For the selection of stock portfolio, the optimization models or expert systems are utilized separately. To take advantage of both approaches, the integration of optimization model and expert system is attempted. The proposed architecture - ISPMS (Intelligent Stock Portfolio Management System) - accomplishes the integration by interpreting the knowledge as a part of the formulation of optimization model. The other generic issues in the ISPMS are the integration of personal preference with the expert's knowledge, the knowledge acquisition by machine learning, and the conflict resolution among knowledge from diverse sources. This thesis thus describes the representation and the inference of an expert's knowledge: the representation of personal preference and its integration with the expert's knowledge: the knowledge acquisition by machine learning: the conflict resolution among knowledge: the interpretation of the knowledge and preference to associate with optimization model: and solution algorithm of modified optimization model accordingly. To support the concept of ISPMS, the proposed prototype named K-FOLIO has been implemented using Common LISP and Turbo Pascal in the super microcomputer environment.
주식투자에서 지금까지는 여러 모형들과 전문가의 경험적 지식을 이용한 여러 형태의 시스템들이 개별적으로 사용되어 왔다. 주식투자 자문시스템인 ISPMS (Intelligent Stock Portfolio Management System)에서는 주식선택에 대한 전문가의 지식을 최적화 모형 생성의 일부로서 해석함으로써 두 방법이 지닌 장점을 상호 보완적으로 결합하고자 하였다. 그 외에도 본 연구의 고유한 문제로서 투자자의 선호를 전문가의 지식과 결합시키는 문제, 귀납적 자동학습에 의한 지식습득, 여러 원천으로부터 습득된 지식들 간에 상충이 될 때 이를 해결하는 문제 등이 있다. 그러므로, 본 논문에서는 전문가 지식의 표현과 추론, 투자자의 선호 표출, 선호와 전문가 지식과의 결합, 자동학습에 의한 지식습득, 지식들간의 상충 해소, 최적화 모형과 연결시키기 위한 지식과 선호에 대한 해석, 그에 따라서 변형된 최적화 모형에 대한 해법 등을 다루고 있다. 본 연구에서 제시한 개념들을 뒷받침하기 위해서 프로토타입인 K-FOLIO를 Common LISP과 Turbo Pascal을 사용하여 슈퍼 마이크로 컴퓨터 환경하에서 구현하였다.
