2024 NH 투자증권 빅데이터 경진대회

●ETFAnalyzer 클래스를 통해 ETF 데이터를 전처리>>열 이름을 소문자로 통일하고 불필요한 공백 제거 및 tck_iem_cd(티커 종목 코드)를 기준으로 데이터 병합을 통해 하나의 데이터 프레임으로만듦>>병합된 데이터에서 필요한 피처들을 선택하고, 추가적으로 ETF가 액티브인지 패시브인지 구분하는 etf_type을 결정

●수익률, 변동성 등 다양한 지표를 기반으로 K-Means 알고리즘을 통해 ETF들을 클러스터링해 비슷한 특성들을 가진 ETF끼리 그룹화>>
InvestmentRecommender 클래스를 통해 사용자의 위험성향 혹은 투자 목표를 기반으로 필터링>> 위험 성향이 낮을수록 변동성이 작은 ETF를 추천하며, growth일 경우, 1년 수익률 기준으로 income은 ETF 점수를 기준으로 정렬하며 ETF를 추천

●투자 시뮬레이션의 경우, 사용자가 선택한 ETF에 대해 일정 기간동안 투자했을 때 예상 수익을 계산>> 초기 투자금과 예상되는 수익률을 기반으로 투자 시뮬레이션 결과를 제공합니다. 

★★크게 두가지 방법론을 각각 적용★★

1. 연령대에 따른 투자 성향별 추천해주는 알고리즘으로, 각 세대의 투자 성향을 분석한 후, 2030/4050/6070 세대 등으로 분류하며, 투자 목표에 따라서도 성장/수익 안정성이나 배당으로 분류해 최종적으로 추천해줍니다.

2. 소비 패턴 분석 결과로 고정비와 변동비를 구분해 절감 가능한 금액을 추출합니다. 그 후, 절감된 금액을 기반으로 어느 기간동안 투자했을 때의 예상 결과를 시뮬레이션을 통해 출력해줌으로써 투자 전략을 도와줄 수 있습니다.

▶추후 서비스 구현할 경우에는 두 메인 기능을 동시에 고려하여 사용자 맞춤형 ETF 추천 서비스를 개발할 계획입니다. 1번의 경우 좀 더 상세한 기준을 세워 추천 알고리즘을 심화하며, 2번의 경우, 소비 패턴 분석 결과를 바탕으로 투자할 수 있는 최대 금액과 기간에 맞춤 ETF 상품을 추천해주는 기능으로 고도화할 예정입니다.