Qraft provides deep-learning-based robo-fund systems that evolve constantly in accordance to market conditions through daily market-data learning. Qraft's AI Robo-Funds are able to find optimal trading strategies in a given fund scheme while fully complying with the fund manager's operating philosophy, risk policies, compliance policies, regulations, and operating style.



qraft axe






Qraft AXE is an AI order execution system that enables mass orders to be executed at optimal prices through reinforced cycles of deep-learning for individual items and asset classes. Enter the name, quantity and deadline of the stock you would like to order and AXE will handle the rest. AXE is applicable to stock and bond order execution, along with FX dealing, and it can be linked with hedging systems to add an optional automatic hedging function.

Qraft AXE 는 개별 종목 및 에셋클래스에 대한 딥러닝 강화학습을 통해 대량의 주문을 최적의 가격으로 체결해주는 인공지능 주문집행 시스템입니다. 주문할 주식의 이름과 수량, 데드라인만 입력하면 나머지는 AXE 가 모두 처리합니다.  AXE 는 현재 주식 및 채권 대량주문 집행과 외환딜링에 적용가능하며 헷지시스템과 연동되어 자동헷지기능(옵션)도 추가가능합니다.  

old normal


Existing order execution process is accomplished by high-touch order execution where orders are directly made by dealers or static algorithms such as VWAP, TWAP, MOC, POV, and IS. Brokerage branch salespeople have to spend their time executing customers’ phone orders, which consequently affects the time available to spend on sales and market research. In the event that salespeople are so preoccupied that they place orders on the market price at closing time, orders may be executed at undesirable prices. Efficiency of human order execution is below VWAP, and yet wages are costly. Deploying algorithmic trading systems may improve the situation. However, such algorithms often only break down large orders and continue to place orders without any intelligence.


기존의 주문집행은 인간 딜러가 직접 주문을 수행하는 하이터치 주문집행과 VWAP , TWAP, MOC, POV, IS 등의 정적인 알고리즘을 탑재한 단순한 알고리즘 트레이딩 프로그램에 의해 이루어졌습니다. 증권사 지점 영업직원은 고객의 전화주문을 대신 집행하는 일에 많은 시간을 빼앗기고 있으며, 그 결과 영업 및 시장연구에 소요되는 시간은 부족해집니다. 가끔 바쁘면 종가나 시가에 시장가로 고객의 주문을 집행하여 몹시 불리한 가격에 체결되기도 합니다. 인간의 주문집행 효율은 VWAP 에도 못미치며, 임금은 비쌉니다. 알고리즘 트레이딩 시스템은 좀 낫지만 결국 대량주문을 잘게쪼개서 계속 주문을 발생시키는 수준이 대부분입니다.

why ai?

Order enforcement is one of the fields where artificial intelligence performs at its best. Qraft AXE picks up tick data from all events and responds to real-time market data. It constantly determines the type of order and the amount to be executed by processing market data so as to execute the order at the best price. AXE can execute orders 24 hours a day without having to take a break for lunch and lowers the order execution costs up to 85% of VWAP (in terms of implicit cost).

주문집행은 인공지능이 매우 잘 할 수 있는 분야입니다. 크래프트의 AXE는 전 종목의 틱데이터를 학습하여, 실시간 마켓데이터에 반응합니다. 매 순간 주문의 형태와 체결해야될 주문의 양을 마켓데이터 처리를 통해 끊임없이 결정하고 최적의 가격에 주문을 집행합니다. AXE는 점심시간도 없이 24시간 주문을 집행하며 주문집행비용을 VWAP 대비 85% 수준까지 낮출 수 있습니다.

new normal


In the next five years, large customers, including asset management companies, will implement TCA (Total Cost Analysis) to measure order efficiency and execution cost per securities company. Brokers, such as JP Morgan Chase, have introduced a deep reinforcement learning based order execution system that reduces total execution costs by more than 10%, and only an early adopting broker of these technologies can survive with the choice of large customers. Become First Mover and prevail the market.

향후 5년 안에 자산운용사를 포함한 대형 고객은 TCA(Total Cost Analysis)를 도입하여 증권사별 주문효율 및 비용을 측정하게 됩니다. JP Morgan Chase 같은 브로커는 딥러닝 강화학습 기반 주문집행시스템을 도입하여 총주문비용을 10% 이상 절감하였고, 이런 기술을 빠르게 도입한 브로커만이 대형고객의 선택을 받아 생존할 수 있는 시대가 오고 있습니다. 퍼스트무버가 되어 시장을 선점하십시오.




Qraft Scene is Qraft's GAN-based image synthesis solution. With Qraft Scene, you can create photos of yourself, from standing on top of of Mount Everest to spending time with celebrities from Hollywood, to make them look real just as if you were actually together. Entertainment companies with portrait rights can earn significant revenues from kiosks with Qraft Scene. Soon, a case study will be made through a large entertainment company in Korea. If you are an owner of portrait rights, contact Qraft now.

Qraft Scene 은 Qraft 의 GAN 기반 이미지 합성 솔루션입니다. Qraft Scene을 사용하면 에베레스트 꼭대기에 있는 자신의 사진, 아이돌 스타와 함께 찍은 사진을 진짜와 구별할 수 없는 수준으로 생성가능합니다. 저작권을 보유한 엔터테인먼트 회사는 Qraft Scene 을 적용한 유료 키오스크를 통해 많은 매출을 올릴 수 있습니다. 곧 국내 대형 엔터테인먼트 회사를 통한 레퍼런스가 공개됩니다. 초상권을 소유하고 있다면 지금 크래프트에 연락하세요.


AI purchasing



A company’s raw material procurement process handles inordinate amounts of information. When it comes to processing a large number of real-time stochastic data points such as raw material prices, raw material-finished product price spreads, expected production, expected demand, factory operation information, claims information, etc. it becomes exceedingly challenging to process the data correctly in order to make efficient purchasing decisions each and every time in a systematic manner. Firms are spending more than a billion USD to purchase raw materials, which is highly inefficient due to unsystematic purchasing systems. Hence, operating margins can be significantly increased by optimizing purchasing systems end-to-end. Moreover, companies with higher demand of raw materials such as petrochemicals, oil refineries, steel mills, etc., can achieve greater improvement in cost saving and productivity gains.

기업의 원자재 구매 프로세스는 엄청난 양의 정보를 처리해야 합니다. 원자재 가격, 원자재-완성품 가격스프레드, 예상생산량, 예상수요, 공장가동정보, 클레임 정보 등에 이르는 수많은 실시간 확률 데이터를 올바르게 처리하여 효율적인 구매결정을  연속적으로 유지하는 것은 매우 어려운 문제입니다. 기업들은 원자재 구매에 연간 수조원을 지출하고 있으나 최적화되지 않은 구매시스템에 의해 많은 비효율이 발생하고 있으며, 구매시스템 최적화를 통하여 상당한 영업이익률의 개선이 가능합니다. 석유화학, 정유, 철강, 제분 등 원자재 구매비중이 높은 기업들은 더 많은 효율성 개선을 이룰 수 있습니다. 


QRAFT AI purchasing



Qraft provides reinforcement learning AI purchasing solutions based on deep reinforcement learning. By leveraging this AI system, companies can immediately make efficient purchase decisions as reinforcement learning is carried out using existing internal purchase data and post-optimal decision calculation. In addition, companies can extract information from the continuously changing big data related to purchase.

크래프트는 Deep reinforcement learning 기반의 강화학습 AI 구매시스템을 공급하고 있습니다. 기존의 내부 구매데이터 및 최적 구매결정계산(Post Optimal Decision)을 통한 강화학습이 적용된 AI 시스템을 통하여 기업은 지속적으로 변화하는 구매관련 빅데이터를 학습하여 즉각적으로 효율적인 구매의사결정이 가능합니다.




Decisions to purchase the right amount of raw materials in a timely and timely manner in the raw material purchasing process are complex issues that must be solved for the problem of optimization of an enormous number of time series stochastic data. However, demand forecasts based on information such as the relationship with the purchaser are more likely to make better predictions than AI because humans are more comprehensive. Qraft's AI purchasing system is designed as a hybrid MML (Man Machine Learning) system. Human is responsible for the part that human be able to perceive more accurately, such as relationship with client and expectation of demand and AI is responsible for processing big-data.

원자재 구매 프로세스에서 적시에 적절한 양의 원자재를 구입하는 의사결정은 엄청나게 많은 시계열 확률 데이터의 최적화 문제의 정답을 구해야하는 복잡한 문제로 AI 활용시 큰 효율의 증가가 예상됩니다. 그러나 구매처와의 관계 등의 정보에 기반한 수요예상은 인간이 보다 종합적으로 판단하여 AI 보다 더 나은 예측을 할 확률이 높습니다. 크래프트의 AI 구매시스템은 빅데이터처리는 AI 가, 클라이언트와의 관계 및 수요예상 등 인간이 더 정확하게 인식할 수 있는 부분은 인간이 담당하는 하이브리드 MML(Man Machine Learning) 시스템으로 설계되어 있습니다.  


case study:







AI Underwriting

Underwriting, which determines whether an insurance contract is taken or not, requires both systemized rule-based examination and subjective human judgment. Automatic screening done by the system is highly difficult due to the lack of standardized insurance contracts and existence of fragmented special and unstructured data. In addition, since data such as various statistical information databases and regulatory information are not delivered in real-time and not automatically managed, the actionability in the underwriting process is limited, which deteriorates the quality of the resulting underwriting judgment. Underwriting insurance contracts is one of the most complicated issues in AI insurance, and thus an approach with a gradual increase in the level of automation is required as full-scale automation at once is not possible. Qraft analyzes the existing underwriting system and data management status, and builds a new AI underwriting system most suitable for customers.


보험계약의 인수여부를 판단하는  언더라이팅은 시스템화된 룰베이스 심사 및 인간이 담당하는 심사가 혼재되어 있습니다. 보험계약의 비표준성 및 각종 특약의 존재와 정형화되지 않은 데이터 등에 의해 시스템에 의한 자동심사의 난이도는 매우 높습니다. 또한, 각종 통계정보 및 규제정보 등의 데이터가 자동화되어 관리되어 있지 않아 제한적으로 정보가 반영되고 이로 인해 언더라이팅 판단의 품질이 떨어지고 있습니다. 보험계약의 언더라이팅은 보험분야의 가장 복잡한 문제로 한번에 자동화는 불가능하고 단계적이고 현실적으로 자동화 수준을 높이는 접근 방법론이 필요합니다. 크래프트는 기존의 언더라이팅 시스템과 데이터 관리상황을 종합적으로 분석하여 고객사에 가장 적합한 AI 언더라이팅 시스템을 구축합니다. 












Predicting sophisticated customer behavior through analysis of customer data has become a prerequisite for business success and a key competitive differentiator. Qraft caters to AI systems that provide optimal offers and categorize customer types based on internal data of customer, public data and Social Media API.

고객데이터를 통한 정교한 고객행동 예측은 비지니스 성공의 필수요건이 되고 있습니다. 크래프트는 고객이 보유한 내부데이터와 퍼블릭데이터, Social Media API를 바탕으로 정교한 추천모형 설계와 학습을 통해 고객의 유형을 분류하고 최적의 오퍼를 제공할 수 있는 AI 시스템을 공급하고 있습니다.  














credit card





Custom AI Solutions


If you have not found the AI solution you are seeking, please contact us at Qraft so that we may determine your needs and create a customized AI system according to your requirements. Qraft’s experienced AI consultants can tailor AI systems by accurately analyzing your personal data and operations. Contact us now.

원하는 인공지능 솔루션을 찾지못하셨다면 크래프트에게 AI 시스템 구축 컨설팅을 요청하십시오. 크래프트의 경험많은 AI 컨설턴트들이 고객의 데이터 상황과 필요를 정확히 분석하여 맞춤형 AI 시스템을 설계해드립니다. 지금 연락하세요.