity level analysis solution and device using deep learning nlp model
WO2020213936A1 (en) Method, device, and system for controlling knowledge sharing platform
US11966698B2 (en) System and method for automatically tagging customer messages using artificial intelligence models
WO2019168235A1 (en) Method and interactive ai agent system for providing intent determination on basis of analysis of same type of multiple pieces of entity information, and computer-readable recording medium
CN111340605B (en) Method and device for training user behavior prediction model and user behavior prediction
US20210240503A1 (en) System and method for interactively guiding users through a procedure
WO2023087935A1 (en) Coreference resolution method, and training method and apparatus for coreference resolution model
Hegdepatil et al. Business intelligence based novel marketing strategy approach using automatic speech recognition and text summarization
Curtis et al. Alexa, What's the Impact of AI on Trademark Law
Chang et al. Using Machine Learning to Extract Insights from Consumer Data
CN113971581A (en) Robot control method and device, terminal equipment and storage medium
Janosek et al. Knowledge discovery in dynamic data using neural networks
WO2020122339A1 (en) Electronic device and control method therefor
Qureshi et al. Using Natural Language Processing to Measure COVID-19-Induced Economic Policy Uncertainty for Canada and the USA

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21872784

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 12.09.2023)

122 Ep: pct application non-entry in european phase

Ref document number: 21872784

Country of ref document: EP

Kind code of ref document: A1