2024 NH 투자증권 빅데이터 경진대회

외부데이터 링크:
https://docs.google.com/spreadsheets/d/1fNFsX0jDNjkkEBUC6USDvyWOu5OWJwd6/edit?usp=sharing&ouid=113624204971016603747&rtpof=true&sd=true

이번 프로젝트는 KoBERT 모델을 활용한 뉴스 감정 분석과 경제 지표를 중심으로 단기 투자 맞춤형 ETF 추천 시스템을 구축하는 데 중점을 두었습니다.

1. 감정 분석 수행: KoBERT 모델을 통해 뉴스 기사 본문에서 긍정, 중립, 부정으로 감정을 분류한 후 이를 0, 1, 2로 수치화했습니다. 감정 점수를 통해 시장의 사회적 흐름과 투자 심리가 단기 주가 변동에 미치는 영향을 정량적으로 평가했습니다.

2. 경제 지표 산출: 감정 점수 외에도 뉴스 빈도 점수와 최신 뉴스에 더 높은 가중치를 부여한 시간 가중치를 결합하여 경제 지표 점수를 산출했습니다. 이 지표는 단기 투자 전략에 필수적인 시장 변동성에 대한 시의성 있는 정보를 반영하도록 설계되었습니다.

3. 사용자 맞춤형 ETF 필터링: 사용자로부터 투자 숙련도, 나이대, 자산 규모, 투자 성향을 입력받아 적절한 고객 중분류 코드를 매칭했습니다. 이 정보를 바탕으로 위험 추구형 투자자에게는 변동성 z-점수가 높은 종목, 안정형 투자자에게는 변동성이 낮고 Sharpe 비율이 높은 종목을 추천하였습니다.

4. 단기 투자 전략 적용: 경제 지표와 사용자 데이터를 종합해, 단기 투자에 적합한 맞춤형 ETF를 추천하는 전략을 개발했습니다. 이를 통해 사용자가 빠르게 변하는 시장 상황에 적합한 투자 결정을 내릴 수 있도록 지원합니다.

5. 결과 시각화: 추천된 ETF 리스트는 도넛 차트로 시각화하여, 사용자에게 직관적이고 명확한 정보를 제공합니다. 이 시각화를 통해 투자자들이 각 ETF의 섹터별 분류와 특징을 쉽게 이해할 수 있도록 했습니다.