Core Concepts
개인 투자자의 선호도와 포트폴리오 다양성을 동시에 고려하여 효과적인 주식 추천 시스템을 개발하는 것이 핵심 목표이다.
Abstract
이 연구는 개인 투자자를 위한 효과적인 주식 추천 시스템을 개발하는 것을 목표로 한다. 기존 연구는 주로 주가 예측에 초점을 맞추었지만, 가장 정교한 모델도 정확도가 약 55%에 불과하여 실제 투자 수익으로 이어지기 어렵다. 또한 대부분의 개인 투자자들은 자신의 선호도를 따르기 때문에 이를 고려하는 것이 중요하다.
이를 위해 3가지 핵심 요소를 고려해야 한다: 1) 개인의 선호도, 2) 포트폴리오 다양성, 3) 주식 특성과 개인 선호도의 시간적 변화.
이에 따라 제안된 모델인 PfoTGNRec은 시간 변화에 따른 협력 신호를 처리하고 다양성 향상 대조 학습을 포함한다. 실험 결과, PfoTGNRec은 개인 선호도 포착과 투자 성과 향상 사이의 균형을 잘 유지하며 다양한 기준선 모델들을 능가하는 성능을 보였다.
Stats
개인 투자자의 주식 투자 수익률은 평균 0.7815 증가했다.
개인 투자자의 샤프 비율은 평균 1.0458 증가했다.
Quotes
"개인 투자자의 선호도와 투자 성과 사이에는 상충 관계가 존재한다."
"주식 추천에서 '고객이 항상 옳은 것은 아니다'."