WO2023195580A1 - 투자자의 투자 포트폴리오를 분석하는 서버 및 방법 - Google Patents

투자자의 투자 포트폴리오를 분석하는 서버 및 방법 Download PDF

Info

Publication number
WO2023195580A1
WO2023195580A1 PCT/KR2022/009370 KR2022009370W WO2023195580A1 WO 2023195580 A1 WO2023195580 A1 WO 2023195580A1 KR 2022009370 W KR2022009370 W KR 2022009370W WO 2023195580 A1 WO2023195580 A1 WO 2023195580A1
Authority
WO
WIPO (PCT)
Prior art keywords
investment
keyword
information
items
item
Prior art date
Application number
PCT/KR2022/009370
Other languages
English (en)
French (fr)
Inventor
장장희
Original Assignee
주식회사 이노핀
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 이노핀 filed Critical 주식회사 이노핀
Publication of WO2023195580A1 publication Critical patent/WO2023195580A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Definitions

  • the present invention relates to a server and method for analyzing an investor's investment portfolio.
  • the plurality of preset classification standards are, for example, referring to Figure 1, classification standards according to domestic and foreign product classification, classification standards according to the size of stocks, classification standards according to the proportion of value stocks and growth stocks (101), holding It may include classification standards (103) according to the composition of top stocks in stock proportion, classification standards (105) according to asset composition proportions (e.g., stocks, bonds, etc.), etc.
  • Patent Document 1 Korea Patent Publication No. 2015-0083620 (published on July 20, 2015)
  • the present invention is intended to solve the problems of the prior art described above, and is based on the proportion information of each of the plurality of investment items included in the investor's investment portfolio and the keyword occurrence information for the investment keywords associated with each investment item.
  • a server that analyzes an investor's investment portfolio according to the first aspect of the present invention analyzes a plurality of investments included in the investment portfolio based on a plurality of investment-related documents collected in real time.
  • a keyword extraction unit that extracts at least one investment keyword associated with each investment item for each item;
  • a core keyword selection unit that selects a core keyword for each of the plurality of investment items based on weight information for each of the plurality of investment items and keyword occurrence information for the at least one investment keyword extracted for each of the plurality of investment items;
  • an investment style information deriving unit that derives investment style information for the investment portfolio based on basic data for each investment item corresponding to a plurality of preset characteristic items; and an analysis unit that analyzes the investor's investment propensity based on the key keywords for each of the selected plurality of investment items and the derived investment style information.
  • the method of analyzing an investor's investment portfolio performed by the investment propensity analysis server is to analyze each investment item for a plurality of investment items included in the investment portfolio based on a plurality of investment-related documents collected in real time.
  • Extracting at least one investment keyword related to the item selecting key keywords for each of the plurality of investment items based on weight information for each of the plurality of investment items and keyword occurrence information for the at least one investment keyword extracted for each of the plurality of investment items; Deriving investment style information for the investment portfolio based on basic data for each investment item corresponding to a plurality of preset characteristic items; And it may include analyzing the investor's investment propensity based on key keywords for each of the selected plurality of investment items and the derived investment style information.
  • the present invention provides a plurality of investment items based on weight information for each of a plurality of investment items included in the investor's investment portfolio and keyword occurrence information for investment keywords associated with each investment item. Key keywords for each investment item can be selected, and the investor's investment propensity can be analyzed based on the key keywords for each investment item and the investment style information on the investor's investment portfolio.
  • the present invention can analyze the investor's investment propensity more precisely by dividing the characteristics of the collective investment items comprised of the investor's investment portfolio into investment keywords and investment style information.
  • Figure 1 is a diagram for explaining a method of recommending a collective investment product.
  • FIG. 2 is a block diagram of an investment propensity analysis server according to an embodiment of the present invention.
  • Figure 3a is a diagram for explaining a method of setting keywords for investment items according to an embodiment of the present invention.
  • Figure 3b is a diagram for explaining a method of setting keywords for investment items according to an embodiment of the present invention.
  • Figure 3c is a diagram for explaining a method of setting keywords for investment items according to an embodiment of the present invention.
  • FIG. 4A is a diagram illustrating a method for selecting core keywords for each plurality of investment items and deriving investment style information for an investment portfolio, according to an embodiment of the present invention.
  • FIG. 4B is a diagram illustrating a method for selecting core keywords for each plurality of investment items and deriving investment style information for an investment portfolio, according to an embodiment of the present invention.
  • FIG. 4C is a diagram illustrating a method of selecting core keywords for each plurality of investment items and deriving investment style information for an investment portfolio, according to an embodiment of the present invention.
  • FIG. 4D is a diagram illustrating a method for selecting core keywords for each plurality of investment items and deriving investment style information for an investment portfolio, according to an embodiment of the present invention.
  • FIG. 4e is a diagram illustrating a method for selecting core keywords for each plurality of investment items and deriving investment style information for an investment portfolio, according to an embodiment of the present invention.
  • Figure 5 is a flowchart showing a method of analyzing an investor's investment portfolio according to an embodiment of the present invention.
  • 'part' includes a unit realized by hardware, a unit realized by software, and a unit realized using both. Additionally, one unit may be realized using two or more pieces of hardware, and two or more units may be realized using one piece of hardware.
  • FIG. 2 is a block diagram of the investment propensity analysis server 20 according to an embodiment of the present invention.
  • the investment propensity analysis server 20 may include a keyword extraction unit 200, a key keyword selection unit 210, an investment style information extraction unit 220, and an analysis unit 230.
  • the investment propensity analysis server 20 shown in FIG. 2 is only one implementation example of the present invention, and various modifications are possible based on the components shown in FIG. 2.
  • the keyword extraction unit 200 may extract at least one investment keyword associated with each investment item for each of the plurality of investment items included in the investor's investment portfolio based on a plurality of investment-related documents collected in real time for a preset period.
  • investment-related documents may include, for example, investment reports, economic forecast reports, economic articles, investment-related e-books, etc. written by investment experts (eg, analysts, fund managers, etc.).
  • each investment item may have a one-to-many relationship with related investment keywords, as shown in Figure 3a.
  • the keyword extraction unit 200 generates keyword occurrence information based on the publication date or posting date of at least one investment-related document in which each investment keyword associated with a plurality of investment items is mentioned and the number of times each investment keyword is mentioned in at least one investment-related document. can be derived.
  • the keyword occurrence information may include the elapsed days from the most recent keyword occurrence date of the investment keyword to the present.
  • the keyword extraction unit 200 may map each investment keyword and the keyword occurrence information of each investment keyword for each of the plurality of investment items and store them in an investment keyword table.
  • the keyword extraction unit 200 determines the publication date or posting date of at least one investment-related document in which each investment keyword is most recently mentioned for each investment item among a plurality of investment-related documents collected in real time, and selects the keyword for each investment keyword. It can be set as the occurrence date.
  • the keyword extraction unit 200 stores the investment keyword of the first investment item extracted from a plurality of investment-related documents collected during the first period and the keyword occurrence date for the investment keyword in the investment keyword table, and
  • the new investment keyword for the first investment item extracted from a plurality of investment-related documents collected during the second period after one period and the new keyword occurrence date for the new investment keyword can be additionally stored in the investment keyword table.
  • the keyword extraction unit 200 may derive the keyword elapsed date for each investment keyword based on the keyword occurrence date.
  • the keyword occurrence date may be updated as each investment keyword is additionally mentioned in the investment-related document.
  • the keyword extraction unit 200 may store, for each investment item, the investment keyword associated with each investment item, the keyword occurrence date for the investment keyword, and the keyword elapsed date for the investment keyword in the investment keyword table.
  • the keyword extraction unit 200 extracts the first investment keyword, the second investment keyword, and the third investment keyword associated with the first investment item from a plurality of investment-related documents, and each investment keyword The keyword occurrence date corresponding to can be derived.
  • the first keyword occurrence date for the first investment keyword is derived by the period from the publication date of the investment-related document in which the first investment keyword was most recently mentioned (or the publication date on which the investment-related document was published) to the present
  • the second The occurrence date of the second keyword for the investment keyword is derived from the period from the publication date of the investment-related document in which the second investment keyword was most recently mentioned to the present
  • the occurrence date of the third keyword for the third investment keyword is derived from the date of occurrence of the third investment keyword. It can be derived by the period from the date of issuance of the most recently mentioned investment-related document to the present.
  • the keyword extraction unit 200 derives the first keyword occurrence date (Dt) from the publication date of the investment-related document in which the first investment keyword of the first investment item is most recently mentioned, and from this, the current date
  • the first keyword elapsed date for the first investment keyword can be derived based on the elapsed date until (Dt+n).
  • the first keyword occurrence date (Dt) for the first investment keyword may be continuously updated with the passage of time to the publication date of the investment-related document in which the first investment keyword is most recently mentioned.
  • the keyword extraction unit 200 matches the keyword occurrence date for each investment keyword and the keyword elapsed date for the investment keyword for each plurality of investment keywords related to the first investment item to create an investment keyword table (30). ) can be saved in .
  • the keyword extraction unit 200 maps the first investment keyword related to the first investment item, the first keyword occurrence date and the first keyword elapsed date for the first investment keyword, and stores them in the investment keyword table 30. You can.
  • the keyword extraction unit 200 may derive the number of times each investment keyword is mentioned for each investment keyword in each investment-related document in which each investment keyword is mentioned for each of the plurality of investment items.
  • the keyword extraction unit 200 may set the weight of each investment keyword differently based on the elapsed date of each keyword.
  • the weight of each investment keyword can be calculated according to [Equation 1].
  • P is a preset deceleration factor (eg, 0.98)
  • N is the elapsed date for the investment keyword.
  • the keyword extraction unit 200 may set the weight of each investment keyword differently based on the number of times each investment keyword is mentioned.
  • the keyword extraction unit 200 may map the weight set for each investment keyword associated with a plurality of investment items to each investment keyword and store the weight in the investment keyword table. For example, referring to FIG. 3C, the keyword extraction unit 200 maps the weights set for each of the first investment keyword, second investment keyword, and third investment keyword associated with the first investment item to each investment keyword to create an investment keyword. It can be stored in the table 30.
  • the key keyword selection unit 210 derives information on the proportion of each investment item from a plurality of investment items included in the investor's investment portfolio, and selects the proportion information for each derived investment item and at least one investment keyword extracted for each investment item. Key keywords for each investment item can be selected based on keyword occurrence information.
  • the core keyword selection unit 210 determines the keyword importance score for each investment keyword of each investment item based on the weight according to the proportion information of each investment item and the keyword occurrence information for at least one investment keyword extracted for each investment item. It can be calculated.
  • the core keyword selection unit 210 may select core keywords for a plurality of investment items based on the keyword importance score for each investment keyword for each investment item.
  • the core keyword selection unit 210 may extract the investment keyword for each investment type and the keyword elapsed date for the investment keyword from the investment keyword table created for each investment type.
  • the core keyword selection unit 210 may generate an investment keyword status list 40 for each investment item, including weights according to proportion information for each investment item, investment keywords for each investment item, and keyword elapsed dates for the investment keywords.
  • the core keyword selection unit 210 selects each investment keyword for each investment item based on the weight according to the proportion information of each investment item included in the investment keyword status list 40 and the keyword elapsed date for the investment keyword for each investment item. Keyword importance scores can be calculated. At this time, the core keyword selection unit 210 calculates the keyword importance score for each investment keyword of each investment item by setting the keyword elapsed date for the investment keyword for each investment item as the exponent of the exponential function, as shown in [Equation 2]. You can.
  • wi is a weight according to the weight information of each investment item.
  • the core keyword selection unit 210 sums the keyword importance scores of each investment keyword calculated for each investment item among the same investment keywords, and generates a keyword importance score list 42 including the keyword importance scores summed for each same investment keyword. can do.
  • an investment keyword with a higher combined keyword importance score may be a keyword with higher importance.
  • the core keyword selection unit 210 may extract the top M investment keywords with high combined keyword importance scores from the keyword importance score list 42 and select the extracted top M investment keywords as core keywords.
  • the keyword extraction unit 200 may set different weights of investment keywords associated with each investment item based on weight information of a plurality of investment items included in the investor's investment portfolio.
  • the investment style information extraction unit 220 may derive investment style information about the investor's investment portfolio based on basic data for each investment item corresponding to a plurality of preset characteristic items.
  • the plurality of preset characteristic items include the proportion of investment items (401), market item (403), market capitalization item (405), value item (407), performance item (411), and supply/demand score. It may include items (411), market reputation items (413), daily volatility items (415), medium-term volatility items (417), and industry items (419).
  • the basic data may include market information, market capitalization information, value information, performance information, supply and demand score information, market reputation information, daily volatility information, medium-term volatility information, and industry code information for investment items.
  • value information includes, for example, price book value ratio (PBR) information, price earning ratio (PER) information, price sales ratio (PSR) information, etc. of investment items. It can be included.
  • Performance information may include, for example, operating profit margin, net profit margin, etc. of investment items.
  • Supply and demand score information may include, for example, the transaction amount of investment items, foreign purchase amount, etc.
  • the market reputation score may include, for example, the target price adjustment rate of the investment item.
  • Daily volatility information may include, for example, the true range of investment items.
  • Medium-term volatility information may include, for example, the monthly fluctuation rate of investment items.
  • the investment style information extraction unit 220 may derive representative values for a plurality of characteristic items based on weights according to the proportion information of each investment item and basic data of each investment item.
  • the representative value for each characteristic item means the sum of the field values of the characteristic item and the weight of the corresponding item for each characteristic item, and can be calculated, for example, based on [Equation 3].
  • i refers to each investment item.
  • the investment style information extraction unit 220 extracts a weight (w1) according to the proportion information of the first investment item and market information (field value: market 1) corresponding to the market item 403.
  • the representative value of the market item 403 can be derived by adding the fourth value of the product between the market information (field value: market 4) corresponding to the market item 403.
  • the investment style information extraction unit 220 uses [Equation 4] based on the preset industry-specific weight according to the industry code information of each investment item to obtain the representative value (i.e., representative value) of the industry item. industry) can be derived.
  • the preset industry-specific weight according to the industry code information of each investment item may correspond to the weight according to the proportion information of each investment item.
  • the investment style information extraction unit 220 selects the second investment item and the fourth investment item with the maximum industry weight.
  • 3 ‘203’ which is the industry code information for investment items, can be derived as a representative value of the industry item.
  • the investment style information extraction unit 220 may derive investment style information about the investment portfolio based on representative values for each characteristic item.
  • market items may be classified into KOSPI market (1), KOSDAQ market (2), and other markets (3).
  • the investment style information extraction unit 220 may determine that KOSDAQ is more preferred for investment because the representative value of the market item (eg, 1.6) is close to index 2 for the KOSDAQ market.
  • the investment style information extraction unit 220 determines that it prefers large-cap stocks worth over 1 trillion according to the representative value of the market capitalization item (e.g., 13,045), and according to the representative value of the value item (e.g., 58.3), it prefers large-cap stocks with high value appeal. According to the representative values of the items and supply/demand score items (for example, 69.15), it can be judged that the movement of major buyers is important.
  • the investment style information extraction unit 220 does not consider performance to be very important according to the representative value of the performance item (e.g., 47.1), and is neutral toward news and report information according to the representative value of the market reputation item (e.g., 50). It can be judged that this is a human position.
  • the investment style information extraction unit 220 may determine that it prefers stocks with somewhat high volatility according to the representative value of the daily volatility item (for example, 6.02), and prefers the 203 industry according to the representative value of the industry item.
  • the analysis unit 230 may analyze the investor's investment propensity based on key keywords for each selected investment item and derived investment style information.
  • the analysis unit 230 calculates the weighted value of all investment keywords by calculating the keyword elapsed date for the investment keyword as an index to the weight and deceleration factor according to the weight information of each investment item.
  • investors prefer the 3rd investment keyword (approximately 0.42), the 6th investment keyword (approximately 0.04), and the 9th investment keyword (approximately 0.36) as core keywords, and the 3rd investment keyword (approximately 0.42) and the 9th investment keyword (approximately 0.36) It can be analyzed that preference is given to the 6th investment keyword (approximately 0.04), followed by the 9th investment keyword (approximately 0.36).
  • the keyword extraction unit 200 may be implemented separately, or one or more of them may be integrated and implemented. You will fully understand that it is possible.
  • Figure 5 is a flowchart showing a method of analyzing an investor's investment portfolio according to an embodiment of the present invention.
  • step S501 the investment propensity analysis server 20 determines at least one investment associated with each investment item for each of the plurality of investment items included in the investor's investment portfolio based on a plurality of investment-related documents collected in real time. Keywords can be extracted.
  • step S503 the investment propensity analysis server 20 selects key keywords for each of the plurality of investment items based on the proportion information of each of the plurality of investment items and keyword occurrence information for at least one investment keyword extracted for each of the plurality of investment items. can do.
  • the investment propensity analysis server 20 may derive investment style information for the investment portfolio based on basic data for each investment item corresponding to a plurality of preset characteristic items.
  • the basic data may include market information, market capitalization information, value information, performance information, supply and demand score information, market reputation information, daily volatility information, medium-term volatility information, and industry code information for investment items.
  • the investment propensity analysis server 20 may analyze the investor's investment propensity based on the key keywords for each investment item selected in step S503 and the investment style information derived in step S505.
  • steps S501 to S507 may be further divided into additional steps or combined into fewer steps, depending on the implementation of the present invention. Additionally, some steps may be omitted or the order between steps may be changed as needed.
  • Computer-readable media can be any available media that can be accessed by a computer and includes both volatile and non-volatile media, removable and non-removable media. Additionally, computer-readable media may include all computer storage media. Computer storage media includes both volatile and non-volatile, removable and non-removable media implemented in any method or technology for storage of information such as computer-readable instructions, data structures, program modules or other data.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Technology Law (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

투자자의 투자 포트폴리오를 분석하는 서버는 실시간으로 수집된 복수의 투자 관련 문서에 기초하여 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출하는 키워드 추출부, 복수의 투자 종목 각각의 비중 정보 및 복수의 투자 종목 각각에 대하여 추출된 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 복수의 투자 종목별 핵심 키워드를 선정하는 핵심 키워드 선정부, 기설정된 복수의 특성 항목에 대응하는 복수의 투자 종목별 기초 데이터에 기초하여 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 투자 스타일 정보 도출부 및 선정된 복수의 투자 종목별 핵심 키워드 및 도출된 투자 스타일 정보에 기초하여 투자자의 투자 성향을 분석하는 분석부를 포함할 수 있다.

Description

투자자의 투자 포트폴리오를 분석하는 서버 및 방법
본 발명은 투자자의 투자 포트폴리오를 분석하는 서버 및 방법에 관한 것이다.
종래의 집합형 투자상품(예컨대, 펀드형 상품 등)은 기설정된 복수의 분류 기준에 따라 분류되고 있다. 여기서, 기설정된 복수의 분류 기준은 예를 들어, 도 1을 참조하면, 국내 및 국외 상품 구분에 따른 분류 기준, 주식의 규모에 따른 분류 기준, 가치주 및 성장주 비중에 따른 분류 기준(101), 보유주식 비중 상위종목의 구성에 따른 분류 기준(103), 자산 구성 비중(예컨대, 주식, 채권 등)에 따른 분류 기준(105) 등을 포함할 수 있다.
현재 국내 펀드형 상품의 경우, 다양한 투자 목적에 따른 다양한 상품들이 무수히 출시되고 있다. 기존의 기설정된 복수의 분류 기준으로 펀드형 상품을 접근하게 되면, 투자자는 현재 존재하는 모든 펀드형 상품에서 본인에게 적합한 펀드 상품을 직접 선택해야 하는 어려움을 겪게 된다.
(특허문헌 1) 한국공개특허공보 제2015-0083620호 (2015.07.20. 공개)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 투자자의 투자 포트폴리오에 포함된 복수의 투자 종목 각각의 비중 정보 및 각 투자 종목과 연관된 투자 키워드에 대한 키워드 발생 정보에 기초하여 복수의 투자 종목별 핵심 키워드를 선정하고, 각 투자 종목별 핵심 키워드 및 투자자의 투자 포트폴리오에 대한 투자 스타일 정보에 기초하여 투자자의 투자 성향을 분석하고자 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 투자자의 투자 포트폴리오를 분석하는 서버는 실시간으로 수집된 복수의 투자 관련 문서에 기초하여 상기 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출하는 키워드 추출부; 상기 복수의 투자 종목 각각의 비중 정보 및 상기 복수의 투자 종목 각각에 대하여 추출된 상기 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 상기 복수의 투자 종목별 핵심 키워드를 선정하는 핵심 키워드 선정부; 기설정된 복수의 특성 항목에 대응하는 상기 복수의 투자 종목별 기초 데이터에 기초하여 상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 투자 스타일 정보 도출부; 및 상기 선정된 복수의 투자 종목별 핵심 키워드 및 상기 도출된 투자 스타일 정보에 기초하여 상기 투자자의 투자 성향을 분석하는 분석부를 포함할 수 있다.
본 발명의 제 2 측면에 따른 투자 성향 분석 서버에 의해 수행되는 투자자의 투자 포트폴리오를 분석하는 방법은 실시간으로 수집된 복수의 투자 관련 문서에 기초하여 상기 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출하는 단계; 상기 복수의 투자 종목 각각의 비중 정보 및 상기 복수의 투자 종목 각각에 대하여 추출된 상기 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 상기 복수의 투자 종목별 핵심 키워드를 선정하는 단계; 기설정된 복수의 특성 항목에 대응하는 상기 복수의 투자 종목별 기초 데이터에 기초하여 상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 단계; 및 상기 선정된 복수의 투자 종목별 핵심 키워드 및 상기 도출된 투자 스타일 정보에 기초하여 상기 투자자의 투자 성향을 분석하는 단계를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 투자자의 투자 포트폴리오에 포함된 복수의 투자 종목 각각의 비중 정보 및 각 투자 종목과 연관된 투자 키워드에 대한 키워드 발생 정보에 기초하여 복수의 투자 종목별 핵심 키워드를 선정하고, 각 투자 종목별 핵심 키워드 및 투자자의 투자 포트폴리오에 대한 투자 스타일 정보에 기초하여 투자자의 투자 성향을 분석할 수 있다.
이를 통해, 본 발명은 투자자의 투자 포트폴리오로 구성된 집합형 투자종목에 대한 특성을 투자 키워드 및 투자 스타일 정보로 구분함으로써 보다 정교하게 투자자의 투자 성향을 분석할 수 있다.
도 1은 집합형 투자상품을 추천하는 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른, 투자 성향 분석 서버의 블록도이다.
도 3a는 본 발명의 일 실시예에 따른, 투자 종목에 키워드를 설정하는 방법을 설명하기 위한 도면이다.
도 3b는 본 발명의 일 실시예에 따른, 투자 종목에 키워드를 설정하는 방법을 설명하기 위한 도면이다.
도 3c는 본 발명의 일 실시예에 따른, 투자 종목에 키워드를 설정하는 방법을 설명하기 위한 도면이다.
도 4a는 본 발명의 일 실시예에 따른, 복수의 투자 종목별 핵심 키워드의 선정 및 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 방법을 설명하기 위한 도면이다.
도 4b는 본 발명의 일 실시예에 따른, 복수의 투자 종목별 핵심 키워드의 선정 및 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 방법을 설명하기 위한 도면이다.
도 4c는 본 발명의 일 실시예에 따른, 복수의 투자 종목별 핵심 키워드의 선정 및 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 방법을 설명하기 위한 도면이다.
도 4d는 본 발명의 일 실시예에 따른, 복수의 투자 종목별 핵심 키워드의 선정 및 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 방법을 설명하기 위한 도면이다.
도 4e는 본 발명의 일 실시예에 따른, 복수의 투자 종목별 핵심 키워드의 선정 및 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른, 투자자의 투자 포트폴리오를 분석하는 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른, 투자 성향 분석 서버(20)의 블록도이다.
도 2를 참조하면, 투자 성향 분석 서버(20)는 키워드 추출부(200), 핵심 키워드 선정부(210), 투자 스타일 정보 추출부(220) 및 분석부(230)를 포함할 수 있다. 다만, 도 2에 도시된 투자 성향 분석 서버(20)는 본 발명의 하나의 구현 예에 불과하며, 도 2에 도시된 구성요소들을 기초로 하여 여러 가지 변형이 가능하다.
키워드 추출부(200)는 기설정된 기간별로 실시간으로 수집된 복수의 투자 관련 문서에 기초하여 투자자의 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출할 수 있다. 여기서, 투자 관련 문서는 예를 들어, 투자 전문가(예컨대, 애널리스트, 펀드매니저 등)에 의해 작성된 투자 보고서, 경제 전망 보고서, 경제 기사, 투자관련 전자책 등을 포함할 수 있다.
여기서, 각 투자 종목은 도 3a와 같이, 관련 투자 키워드들과 일대다의 관계를 가질 수 있다.
키워드 추출부(200)는 복수의 투자 종목별로 연관된 각 투자 키워드가 언급된 적어도 하나의 투자 관련 문서의 발행일 또는 게시일 및 각 투자 키워드가 적어도 하나의 투자 관련 문서에 언급된 횟수에 기초하여 키워드 발생 정보를 도출할 수 있다. 여기서, 키워드 발생 정보는 투자 키워드의 최근 키워드 발생일로부터 현재까지의 경과일을 포함할 수 있다.
키워드 추출부(200)는 복수의 투자 종목별로 각 투자 키워드 및 각 투자 키워드의 키워드 발생 정보를 매핑하여 투자 키워드 테이블에 저장할 수 있다.
구체적으로, 키워드 추출부(200)는 실시간으로 수집된 복수의 투자 관련 문서 중 복수의 투자 종목별로 각 투자 키워드가 가장 최근에 언급된 적어도 하나의 투자 관련 문서의 발행일 또는 게시일을 각 투자 키워드의 키워드 발생일로서 설정할 수 있다.
예를 들어, 키워드 추출부(200)는 제 1 기간 동안에 수집된 복수의 투자 관련 문서로부터 추출된 제 1 투자 종목의 투자 키워드 및 해당 투자 키워드에 대한 키워드 발생일을 투자 키워드 테이블에 저장하고, 제 1 기간이 지난 이후의 제 2 기간 동안에 수집된 복수의 투자 관련 문서로부터 추출된 제 1 투자 종목의 신규 투자 키워드 및 신규 투자 키워드에 대한 신규 키워드 발생일을 투자 키워드 테이블에 추가 저장할 수 있다.
키워드 추출부(200)는 키워드 발생일에 기초하여 각 투자 키워드에 대한 키워드 경과일을 도출할 수 있다. 여기서, 키워드 발생일은 각 투자 키워드가 투자 관련 문서에 추가적으로 언급됨에 따라 갱신될 수 있다.
키워드 추출부(200)는 각 투자 종목별로 각 투자 종목과 연관된 투자 키워드, 투자 키워드에 대한 키워드 발생일 및 투자 키워드에 대한 키워드 경과일을 투자 키워드 테이블에 저장할 수 있다.
예를 들어, 도 3a를 참조하면, 키워드 추출부(200)는 복수의 투자 관련 문서로부터 제 1 투자 종목과 연관된 제 1 투자 키워드, 제 2 투자 키워드 및 제 3 투자 키워드를 추출하고, 각 투자 키워드에 대응하는 키워드 발생일을 도출할 수 있다. 여기서, 제 1 투자 키워드에 대한 제 1 키워드 발생일은 제 1 투자 키워드가 가장 최근에 언급된 투자 관련 문서의 발행일(또는 투자 관련 문서가 게시된 게시일)로부터 현재까지의 기간에 의해 도출되고, 제 2 투자 키워드에 대한 제 2 키워드 발생일은 제 2 투자 키워드가 가장 최근에 언급된 투자 관련 문서의 발행일로부터 현재까지의 기간에 의해 도출되고, 제 3 투자 키워드에 대한 제 3 키워드 발생일은 제 3 투자 키워드가 가장 최근에 언급된 투자 관련 문서의 발행일로부터 현재까지의 기간에 의해 도출될 수 있다.
도 3b를 참조하면, 키워드 추출부(200)는 제 1 투자 종목의 제 1 투자 키워드가 가장 최근에 언급된 투자 관련 문서의 발행일로부터 제 1 키워드 발생일(Dt)을 도출하고, 이로부터 현재 날짜(Dt+n) 까지 경과된 경과일에 기초하여 제 1 투자 키워드에 대한 제 1 키워드 경과일 도출할 수 있다. 이 때, 제 1 투자 키워드에 대한 제 1 키워드 발생일(Dt)은 시간의 흐름에 따라 제 1 투자 키워드가 가장 최근에 언급된 투자 관련 문서의 발행일로 지속적으로 업데이트될 수 있다.
도 3c를 참조하면, 키워드 추출부(200)는 제 1 투자 종목에 대한 관련 복수의 투자 키워드별로 각 투자 키워드에 대한 키워드 발생일 및 해당 투자 키워드에 대한 키워드 경과일을 매칭하여 투자 키워드 테이블(30)에 저장할 수 있다. 예를 들어, 키워드 추출부(200)는 제 1 투자 종목과 관련된 제 1 투자 키워드, 제 1 투자 키워드에 대한 제 1 키워드 발생일 및 제 1 키워드 경과일을 매핑하여 투자 키워드 테이블(30)에 저장할 수 있다.
키워드 추출부(200)는 복수의 투자 종목별 각 투자 키워드가 언급된 투자 관련 문서마다, 각 투자 키워드가 언급된 횟수를 투자 키워드별로 도출할 수 있다.
키워드 추출부(200)는 각 키워드의 경과일에 기초하여 각 투자 키워드의 가중치를 상이하게 설정할 수 있다. 여기서, 각 투자 키워드의 가중치는 [수학식 1]에 따라 계산될 수 있다.
[수학식 1]
Figure PCTKR2022009370-appb-img-000001
여기서, P는 기설정된 감속인자(예컨대, 0.98)이고, N은 투자 키워드에 대한 경과일이다.
[수학식 1]에 따르면, 감속인자가 작을수록 시간 경과에 따른 가중치 감소가 급격하게 진행될 수 있다.
키워드 추출부(200)는 각 투자 키워드가 언급된 횟수에 더 기초하여 각 투자 키워드의 가중치를 상이하게 설정할 수도 있다.
키워드 추출부(200)는 복수의 투자 종목별로 연관된 각 투자 키워드마다 설정된 가중치를 각 투자 키워드에 매핑하여 투자 키워드 테이블에 저장할 수 있다. 예를 들어, 도 3c를 참조하면, 키워드 추출부(200)는 제 1 투자 종목과 연관된 제 1 투자 키워드, 제 2 투자 키워드 및 제 3 투자 키워드 각각에 설정된 가중치를 각 투자 키워드에 매핑하여 투자 키워드 테이블(30)에 저장할 수 있다.
핵심 키워드 선정부(210)는 투자자의 투자 포트폴리오에 포함된 복수의 투자 종목에서 각 투자 종목의 비중 정보를 도출하고, 도출된 각 투자 종목 각각의 비중 정보 및 투자 종목별로 추출된 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 복수의 투자 종목별 핵심 키워드를 선정할 수 있다.
핵심 키워드 선정부(210)는 각 투자 종목의 비중 정보에 따른 가중치 및 각 투자 종목 각각에 대하여 추출된 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 각 투자 종목의 투자 키워드별 키워드 중요도 점수를 계산할 수 있다.
핵심 키워드 선정부(210)는 각 투자 종목의 투자 키워드별 키워드 중요도 점수에 기초하여 복수의 투자 종목별 핵심 키워드를 선정할 수 있다.
예를 들어, 도 4a를 참조하면, 핵심 키워드 선정부(210)는 각 투자 종목별로 생성된 투자 키워드 테이블로부터 각 투자 종목의 투자 키워드 및 투자 키워드에 대한 키워드 경과일을 추출할 수 있다.
핵심 키워드 선정부(210)는 각 투자 종목별 비중 정보에 따른 가중치, 각 투자 종목의 투자 키워드 및 투자 키워드에 대한 키워드 경과일을 포함하는 투자 종목별 투자 키워드 현황 리스트(40)를 생성할 수 있다.
핵심 키워드 선정부(210)는 투자 종목별 투자 키워드 현황 리스트(40)에 포함된 각 투자 종목의 비중 정보에 따른 가중치 및 각 투자 종목별 투자 키워드에 대한 키워드 경과일에 기초하여 각 투자 종목의 투자 키워드별 키워드 중요도 점수를 산출할 수 있다. 이 때, 핵심 키워드 선정부(210)는 [수학식 2]와 같이, 각 투자 종목별 투자 키워드에 대한 키워드 경과일을 지수 함수의 지수로 설정함으로써 각 투자 종목의 투자 키워드별 키워드 중요도 점수를 산출할 수 있다.
[수학식 2]
Figure PCTKR2022009370-appb-img-000002
여기서, wi는 각 투자 종목의 비중 정보에 따른 가중치이다.
핵심 키워드 선정부(210)는 각 투자 종목별로 계산된 각 투자 키워드의 키워드 중요도 점수를 동일 투자 키워드끼리 합산하고, 동일 투자 키워드별로 합산된 키워드 중요도 점수를 포함하는 키워드 중요도 점수 리스트(42)를 생성할 수 있다.
키워드 중요도 점수 리스트(42)에서 합산된 키워드 중요도 점수가 높은 투자 키워드일수록 중요도가 높은 키워드일 수 있다.
핵심 키워드 선정부(210)는 키워드 중요도 점수 리스트(42)에서 합산된 키워드 중요도 점수가 높은 상위 M개의 투자 키워드를 추출하고, 추출된 상위 M개의 투자 키워드를 핵심 키워드로서 선정할 수 있다.
다시 도 2로 돌아오면, 키워드 추출부(200)는 투자자의 투자 포트폴리오에 포함된 복수의 투자 종목의 비중 정보에 기초하여 각 투자 종목별 연관된 투자 키워드의 가중치를 상이하게 설정할 수 있다.
투자 스타일 정보 추출부(220)는 기설정된 복수의 특성 항목에 대응하는 복수의 투자 종목별 기초 데이터에 기초하여 투자자의 투자 포트폴리오에 대한 투자 스타일 정보를 도출할 수 있다. 여기서, 기설정된 복수의 특성 항목은 도 4b를 참조하면, 투자 종목의 비중 항목(401), 시장 항목(403), 시총 항목(405), 밸류 항목(407), 실적 항목(411), 수급점수 항목(411), 시장평판 항목(413), 일변동성 항목(415), 중기변동성 항목(417), 업종 항목(419)을 포함할 수 있다.
여기서, 기초 데이터는 투자 종목에 대한 시장 정보, 시총 정보, 밸류 정보, 실적 정보, 수급점수 정보, 시장평판 정보, 일변동성 정보, 중기변동성 정보, 업종 코드 정보를 포함할 수 있다. 여기서, 밸류 정보는 예를 들어, 투자 종목의 주가순자산비율(PBR, Price Book value Ratio) 정보, 주가수익비율(PER, Price Earning Ratio) 정보, 주가매출비율(PSR, Price Sales Ratio) 정보 등을 포함할 수 있다. 실적 정보는 예를 들어, 투자 종목의 영업이익률, 순이익률 등을 포함할 수 있다. 수급점수 정보는 예를 들어, 투자 종목의 거래 금액, 외국인매수금액 등을 포함할 수 있다. 시장평판 점수는 예를 들어, 투자 종목의 목표가조정률 등을 포함할 수 있다. 일변동성 정보는 예를 들어, 투자 종목의 진봉길이(Truerange) 등을 포함할 수 있다. 중기변동성 정보는 예를 들어, 투자 종목의 월등락률 등을 포함할 수 있다.
투자 스타일 정보 추출부(220)는 각 투자 종목의 비중 정보에 따른 가중치 및 각 투자 종목의 기초 데이터에 기초하여 복수의 특성 항목별 대푯값을 도출할 수 있다. 여기서, 복수의 특성 항목별 대푯값은 각 특성 항목마다 특성 항목의 필드값에 대응 종목의 가중치가 반영된 값을 합산한 값을 의미하며 예를 들어, [수학식 3]에 기초하여 계산될 수 있다.
[수학식 3]
Figure PCTKR2022009370-appb-img-000003
여기서, i는 각 투자 종목을 의미한다.
예를 들어, 도 4b를 참조하면, 투자 스타일 정보 추출부(220)는 제 1 투자 종목의 비중 정보에 따른 가중치(w1) 및 시장 항목(403)에 대응하는 시장 정보(필드값: 시장 1) 간의 곱에 대한 제 1 값과, 제 2 투자 종목의 비중 정보에 따른 가중치(w2) 및 시장 항목(403)에 대응하는 시장 정보(필드값: 시장 2) 간의 곱에 대한 제 2 값과, 제 3 투자 종목의 비중 정보에 따른 가중치(w3) 및 시장 항목(403)에 대응하는 시장 정보(필드값: 시장 3) 간의 곱에 대한 제 3 값과, 제 4 투자 종목의 비중 정보(w4) 및 시장 항목(403)에 대응하는 시장 정보(필드값: 시장 4) 간의 곱에 대한 제 4 값을 합산하여 시장 항목(403)의 대푯값을 도출할 수 있다.
한편, 업종 항목의 대푯값의 경우, 투자 스타일 정보 추출부(220)는 각 투자 종목의 업종 코드 정보에 따른 기설정된 업종별 가중치에 기초하여 [수학식 4]를 이용하여 업종 항목의 대푯값(즉, 대표업종)을 도출할 수 있다. 여기서, 각 투자 종목의 업종 코드 정보에 따른 기설정된 업종별 가중치는 각 투자 종목의 비중 정보에 따른 가중치와 대응될 수 있다.
[수학식 4]
Figure PCTKR2022009370-appb-img-000004
예를 들어, 도 4c를 참조하면, 업종 코드 정보가 '11'인 제 1 투자 종목의 업종 가중치가 2.3이고, 업종 코드 정보가 '203'인 제 2 투자 종목 및 제 3 투자 종목에 대한 업종 가중치가 10.4(=4.6 + 5.8)이고, 업종 코드 정보가 '210'인 제 4 투자 종목의 업종 가중치가 6.8인 경우, 투자 스타일 정보 추출부(220)는 최대 업종 가중치를 갖는 제 2 투자 종목 및 제 3 투자 종목에 대한 업종 코드 정보인 '203'을 업종 항목의 대푯값으로 도출할 수 있다.
이와 같이, 각 특성 항목의 대푯값을 경량화함으로써 투자 종목의 특성에 대한 수학적 모델링을 적용할 수 있다.
투자 스타일 정보 추출부(220)는 복수의 특성 항목별 대푯값에 기초하여 투자 포트폴리오에 대한 투자 스타일 정보를 도출할 수 있다.
예를 들어, 도 4d를 참조하면, 시장 항목은 코스피 시장(1), 코스닥 시장(2) 및 기타 시장(3)으로 분류될 수 있다. 이 때, 투자 스타일 정보 추출부(220)는 시장 항목의 대푯값(예컨대, 1.6)이 코스닥 시장에 대한 인덱스 2에 가깝기 때문에 투자 코스닥을 좀더 선호하는 것으로 판단할 수 있다.
또한, 투자 스타일 정보 추출부(220)는 시총 항목의 대푯값(예컨대, 13,045)에 따르면, 1조가 넘는 대형주를 선호하는 것으로 판단하고, 밸류 항목의 대푯값(예컨대, 58.3)에 따르면, 밸류 매력이 높은 종목과 수급 점수 항목의 대푯값(예컨대, 69.15)에 따르면 주요매수주체 움직임을 중시한다고 판단할 수 있다.
또한, 투자 스타일 정보 추출부(220)는 실적 항목의 대푯값(예컨대, 47.1)에 따르면 실적을 그리 중요하게 생각하지 않고, 시장 평판 항목의 대푯값(예컨대, 50)에 따르면, 뉴스 및 리포트 정보에 중립적인 입장인 것으로 판단할 수 있다.
또한, 투자 스타일 정보 추출부(220)는 일변동성 항목의 대푯값(예컨대, 6.02)에 따르면 다소 변동성이 큰 종목을 선호하며, 업종 항목의 대푯값에 따르면, 203 업종을 선호하는 것으로 판단할 수 있다.
분석부(230)는 선정된 복수의 투자 종목별 핵심 키워드 및 도출된 투자 스타일 정보에 기초하여 투자자의 투자 성향을 분석할 수 있다.
예를 들어, 도 4e를 참조하면, 분석부(230)는 각 투자 종목의 비중 정보에 따른 가중치 및 감속 인자에 투자 키워드에 대한 키워드 경과일을 지수로 연산한 모든 투자 키워드의 가중 연산값을 키워드별로 합산한 결과, 투자자가 제 3 투자 키워드(대략 0.42), 제 6 투자 키워드(대략 0.04) 및 제 9 투자 키워드(대략 0.36) 를 핵심 키워드로 선호하고, 제 3 투자 키워드(대략 0.42), 제 6 투자 키워드(대략 0.04), 제 9 투자 키워드(대략 0.36) 순으로 선호하는 것으로 분석할 수 있다.
한편, 당업자라면, 키워드 추출부(200), 핵심 키워드 선정부(210), 투자 스타일 정보 추출부(220) 및 분석부(230) 각각이 분리되어 구현되거나, 이 중 하나 이상이 통합되어 구현될 수 있음을 충분히 이해할 것이다.
도 5는 본 발명의 일 실시예에 따른, 투자자의 투자 포트폴리오를 분석하는 방법을 나타낸 흐름도이다.
도 5를 참조하면, 단계 S501에서 투자 성향 분석 서버(20)는 실시간으로 수집된 복수의 투자 관련 문서에 기초하여 투자자의 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출할 수 있다.
단계 S503에서 투자 성향 분석 서버(20)는 복수의 투자 종목 각각의 비중 정보 및 복수의 투자 종목 각각에 대하여 추출된 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 복수의 투자 종목별 핵심 키워드를 선정할 수 있다.
단계 S505에서 투자 성향 분석 서버(20)는 기설정된 복수의 특성 항목에 대응하는 복수의 투자 종목별 기초 데이터에 기초하여 투자 포트폴리오에 대한 투자 스타일 정보를 도출할 수 있다. 여기서, 기초 데이터는 투자 종목에 대한 시장 정보, 시총 정보, 밸류 정보, 실적 정보, 수급점수 정보, 시장평판 정보, 일변동성 정보, 중기변동성 정보, 업종 코드 정보를 포함할 수 있다.
단계 S507에서 투자 성향 분석 서버(20)는 단계 S503에서 선정된 복수의 투자 종목별 핵심 키워드 및 단계 S505에서 도출된 투자 스타일 정보에 기초하여 투자자의 투자 성향을 분석할 수 있다.
상술한 설명에서, 단계 S501 내지 S507은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (10)

  1. 투자자의 투자 포트폴리오를 분석하는 서버에 있어서,
    실시간으로 수집된 복수의 투자 관련 문서에 기초하여 상기 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출하는 키워드 추출부;
    상기 복수의 투자 종목 각각의 비중 정보 및 상기 복수의 투자 종목 각각에 대하여 추출된 상기 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 상기 복수의 투자 종목별 핵심 키워드를 선정하는 핵심 키워드 선정부;
    기설정된 복수의 특성 항목에 대응하는 상기 복수의 투자 종목별 기초 데이터에 기초하여 상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 투자 스타일 정보 도출부; 및
    상기 선정된 복수의 투자 종목별 핵심 키워드 및 상기 도출된 투자 스타일 정보에 기초하여 상기 투자자의 투자 성향을 분석하는 분석부
    를 포함하는 것인, 투자 성향 분석 서버.
  2. 제 1 항에 있어서,
    상기 키워드 추출부는 각 투자 키워드가 언급된 적어도 하나의 투자 관련 문서의 발행일 또는 게시일 및 상기 각 투자 키워드가 상기 적어도 하나의 투자 관련 문서에 언급된 횟수에 기초하여 상기 키워드 발생 정보를 도출하는 것인, 투자 성향 분석 서버.
  3. 제 2 항에 있어서,
    상기 핵심 키워드 선정부는 상기 각 투자 종목의 비중 정보에 따른 가중치 및 상기 각 투자 종목에 대하여 추출된 상기 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 상기 각 투자 종목의 투자 키워드별 키워드 중요도 점수를 계산하고,
    상기 각 투자 종목의 투자 키워드별 키워드 중요도 점수에 기초하여 상기 복수의 투자 종목별 핵심 키워드를 선정하는 것인, 투자 성향 분석 서버.
  4. 제 1 항에 있어서,
    상기 기초 데이터는 투자 종목에 대한 시장 정보, 시총 정보, 밸류 정보, 실적 정보, 수급점수 정보, 시장평판 정보, 일변동성 정보, 중기변동성 정보, 업종 코드 정보를 포함하는 것인, 투자 성향 분석 서버.
  5. 제 4 항에 있어서,
    상기 투자 스타일 정보 도출부는 상기 각 투자 종목의 비중 정보에 따른 가중치 및 상기 각 투자 종목의 기초 데이터에 기초하여 상기 복수의 특성 항목별 대푯값을 도출하고,
    상기 복수의 특성 항목별 대푯값에 기초하여 상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 것인, 투자 성향 분석 서버.
  6. 투자 성향 분석 서버에 의해 수행되는 투자자의 투자 포트폴리오를 분석하는 방법에 있어서,
    실시간으로 수집된 복수의 투자 관련 문서에 기초하여 상기 투자 포트폴리오에 포함된 복수의 투자 종목마다 각 투자 종목과 연관된 적어도 하나의 투자 키워드를 추출하는 단계;
    상기 복수의 투자 종목 각각의 비중 정보 및 상기 복수의 투자 종목 각각에 대하여 추출된 상기 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 상기 복수의 투자 종목별 핵심 키워드를 선정하는 단계;
    기설정된 복수의 특성 항목에 대응하는 상기 복수의 투자 종목별 기초 데이터에 기초하여 상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 단계; 및
    상기 선정된 복수의 투자 종목별 핵심 키워드 및 상기 도출된 투자 스타일 정보에 기초하여 상기 투자자의 투자 성향을 분석하는 단계
    를 포함하는 것인, 투자 성향 분석 방법.
  7. 제 6 항에 있어서,
    상기 투자 키워드를 추출하는 단계는
    각 투자 키워드가 언급된 적어도 하나의 투자 관련 문서의 발행일 또는 게시일 및 상기 각 투자 키워드가 상기 적어도 하나의 투자 관련 문서에 언급된 횟수에 기초하여 상기 키워드 발생 정보를 도출하는 단계를 포함하는 것인, 투자 성향 분석 방법.
  8. 제 7 항에 있어서,
    상기 복수의 투자 종목별 핵심 키워드를 선정하는 단계는
    상기 각 투자 종목의 비중 정보에 따른 가중치 및 상기 각 투자 종목에 대하여 추출된 상기 적어도 하나의 투자 키워드에 대한 키워드 발생 정보에 기초하여 상기 각 투자 종목의 투자 키워드별 키워드 중요도 점수를 계산하는 단계 및
    상기 각 투자 종목의 투자 키워드별 키워드 중요도 점수에 기초하여 상기 복수의 투자 종목별 핵심 키워드를 선정하는 단계를 포함하는 것인, 투자 성향 분석 방법.
  9. 제 6 항에 있어서,
    상기 기초 데이터는 투자 종목에 대한 시장 정보, 시총 정보, 밸류 정보, 실적 정보, 수급점수 정보, 시장평판 정보, 일변동성 정보, 중기변동성 정보, 업종 코드 정보를 포함하는 것인, 투자 성향 분석 방법.
  10. 제 9 항에 있어서,
    상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 단계는
    상기 각 투자 종목의 비중 정보에 따른 가중치 및 상기 각 투자 종목의 기초 데이터에 기초하여 상기 복수의 특성 항목별 대푯값을 도출하는 단계 및
    상기 복수의 특성 항목별 대푯값에 기초하여 상기 투자 포트폴리오에 대한 투자 스타일 정보를 도출하는 단계를 포함하는 것인, 투자 성향 분석 방법.
PCT/KR2022/009370 2022-04-08 2022-06-30 투자자의 투자 포트폴리오를 분석하는 서버 및 방법 WO2023195580A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220044031A KR20230144844A (ko) 2022-04-08 2022-04-08 투자자의 투자 포트폴리오를 분석하는 서버 및 방법
KR10-2022-0044031 2022-04-08

Publications (1)

Publication Number Publication Date
WO2023195580A1 true WO2023195580A1 (ko) 2023-10-12

Family

ID=88242985

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/009370 WO2023195580A1 (ko) 2022-04-08 2022-06-30 투자자의 투자 포트폴리오를 분석하는 서버 및 방법

Country Status (2)

Country Link
KR (1) KR20230144844A (ko)
WO (1) WO2023195580A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531970B1 (ko) * 2013-12-26 2015-06-26 주식회사 코스콤 소셜 미디어 데이터 및 증시 관련 웹데이터 분석을 통한 주가 예측 방법 및 이를 적용한 주가 예측 시스템
KR20170048976A (ko) * 2015-10-27 2017-05-10 김해동 주식 투자 성과에 기반한 주식 투자 신뢰성 평가 시스템 및 그 방법
KR20200119752A (ko) * 2018-06-25 2020-10-20 주식회사 딥서치 투자 포트폴리오 구축 방법, 투자 포트폴리오 서비스 제공 방법 및 이를 지원하는 장치
KR20210003029A (ko) * 2019-07-01 2021-01-11 유한책임회사 블루바이저시스템즈 머신러닝 기반의 휴면 자산 관리 방법 및 시스템
KR20210019359A (ko) * 2019-08-12 2021-02-22 주식회사 푸시뉴스 주가 예측 서비스방법 및 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150083620A (ko) 2014-01-10 2015-07-20 유성호 키워드 연동 투자 정보 제공 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101531970B1 (ko) * 2013-12-26 2015-06-26 주식회사 코스콤 소셜 미디어 데이터 및 증시 관련 웹데이터 분석을 통한 주가 예측 방법 및 이를 적용한 주가 예측 시스템
KR20170048976A (ko) * 2015-10-27 2017-05-10 김해동 주식 투자 성과에 기반한 주식 투자 신뢰성 평가 시스템 및 그 방법
KR20200119752A (ko) * 2018-06-25 2020-10-20 주식회사 딥서치 투자 포트폴리오 구축 방법, 투자 포트폴리오 서비스 제공 방법 및 이를 지원하는 장치
KR20210003029A (ko) * 2019-07-01 2021-01-11 유한책임회사 블루바이저시스템즈 머신러닝 기반의 휴면 자산 관리 방법 및 시스템
KR20210019359A (ko) * 2019-08-12 2021-02-22 주식회사 푸시뉴스 주가 예측 서비스방법 및 시스템

Also Published As

Publication number Publication date
KR20230144844A (ko) 2023-10-17

Similar Documents

Publication Publication Date Title
Kyvik Changing trends in publishing behaviour among university faculty, 1980-2000
JP2003345810A (ja) 文書検索方法、文書検索システム及び文書検索結果示方システム
US20100079464A1 (en) Information processing apparatus capable of easily generating graph for comparing of a plurality of commercial products
KR20060009354A (ko) 조사 처리용 방법 및 장치
Chujo et al. Selecting level-specific specialized vocabulary using statistical measures
CN109508373A (zh) 企业舆情指数的计算方法、设备及计算机可读存储介质
CN107885784A (zh) 提取用户特征数据的方法和装置
WO2023058901A1 (ko) 사용자 지향형으로 설정된 조건에 매칭되는 주식 종목 선별 시스템 및 방법
Kwasik Qualifications for a serials librarian in an electronic environment
WO2023195580A1 (ko) 투자자의 투자 포트폴리오를 분석하는 서버 및 방법
Afrizal et al. New filtering scheme based on term weighting to improve object based opinion mining on tourism product reviews
Kajberg A content analysis of library & information science serial literature published in Denmark, 1957–1986
WO2024043442A1 (ko) 금융 서비스를 위한 데이터 이코노미 설정 방법 및 이러한 방법을 수행하는 장치
WO2023195579A1 (ko) 투자자의 투자 포트폴리오에 기초하여 추천 투자 종목을 제공하는 서버 및 방법
Chowdhury et al. Powerful CEOs and investment efficiency
Mahmood Evaluating organizational efficiency resulting from information technology investment: an application of data envelopment analysis
WO2020022537A1 (ko) 서적 간 유사도를 활용한 서적추천 방법
Dieijen et al. What say they about their mandate? a textual assessment of federal reserve speeches
CN112612961A (zh) 信息搜索方法、装置、存储介质及计算机设备
WO2022270947A1 (ko) 투자 가이드를 제공하는 서버, 방법 및 컴퓨터 프로그램
Raney How readable is your employee publication?
CN111241399A (zh) 一种上市公司关注度的评估方法
Djerdjouri et al. AN ANALYSIS OF PRODUCTIVITY CHANGES OF CHARTERED ACCOUNTING FIRMS IN THE UK, 2009-2012.
Bellman In the mind of the property appraiser: Studies of commercial property valuation
WO2016137078A1 (ko) 배우자 후보에 대한 매칭 장치 및 방법

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: 22936633

Country of ref document: EP

Kind code of ref document: A1