ChatGPT와 CoT 프롬프팅을 활용한 ETF 자산배분 전략
ETF Asset Allocation Strategy Using ChatGPT and Chain-of-Thought Prompting
이재욱(부산대학교); 도영훈(부산대학교); 이민혁(부산대학교)
27권 3호, 335~354쪽
초록
AI 기반 자산운용은 투자 판단의 정교화와 자동화를 동시에 실현할 수 있는 새로운 패러다임으로주목받고 있다. 본 연구는 LLM(ChatGPT)을 활용해 수치 중심 자산운용 접근을 보완하고, 뉴스 기반비정형 정보를 통합하는 자산배분 프레임워크를 제안한다. 2024년 상반기 수집한 약 9만 건의 경제뉴스 헤드라인을 대상으로, ChatGPT의 CoT(Chain-of-Thought) 프롬프팅을 활용해 핵심 키워드를추출하고, 섹터별 감성과 중요도를 평가한 뒤 ETF 투자 비중을 산출하였다. 이 과정을 통해 구성된포트폴리오 중 4주 단위 리밸런싱 전략은 KOSPI 200 및 국내 AI 운용 ETF 대비 우수한 성과(수익률40.96%, 샤프 비율 2.76, 최대 낙폭 -3.22%)를 기록하며, LLM 기반 텍스트 해석의 투자 적용 가능성을실증적으로 보여주었다. 본 연구는 프롬프트 기반 구조화 추론을 AI 자산운용에 통합한 사례로, 향후에는프롬프트 최적화와 언어모델 비교, RAG 기법 적용 등을 통해 분석 프레임워크를 더욱 정교하게고도화하고자 한다.
Abstract
AI-based asset management is gaining attention as a new paradigm that enables refined and automated investment decisions. This study presents a framework that integrates unstructured, news-based information into ETF portfolio allocation using a large language model (ChatGPT). Based on 90,000 economic news headlines from early 2024, key keywords were extracted and sector-level sentiment assessed through Chain-of-Thought (CoT) prompting, allowing the derivation of ETF weights. A four-week rebalancing strategy outperformed KOSPI 200 and domestic AI-driven ETFs (return: 40.96%, Sharpe ratio: 2.76, max drawdown: -3.22%), demonstrating the practical value of LLM-based text analysis. The study highlights how prompt-based structured reasoning can be applied to AI asset management, with future potential in prompt optimization, model comparison, and RAG integration.
- 발행기관:
- 한국경영정보학회
- 분류:
- 경영학