세금까지 고려한 개인화 포트폴리오 관리를 위한 3단계 심층강화학습 시스템을 제안한 논문이다. 1단계는 티커에 종속되지 않는 크로스자산 인코더를 자기지도학습으로 사전학습하며, T5 기반 시계열 파운데이션 모델 Chronos를 게이팅으로 융합해 신규 종목도 재학습 없이 50차원 메타데이터로 처리한다. 2단계는 PPO로 MoE 액터-크리틱을 미세조정해 단기 알파, 장기 수익, 자본 보존, 세금손실수확 등 6가지 투자 목표를 전문가 헤드(모멘텀·성장·방어·세금)와 인텐트 라우터로 동시에 지원한다. 3단계는 76개 파라미터의 LoRA 모듈로 실제 증권 거래 이력에서 투자 성향을 추론해 설문 없이 개인화하고, 자연어 목표를 구조화된 파라미터로 변환한다. 시계열 파운데이션 모델을 포트폴리오 RL에 적용한 첫 사례로, 티커 종속·단일 목표·정적 사용자 모델이라는 기존 금융 RL의 한계를 겨냥했다.

• •티커 락인, 단일 목표, 정적 사용자 모델이라는 기존 금융 RL 3대 한계를 3단계 구조로 해결
• •Chronos(T5 기반 시계열 파운데이션 모델)를 포트폴리오 RL에 최초 적용, 신규 종목 재학습 불필요
• •MoE + PPO로 세금손실수확 포함 6가지 투자 목표를 단일 모델에서 지원
• •76파라미터 LoRA로 실제 거래 이력에서 투자 목표를 추론해 추론 시점 개인화