A bunch of information including financial data and stock prices of companies are available in stock market, and investors should select, transform, and interpret those information needed in their investing decisions. In this study, we aim to support the value investors in their information processing and decision making by providing an eco-logical interface design (EID) that reflects the semantic structure of the financial in-formation of company. EID usually presents the constraints of the work environment, in which the elements and relations analyzed within the abstraction hierarchy are repre-sented in a form of display. Applying the work domain analysis, the financial infor-mation of a company is analyzed as a semantic abstraction hierarchy on a basis of finan-cial data, which consists of five levels: purpose, purpose index, general index, indi-vidual index, and individual data. In this paper, a concrete structure of the financial information constructed by heuristic semantic associations and numerical analyses, and an EID for value investing decision based on the structure is presented. Using a genetic algorithm (GA), we verified that the elements and abstract information of the proposed information structure is valid for investing decisions. In addition, according to the similarity between the structure of GA problem and the proposed EID, the investors would take advantage of the EID to make investing decision and to learn the empirical princi-ples of information interpretation.
주식 시장에는 의사결정을 하기 위한 주가, 재무제표 등을 포함한 다양한 정보가 있으며 투자자들은 여러 정보 중에서 의사결정에 필요한 정보들을 가공하고 해석해서 자신의 투자의사결정 과정에 반영한다. 본 연구는 생태학적 인터페이스 설계를 활용하여 기업의 재무정보를 선별 가공하고 의미적으로 해석하는 것을 도와 가치투자 의사결정을 지원하는 것을 목적으로 한다. 생태학적 인터페이스 설계는 작업 환경의 제약사항들을 표시하는데, 작업 영역을 추상화 계층으로 분석하고 계층별 요소와 관계들을 디스플레이에 반영한다. 이 과정을 주식시장에 적용하여 기업의 재무정보를 재무제표와 주가를 바탕으로 한 의미적 추상계층으로 분석하였다. 재무정보의 추상계층은 목적, 목적 지표, 부문 지표, 개별 지표, 개별 값으로 구분하였고, 의미적 연관성과 수치 분석을 통해 재무정보의 추상화 구조를 제안하고, 이를 바탕으로 가치투자를 위한 생태학적 디스플레이를 설계하였다. 유전 알고리즘을 사용하여 구성된 재무정보 구조에 포함된 요소들과 추상화 정보가 투자상황에 유효하다는 것을 확인하였다. 그리고 유전 알고리즘의 문제 구조와 디스플레이 구성을 통해 가치투자자의 재무정보 해석에 대한 학습과 의사결정 지원 가능성을 확인하였다.
