IP Force 特許公報掲載プロジェクト 2022.1.31 β版

知財求人 - 知財ポータルサイト「IP Force」

▶ イノフィン インコーポレイテッドの特許一覧

特表2024-523462投資ガイドを提供するサーバ、方法及びコンピュータプログラム
<>
  • 特表-投資ガイドを提供するサーバ、方法及びコンピュータプログラム 図1
  • 特表-投資ガイドを提供するサーバ、方法及びコンピュータプログラム 図2a
  • 特表-投資ガイドを提供するサーバ、方法及びコンピュータプログラム 図2b
  • 特表-投資ガイドを提供するサーバ、方法及びコンピュータプログラム 図3
< >
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-06-28
(54)【発明の名称】投資ガイドを提供するサーバ、方法及びコンピュータプログラム
(51)【国際特許分類】
   G06Q 40/04 20120101AFI20240621BHJP
【FI】
G06Q40/04
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2023578868
(86)(22)【出願日】2022-06-23
(85)【翻訳文提出日】2024-02-16
(86)【国際出願番号】 KR2022008963
(87)【国際公開番号】W WO2022270947
(87)【国際公開日】2022-12-29
(31)【優先権主張番号】10-2021-0082046
(32)【優先日】2021-06-24
(33)【優先権主張国・地域又は機関】KR
(31)【優先権主張番号】10-2022-0029871
(32)【優先日】2022-03-10
(33)【優先権主張国・地域又は機関】KR
(81)【指定国・地域】
(71)【出願人】
【識別番号】523478056
【氏名又は名称】イノフィン インコーポレイテッド
(74)【代理人】
【識別番号】100087398
【弁理士】
【氏名又は名称】水野 勝文
(74)【代理人】
【識別番号】100128783
【弁理士】
【氏名又は名称】井出 真
(74)【代理人】
【識別番号】100128473
【弁理士】
【氏名又は名称】須澤 洋
(74)【代理人】
【識別番号】100160886
【弁理士】
【氏名又は名称】久松 洋輔
(72)【発明者】
【氏名】シン,ジュ ホ
(72)【発明者】
【氏名】ソン,サン ヒョン
【テーマコード(参考)】
5L040
【Fターム(参考)】
5L040BB57
(57)【要約】
投資ガイドを提供するサーバは、投資専門家に関する投資関連情報を収集する収集部と、収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成する学習データ生成部と、生成された学習データに基づいて複数の学習モデルを学習させる学習部と、学習された複数の学習モデルに基づいて投資専門家に関する投資模写アンサンブルモデルを生成するアンサンブルモデル生成部と、投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供する投資ガイド情報提供部とを含み、前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含んでいても良い。
【特許請求の範囲】
【請求項1】
投資ガイドを提供するサーバにおいて、
投資専門家に関する投資関連情報を収集する収集部と、
前記収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成する学習データ生成部と、
前記生成された学習データに基づいて前記複数の学習モデルを学習させる学習部と、
前記学習された複数の学習モデルに基づいて前記投資専門家に関する投資模写アンサンブルモデルを生成するアンサンブルモデル生成部と、
前記投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供する投資ガイド情報提供部とを含み、
前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含む、投資ガイド提供サーバ。
【請求項2】
前記投資関連情報は、前記投資専門家が保有中の少なくとも1つの投資銘柄に関する資産情報、前記保有中の投資銘柄に関する取引内訳と、取引指標情報を含み、
前記少なくとも1つの投資銘柄に関する資産情報は、日別の投資銘柄に関する保有比重情報を含む、請求項1に記載の投資ガイド提供サーバ。
【請求項3】
前記学習データ生成部は、前記収集された投資関連情報から株価関連指標情報を導出し、前記導出された株価関連指標情報に基づいて前記株価モデルの学習のための第1の学習データを生成し、
前記株価関連指標情報は、株価収益率、取引量、株価の標準偏差及び株価移動平均線(MV、Moving Average)を含む、請求項1に記載の投資ガイド提供サーバ。
【請求項4】
前記学習データ生成部は、前記収集された投資関連情報から財務関連比率情報を導出し、前記導出された財務関連比率情報に基づいて前記財務モデルの学習のための第2の学習データを生成し、
前記財務関連比率情報は、株価収益率(PER、Price Earning Ratio)、総資産利益率(ROA、Return On Asset)、企業価値(EV、Enterprise Value)及び利払い前・税引き前利益(EBITDA、Earnings Before Interest&Tex、Depreciation and Amortization)の間の情報を含む、請求項1に記載の投資ガイド提供サーバ。
【請求項5】
前記学習データ生成部は、前記収集された投資関連情報からマクロ経済指標関連情報を導出し、前記導出されたマクロ経済指標関連情報に基づいて前記経済モデルの学習のための第3の学習データを生成し、
前記マクロ経済指標関連情報は、為替レート情報、油価情報、金利情報、物価情報、GOD経済成長率情報を含む、請求項1に記載の投資ガイド提供サーバ。
【請求項6】
前記アンサンブルモデル生成部は、
前記複数の学習モデル及び前記複数の学習モデル毎に設定された加重値に基づいて前記投資模写アンサンブルモデルを生成し、
前記複数の学習モデルに現時点の株価データ、財務データ及び経済データが入力された場合、各学習モデルから導出された出力値は、前記投資模写アンサンブルモデルの入力値として使用される、請求項1に記載の投資ガイド提供サーバ。
【請求項7】
複数の投資専門家に関する複数の投資模写アンサンブルモデルを前記投資家端末に提供するアンサンブルモデル提供部
をさらに含む、請求項1に記載の投資ガイド提供サーバ。
【請求項8】
前記投資ガイド情報提供部は、
前記複数の投資模写アンサンブルモデルのうち少なくとも1つを前記投資家端末から選択され、前記選択された投資模写アンサンブルモデルに基づいて前記投資家端末に前記投資ガイド情報を提供する、請求項7に記載の投資ガイド提供サーバ。
【請求項9】
前記投資ガイド情報提供部は、
前記投資家端末によって選択された投資模写アンサンブルモデルに含まれた複数の学習モデルに現時点の株価データ、財務データ及び経済データを入力し、
各学習モデルから導出された出力値を前記選択された投資模写アンサンブルモデルの入力値として使用することで前記選択された投資模写アンサンブルモデルを通じて前記投資ガイド情報を導出し、
前記投資ガイド情報は、投資銘柄に関する取引ポジション情報、前記投資銘柄の保有比重情報を含む、請求項8に記載の投資ガイド提供サーバ。
【請求項10】
前記投資家端末から少なくとも2つ以上の投資模写アンサンブルモデルを選択された場合、
前記投資ガイド情報提供部は、前記選択された2つ以上の投資模写アンサンブルモデルの各々を通じて導出された前記選択された2つ以上の投資模写アンサンブルモデル毎の投資ガイド情報を提供する、請求項8に記載の投資ガイド提供サーバ。
【請求項11】
前記選択された2つ以上の投資模写アンサンブルモデル毎の投資ガイド情報に含まれた投資銘柄に関する取引ポジション情報が相反する場合、
前記投資ガイド情報提供部は、前記選択された2つ以上の投資模写アンサンブルのうち確率が高い投資模写アンサンブルを通じて導出された投資ガイド情報を前記投資家端末に提供する、請求項10に記載の投資ガイド提供サーバ。
【請求項12】
投資ガイド提供サーバによって実行される投資ガイドを提供する方法において、
投資専門家に関する投資関連情報を収集するステップと、
前記収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成するステップと、
前記生成された学習データに基づいて前記複数の学習モデルを学習させるステップと、
前記学習された複数の学習モデルに基づいて前記投資専門家に関する投資模写アンサンブルモデルを生成するステップと、
前記投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供するステップとを含み、
前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含む、投資ガイド提供方法。
【請求項13】
前記複数の学習モデルについての学習データを生成するステップは、
前記収集された投資関連情報からマクロ経済指標関連情報を導出するステップと、
前記導出されたマクロ経済指標関連情報に基づいて前記経済モデルの学習のための第3の学習データを生成するステップとを含み、
前記マクロ経済指標関連情報は、為替レート情報、油価情報、金利情報、物価情報、GOD経済成長率情報を含む、請求項12に記載の投資ガイド提供方法。
【請求項14】
前記投資専門家に関する投資模写アンサンブルモデルを生成するステップは、
前記複数の学習モデル及び前記複数の学習モデル毎に設定された加重値に基づいて前記投資模写アンサンブルモデルを生成するステップを含み、
前記複数の学習モデルに現時点の株価データ、財務データ及び経済データが入力された場合、各学習モデルから導出された出力値は、前記投資模写アンサンブルモデルの入力値として使用される、請求項12に記載の投資ガイド提供方法。
【請求項15】
複数の投資専門家に関する複数の投資模写アンサンブルモデルを前記投資家端末に提供するステップをさらに含む、請求項12に記載の投資ガイド提供方法。
【請求項16】
前記投資家端末に投資ガイド情報を提供するステップは、
前記複数の投資模写アンサンブルモデルのうち少なくとも1つを前記投資家端末から選択されるステップと、
前記選択された投資模写アンサンブルモデルに基づいて前記投資家端末に前記投資ガイド情報を提供するステップとを含む、請求項15に記載の投資ガイド提供方法。
【請求項17】
前記投資家端末に投資ガイド情報を提供するステップは、
前記投資家端末によって選択された投資模写アンサンブルモデルに含まれた複数の学習モデルに現時点の株価データ、財務データ及び経済データを入力するステップと、
各学習モデルから導出された出力値を前記選択された投資模写アンサンブルモデルの入力値として使用することで前記選択された投資模写アンサンブルモデルを通じて前記投資ガイド情報を導出するステップとを含み、
前記投資ガイド情報は、投資銘柄に関する取引ポジション情報、前記投資銘柄の保有比重情報を含む、請求項16に記載の投資ガイド提供方法。
【請求項18】
前記投資家端末に投資ガイド情報を提供するステップは、
前記投資家端末から少なくとも2つ以上の投資模写アンサンブルモデルを選択された場合、前記選択された2つ以上の投資模写アンサンブルモデルの各々を通じて導出された前記選択された2つ以上の投資模写アンサンブルモデル毎の投資ガイド情報を提供するステップを含む、請求項16に記載の投資ガイド提供方法。
【請求項19】
前記投資家端末に投資ガイド情報を提供するステップは、
前記選択された2つ以上の投資模写アンサンブルモデル毎の投資ガイド情報に含まれた投資銘柄に関する取引ポジション情報が相反する場合、前記選択された2つ以上の投資模写アンサンブルのうち確率が高い投資模写アンサンブルを通じて導出された投資ガイド情報を前記投資家端末に提供するステップを含む、請求項16に記載の投資ガイド提供方法。
【請求項20】
投資ガイドを提供する命令語のシーケンスを含むコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムにおいて、
前記コンピュータプログラムは、コンピュータ装置によって実行される場合、
投資専門家に関する投資関連情報を収集し、
前記収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成し、
前記生成された学習データに基づいて前記複数の学習モデルを学習させ、
前記学習された複数の学習モデルに基づいて前記投資専門家に関する投資模写アンサンブルモデルを生成し、
前記投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供し、
前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含む命令語のシーケンスを含む、コンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、投資ガイドを提供するサーバ、方法及びコンピュータプログラムに関する。
【背景技術】
【0002】
財テクへの関心が高くなるにつれて、投資商品(例えば、株式、ファンドなど)を利用して投資するユーザが次第に増加している。
【0003】
株式投資の場合、情報収集及び分析能力によって高収益が発生することもあるが、判断ミスや市場状況などにより損失が発生し得る。
【0004】
株式取引を行う殆どの個人投資家は、投資を専門とする投資機関とは異なり、専門的な知識及び情報の不在、資金不足などによって高収益を遂げることが益々難しくなっている。
【0005】
一方、大多数の個人投資家は、投資専門家(例えば、ウォーレンバフェットなど)の投資スタイル(例えば、売買技法など)を追従したがる。しかし、投資専門家の売買技法は少数の要素では定義し難い側面がある。
【0006】
例えば、ルールベースモデル(Rule Base Model)又は量子化モデル(Quant Model)などを通じて投資専門家の売買技法をある程度は定量化することができるが、損失する情報が生じ得る。
【0007】
例えば、ポートフォリオ分析ツールを通じて投資専門家の売買要素別収益及び損失要因などを分析することもできるが、これは間接的な方法であり、正確に投資専門家の売買技法を導出するには難しい面がある。
【先行技術文献】
【特許文献】
【0008】
【特許文献1】韓国公開特許公報第2013-0052043号(2013年5月22日付にて公開)
【発明の概要】
【発明が解決しようとする課題】
【0009】
本発明は、上述した従来技術の問題点を解決するためのものであり、投資専門家に関する投資関連情報に基づいて複数の学習モデルを学習させ、学習された複数の学習モデルに基づく投資模写アンサンブルモデルを通じて投資ガイド情報を提供することを目的とする。
【0010】
但し、本実施例が解決しようとする技術的課題は、上記したような技術的課題に限定されるものではなく、また他の技術的課題が存在し得る。
【課題を解決するための手段】
【0011】
上述した技術的課題を解決するための手段として、本発明の第1の側面に係る投資ガイドを提供するサーバは、投資専門家に関する投資関連情報を収集する収集部と、前記収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成する学習データ生成部と、前記生成された学習データに基づいて前記複数の学習モデルを学習させる学習部と、前記学習された複数の学習モデルに基づいて前記投資専門家に関する投資模写アンサンブルモデルを生成するアンサンブルモデル生成部と、前記投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供する投資ガイド情報提供部とを含み、前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含んでいても良い。
【0012】
本発明の第2の側面に係る投資ガイド提供サーバによって実行される投資ガイドを提供する方法は、投資専門家に関する投資関連情報を収集するステップと、前記収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成するステップと、前記生成された学習データに基づいて前記複数の学習モデルを学習させるステップと、前記学習された複数の学習モデルに基づいて前記投資専門家に関する投資模写アンサンブルモデルを生成するステップと、前記投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供するステップとを含み、前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含んでいても良い。
【0013】
本発明の第3の側面に係る投資ガイドを提供する命令語のシーケンスを含むコンピュータ読み取り可能な記録媒体に格納されたコンピュータプログラムは、コンピュータ装置によって実行される場合、投資専門家に関する投資関連情報を収集し、前記収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成し、前記生成された学習データに基づいて前記複数の学習モデルを学習させ、前記学習された複数の学習モデルに基づいて前記投資専門家に関する投資模写アンサンブルモデルを生成し、前記投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供し、前記複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含む命令語のシーケンスを含んでいても良い。
【0014】
上述した課題を解決するための手段は、単なる例示であり、本発明を制限する意図で解釈されてはならない。上述した例示的な実施例の他にも、図面及び発明の詳細な説明に記載された追加の実施例が存在し得る。
【発明の効果】
【0015】
上述した本発明の課題を解決するための手段の何れか一つによれば、本発明は、投資専門家に関する投資関連情報に基づいて複数の学習モデルを学習させ、学習された複数の学習モデルに基づく投資模写アンサンブルモデルを通じて投資ガイド情報を提供することができる。
【0016】
これにより、本発明の投資模写アンサンブルモデルは、投資専門家が売買時に考慮した判断と類似した判断を提供するため、投資の知識が多くない個人投資家でも投資専門家の投資スタイルを学習した投資模写アンサンブルモデルを通じて投資専門家の投資戦力と類似して投資できるように助けることができる。
【図面の簡単な説明】
【0017】
図1】本発明の一実施例に係る、投資ガイド提供サーバのブロック図である。
図2a】本発明の一実施例に係る、複数の学習モデルの学習方法及び複数の学習モデルを利用した投資ガイド情報を提供する方法を説明するための図である。
図2b】本発明の一実施例に係る、複数の学習モデルの学習方法及び複数の学習モデルを利用した投資ガイド情報を提供する方法を説明するための図である。
図3】本発明の一実施例に係る、投資ガイドを提供する方法を示すフローチャートである。
【発明を実施するための形態】
【0018】
以下では、添付した図面を参照しながら、本発明の属する技術分野において通常の知識を有する者が容易に実施できるように本発明の実施例を詳しく説明する。ところが、本発明は様々な異なる形態に具現されることができ、ここで説明する実施例に限定されるものではない。そして、図面において、本発明を明確に説明するために、説明とは関係ない部分は省略しており、明細書全体に亘って類似した部分に対しては類似した図面符号を付けている。
【0019】
明細書全体において、ある部分が他の部分と「連結」されているという場合、これは「直接的に連結」されている場合だけでなく、その中間に他の素子を挟んで「電気的に連結」されている場合も含む。また、ある部分がある構成要素を「含む」という場合、これは、特に反対の記載がない限り、他の構成要素を除くのではなく、他の構成要素をさらに含み得ることを意味する。
【0020】
本明細書において「部」とは、ハードウェアによって実現されるユニット(unit)、ソフトウェアによって実現されるユニット、両方を利用して実現されるユニットを含む。また、1つのユニットが2つ以上のハードウェアを利用して実現されても良く、2つ以上のユニットが1つのハードウェアによって実現されても良い。
【0021】
本明細書において、端末又はデバイスが行うと記述された動作や機能のうち一部は、当該端末又はデバイスと連結されたサーバにおいて代わりに行われても良い。それと同様に、サーバが行うと記述された動作や機能のうち一部も、当該サーバと連結された端末又はデバイスにおいて行われても良い。
【0022】
以下、添付された構成図又は処理フローチャートを参照しながら、本発明を実施するための具体的な内容を説明することとする。
【0023】
図1は、本発明の一実施例に係る、投資ガイド提供サーバ10のブロック図である。
【0024】
図1を参照すると、投資ガイド提供サーバ10は、収集部100と、学習データ生成部110と、学習部120と、アンサンブルモデル生成部130と、投資ガイド情報提供部140と、アンサンブルモデル提供部150とを含んでいても良い。但し、図1に示された投資ガイド提供サーバ10は本発明の一具現例に過ぎず、図1に示された構成要素を基に様々な変形が可能である。
【0025】
収集部100は、証券会社のサーバから投資専門家(例えば、ファンドマネージャなど)に関する投資関連情報を収集しても良い。
【0026】
ここで、投資関連情報は、投資専門家が保有中の少なくとも1つの投資銘柄に関する資産情報、保有中の投資銘柄に関する取引内訳と取引指標情報を含んでいても良い。ここで、少なくとも1つの投資銘柄に関する資産情報は、日別の投資銘柄に関する保有比重情報を含んでいても良い。
【0027】
例えば、収集部100は、第1の投資専門家に関する第1の投資関連情報を収集し、第2の投資専門家に関する第1の投資関連情報を収集しても良い。
【0028】
学習データ生成部110は、収集された投資専門家に関する投資関連情報に基づいて複数の学習モデルについての学習データを生成しても良い。ここで、複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含んでいても良い。
【0029】
学習データ生成部110は、投資専門家別に収集された投資関連情報に基づいて投資専門家別の複数の学習モデルについての学習データをそれぞれ生成しても良い。例えば、学習データ生成部110は、第1の投資専門家の投資関連情報を利用して第1の投資専門家の売買スタイル(例えば、売買ポジション及び投資銘柄の保有比重など)を学習するための複数の学習モデルについての学習データを生成し、第2の投資専門家の投資関連情報を利用して第2の投資専門家の売買スタイルを学習するための複数の学習モデルについての学習データを生成しても良い。
【0030】
学習データ生成部110は、収集された投資専門家に関する投資関連情報から株価関連指標情報を導出し、導出された株価関連指標情報に基づいて株価モデルの学習のための第1の学習データを生成しても良い。ここで、株価関連指標情報は、例えば、株価収益率、取引量、株価の標準偏差及び株価移動平均線(MV、Moving Average)を含んでいても良い。あるいは、株価関連指標情報は、例えば、5日収益率(例えば、10日、20日、60日、120日収益率)、移動平均線(MA5(20、60、120))情報、指数移動平均線(EMA5(20、60、120))情報、取引量情報、OBV(On Balance Volume)情報、PVT(Price Volume Trend)情報、AD(Accumulation Distribution)情報、離隔度情報、RSI(Relative Strength Index)情報などをさらに含んでいても良い。
【0031】
学習データ生成部110は、収集された投資関連情報から財務関連比率情報を導出し、導出された財務関連比率情報に基づいて財務モデルの学習のための第2の学習データを生成しても良い。ここで、財務関連比率情報は、例えば、株価収益率(PER、Price Earning Ratio)、総資産利益率(ROA、Return On Asset)、企業価値(EV、Enterprise Value)及び利払い前・税引き前利益(EBITDA、Earnings Before Interest&Tex、Depreciation and Amortization)の間の情報を含んでいても良い。また、財務関連比率情報は、例えば、自己資本比率(ROE、Return On Equity)情報、株価純資産倍率(PBR、Price Book-value Ratio)情報、株価売上高倍率(PSR、Pice Sales Ratio)情報、営業利益率情報、純利益率情報、売上高増加率情報、負債比率情報、配当性向情報などをさらに含んでいても良い。
【0032】
学習データ生成部110は、収集された投資関連情報からマクロ経済指標関連情報を導出し、導出されたマクロ経済指標関連情報に基づいて経済モデルの学習のための第3の学習データを生成しても良い。ここで、マクロ経済指標関連情報は、例えば、為替レート情報、油価情報、金利情報、物価情報、原資材情報、GOD経済成長率情報を含んでいても良い。
【0033】
学習部120は、投資専門家についての学習データに基づき、投資専門家の売買スタイルを複数の学習モデルに学習させても良い。
【0034】
例えば、図2aを参照すると、学習部120は、第1の投資専門家についての第1の学習データ(株価関連指標情報に基づいて生成されたデータ)を株価モデル201に入力し、株価モデル201を通じて第1の投資専門家の取引ポジション情報及び投資銘柄の保有比重情報を予測するように株価モデル201を学習させても良い。
【0035】
また、学習部120は、第1の投資専門家についての第2の学習データ(財務関連比率情報に基づいて生成されたデータ)を財務モデル203に入力し、財務モデル203を通じて第1の投資専門家の取引ポジション情報及び投資銘柄の保有比重情報を予測するように財務モデル203を学習させても良い。
【0036】
また、学習部120は、第1の投資専門家についての第3の学習データ(マクロ経済指標関連情報に基づいて生成されたデータ)を経済モデル205に入力し、経済モデル205を通じて第1の投資専門家の取引ポジション情報及び投資銘柄の保有比重情報を予測するように経済モデル205を学習させても良い。
【0037】
アンサンブルモデル生成部130は、学習された複数の学習モデルに基づいて投資専門家に関する投資模写アンサンブルモデルを生成しても良い。
【0038】
例えば、図2bを参照すると、アンサンブルモデル生成部130は、第1の投資専門家の投資スタイルが学習された株価モデル201、財務モデル203及び経済モデル205を利用して第1の投資専門家に関する投資模写アンサンブルモデル207を生成しても良い。
【0039】
アンサンブルモデル生成部130は、投資専門家の投資性向に基づいて複数の学習モデルの各々に与える加重値を異なるように設定しても良い。各学習モデルに与えられた加重値を通じて投資専門家の投資特性を把握することができる。
【0040】
例えば、株価モデルの加重値が他の学習モデル(財務モデル、経済モデル)の加重値に比べて高く設定されている場合、投資専門家が主に株価の動きを確認しながら投資可否を判断することを把握することができる。
【0041】
アンサンブルモデル生成部130は、複数の学習モデル及び複数の学習モデル毎に設定された加重値に基づいて投資専門家の取引スタイルを模写した投資模写アンサンブルモデルを生成しても良い。
【0042】
アンサンブルモデル生成部130は、複数の投資専門家別に各投資専門家の取引スタイルを模写する投資模写アンサンブルモデルを生成しても良い。
【0043】
ここで、投資模写アンサンブルモデルは、[式1]のように表されても良い。
【0044】
[式1]
投資模写アンサンブルモデル=株価モデル*W1+財務モデル*W2+経済モデル*W3
【0045】
複数の学習モデルに現時点の株価データ、財務データ及び経済データが入力された場合、各学習モデルから導出された出力値(取引ポジション情報及び投資銘柄の保有比重情報)は、投資模写アンサンブルモデルの入力値として使用されても良い。
【0046】
例えば、図2bを参照すると、現時点の株価データ及び株価モデル201に設定された第1の加重値間の掛け算演算の第1の結果値が投資模写アンサンブルモデル207に入力され、現時点の財務データ及び財務モデル203に設定された第2の加重値間の掛け算演算の第2の結果値が投資模写アンサンブルモデル207に入力され、経済データ及び経済モデル205に設定された第3の加重値間の掛け算演算の第3の結果値が投資模写アンサンブルモデル207に入力されても良い。
【0047】
投資模写アンサンブルモデル207は、第1の結果値、第2の結果値及び第3の結果値に基づき、第1の投資専門家の投資スタイルを反映した最終取引ポジション情報及び投資銘柄の保有比重情報を導出しても良い。
【0048】
投資ガイド情報提供部140は、投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供しても良い。ここで、投資ガイド情報は、投資銘柄の取引において投資専門家の投資を模写したガイドであり、投資銘柄に関する取引ポジション情報、投資銘柄の保有比重情報を含んでいても良い。
【0049】
例えば、投資ガイド情報提供部140は、第1の投資専門家の取引スタイルを模写する投資模写アンサンブルモデル207から導出された最終取引ポジション情報及び保有比重情報に基づき、投資ガイド情報(売渡/買収確率の高い投資銘柄を提示し、投資銘柄の保有比重を提案するガイド情報)を導出しても良い。
【0050】
アンサンブルモデル提供部150は、複数の投資専門家に関する複数の投資模写アンサンブルモデルを投資家端末に提供しても良い。
【0051】
投資ガイド情報提供部140は、複数の投資模写アンサンブルモデルのうち少なくとも1つを投資家端末から選択され、選択された投資模写アンサンブルモデルに基づいて投資家端末に投資ガイド情報を提供しても良い。
【0052】
投資ガイド情報提供部140は、投資家端末によって選択された投資模写アンサンブルモデルに含まれた複数の学習モデルに現時点の株価データ、財務データ及び経済データを入力し、各学習モデルから導出された出力値を選択された投資模写アンサンブルモデルの入力値として使用することで選択された投資模写アンサンブルモデルを通じて投資ガイドを導出しても良い。
【0053】
投資家端末から少なくとも2つ以上の投資模写アンサンブルモデルを選択された場合、投資ガイド情報提供部140は、選択された2つ以上の投資模写アンサンブルモデルの各々を通じて導出された選択された2つ以上の投資模写アンサンブルモデル別の投資ガイド情報を投資家端末に提供しても良い。
【0054】
選択された2つ以上の投資模写アンサンブルモデル別の投資ガイド情報に含まれた投資銘柄に関する取引ポジション情報が互いに相反する場合、投資ガイド情報提供部140は、ソフトマックス(softmax)関数を利用して選択された2つ以上の投資模写アンサンブルの各々に対する確率を算出しても良い。ここで、ソフトマックス関数は、3つ以上を分類する多クラス分類で使用される活性化関数であり、分類されるクラスがN個の場合、N次元ベクトルを入力されて各クラスに属する確率を推定する。ソフトマックス関数の出力値は0~1の間の値で、何れも正規化された値であり、出力値の合計は常に1となる。
【0055】
選択された2つ以上の投資模写アンサンブルモデル別の投資ガイド情報に含まれた投資銘柄に関する取引ポジション情報が互いに相反する場合、投資ガイド情報提供部140は、選択された2つ以上の投資模写アンサンブルのうち確率が高い投資模写アンサンブルを通じて導出された投資ガイド情報を投資家端末に提供しても良い。
【0056】
例えば、第1の投資模写アンサンブルモデルが0.5の確率で買収を予測し、第2の投資模写アンサンブルモデルが0.7の確率で売渡を予測した場合、投資ガイド情報提供部140は、第1の投資模写アンサンブルモデル及び第2の投資模写アンサンブルモデルのうち最も高い確率を予測した第2の投資模写アンサンブルモデルを選定し、第2の投資模写アンサンブルモデルを通じて導出された投資ガイド情報を投資家端末に提供しても良い。
【0057】
選択された2つ以上の投資模写アンサンブルモデル別の投資ガイド情報に含まれた投資銘柄に関する取引ポジション情報が互いに相反する場合、投資ガイド情報提供部140は、株価項目、財務項目、経済項目のうち投資家が好む項目を投資家端末から選択され、選択された項目を基準に投資模写アンサンブルを選定し、選定された投資模写アンサンブルモデルを通じて導出された投資ガイド情報を投資家端末に提供しても良い。
【0058】
一方、当業者であれば、収集部100、学習データ生成部110、学習部120、アンサンブルモデル生成部130、投資ガイド情報提供部140、及びアンサンブルモデル提供部150の各々が分離して具現されたり、このうち1つ以上が統合されたりして具現され得ることを十分に理解できるはずである。
【0059】
図3は、本発明の一実施例に係る、投資ガイドを提供する方法を示すフローチャートである。
【0060】
図3を参照すると、ステップS301において、投資ガイド提供サーバ10は、投資専門家に関する投資関連情報を収集しても良い。
【0061】
ステップS303において、投資ガイド提供サーバ10は、収集された投資関連情報に基づいて複数の学習モデルについての学習データを生成しても良い。ここで、複数の学習モデルは、株価モデル、財務モデル及び経済モデルを含んでいても良い。
【0062】
ステップS305において、投資ガイド提供サーバ10は、生成された学習データに基づいて複数の学習モデルを学習させても良い。
【0063】
ステップS307において、投資ガイド提供サーバ10は、学習された複数の学習モデルに基づいて投資専門家に関する投資模写アンサンブルモデルを生成しても良い。
【0064】
ステップS309において、投資ガイド提供サーバ10は、生成された投資模写アンサンブルモデルを利用して投資家端末に投資ガイド情報を提供しても良い。
【0065】
上述した説明において、ステップS301乃至S309は、本発明の具現例によって追加のステップにさらに分割されたり、より少ないステップに組み合わせられたりしても良い。また、一部のステップは必要に応じて省略されても良く、ステップ間の順番が変更されても良い。
【0066】
本発明の一実施例は、コンピュータにより実行されるプログラムモジュールのようなコンピュータにより実行可能な命令語を含む記録媒体の形態に具現されても良い。コンピュータ読み取り可能な媒体は、コンピュータによってアクセスできる任意の可用媒体であっても良く、揮発性及び不揮発性の媒体、分離型及び非分離型の媒体を全て含む。また、コンピュータ読み取り可能な媒体は、コンピュータ格納媒体を全て含んでいても良い。コンピュータ格納媒体は、コンピュータ読み取り可能な命令語、データ構造、プログラムモジュール、又はその他のデータのような情報格納のための任意の方法又は技術に具現された揮発性及び不揮発性、分離型及び非分離型の媒体を全て含む。
【0067】
上述した本発明の説明は例示のためのものであり、本発明の属する技術分野において通常の知識を有する者であれば、本発明の技術的思想や必須の特徴を変更せずに他の具体的な形態に容易に変形可能であるということを理解できるはずである。それゆえ、上記した実施例は全ての面において例示的なものであり、限定的なものではないと理解すべきである。例えば、単一型で説明されている各構成要素は分散して実施されても良く、同様に、分散したものと説明されている構成要素も結合された形態で実施されても良い。
【0068】
本発明の範囲は、上記詳細な説明よりは後述する特許請求の範囲によって示され、特許請求の範囲の意味及び範囲、並びにその均等概念から導出される全ての変更又は変形された形態が本発明の範囲に含まれると解釈されなければならない。
図1
図2a
図2b
図3
【国際調査報告】