/InvestorRoadmap

eXplainable AI(설명 가능한 AI)를 활용한 투자 습관 교정 솔루션

Primary LanguageJupyter Notebook

InvestorRoadmap

  • 프로젝트 설명

    • InvestorRoadmap 프로젝트는 eXplainable AI(설명 가능한 AI)를 활용하여 개인 투자자의 투자 습관을 파악하고 희망하는 투자 형태로 변화할 수 있도록 도와주는 솔루션입니다.

      1 2

  • 프로젝트 구성

    • 데이터 수집

      • DART 전자공시시스템에서 제공하는 재무 및 현금흐름 데이터 수집 진행
      • KRX 한국거래소 정보데이터시스템에서 제공하는 종목 별 가격 데이터 수집 진행

    • 데이터 전처리

      • Pandas DataFrame 형식으로 데이터 전처리 진행
      • 탐색적 데이터 분석(EDA) 기법을 통해 피쳐 속성에 대한 파악 진행
      • 지표 데이터의 분포를 바탕으로 백분위 분석 기법을 통해 스코어링 및 라벨링 진행
      • 가격 데이터와 재무 데이터를 바탕으로 학습 데이터 선정 및 정규분포화 등 전처리 진행
      • 사용 지표 종류
        • 변동성 지표
          • ATR : ATRPP (Average True Range Per Price)
        • 수익성 지표
          • 배당수익률 (Dividend Yield)
          • 순이익률 (Net Profit Margin)
          • 자본회전율 (Asset Turnover)
        • 안정성 지표
          • 부채비율
        • 가치성 지표
          • PSR (Price Sales Ratio)
          • PBR (Price Book-value Ratio)
        • 모멘텀 지표
          • TSF Slope : TSF (Time Series Forcasting) 지표에 대한 Slope (기울기)

    • 데이터 분석 및 모델링

      • 사용자의 투자 상태를 위 5가지 지표에 대한 각각의 백분율로 표현할 수 있도록 지표마다 Random Forest Regressor 모델을 학습합니다.
      • 위에서 학습한 Random Forest Regressor 모델에 대하여 LIME(Local Interpretable Model-agnostic Explanation) 기법을 적용하여 현재 투자 성향을 파악하도록 합니다.
      • LIME 모델에 대하여 기본적으로 quartile 방식으로 설계하였기 때문에, 오차가 가장 큰 지표를 바탕으로 가장 설명력이 큰 feature 에 대하여 구간의 간격(total_width * 1/4)만큼 개선합니다.

    • 모델 검증 및 연구 시도

      • RMS (Root Mean Square) 방식을 활용하여 조정 전과 후에 대한 결과 비교(각 투자 지표 별 모델 추론 결과값 바탕)로 설명 모델에 대한 중요도를 파악합니다.
        • Enhanced Value (감소한 RMS 수치) 에 대한 확인을 통하여 XAI 를 통한 투자 성향 개선의 가능성을 확인합니다.
        • 설명력이 강한 Feature 를 바탕으로 개선하는 것과 설명력이 약한 Feature 를 바탕으로 개선하는 것 사이의 성능을 비교합니다.
        • 지표 간의 상관관계 누적합 값을 바탕으로 다양한 지표 조합에 대한 성능을 비교합니다.

  • 프로젝트 적용

    • 아래와 같이, 입력된 종목에 대한 피쳐들을 변동성, 수익성, 안정성, 가치성, 모멘텀으로 총 5 가지 측면의 지표로 분석하여 정보를 제공합니다.

      3

    • 프로젝트 참가 인원
      김민준(서울과학기술대학교 학부 3학년)
      김태현(한양대학교 학부 4학년)

  • References