Fund2Persona: 펀드 공시 데이터를 활용한 금융 자문가 페르소나 구축 및 정교화 프레임워크

개인화된 금융 자문에 대한 수요는 증가하고 있지만, 일관된 자문가의 전문성을 확보하고, 확장하며, LLM (Large Language Model) 시스템에 인코딩하는 것은 어렵습니다. 단순한 페르소나 프롬프트는 금융 자문가가 어떻게 추론해야 하는지를 명확히 지정하지 못하는 경우가 많으며, 종종 일반적인 권고 사항으로 흐르는 경향이 있습니다. 우리는 펀드 공시(fund disclosures), 보유 자산 변동(holdings transitions), 시장 맥락(market context), 그리고 매니저 코멘터리(manager commentary)에 금융 자문가 페르소나를 근거(grounding)를 두고, 이를 에이전트 방식의 actor--scorer--patcher 루프를 통해 정교화하는 프레임워크인 Fund2Persona를 제안합니다. 우리는 결과물인 페르소나를 홀드아웃(held-out) 보유 자산 변동 재구성 및 매니저 코멘터리 정렬(alignment)을 통해 평가하였으며, 여기서 이들은 일반적인 베이스라인(baseline)보다 포트폴리오 결정과 근거 있는 매니저 해석을 더 잘 복원해냈습니다. 나아가 우리는 두 가지 다운스트림(downstream) 진단 도구를 연구했습니다: 첫째는 시장 시나리오 생성(market-scenario generation)으로, 여기서 페르소나 검색(persona retrieval)은 반복적인 일반적 롤아웃(rollouts)을 넘어 타당한 투자 관점을 확장합니다. 둘째는 투자자 프로필에 근거한 자문 대화(advisory dialogues)로, 매칭된 페르소나는 일반적인 자문가보다 더 구체적이고 유용한 조언을 제공합니다. 이러한 결과는 펀드 데이터에 근거한 금융 자문가 페르소나가 단순히 LLM의 표면적인 스타일을 바꾸는 것을 넘어, 매니저 특유의 투자 전문성을 이식 가능하게(portable) 만들 수 있음을 시사합니다.