---

name: ai-etf-project description: | AI ETF 프로젝트 도메인 지식과 비즈니스 컨텍스트를 제공하는 스킬. 사용 시점: (1) 프로젝트의 목적이나 비즈니스 모델에 대한 질문, (2) AI ETF 운용 구조나 알고리즘에 대한 설명 필요 시, (3) 규제 대응 전략 관련 작업, (4) 투자자/파트너 대상 자료 작성 시, (5) "이 프로젝트가 뭐야?", "비즈니스 모델이 뭐야?" 같은 질문에 답변 시. Triggers: project overview, business plan, AI ETF, 운용 구조, 규제 대응, 상관계수 0.7, Daily Rolling, FIFO, 종목 교체, 패시브 ETF vs 액티브 ETF.

AI ETF Project

AI 기반 미래 수익률 예측으로 패시브 ETF를 능가하는 Active ETF 운용 시스템.

핵심 개념 요약

문제 인식

• 패시브 ETF(QQQ 등)는 과거 시가총액에 의존 → 상위 종목 적중률 약 6%
• 운용자 재량 기반 액티브 ETF는 불투명하고 일관성 부족

솔루션: AI Daily Rolling ETF

• AI 예측: 트랜스포머 모델로 3개월 후 수익률 상위 종목 예측 (적중률 24%+)
• Daily Rolling 구조: 매일 포트폴리오 1%를 FIFO로 교체
• 규제 대응: 상관계수 0.7 기준 모니터링, 경계 근접 시 추종지수 매수로 전환

경쟁 우위

비즈니스 모델

1. 운용 보수: 직접 ETF 운용 (0.05% 기준)
2. 기술 라이선싱: AI 예측 엔진을 타 운용사에 B2B 제공

규제 환경

• 국내: 비교지수 상관계수 0.7 이상 유지 필수
• 미국: 2019년 규제 완화 후 Active ETF 폭발 성장 (J커브)
• 전략: 규제 준수하며 알파 추구, 향후 완화 대비

상세 참조

비즈니스 플랜 전문: references/business-plan.md

포함 내용:

• 시장 현황 및 성장성 분석
• 단계별 사업화 추진 전략 (Step 1~7)
• 기술적/사업적 준비 현황
• 수익 모델 상세 (AUM 시나리오)
• 팀 구성 및 투자 유치 전략

기술 스택 연결

이 프로젝트의 기술 구현:

• ML 서비스: ml-service/ - FastAPI 기반 예측 API
• 웹 대시보드: web-dashboard/ - Next.js 포트폴리오 시각화
• 모델 실험: etf-model/ - 예측 모델 학습/평가

주요 용어