신건우
서울대학교 산업공학과 석사과정 SLCF 연구실
전통적인 포트폴리오 기반 자산배분 프레임워크에 딥러닝 기법을 활용하는 방안에 대해 연구하고 있습니다. 투자 전망을 실제 비중으로 옮기는 과정에서 생기는 추정 오차의 증폭 문제와 시장 국면이 바뀔 때 흔들리는 배분을 어떻게 다룰지에 관심이 있습니다.
최근에는 LLM이 과거 리밸런싱의 결과를 돌아보며 만든 전망을 Black–Litterman 모형에 결합하는 방법을 연구해 APIEMS 2025에서 발표했습니다. 현재는 Vector Quantization을 latent factor model에 적용하는 연구를 진행하고 있습니다.
연구
Market-Adaptive Memory LLM for the Black–Litterman Model
리밸런싱 결과에 대한 LLM의 복기를 벡터 메모리에 쌓아 두고, 현재와 비슷한 국면의 복기를 불러와 종목별 전망을 만든 뒤 Black–Litterman으로 시장 균형 수익률과 결합했습니다. 비슷한 국면의 복기만 불러온 설정이 가장 나았고, 최근 복기까지 함께 넣으면 오히려 성과가 떨어졌습니다.
벡터 양자화 팩터모델에서 저분산 가격결정 정보의 보존 (In-progress)
수익률을 소수의 대표 벡터로 압축할 때, 분산은 작지만 가격결정에 중요한 요인이 사라지는 문제를 다룹니다.
논문
- W. Jeong, G. Shin, J. Lee. JoCE: Joint Counterfactual Explanations for Interpretable Time Series Anomaly Detection. Pattern Recognition, 177, 2026.
- D. Kim*, G. Shin*, Y. Choi, S. Park, J. Lee. A Locally Tokenized Generative Model for Robust Time-Series Watermarking. NeurIPS 2026 투고. arXiv
- D. Kim, S. Lee, G. Shin, J. Lee. Discretizing Continuous Time Series for Imputation with Masked Diffusion Training. NeurIPS 2026 투고. arXiv
* 공동 제1저자
경험
- 한국금융연수원 데이터사이언스 전문가 양성과정 캡스톤 조교, 지도 팀 우수상
- 서울대 KDT 빅데이터 핀테크 AI 과정 조교 (기계학습과 딥러닝, 3개 기수)
- 삼성 DS² 과정 조교 (선형대수, 최적화 과목)
- NH투자증권 빅데이터 경진대회 장려상, LLM 활용 ETF 큐레이션 서비스
- WorldQuant IQC 2024 교내 1위, Stage 2 진출
- 대학연합금융공학 학회 UFEA 부회장, 주식/이자율 파생상품 스터디