01

robo advisor

2025년까지 30조원 규모로 성장이 예상되는 국내 로보어드바이저 시장에서 크래프트의 로보어드바이저 솔루션은 다음과 같은 강점을 가지고 있습니다.

  • 누적가입금액 1조원, AUA 기준 시장점유율 80% 이상

  • 고객 데이터 학습을 통한 고객의 투자성향 파악

  • 투자 유니버스, 위험 정책, 컴플라이언스정책 , 투자 스타일 및 기타 제한 조건 편집

  • 시장 데이터 학습을 통한 맞춤형 최적 포트폴리오 구성

  • 학습 결과 분석 및 시각화 기능

  • 구성된 포트폴리오의 자동 매매 및 매매 관리

  • 포트폴리오 성과 분석 및 리포팅

  • 포트폴리오 성과 및 고객 행동에 따른 최적 대응 및 CRM


Qraft's Robo-advisory solution has following features:

  • Cumulative subscription amount of USD 1b, market share of 80% or more based on AUA

  • Comprehension of customer propensity through learning customer data

  • Ability to edit investment universe, risk policy, compliance policy, investment style and other constraints

  • Personalized optimal portfolio composition through learning market data

  • Analysis and visualization of learning results

  • Automated trading, trading management of configured portfolios, TCA(Total Cost Analysis)

  • Portfolio performance analysis and reporting

  • Best response and CRM based on portfolio performance and customer behavior


Applied Technologies

02

크래프트 로보어드바이저는 투자지역 설정과 포트폴리오의 비중분배를 위해 1) 딥러닝 기반 지수 예측 모델과 2) 크래프트 딥러닝 자산배분 모델 (Qraft Deep Asset Allocation Engine)을 활용합니다.

Ashish Vaswani et al.,  Attention Is All You Need  (n.p.: arXiv, 2017), 3.

Ashish Vaswani et al., Attention Is All You Need (n.p.: arXiv, 2017), 3.

  • 딥러닝기반 지수예측모델은 Attention 매커니즘 기반의, Transformer Architecture 로 알려진 좌측 아키텍쳐를 변형하여 만들어 냅니다.

  • 만들어진 예측 모델들은 정기적으로 최신 데이터를 이용해 재학습을 하게 되며, 이를 통해 시간이 갈수록 더 정확한 가격 예측을 할 수 있게 됩니다.

  • 유연한 모델링 프레임워크 설계를 통해 추후 더 진보된 기술을 빠르게 적용할 수 있도록 하였습니다.

  • Supervised learning 계열 기술뿐만 아니라 Reinforcement learning 계열의 기술 연구도 활발히 진행되고 있으며, 더 개선된 기술의 제공을 위해 노력하고 있습니다.


크래프트 엔진은 AI 포트폴리오의 해석가능성(interpretability)을 높이기 위해 전략적 자산배분 기법을 추가할 수 있습니다.

 
  • 딥러닝 엔진의 블랙박스 속성때문에 , 딥러닝 기술로만 생성된 포트폴리오의 설명력은 높지 않았습니다. 이러한 부분은 고객들로 하여금 작은 변화에도 과잉반응하여 성급한 결정을 하게 하여, 결과적으로 퍼포먼스 손실이 발생하게 되는 경우가 많습니다.

  • 이런 문제점을 해결하기 위해, TAA(Tactical Asset Allocation, 전략적 자산 배분)를 기반으로 하고 미래 예측 모델의 결과값을 합성하는 DLTAA(Deep Learning with TAA) 기법도 적용가능합니다.

"TAA’s backtest result,"  AllocateSmartly ,  https://allocatesmartly.com .

"TAA’s backtest result," AllocateSmartly, https://allocatesmartly.com.

이미 시장에 널리 알려진 TAA 기법은 로직이 명확하고 설명 가능하며 특징이 뚜렷하다는 장점이 있고, 딥러닝 기반 모델은 자산간의 관계 및 시계열을 예측하기 때문에 시장대비 높은 퍼포먼스가 가능합니다. DLTAA 는 이 두가지 장점을 모두 취할수 있는 기법입니다.

DLTAA 포트폴리오 생성 프로세스는 아래와 같습니다.

  1. 미래 예측 모델의 데이터를 활용하여 투자지역 설정

  2. TAA 전략들 중에, 고객의 성향에 맞거나 고객이 선택한 전략으로 1차 포트폴리오 제안

  3. 미래 예측 모델의 데이터를 활용하여 1차 포트폴리오에서 비중 변경

명확한 로직을 기반으로 하는 TAA 기법과 수익의 알파를 창출하는 딥러닝 기술의 결합으로 크래프트의 포트폴리오는 더 나은 신뢰성을 확보하고 더 높은 수익률을 얻게 됩니다.


Qraft’s proprietary engine utilize Qraft Deep Asset Allocation Engine and deep-learning-based market prediction model to select the investment region and appropriate asset allocation

The market prediction model has its technical roots in deep-learning technologies and currently Qraft uses an attention mechanism called ‘Transformer Architecture’
(Please see above diagram for the architecture)

The prediction model periodically collects the most recent data and learn through them to enhance the prediction accuracy of the market trends.

The model is designed to be flexible, in terms of its framework, so that the advanced technologies can be applied more quickly and smoothly.

Qraft endeavors to provide technologically advanced solutions to its clients and will continue to develop not only solutions made with supervised learning but also technologies related to the reinforcement learning.


Qraft’ AI portfolio engine utilize Deep-Learning Tactical Asset Allocation (DLTAA) strategies to improve its reliability.

Since AI technologies have relatively short history and their results are difficult to explain completely, there are many resistances in the market when adopting AI technologies in the investment domain. Due to its low reliability, investors overreacted to a small fluctuation in the market and realized losses with unnecessary transactions. To resolve this problem, Qraft suggests “Deep-Learning with Tactical Asset Allocation (DLTAA)” which synthesize the Tactical Asset Allocation (TAA) strategy with the data from AI-driven market prediction model.

 

TAA is a well-known methodology for investment professionals and it has clear logic and easy to explain the result. Because it’s self-explanatory, deep-learning technologies can be easily integrated into the methodology. By doing so, this DLTAA has better chance of spotting the excess returns in the market.

DLTAA portfolio is produced in the following steps:

1.    Selecting investment regions based on the data from the AI-run prediction model

2.    Suggesting initial TAA portfolio to the investor by analyzing investor’s risk profile and investment style

3.    Adjusting weights from the initial portfolio by applying the data from the 1st step


 

case study :
kEB hana bank

KEB 하나은행의 ‘HAI ROBO(하이 로보)' 로보어드바이저는크래프트의 딥러닝 로보어드바이저 솔루션이 적용되었습니다. 'HAI ROBO(하이 로보)' 서비스는 출시 6개월만에 3만명의 사용자와 4000억원의 운용자산으로 국내에서 가장 성공적인 로보어드바이저 서비스가 되었습니다. (2018년 말 기준 누적가입금액 8000억원)


KEB Hana Bank's HAI ROBO robo-advisor service is based on Qraft's deep learning-based fund robo-advisor solution. The HAI ROBO service has become the most successful robo-advisor service in Korea with 30,000 users and USD 400m in AUM within 6 months of launch. (As of the end of 2018, cumulative subscription amount is USD 800m)

76382_180218_4459.jpg

 

case study :
Shinhan bank

신한은행의 디지털 자산관리 서비스 ‘SOL Rich(쏠리치)’는 크래프트의 AI 솔루션과 신한은행 시장 전문가들의 견해가 담긴 하이브리드형 멀티 전략 알고리즘을 탑재함으로써 시장 변화에 따른 최적의 포트폴리오를 고객에게 제공합니다. 또한, 고객의 투자성향과 연령에 맞게 투자 기준을 제시하고 지속적으로 고객의 자산을 관리합니다.


Shinhan Bank’s robo-advisory service, called ‘SOL-Rich’, is established with hybrid algorithms supported by Qraft’s proprietary AI-driven approach and qualitative analysis from bank’s investment professionals. As a result, the solution provides multi-strategies to its investors, depending on the constantly changing market circumstances and their risk-profiles.

B20181213094357657.jpg

 

case study :
Industrial Bank of Korea(IBK)

IBK 기업은행의 ‘i-ONE ROBO(아이-원 로보)’ 는 크래프트의 딥러닝 기반 로보어드바이저 솔루션이 적용되었습니다. ’i-ONE ROBO(아이-원 로보)’ 는 고객의 투자 성향을 고려할 뿐만 아니라 고객 선호에 따른 투자 지역과 펀드 개수를 선택할 수 있는 옵션을 통해 개인화된 최적 포트폴리오를 구성하여 고객에게 제공하고 있습니다.


IBK’s i-One ROBO has its roots in Qraft’s deep-learning-based robo-advisory solutions. The solution considers investors’ risk profile, their geographical preferences and the number of funds in their account and suggests a optimized fund-of-funds solutions to them.

20180729102550813gqqa.jpg

 

case study :
Busan Kyongnam Bank(BNK)

BNK 부산은행 ‘BNK웰스타로보B’, 경남은행의 ‘BNK웰스타로보’ 는 크래프트의 딥러닝 기반 로보어드바이저 솔루션이 적용되었습니다. ‘BNK웰스타로보B’ , ‘BNK웰스타로보’의 수익증권 서비스는 고객 선호에 따라 투자 지역을 선택할 수 있으며 고객의 투자 성향에 맞는 개인화된 최적의 포트폴리오를 제시하고 있습니다. 


BNK Busan and BNK Kyongnam Bank are providing robo-advisory service using Qraft’s AI-driven investment solutions. Both banks’ robo-advisory service allows their customers select investment region and advise their asset allocation depending on their investment objectives.

29681_7543_3836.jpg
BNK웰스타로보_02_1.png