ENABLING LIFE-TIME
FINANCIAL PLANNING
FOR EVERYONE

모든 사람은 다양한 목표를 가지고 인생을 살아갑니다.

안정적 노후를 위한 은퇴 자금 확보, 나만의 안락한 보금자리 마련, 취향에 맞는 멋진 자동차 구매 등. 문제는 이러한 목표들이 얼마나 실현 가능하며, 어떻게 준비하면 되는지 모른다는 점입니다.

베라노스는 GBI (Goal-based Investment, 목적기반투자) 기술에 기반한 개인 맞춤형 생애 금융 솔루션을 통해, 모든 사람들이 삶에 필수적인 재무/투자 목표를 성공적으로 달성해 나갈 수 있도록 돕고자 합니다.

Our mission is to help ordinary people maximize their life-time wealth

Veranos Advanced GBI™는 고난이도 금융 공학 기술(MSGP, Multi-stochastic Goal Programming)과 머신러닝, 빅데이터 기술을 결합하여 포트폴리오 정확도, 연산 속도, 활용 범위를 극대화한 개인 맞춤형 생애 금융 솔루션입니다.

이를 통해 각자의 재무/투자 목표를 가장 잘 달성할 수 있게 하는 맞춤형 최적 투자 포트폴리오를 제공하고, 투자자가 원하는 범위 내로 리스크와 변동성을 손쉽게 관리할 수 있게 합니다.

베라노스는 Veranos Advanced GBI™를 통해 모든 사람들이 최적의 금융 의사 결정을 할 수 있도록 돕는 다양한 고객 친화적 금융 상품/서비스를 만들어 나가고 있습니다.

01
Expertise

세계적인 연구 성과를 내고 있는 베라노스의 기술력을 기반으로 진정한 개인 맞춤형 생애 금융 솔루션을 제공합니다.

개인 맞춤형 생애 금융 솔루션에 필요한 모든 영역별 핵심 기술 보유

개인 맞춤형 생애 금융 솔루션의 구현을 위해서는 투자 상황 분석, 시장/자산 모델링, 최적화 기반 의사 결정 등 다양한 영역에 대한 기술력이 필요합니다. 베라노스는 금융 공학, 빅데이터, 머신러닝, 딥러닝 등 필요한 모든 분야에 있어 세계적 수준의 역량을 보유하고 있습니다.

노벨상 수상 기술 포함 글로벌하게 검증된 선진 금융 모델 적용

Veranos Advanced GBI™는 지난 수십년간 전세계적으로 수없이 연구/검증된 투자 이론 및 포트폴리오 최적화 기술을 바탕으로 개발되었습니다. 베라노스는 여기에 MSGP 모델, 머신러닝, 빅데이터 기술을 접목하여 보다 정교하고 선진화된 최적 포트폴리오를 제공합니다.

압도적으로 빠른 연산 시간

일반적인 GBI 솔루션은 다양한 시장 시나리오와 변수들을 고려하기 때문에 연산 시간이 수시간-수일 단위까지 극단적으로 길어지는 문제가 있습니다. Veranos Advanced GBI™는 이를 수분-수초 내에 처리할 수 있기 때문에 낮은 운영 비용, 맞춤형 서비스 제공, 높은 사업 확장성을 보장합니다.

사용자의 상황과 목적을 고려한 맞춤형 상품/서비스 구현

Veranos Advanced GBI™는 빠른 연산 속도에 더해, 다양한 투자 시점/목표에 대해서도 이의 달성 가능성을 최대화하는 최적 투자 포트폴리오 제공이 가능합니다. 따라서 퇴직/개인 연금 전용 솔루션 개발, 목적 기반 금융 상품 개발, 투자 자문/일임 서비스 개발 등에 폭넓게 활용할 수 있습니다.

02
Technology

베라노스는 개인 맞춤형 생애 금융 솔루션에 필요한 모든 핵심 기술 영역에서 세계적 수준의 역량을 보유하고 있습니다.

투자 상황 분석

투자 주체 (개인 또는 기관), 투자 목적 (퇴직/개인 연금 관리, 목표 수익률 달성, 개인 자산관리 등), 재무 데이터 (현재 보유 자산, 시점별 납입 투자금), 비재무 데이터 (나이, 총 투자 기간 등), 등의 분석을 통해 투자 상황을 분석하고 그에 따른 최적의 맞춤형 솔루션을 제공합니다.

보유 기술:
data science, machine learning (classification, clustering, dimensionality, reduction), advanced statistics

금융 시장 분석

금융 시장은 변동성이 크고 예측이 어렵습니다. 베라노스는 내일의 시장을 정확히 예측하기보다는, 통계적 분석을 바탕으로 시장의 불확실성을 모델링하고 다양한 시장 시나리오를 상정하여 확률적 관점의 최적 포트폴리오를 제공합니다

보유 기술:
probabilistic and econometric models, factor models, feature selection and pattern recognition

투자 자산 모델링

투자 가능한 다양한 투자 상품 중, 시장/투자 상황에 가장 적합성을 고려하여 개별 포트폴리오에 포함시킬 투자 자산을 선별하는 단계입니다. 금융 상품에 대한 높은 이해도와 시장 상황에 따른 상품별 움직임을 판단하는 전문성이 요구되는 영역입니다.

보유 기술:
optimization (mixed-integer programming), metaheuristic algorithms, feature selection

최적 투자 포트폴리오 도출

투자자와 시장에 대한 분석을 바탕으로 목표 달성 가능성을 최대화하는 최적 자산 배분을 도출하는 기술입니다. 생애 주기별로 시장 상황 변화를 지속적으로 반영하여 투자 목표 달성에 가장 적합한 시점별 포트폴리오를 제공합니다.

보유 기술:
optimization (stochastic programming, advanced portfolio optimization, robust optimization), machine learning (reinforcement learning)

03
Research

글로벌하게 가장 앞선 금융공학 기술을 보유하고 있습니다.

Personalized goal-based investment via multi-stage stochastic goal programming
Abastract
This paper proposes a goal-based investing model that is suitable for personalized wealth management, which only requires a few intuitive inputs from individuals such as wealth, investment, and consumption goals. In particular, priority levels can be assigned to consumption goals and our model assures maximum probability of achieving higher priority goals in a holistic approach. Furthermore, our model, which combines multi-stage stochastic programming and goal programming, is formulated as a linear programming problem that efficiently finds the theoretical optimal investment decision. With its simplicity, flexibility, and computational efficiency, the proposed goal-based investing model provides a new framework for automated investment management services.
Author
Woo Chang Kim, Do-Gyun Kwon, Yongjae Lee, Jang Ho Kim, Changle Lin
Personalized Lifetime Asset-Liability Management via Risk-Averse Stochastic Dual Dynamic Programming
Abastract
In this paper, we address an individual asset-liability management problem that makes lifetime asset allocation and consumption decisions. We make decisions annually for a lifetime-long period under piecewise linear utility functions, which may incorporate multiple consumption goals of investors; transaction costs are also considered. The problem can be modeled as a Multistage Stochastic Linear Programing (MSLP) problem. Ordinary MSLP problems are solved by the Sample Average Approximation (SAA) method, which uses scenario trees. Unfortunately, however, our problem cannot be solved by the SAA method alone, because the size of the scenario trees grows exponentially as the number of stages increases. To solve the problem with large-scale scenario trees that have 10100 number of nodes, therefore, we use the Stochastic Dual Dynamic Programming (SDDP) algorithm, which overcomes the curse of dimensionality by assuming stage-wise independence. We provide a risk-neutral and a risk-averse version of model formulations, and empirically determine how individuals should change their risk-averseness as retirement approaches. In addition, we suggest a biased sampling method to enhance the convergence speed of the risk-averse model.
Author
Do-gyun Kwon, Yongjae Lee, Woo Chang Kim
The Journal of Portfolio Management, March 2017
Robust factor-based investing
Abastract
In quantitative portfolio management, combining optimization with estimation causes concern for asset managers because portfolio problems may be sensitive to deviations in their inputs, but obtaining accurate input estimates is a difficult task. Robust factor models address these concerns using factor models for estimating asset returns and worst-case approaches for gaining stability in portfolio performance. Recent studies on robust factor investing explore methods of incorporating factors into robust portfolio construction. In this article, the authors provide a survey that includes theoretical insight, empirical findings from historical data, and experience from practitioners in formulating and executing robust factor-based investment strategies. <Read more>
Author
Jang Ho Kim, Woo Chang Kim, Frank J. Fabozzi
International Journal of Financial Engineering and Risk Management, August 2018
Why Your Smart Beta Portfolio Might Not Work
Abastract
Smart beta, which accounts for rule-based factor-tilting strategies that fall between active and passive investment, has emerged as an alternative to active investment after its major decline since the global financial crisis. In spite of the smart beta's remarkable commercial prosperity, many experts in both industry and academia share some concerns. Some of them believe that the marketing hype might confuse investors while others are concerned about the exposure to unintended risks that smart beta products might bring. In this study, we provide a comprehensive review of diverse perspectives from both practitioners and researchers on smart beta and we perform empirical and theoretical investigations on the efficiency of smart beta (or factor-tilting) strategies as investment building blocks. We find that factor-based investment building blocks may cause inefficiency under the mean-variance framework. <Read more>
Author
Yongjae Lee, Woo Chang Kim
IE Magazine, December 2015
Anatomy of Robo-Advisor : 적용기술의 타당성을 중심으로
Abastract
급변하는 세계금융시장의 상황과 맞물려 최근 들어 금웅과 기술의 결합을 통한 핀테크 산업에 대한 관심이 커지고 있다. 이러한 핀테크 산업의 흐름에서 자산운용업을 담당하는 키워드가 바로 로보어드바이저이다. 로보어드바이저 산업은 은행의 자산관리사인 프라이빗뱅터의 업무 중에서 자동화 될 수 있는 부분만을 공학기술을 통해 제공하는 것으로, 최근 개인투자자들이 접근할 수 있는 투자자산의 다양화, 투자관련정보의 양적 급증, 가속화되는 정보전달속도로 인해 공학적 접근법과 시스템의 필요성이 대두되고 있다. <Read more>
Author
Geum Il Bae, Yongjae Lee, Jieun Kim, Woo Chang Kim, Min Jeong Kim, Jang Ho Kim
대한산업공학회지, December 2017
한국 ETF 시장의 시스템적 리스크 분석 및 최적의 ETF 도입 순서에 대한 연구
Abastract
Traditionally, the private wealth management industry has been dedicated to high-net-worth individuals due to expensive service costs. However, robo-advisors are making sudden rises during the on-going FinTech revolution. Robo-advisors aim to provide personalized wealth management services for everyone by using automated investment management algorithms and online distribution channels. To reduce service costs, robo-advisors mainly use ETFs to construct investment portfolios. Therefore, Korean ETF market should grow in both quantity and quality, in order for robo-advisors to succeed in Korea. In this study, we first analyze how vulnerable the Korean ETF market is to external or internal shocks in comparison with the U.S. ETF market. Then, we derive the optimal introduction sequence of ETFs in the Korean ETF market based on the modern portfolio theory. <Read more>
Author
Beom Hyun Kim, Yongjae Lee, Do-gyun Kwon, Woo Chang Kim
Four-University Rotating Fintech Conference 2018, April 2018
Multi-stage stochastic goal programming explained: Holistic approach for goal-based investing
Description
‘State of the Art in Robo-Adivising Systems: Financial Technologies for Enhanced Social Security’ 컨퍼런스는 2018년 4월 12일과 13일 서울에서 진행. 해당 컨퍼런스는 KAIST, 미국 프린스턴 대학, 중국 칭화대학교, 프랑스 EDHEC가 공동으로 2017년 부터 매년 개최하는 핀테크(FinTech)관련 국제 컨퍼런스로써, 자산운용산업의 핀테크, 즉 로보 어드바이저 산업에 대해 전 세계의 학계, 산업계, 규제당국의 관계자가 참여하여 논의하는 장이다. 본 컨퍼런스에서 마이클 뎀스터 케임브리지 대학 교수, 김우창 카이스트 교수, 리오넬 마텔리니 EDHEC 교수, 존 멀비 프린스턴 교수 등 세계 최고 전문가들이 참여하여 자산운용산업 전반과 최신 동향에 대해 논의하였다. <Read more>
Presenters
Jang Ho Kim, Yongjae Lee
Four-University Rotating Fintech Conference 2017, April 2017
Goal-based investment via multi-stage stochastic goal programming for robo-advisor services
Description
‘Four-University Rotating FinTech Conference: Wealth Management Systems for Individual Investors’ 컨퍼런스는 2017년 4월 26일과 27일 미국 프린스턴 대학에서 진행. 해당 컨퍼런스는 KAIST, 미국 프린스턴 대학, 중국 칭화대학교, 프랑스 EDHEC가 공동으로 2017년 부터 매년 개최하는 핀테크(FinTech)관련 국제 컨퍼런스로써, 자산운용산업의 핀테크, 즉 로보 어드바이저 산업에 대해 전 세계의 학계, 산업계, 규제당국의 관계자가 참여하여 논의하는 장이다. Andrew Yao (Turing Award 수상자, 칭화대 핀테크 센터 센터장), John Bogle (Vanguard Group 창업자, Bogle Financial Markets Research Center 센터장), 김우창 (KAIST 교수, KAIST 자산운용미래기술센터 센터장), Lionel Martellini (EDHEC-Risk Institute 이사), John Mashey (Bell 연구소/실리콘 밸리 전산학자), John Mulvey (Princeton University 교수, Bendheim Center for Finance 설립 멤버) 등이 로보 어드바이저와 관련된 최신 연구 결과를 발표하며, 알리바바 산하의 앤트 파이낸셜과 메릴 린치 등은 자신의 로보 어드바이저 시스템을 시연하였다. <Read more>
Presenters
Woo Chang Kim
Four-University Rotating Fintech Conference 2017, April 2017
Robust portfolio models
Description
‘Four-University Rotating FinTech Conference: Wealth Management Systems for Individual Investors’ 컨퍼런스는 2017년 4월 26일과 27일 미국 프린스턴 대학에서 진행. 해당 컨퍼런스는 KAIST, 미국 프린스턴 대학, 중국 칭화대학교, 프랑스 EDHEC가 공동으로 2017년 부터 매년 개최하는 핀테크(FinTech)관련 국제 컨퍼런스로써, 자산운용산업의 핀테크, 즉 로보 어드바이저 산업에 대해 전 세계의 학계, 산업계, 규제당국의 관계자가 참여하여 논의하는 장이다. Andrew Yao (Turing Award 수상자, 칭화대 핀테크 센터 센터장), John Bogle (Vanguard Group 창업자, Bogle Financial Markets Research Center 센터장), 김우창 (KAIST 교수, KAIST 자산운용미래기술센터 센터장), Lionel Martellini (EDHEC-Risk Institute 이사), John Mashey (Bell 연구소/실리콘 밸리 전산학자), John Mulvey (Princeton University 교수, Bendheim Center for Finance 설립 멤버) 등이 로보 어드바이저와 관련된 최신 연구 결과를 발표하며, 알리바바 산하의 앤트 파이낸셜과 메릴 린치 등은 자신의 로보 어드바이저 시스템을 시연하였다. <Read more>
Presenters
Jang Ho Kim, Woo Chang Kim
대한산업공학회, November 2015
‘로보 어드바이저’의 현황과 한국시장 도입 가능성에 대한 연구
Description
고비용의 인력 대신 고도화된 알고리즘 기반의 소프트웨어를 활용한 온라인 자산관리인 로보 어드바이저의 2015년 현황을 살펴보고 국내외 대표적인 운용형, 자문형 로보 어드바이저 회사를 비교하였다. 또한, 한국 시장의 현황을 살피고, 국내에 상장되어 있는 ETF를 구분하여 한국 시장을 대표하는 각 지수를 따르는 ETF를 조사하는 것으로 국내에서의 로보 어드바이저 도입 가능성이 있는지 연구한 내용을 발표하였다. <Read more>
Presenters
Jieun Kim, Yongjae Lee, Geum Il Bae, Je-ok Choi, Dongyeol Lee, Woo Chang Kim
대한산업공학회, April 2016
로보 어드바이저(Robo-Advisor) 산업 활성화를 위한 국내 ETF시장의 발전 방향에 대한 연구
Description
Presenters
Beom Hyun Kim, Do-gyun Kwon, Yongjae Lee, Woo Chang Kim
Wiley, December 2015
Robust Equity Portfolio Management + Website: Formulations, Implementations, and Properties using MATLAB
Abastract
Robust Equity Portfolio Management + Website offers the most comprehensive coverage available in this burgeoning field. Beginning with the fundamentals before moving into advanced techniques, this book provides useful coverage for both beginners and advanced readers. MATLAB code is provided to allow readers of all levels to begin implementing robust models immediately, with detailed explanations and applications in the equity market included to help you grasp the real-world use of each technique. The discussion includes the most up-to-date thinking and cutting-edge methods, including a much-needed alternative to the traditional Markowitz mean-variance model. Unparalleled in depth and breadth, this book is an invaluable reference for all risk managers, portfolio managers, and analysts. <Read more>
Author
Woo Chang Kim, Jang Ho Kim, Frank J. Fabozzi
  • Personalized goal-based investment via multi-stage stochastic goal programming
  • Personalized Lifetime Asset-Liability Management via Risk-Averse Stochastic Dual Dynamic Programming
  • Robust factor-based investing
  • Why Your Smart Beta Portfolio Might Not Work
  • Anatomy of Robo-Advisor : 적용기술의 타당성을 중심으로
  • 한국 ETF 시장의 시스템적 리스크 분석 및 최적의 ETF 도입 순서에 대한 연구
  • Multi-stage stochastic goal programming explained: Holistic approach for goal-based investing
  • Goal-based investment via multi-stage stochastic goal programming for robo-advisor services
  • Robust portfolio models
  • ‘로보 어드바이저’의 현황과 한국시장 도입 가능성에 대한 연구
  • 로보 어드바이저(Robo-Advisor) 산업 활성화를 위한 국내 ETF시장의 발전 방향에 대한 연구
  • Robust Equity Portfolio Management + Website: Formulations, Implementations, and Properties using MATLAB
04
Team

세계적으로 성과를 인정받은 각 영역의 전문가들이 기술을 통한 개인 맞춤형 금융 솔루션이라는 목표를 위해 모였습니다.

김영롱

CEO

김우창

Ph.D., Chairman

이원종

Ph.D., Faculty

김장호

Ph.D., Faculty

이용재

Ph.D., Faculty

김도형

Ph.D., CTO

송영래

Ph.D., Advisor

장연식

Ph.D., Advisor

홍주환

Ph.D., Team Leader

손인석

M.S., CFA Lv.3, Analyst

박두진

M.S., Advisor

최호정

M.S., Developer

박지선

Developer

심혜섭

Developer

류형우

Developer

정유빈

Designer

최웅비

Ph.D., Faculty

정문기

Ph.D. Candidate, Faculty

정구혁

Ph.D. Candidate, Faculty

Career

베라노스에서는 세계 최고 수준의 금융 솔루션 연구/개발진이 함께 하고 있습니다.

업계/학계 전문가들과 시장을 선도하고, 함께 성장의 기회를 찾는 열정 가득한 분들을 모집합니다. 금융, 개발 분야에 전문성을 보유하고 계시고 저희와 같은 비전을 꿈꾸는 분들이라면, 경력과 분야에 상관없이 지원을 받고 있습니다.

career@veranostech.com

Copyright © Veranos Technologies 2018. All Rights Reserved.
사업자등록번호: 208-88-00790
문의: info@veranostech.com