프로젝트 및 수상 내역: 제1회 백경해커톤(디지털 스마트 부산 아카데미)에 ‘뉴스 요약해조’ 팀으로 참가하여 우수상을 수상한 CATCH! NEWSFIN(캐치! 뉴스핑) 프로젝트입니다.
Figure 1. Framework of Chatbot with RAG
“글을 모르는 문맹은 생활을 불편하게 하지만, 금융 문맹은 생존을 불가능하게 만들기 때문에 더 무섭다.” – 앨런 그린스펀
금융 시장에서는 정확하고 신속한 정보 처리가 필수적입니다. 본 프로젝트는 대중의 낮은 금융 이해도와 정보 과부하 문제를 해결하기 위해, 대규모 언어 모델(LLM)과 RAG 기술을 결합한 맞춤형 금융 뉴스 큐레이션 서비스 CATCH! NEWSFIN을 개발했습니다.
📌 문제 정의: 금융 문맹과 정보 비대칭성
매일 쏟아지는 방대한 금융 기사 속에서, 일반 개인 투자자들은 핵심을 요약하고 실질적인 인사이트를 추출할 시간과 분석 능력이 부족합니다(대한민국 성인 금융 이해력 평균 66.5점). 이러한 정보 비대칭성과 인지적 과부하는 주식 및 부동산 시장에서 개인 투자자들의 합리적인 경제적 의사결정을 심각하게 저해합니다.
⚙️ 연구 방법론: 오픈소스 로컬 LLM 및 RAG 아키텍처
개인 투자자의 금융 이해도를 높이고 능동적인 의사결정을 지원하기 위해 다음과 같은 지능형 뉴스 처리 파이프라인을 구축했습니다.
- 자동화된 수집 및 벡터화: 매일경제 뉴스를 스크래핑한 후, OpenAI의
text-embedding-3-large모델을 활용하여 고차원 벡터로 변환하여 Vector DB에 저장하는 파이프라인을 구축했습니다. - 로컬 LLM 호스팅 및 모델 검증: LangChain과 LangServe를 기반으로 RAG 시스템을 구현했습니다. 특히 보안과 속도를 고려하여
yanolja/EEVE-Korean-10.8B-v1.0모델을 LM Studio를 통해 로컬 환경에서 호스팅했습니다. 또한llama-3-Korean-Bllossom-8B모델과의 비교 검증을 통해 EEVE 모델이 다양한 금융 시나리오와 근거 제시에 더 우수함을 입증했습니다. - 핵심 제공 서비스:
- 어제자 뉴스 PICK: 전날 주요 뉴스의 직관적인 한 줄 요약
- 재무적 관점 해석: 해당 뉴스가 주식, 부동산, 거시 경제 등 타 분야에 미치는 파급 효과를 LLM이 심층 해석
- 대화형 챗봇: 읽고 있는 기사에 대해 즉시 질의응답이 가능한 능동형 챗봇 플레이그라운드 구현
🚀 연구의 시사점: 인지적 의사결정 강화 및 정보 격차 해소
본 프로젝트는 압도적인 양의 비정형 텍스트 데이터를 소화하기 쉬운 구조화된 인텔리전스로 변환했습니다. 강력한 로컬 LLM과 RAG 기술을 결합해 답변의 신뢰성(할루시네이션 최소화)을 확보한 CATCH! NEWSFIN은, 개인 투자자들의 정보 검색 시간을 단축하고 실질적인 금융 리터러시를 향상시키는 강력한 의사결정 지원 도구로 기능합니다.