Loopera-ai/loopera

해결하는 문제

Loopera는 기초적 양적 연구를 위한 AI 에이전트입니다. 원시적인 재무 데이터와 연구 자료(예: PDF 및 프롬프트)를 검증되고 설명 가능한 투자 요인으로 전환하는 문제를 해결합니다. 단순히 데이터 필드를 무작위로 조합하여 통계적 상관관계를 찾는 대신, 재무 이례 현상의 경제적 논리를 중심으로 접근하여 연구 결과가 데이터 피팅이 아닌 비즈니스 현실에 기반하도록 보장합니다.

작동 방식

Loopera는 다음과 같은 여러 단계로 구성된 지속적인 연구 루프로 작동합니다.

1. 입력 및 이해: 연구 주제, 텍스트 프롬프트 또는 PDF 보고서를 입력받아 주장, 공식, 경제적 메커니즘을 추출합니다.
2. 가설 생성: 재무 이례 현상(예: 이익이 현금으로 전환되지 않음)을 식별하고, 이러한 현상이 미래 성과에 영향을 미칠 수 있는 대립되는 경제적 설명을 제안합니다.
3. 요인 구축: 이러한 가설을 "연구 계약(Rsearch Contracts)"으로 변환합니다. 구조화되고 계산 가능한 객체로, 요인의 예상 방향과 경제적 의미를 정의합니다.
4. 증거 기반 검증: 후보 요인은 데이터 가용성, 시점/선점 편향, 회계 일관성, 추가 가치 여부 등 여러 "증거 게이트"를 통과해야만 승인됩니다.
5. 연구 메모리: 성공한 연구 경로와 실패한 경로 모두가 메모리 시스템에 저장되어 중복 작업을 방지하고 연구의 공백을 식별합니다.

대상 사용자

• 기초적 양적 팀: 요인 연구 프로세스를 표준화하고 확장하고자 하는 팀
• 투자 연구 및 FinTech 기관: 내부 보고서와 데이터 역량을 표준화된 검증 파이프라인에 연결하고자 하는 조직
• 연구 매니저: 백테스트 곡선뿐 아니라 의사결정 논리, 증거, 실패 이유를 추적하고자 하는 사람

주요 특징

• 가설 중심: 과적합을 피하기 위해 단순한 계산보다 경제적 설명을 우선시합니다.
• 증거 기반 검증: 다층적 검증 프로세스를 통해 요인이 견고하고 논리적으로 일관되도록 보장합니다.
• 메모리 증강형: 특정 경로가 실패한 이유를 기록하는 연구 이력(라인리지)을 유지하여 실패를 팀의 지식으로 전환합니다.
• 다중 모달 입력: PDF에서 연구 주장과 공식을 추출할 수 있으며, 출처의 정확성을 엄격히 유지합니다.