TECHNOLOGY
A.I.
WHY A.I.?
Big Data, Computational Power, Deep Learning의 발전으로 A.I.는 기존의 기술이 달성하지 못한 많은 것을 해결하며 세상의 변화를 주도하고 있습니다.
Exponential은 A.I.를 통해 수많은 투자 변수의 상관관계와 인과관계를 스스로 학습하고 분석함으로써, 시장의 변화를 보다 빨리 감지할 뿐 아니라
인간이 발견하지 못했던 해답을 찾을 수 있다고 믿고 있습니다.
- Prediction PowerDeep Learning을 통해 금융 시장 내 수많은 변수들의 상관 관계를 분석Multi-Layer 기반 비선형적 결합으로 매우 복잡한관계 도출
- Scalability대용량, 비정형 데이터 활용 등 변수 사용의 확장성투자 대상 확대의 용이성 (새로운 투자 대상 발굴을 통한 α 창출)
- Flexibility시간의 흐름에 따른 모델의 지속적 학습 및 투자 알고리즘의 진화스스로 학습하는 알고리즘을 통해 시장 상황 변화에 유연하게 대처
Exponential A.I.
Deep Learning 기반 모델
Exponential A.I.만의 차별점
- 기존 시스템 트레이딩
- 규칙 기반 모델
금융 시장 경험을 이용하여 트레이딩 규칙 정의
다양한 변수 사용에 제약
모델 변경 어려움
- Exponential A.I.
- 딥러닝 기반 예측 모델
금융 데이터 분석을 통한 학습 모델
변수 사용 확장이 용이
시간 흐름에 따른 모델의 지속적인 학습
- 기존 Robo-Advisor
- PB를 대체하는 온라인 자산관리 서비스
비용 절감 추구가 목적
인간의 판단과 개입을 최소화하는 운영
고객 정보에 기반한 자산 배분 전략 제공
- Exponential A.I.
- 펀드 운용에 Deep Learning 기반 인공지능 모델 활용
수익률 제고가 목적
포트폴리오 매니저의 지식과 경험을 활용한 알고리즘 공동 개발
Exponential Platform을 통한 다양한 A.I. 알고리즘 구성
PLATFORM
MULTI-ALGORITHM PLATFORM
하나의 펀드에서 다수의 알고리즘을 통합하여 관리 (주문 상계, 성과 분석, 리스크 모니터) 하는 플랫폼 구축
여러 알고리즘에 분산투자 (Multi-Algorithm Investment) 하여 위험을 최소화하면서 수익을 추구
알고리즘을 개발, 검증 및 선정하여 멀티 알고리즘 전략 구성
다수의 알고리즘이 경쟁하고 성과에 따라 Algorithm 별 투자 비중을 조절
- Algorithm DevelopmentDeep Learning Model Support
Algorithm Modeling & Simulation - Algorithm EvaluationRisk and Profitability
Correlation with Other Algorithms - Algorithm Allocation Dynamic Size Allocation
Algorithm Portfolio Optimization - Financial Data LibraryGlobal Market Data / Corporate Fundamental Data