# LABA - Lab for AI and Business Application

LABA is directed by Hyun Jong Na at Hanyang University School of Business.

Website: https://laba.co.kr

Director profile: https://nahyunjong.com/en/about

## Director

- Name: Hyun Jong Na (나현종)
- Email: henryhjna@hanyang.ac.kr
- LinkedIn: https://www.linkedin.com/in/henryhjna/

## Batch 4 (2025)



Projects:
- AI로 생성한 시장 전망을 활용한 블랙-리터만 최적화 - 블랙-리터만 모델은 투자자의 시장 전망을 포트폴리오 최적화에 반영할 수 있는 프레임워크이지만, 전통적으로 이러한 전망은 애널리스트의 주관적 판단에 의존해왔습니다. 본 연구는 대형 언어 모델(LLM)을 활용하여 시장 전망을 체계적으로 생성하고, 이를 블랙-리터만 모델의 투자자 전망으로 활용합니다. AI가 생성한 전망은 다양한 경제 지표, 뉴스, 기업 정보를 종합적으로 분석한 결과물로, 기존 방식 대비 일관성과 재현 가능성을 높일 수 있습니다. 이 접근법은 포트폴리오 최적화 과정에서 인간 전문가의 판단을 보완하거나 대체할 수 있는 방법론을 제시하며, AI 기반 투자 의사결정의 실무적 활용 가능성을 보여줍니다.

Members:
- 박상윤
- 신승훈
- 전은서
- 노승종

## Batch 3 (2025)



Projects:
- ABM 기반의 Fed Fund Rate 회의록 예측 - 연방기금금리의 향후 경로를 예측하는 일은 정책 입안자, 금융기관, 연구자 모두에게 중요한 과제입니다. 최근 연구들은 FOMC 성명서와 의사록의 텍스트를 분석하여 매파적 또는 비둘기파적 어조를 파악하고, 이를 통해 정책 방향을 예측하려 시도해왔습니다. 그러나 FOMC 의사록은 회의 후 3주, 전체 회의록은 5년 후에야 공개되어 실시간 의사결정에 활용하기 어렵습니다. 본 연구는 이러한 시차 문제를 해결하기 위해 대형 언어 모델(LLM)을 활용하여 주요 FOMC 참가자들의 AI 에이전트 페르소나를 개발하고, 현재 경제 상황을 반영한 가상의 정책 회의를 시뮬레이션합니다. 이를 통해 공식 자료 공개를 기다리지 않고도 정책 심의의 맥락과 논리를 담은 텍스트 데이터를 실시간으로 생성할 수 있습니다.

Members:
- 차승현
- 장현준
- 김연우
- 반재윤

## Batch 2 (2024)



Projects:
- 머신러닝과 LLM을 사용한 상대가치평가 자동화 - 기업가치 평가에서 가장 까다로운 단계 중 하나는 적절한 비교 상장사를 선정하는 것입니다. 본 연구는 국내 상장 기업의 사업 개요 텍스트와 비상장사 소개글 간의 유사도를 TF-IDF 기법으로 분석하여 비교상장사를 자동으로 선정하고, 해당 기업의 멀티플을 활용해 비상장 기업의 예상 가치를 산정합니다. 이 도구는 투자은행(IB), 기업공개(IPO), 금융리서치 업무에서 유사기업군을 효율적으로 탐색하는 데 활용할 수 있습니다. 기존의 수작업 기반 프로세스를 대폭 간소화하여 업무 시간을 절감하고 분석의 정확성을 높일 수 있으며, 사모펀드(PE), 벤처캐피털(VC), 산업 리서치 등 다양한 분야로 확장이 가능합니다.

Members:
- 이연지
- 이채연
- 김예찬
- 서진영

## Batch 1 (2024)



Projects:
- 머신러닝을 활용한 공모주 고평가 예측 - IPO 공모가와 상장 이후 시장 가격 사이에는 빈번하게 괴리가 발생하며, 이는 정보 비대칭 상황에 놓인 개인투자자들에게 손실을 초래합니다. 파두의 사례처럼 공모가 고평가로 인한 피해가 개인투자자에게 돌아가는 문제가 반복되고 있습니다. 본 연구는 최근 10년간 국내 IPO 사례를 분석하여, 수익률 형성에 유의미한 17개의 독립변수를 기반으로 공모가 고평가 여부를 예측하는 OLS 모델을 개발했습니다. 분석 결과, 이 모델을 활용한 종목 선택이 무작위 선택 대비 약 70%의 수익률 우위를 보였습니다. 향후 Logistic 회귀, 의사결정나무, XGBoost 등 추가 모델을 적용하여 예측 정확성을 높여나갈 계획입니다.

Members:
- 성정훈 | (주)삼천리
- 이채은 | 서울대학교 경영대학 석사과정
- 이예진 | DB금융투자
- 이동훈 | KB증권