정책 이벤트와 자산 반응의 연결을 통해, 투자 행동보다 투자 학습에 집중하는 금융 학습 시스템을 만듭니다.

• 금융 정보는 많지만, 뉴스가 내 자산에 미치는 영향을 이해하기 어렵습니다.
• 초보 투자자는 정보 해석 부담, 낮은 초기 보상, 학습 동기 저하로 이탈하기 쉽습니다.
• 기존 서비스는 거래/요약 중심이라 학습 관점의 인사이트가 부족합니다.

• 방향성 예측: 정책 이벤트 이후 주요 지수/ETF의 상승·하락 확률 제공
• 변동성 예측: 변동성 급증 가능성을 제시해 리스크 학습 지원
• 자산 민감도 분석: 이벤트별 민감 자산을 히트맵/랭킹으로 시각화

• LLM은 주가를 직접 예측하지 않고 정책/뉴스 텍스트를 정형 피처(JSON) 로 추출
• 예측은 XGBoost / LightGBM 기반으로 수행해 안정성과 설명 가능성 확보
• 데이터 파이프라인은 PostgreSQL(JSONB) + FastAPI 로 구성

• 단순 정확도 대신 클래스별 F1-score 중심으로 평가
• 상승/하락 불균형에서 특히 하락장 탐지 성능을 별도 점검

3개월 내 검증 가능한 MVP를 구축해, 사용자가 시장 이벤트의 원인-결과 구조를 이해하도록 돕는 정책 이벤트 기반 금융 학습 플랫폼을 구현합니다.

• 엄지용 (UI/UX, Feature 설계)
• 이석호 (데이터 수집, DB 관리)
• 이찬준 (모델링, ETF 데이터)
• 함민식 (백엔드, API)