← Home

Research, Products, and Strategy in Finance

이창훈 · Changhun Lee

연금과 자산배분 알고리즘을 연구하고, 이를 실제 서비스로 구현합니다. 금융공학 박사이자, 15년간 국내 증권사에서 다양한 금융 서비스를 만들어 왔습니다.

연구와 구현을 함께하는 이유는 단 하나입니다. 보통 사람이 본업에만 집중해도 노후가 준비되는 구조를 만들고 싶기 때문입니다.

Research#

개인이 자신의 연금을 얼마나 준비했는지 진단하고, 그 상태에 맞는 자산배분을 자동으로 조정하는 방법을 연구합니다.

지금까지의 연금 진단은 대부분 가입 시점의 설문과 나이에 의존합니다. 하지만 같은 나이라도 목표 소득과 쌓인 자산이 다르면 감당해야 할 위험 수준도 달라집니다. 그리고 그 상태는 시장 상황과 소득 변화에 따라 매년 달라집니다.

제 연구의 핵심 주장은 이렇습니다.

설문과 나이로 연금의 위험 수준을 정하는 방식은 충분하지 않습니다. 목표 소득에서 국민연금 예상 급여를 뺀 사적연금 필요액을 기준으로, 실제 쌓인 자산을 매년 다시 진단하는 방식이 더 낫습니다. 그리고 위험을 조정하는 것만으로 목표 회복이 어려운 상태라면, 위험을 더 지는 것이 아니라 납입액을 늘려야 합니다.

시뮬레이션 결과도 이 방향을 지지합니다. 매년 재진단하는 방식은 최초 계획을 그대로 유지하는 방식과 변동성이 거의 같으면서도 생애 목표소득 달성 성공률이 더 높았습니다. 정보 피드백의 가치는 수익률보다 위험 효율에서 나타났습니다.

주요 연구 주제는 다음과 같습니다.

  • 소득대체율 기반 연금 준비 상태 진단
  • 목표달성확률을 신호로 사용하는 동적 위험 조정
  • 블랙-리터만 모델과 듀얼 모멘텀 전략을 결합한 자산배분
  • 로보어드바이저 등 비대면 시스템에 적용 가능한 알고리즘 설계
  • 대규모 언어모델(LLM)을 금융 알고리즘 개발에 사용할 때의 한계와 검증 방법

Work#

논문만 쓰지 않았습니다. 실제 고객이 쓰는 서비스로 만들어 출시했습니다.

2025 –

국내 금융그룹에서 계열사 디지털·플랫폼 전략을 맡고 있습니다.

계열사 간 시너지와 디지털 기반 비즈니스 모델을 검토합니다.

2020 – 2024

마이데이터 서비스를 기획했습니다.

흩어진 금융 데이터를 모아 투자 성과를 보여주는 서비스를 설계하고 출시했습니다.

2017 – 2019

로보어드바이저 알고리즘 전략을 개발하고 구축 PM을 맡았습니다.

자산배분 알고리즘을 설계하고, 이를 실제 상품과 서비스로 구현했습니다.

2011 – 2016

HTS와 트레이딩 플랫폼을 개발했습니다.

주문·시세·차트 등 거래 시스템의 기반을 다뤘습니다.

Publications#

  1. 연금 로보어드바이저 프레임워크: 고객 프로파일링과 동적자산배분 전략의 통합적 접근

    이창훈. 고려대학교 대학원 금융공학협동과정 박사학위논문, 2025. 지도교수 강규호.

    DOI: 10.23186/korea.000000304552.11009.0002335

    소득대체율 진단과 동적 자산배분을 하나의 로보어드바이저 체계로 통합한 학위논문입니다. 두 편의 논문으로 구성되어 있습니다.

  2. 소득대체율을 고려한 사적연금 목표기반 동적자산배분 연구

    이창훈. 《경영과학》 41(4), 2024, pp.41–59.

    DOI: 10.7737/KMSR.2024.41.4.041

    동적계획법으로 생애주기별 자산배분을 최적화하고, 소득대체율로 은퇴 준비 상태를 평가하는 모형입니다.

  3. 블랙리터만과 모멘텀을 결합한 적극적 자산배분 전략 연구

    이창훈·배원성. 《금융공학연구》 23(1), 2024, pp.149–182.

    DOI: 10.35527/KFEDOI.2024.23.1.007

    블랙-리터만 모델의 주관적 시장 전망을 계량적 모멘텀 점수로 대체해 객관성과 안정성을 높인 모형입니다.

Press#

제가 참여한 프로젝트 중 언론에 소개된 것들입니다. 기사 제목은 원문 그대로 옮겼습니다.

FAQ#

  1. 이창훈은 누구인가요?#

    연금 자산배분 알고리즘을 연구하는 금융공학 박사입니다. 고려대학교 대학원에서 「연금 로보어드바이저 프레임워크」로 2025년 박사 학위를 받았고, 2011년부터 국내 증권사와 금융그룹에서 트레이딩 시스템, 로보어드바이저, 마이데이터 서비스를 만들어 왔습니다.

  2. 소득대체율 기반 연금 진단이란 무엇인가요?#

    소득대체율은 은퇴 전 소득 대비 은퇴 후 예상 연금 소득의 비율입니다. 목표 소득에서 국민연금 예상 급여를 뺀 나머지를 사적연금이 채워야 할 몫으로 보고, 현재 쌓인 자산과 비교해 준비 상태를 평가하는 방식입니다. 복잡한 설문 대신 하나의 지표로 자신의 연금 준비 수준을 직관적으로 파악할 수 있다는 것이 장점입니다.

  3. 목표달성확률 피드백이란 무엇인가요?#

    매년 실제 쌓인 자산을 반영해 목표 달성 확률을 다시 계산하고, 그 확률을 신호로 삼아 위험 수준을 조정하는 방식입니다. 최초 진단 이후 재점검하지 않는 방식과 비교하면, 변동성은 거의 같으면서 생애 목표소득 달성 성공률이 더 높게 나타났습니다. 위험 조정만으로 회복이 어려운 상태는 납입액 증액이 필요한 경우로 따로 식별합니다.

  4. 블랙-리터만과 듀얼 모멘텀을 결합한다는 것은 무슨 뜻인가요?#

    블랙-리터만 모델은 시장균형 포트폴리오에 투자자의 시장 전망을 반영해 기대수익률을 추정합니다. 문제는 그 전망이 주관적이라는 점입니다. 이를 보완하기 위해 시계열 데이터로 계산한 모멘텀 점수를 전망 대신 사용합니다. 상대 모멘텀으로 우수한 자산을 고르고, 절대 모멘텀으로 하락 위험을 통제합니다. 시장을 예측하지 않고 시장 변화에 대응하는 모델입니다.

  5. 「알고리즘 오답노트」는 무엇인가요?#

    대규모 언어모델을 이용해 자산배분 알고리즘을 만들고, 그 결과를 검증하는 16주 실습 연재입니다. 매 주차는 세 단계로 진행됩니다. 먼저 LLM에게 구현을 시키고, 그 산출물에 숨은 오류를 금융공학 지식으로 찾아내고, 마지막으로 제대로 고쳐 만듭니다. 룩어헤드 바이어스, 생존 편향, 데이터 누출처럼 LLM이 조용히 저지르는 오류를 다루는 것이 핵심입니다. 증권사 Open API를 활용하되 특정 회사에 종속되지 않도록 추상화 계층을 두고 구현합니다.

  6. 강의나 연구 협업을 요청할 수 있나요?#

    가능합니다. 이메일로 연락 주시면 됩니다. 다만 개별 투자 상담이나 특정 상품에 대한 문의에는 답변드리지 않습니다.

  7. 이 사이트의 글을 인용해도 되나요?#

    됩니다. 출처를 밝히면 자유롭게 인용하실 수 있습니다. 각 글 하단에 인용 형식을 함께 제공합니다. 논문을 인용하실 경우에는 원 학술지의 서지 정보를 사용해 주세요.

About (English)#

Changhun Lee is a financial engineering researcher and product manager working on pension asset allocation algorithms.

He received his Ph.D. in Financial Engineering from Korea University in August 2025. His dissertation, "Pension Robo-Advisor Framework: An Integrated Approach to Customer Profiling and Dynamic Asset Allocation Strategies" (DOI: 10.23186/korea.000000304552.11009.0002335), combines individual income-replacement-rate diagnosis with dynamic asset allocation into a single system.

His central argument is that determining pension risk levels from questionnaires and age alone is insufficient. A better approach measures the gap between a household's target retirement income — net of expected public pension benefits — and its actually accumulated assets, then re-diagnoses that gap every year. When risk adjustment alone cannot restore the goal, the answer is to increase contributions rather than to take on more risk. In his simulations, annual re-diagnosis achieved a higher lifetime income-goal success rate than a fixed initial plan at essentially the same volatility.

Since 2011 he has built trading systems, robo-advisor allocation engines, and open-banking (MyData) analytics services at Korean securities firms and a financial group. His published work includes an active asset allocation model combining the Black-Litterman framework with dual momentum, and a goal-based dynamic asset allocation model for private pensions incorporating income replacement rates.

On this site he publishes his research notes and a hands-on series titled "Algorithm Error Notebook," in which large language models are asked to implement quantitative finance algorithms — and the resulting code is then audited for the errors they quietly introduce, such as look-ahead bias, survivorship bias, and training-data leakage.

All content is for educational and research purposes only and does not constitute investment advice. The views expressed are the author's own and do not represent those of any institution he is affiliated with.

(Note: This site is operated by Changhun Lee in South Korea and is unrelated to VibeQuant, the music-industry data consultancy at vibequant.com.)

최종 수정: