[논문 리뷰] NLP in FinTech Applications: Past, Present and Future

Chung-Chi Chen, Hen‐Hsen Huang외 1명|arXiv (Cornell University)|2020. 05. 04.

FinTech, Crowdfunding, Digital FinanceBusiness, Management and Accounting참고 문헌 34인용 수 18

한 줄 요약

이 논문은 금융기술(FinTech) 분야에서 자연어 처리(NLP)의 발전을 조사하며, 공식적이고 비공식적인 텍스트 데이터를 활용한 KYC, KYP, SYC 응용 분야에 중점을 둡니다. 위험 및 잠재력 관점에서 동적 제품 기능 업데이트를 위한 프레임워크를 제안하고, 오픈 파이낸스 및 NLP 기반 금융 혁신 분야의 향후 연구 방향을 제시합니다.

ABSTRACT

Financial Technology (FinTech) is one of the worldwide rapidly-rising topics in the past five years according to the statistics of FinTech from Google Trends. In this position paper, we focus on the researches applying natural language processing (NLP) technologies in the finance domain. Our goal is to indicate the position we are now and provide the blueprint for future researches. We go through the application scenarios from three aspects including Know Your Customer (KYC), Know Your Product (KYP), and Satisfy Your Customer (SYC). Both formal documents and informal textual data are analyzed to understand corporate customers and personal customers. Furthermore, we talk over how to dynamically update the features of products from the prospect and the risk points of view. Finally, we discuss satisfying the customers in both B2C and C2C business models. After summarizing the past and the recent challenges, we highlight several promising future research directions in the trend of FinTech and the open finance tendency.

연구 동기 및 목표

• KYC, KYP, SYC와 같은 핵심 응용 분야에서 자연어 처리(NLP)가 금융기술(FinTech)에 미치는 역할을 분석하는 것.
• 구조화된 문서와 비구조화된 텍스트 데이터가 기업 및 개인 고객을 이해하는 데 어떻게 활용되는지 검토하는 것.
• 위험 및 잠재력 평가 기반으로 동적 접근 방식을 통해 제품 기능을 업데이트하는 것.
• NLP를 활용해 B2C 및 C2C 금융기술(FinTech) 비즈니스 모델에서 고객 만족도를 향상시키는 전략을 탐색하는 것.
• 오픈 파이낸스의 부상에 따라 NLP를 통한 금융기술(FinTech) 분야에서 유망한 향후 연구 방향을 식별하고 개선하는 것.

제안 방법

• KYC, KYP, SYC를 중심으로 한 자연어 처리(NLP) 응용 분야에 대한 체계적 검토.
• 공식적인 금융 문서와 비공식적인 텍스트 데이터(예: 소셜 미디어, 고객 리뷰)를 통합해 고객 프로파일링을 수행하는 것.
• 시간에 따라 위험 및 잠재가치 평가를 위해 NLP를 활용해 금융 상품의 기능을 동적으로 업데이트하는 것.
• B2C 및 C2C 환경에서 비구조화된 텍스트에서 감성, 의도, 위험 지표를 추출하기 위해 NLP 기법을 적용하는 것.
• 문맥 기반 임bedding과 시퀀스 모델링을 활용해 금융 내러티브 및 고객 행동 이해를 향상시키는 것.
• 오픈 파이낸스 생태계에서 NLP 기반 통찰을 규제 및 비즈니스 목표와 일치시키기 위한 프레임워크 설계.

실험 결과

연구 질문

• RQ1 NLP는 고객 온보딩 및 준수 향상에 있어 KYC 프로세스에 어떻게 적용되었는가?
• RQ2 비구조화된 데이터에서 액션 가능한 통찰을 어떻게 추출하여 KYP 및 상품 위험 평가에 활용할 수 있는가?
• RQ3 개인화된 서비스를 통해 NLP는 B2C 및 C2C 금융기술(FinTech) 모델에서 고객 만족도를 어떻게 향상시킬 수 있는가?
• RQ4 NLP를 활용해 금융 상품 기능을 동적으로 업데이트할 때 발생하는 주요 기술적 및 규제적 과제는 무엇인가?
• RQ5 오픈 파이낸스 및 실시간 금융 데이터 처리 환경을 고려할 때, NLP 분야에서 가장 유망한 향후 연구 방향은 무엇인가?

주요 결과

• NLP는 다양한 텍스트 소스에서 고객 신원 및 위험 데이터를 자동으로 추출함으로써 KYC 프로세스를 크게 향상시켰다.
• 고객 리뷰 및 소셜 미디어 콘텐츠와 같은 비공식적 텍스트 데이터는 고객 감성과 행동을 이해하는 데 유용한 신호를 제공한다.
• NLP를 활용한 동적 상품 기능 업데이트를 통해 금융기관은 변화하는 시장 조건과 위험 프로파일에 실시간으로 대응할 수 있다.
• KYP에 NLP를 통합함으로써 상품 적합성 및 위험 노출 평가의 정확성과 신속성이 향상된다.
• 향후 연구는 설명 가능한 NLP 모델, 규제 준수, 오픈 파이낸스 생태계 내 상호운용성에 초점을 맞춰야 한다.
• 논문은 금융기술(FinTech) 응용 분야에서 개인화와 데이터 기밀성 및 보안을 균형 있게 유지할 수 있는 NLP 시스템의 필요성이 점점 커지고 있음을 밝혔다.