❓ 프로젝트 개요

고객 및 시장 데이터를 활용한 대고객 금융 서비스 제안

❗ 배운점

• 데이터 분석 - 문제 정의 - 전략 도출

• 추천시스템 활용

• 다양한 분석 방법 적용

• 비즈니스 전략 도출

📰 데이터

486 columns, 803308 rows 데이터 활용

2022.12 ~ 2023.03 4달 동안의 거래 내역 데이터

한 행은 한 명의 고객으로 자산 및 거래, 접속내역을 담고 있음

📚 진행과정

<aside> 1️⃣ 투자 성향을 판별할 5개 기준 생성

• 자본수준(현금성 자산액 + 국내 주식 평가액 + 해외주식 평가액)
• 주식관심도(거래체결횟수 + 거래액 + 주거래매체)
• 투자분산도(상위 3개 매수액 합 / 주식 거래액)
• 주식보유기간(거래기간에 따른 비율 합)
• 국내주식투자비율(국내 주식 평가액 / 보유 주식 평가액) </aside>

<aside> 2️⃣ K-Menas를 활용하여 고객을 세분화 후 군집분석 진행

• K-elbow를 활용하여 최적의 군집 갯수 설정

  

• 군집별 거래 성향 분석

  

  

</aside>

<aside> 3️⃣ 코사인 유사도, SASRec을 활용한 종목 추천

군집분석을 바탕으로 거래 성향에서 부족한 점을 보완할 수 있는 종목 추천 진행

SASRec : Transformer의 self-attention 구조를 도입하여 user의 구매 context를 기반으로 한 추천

코사인 유사도 : 벡터 간의 코사인 각도를 이용하여 구할 수 있는 두 벡터의 유사도

yahoo-fin library를 활용하여 산업 정보, 수익률 load

GICS 산업분류를 기준으로 국내, 해외 산업분류 통일

⭐ 유형 1 : 관심 산업 기반 종목 추천

코사인 유사도를 활용하여 해외 종목 추천

⭐ 유형 2 : 수익률 기반 종목 추천

SASRec의 최종 예측 확률값에 수익률을 scale 조정 한 값을 곱하여 수익률 반영

⭐ 유형 3 : ETF 종목 추천

코사인 유사도를 기반으로 유사도가 높은 고객을 선정

거래 비중이 높은 5개 항목 추천

⭐ 유형 4 : 본인과 비슷한 거래를 하는 고객의 종목 추천

관심 산업 + 종목의 거래 횟수를 반영

</aside>

<aside> 📈 상세내용 미래에셋 어플에서 고객의 투자 성향을 파악하기 위해 사용하는 방식은 설문으로, 저는 이 방식이 실제 거래성향을 반영하지 못한다고 생각하였습니다. 따라서 고객이 진행한 실제 내역으로 투자성향을 진단하고 맞춤 종목 추천을 진행하였습니다.

MBTI에서 아이디어를 차용하여 5개의 항목을 통해 고객을 분류하고자 하였습니다. 이전에 주식 거래를 한 경험에서 회사를 선택할 때 고려했던 점과 도메인 지식을 연구한 점을 바탕으로 5개의 척도를 생성하였습니다.

4달 동안의 거래 내역이기에 순차 정보를 바탕으로 추천을 진행하는 SASRec을 선택하였습니다. 기존 모델에 없던 추천 리스트를 출력하는 코드와, side information인 산업정보를 모델에서 활용하는 코드를 추가하였습니다. 또한 수익률, 거래횟수를 종목의 추천확률에 반영하는 부분을 수정하였습니다.

</aside>