| 항목 | 세부항목 | 분량 전략 |
|---|---|---|
| 과제 개요 | 과제명, 기업명, 쉬운 아이템 개요, 폐업 이력 | 1p |
| 1. 문제인식 | 1-1. 폐업 원인 분석 및 개선 방안 1-2. 목표시장(고객) 현황 및 필요성 | 2p |
| 2. 실현가능성 | 2-1. 준비 현황 2-2. 실현 및 구체화 방안 | 2p |
| 3. 성장전략 | 3-1. 비즈니스 모델 3-2. 사업화 추진 전략 3-3. 추진 일정 및 자금 운용 계획 | 1.5p |
| 4. 기업 구성 | 4-1. 조직 구성 및 보유 역량 4-2. 조직 구성 계획 | 0.5p |
| 과제명 | AI 기반 퀀트 전략 검증 및 감사 리포트 자동화 SaaS |
|---|---|
| 기업명 | 예비재창업자 / 프라임퀀트(재창업 예정) |
PQ Research는 숫자와 규칙으로 만든 투자전략이 “과거 데이터에서만 좋아 보이는 가짜 성과”인지, 실제로 믿을 만한 전략인지 자동으로 검사해주는 서비스다.
주식·코인·선물 투자자 중에는 감이 아니라 규칙으로 매매하는 사람들이 있다. 예를 들어 “가격이 20일 평균선 위로 올라가면 사고, 손실이 3%를 넘으면 판다”처럼 매매 규칙을 만든다. 이런 규칙이 과거 시장에서 잘 통했는지 과거 데이터로 시험하는 과정을 백테스트라고 한다.
문제는 백테스트 성과가 실제보다 좋아 보이기 쉽다는 점이다. 미래 데이터를 실수로 참조하거나, 과거 매수·매도 신호가 나중에 바뀌거나, 특정 기간에만 맞춘 전략일 수 있다. PQ Research는 이런 오류를 자동으로 검사해 전략 판매자·소형 운용팀·개인 퀀트가 외부에 제출할 수 있는 전략 검증 리포트를 만들어준다.
| 고객 문제 | 규칙 기반 투자전략은 과거 데이터 시험에서 높은 수익률을 보일 수 있지만, 그 성과가 미래참조·리페인트·과최적화 때문인지 일반 사용자는 구분하기 어렵다. 전략 판매자나 소형 운용팀은 구매자·투자자·내부 의사결정자에게 “이 전략 성과가 검증 가능한가”를 설명할 수단이 필요하다. |
|---|---|
| 해결 방법 | 고객이 전략을 제출하면 PQ Engine이 동일 조건에서 전략을 재현하고, 오류·안정성·국면별 성과를 자동 검증한 뒤 Audit Report를 생성한다. |
| 초기 판매상품 | 전체 플랫폼보다 먼저 Audit Report MVP를 출시한다. 단건 과금으로 지불의사를 확인하고, 반복 고객을 Workspace 구독으로 전환한다. |
| 기업명 | ※ 실제 폐업 사업자명 기재 필요 | 기업 구분 | 개인 / 법인 ※ 확인 필요 |
|---|---|---|---|
| 사업기간 | ※ 폐업사실증명원 기준 개업일~폐업일 기재 필요 | ||
| 아이템 개요 | 업체가 이벤트·프로모션 정보를 등록하면 사용자가 주변/지도 기반으로 이벤트 정보를 확인할 수 있는 위치 기반 이벤트 정보 플랫폼. | ||
| 폐업 원인 | 공동창업 구조·개발 역할분담·MVP 범위 설정이 명확하지 않아 제품 출시 전 개발이 중단됨. 또한 실제 지불고객, 마케팅 채널, 수익모델 검증이 선행되지 않아 본격적인 사업화 단계로 진입하지 못하고 폐업. | ||
과거 창업 아이템은 위치 기반 이벤트 정보 플랫폼이었다. 사업자 등록 이후 MVP 개발을 완료하지 못하고 폐업하였다. 핵심 원인은 공동창업 구조와 실행관리 미흡, 고객검증 부재, 수익모델 후행 설계였다.
당시에는 개발 공동대표에게 제품 구현을 상당 부분 의존했으나, 제품 범위·역할분담·일정·의사결정 기준을 충분히 명확히 하지 못해 개발 과정에서 마찰이 발생했다. 또한 이벤트 플랫폼은 업체와 사용자를 동시에 확보해야 하는 양면시장 구조였음에도, 실제 지불고객과 마케팅 채널, 초기 공급 확보 방안을 개발 전에 검증하지 못했다. 결과적으로 제품 출시 전 사업화 실행력이 약화되었고, 본격적인 시장검증과 매출 발생 단계로 진입하지 못했다.
| 폐업 원인 | 당시 한계 | 이번 재창업의 개선 장치 | PQ 적용 |
|---|---|---|---|
| 공동창업 구조 미흡 | 개발 공동대표 의존도 높음. 범위·일정·책임 기준 불명확 | 핵심 기술은 대표자가 직접 통제, 채용/외주는 모듈 단위 관리 | PQ Engine/Audit 구조 직접 설계·구현. 백엔드 인력은 명확한 산출물 기준 채용 |
| 고객검증 후행 | 양면시장임에도 누가 먼저 돈을 낼지 검증하지 못함 | 첫 지불고객 1개 세그먼트로 축소 | 전략 판매자·소형 프랍팀 대상 Audit 선검증 |
| 수익모델 후행 | 출시 후 광고/중개/홍보 과금을 고민 | 초기부터 가격·결제·전환 KPI 설정 | Audit Lite/Standard 단건 과금 → Workspace 구독 |
| MVP 범위 과대 | 지도, 업체등록, 사용자탐색 등 기능 범위가 넓음 | 즉시 판매 가능한 최소 기능 우선 | 전체 플랫폼보다 Audit Report MVP 우선 |
본 사업의 고객은 일반 투자자가 아니라, 숫자와 규칙으로 매매전략을 만들고 이를 검증·판매·운용하는 고급 사용자다. 이들은 “수익률이 높다”는 말보다 먼저 “그 수익률이 검증 가능한가”를 확인해야 한다.
AI와 LLM 확산으로 누구나 전략 아이디어와 코드를 빠르게 만들 수 있게 되면서 전략 생산 속도는 더 빨라지고 있다. 하지만 전략이 많아질수록 “그 전략이 진짜 믿을 만한가”라는 검증 문제는 더 커진다. 백테스트 결과는 미래 데이터 참조, 과거 신호 변경, 특정 기간 과최적화, 거래비용 누락 등으로 과대평가되기 쉽다.
쉽게 말해, PQ Research는 “전략 성적표가 조작·착시·과최적화가 아닌지 검사하는 자동 감사관” 역할을 한다.
| 시장/플랫폼 | 확인되는 지불행동 | PQ의 기회 |
|---|---|---|
| TradingView | 유료 플랜, 커뮤니티 지표, Pine Script, 백테스팅, Deep Backtesting, Paid Spaces 기반 유료 지표/전략 구독 | 전략/지표 접근권에는 돈을 내지만, 전략의 오류·과최적화·재현성을 독립 검증하는 레이어는 제한적 |
| QuantConnect | 클라우드 백테스트·리서치·팀 협업·기관용 플랜 등 구독형 리서치 인프라 시장 | 플랫폼 내부 개발/운용이 아니라, 외부 전략을 감사해 제3자에게 제출 가능한 리포트 영역 공백 |
| 프랍/전략 판매 시장 | 전략 성과, 리스크 제한, 규칙 준수, 재현성 설명 필요 | 전략 판매자와 소형 프랍팀은 신뢰 증명용 Audit Report에 직접 구매동기가 있음 |
| 구분 | 정의 | PQ 접근 범위 |
|---|---|---|
| TAM | 글로벌 알고리즘 트레이딩·퀀트 리서치·트레이딩 소프트웨어 사용자 시장 | 전략 개발, 백테스트, 데이터 분석, 자동매매 도구에 비용을 지불하는 전체 시장 |
| SAM | TradingView, QuantConnect, 전략 마켓플레이스, 프랍 트레이딩 커뮤니티의 고급 사용자 | 전략을 만들고 판매·운용하거나 외부에 성과를 설명해야 하는 사용자 |
| SOM | 협약 후 24개월 내 확보 가능한 초기 유료 고객 | Audit 유료 고객 300명/팀, Workspace 구독 100명, 연매출 $300K~$500K 목표 |
| 고객군 | 구체적 니즈 | 첫 구매상품 | 구매동기 |
|---|---|---|---|
| 전략 판매자 | 전략이 과최적화·미래참조 없이 검증되었음을 구매자에게 증명 | Audit Standard | 전략 판매 신뢰도와 전환율 개선 |
| 소형 프랍팀/운용팀 | 내부 전략의 리스크·재현성·국면별 성능 설명 | Audit Standard/Custom | 운용 리스크 관리 및 외부 설명자료 확보 |
| 개인 퀀트 | 반복 실험, 백테스트 검증, 전략 개선 추적 | Workspace Pro | 개인 전략 개발 효율 향상 |
PQ Research는 단순 아이디어 단계가 아니다. 대표자는 ML/엔지니어링 및 퀀트 실전 운용 경험을 바탕으로 백테스트 엔진, 검증 로직, LLM 워크플로우, 데이터 파이프라인, 프론트엔드 구조를 직접 설계·구현해왔다.
| 준비 항목 | 현재 상태 | 협약기간 보완 계획 |
|---|---|---|
| PQ Engine | Numba JIT 기반 자체 백테스트 엔진 구현, TradingView 조건과의 동등성 검증 구조 보유 | 벤치마크 표준화, 테스트 전략/데이터셋 확대, 샘플 리포트 정리 |
| Lookahead/Repaint 탐지 | 데이터 경계, 워밍업 마스크, 증분 리플레이, 시그널 해시 검증 등 실행 레벨 탐지 구조 설계 | 탐지 케이스 확장, 오탐/미탐률 기준 수립, 리포트 자동 반영 |
| Audit Report | 검증 리포트 구성 및 핵심 항목 정의 완료 | 15섹션 내외 자동 리포트 MVP 완성, PDF/웹 리포트 출력 |
| Ops Studio | 전략 생성·백테스트·검증·리포트 연결 구조 설계 | 협약기간에는 Audit 중심 최소 워크플로우 우선 구현 |
본 사업의 1차 개발 목표는 전체 퀀트 플랫폼 완성이 아니라, 고객이 즉시 구매 여부를 판단할 수 있는 Audit Report MVP 완성이다. 이를 통해 협약기간 내 실제 전략 데이터를 기반으로 검증 리포트를 생성하고, 무료/유료 Audit 전환율을 측정한다.
| 기술 요소 | PQ Engine | TradingView | QuantConnect | Backtrader |
|---|---|---|---|---|
| 실행 모델 | Numba JIT 기반 고속 실행 | Pine 중심 | LEAN 엔진 | Python 루프 |
| Lookahead 탐지 | 실행 레벨 자동 탐지 | 문서/사용자 주의 | 제한적 | 수동 |
| Repaint 탐지 | 증분 리플레이 검증 | 문서 경고 중심 | 제한적 | 수동 |
| 견고성 검증 | OOS / Regime / Crisis Event | 일부 백테스트 | Walk-forward 등 | 수동 구현 |
| 독립 감사 리포트 | 자동 생성, 외부 제출 가능 | 플랫폼 내부 결과 | 플랫폼 내부 결과 | 직접 작성 필요 |
| 우선순위 | 개발 내용 | 산출물 | 검증 기준 |
|---|---|---|---|
| 1 | Audit Report MVP | Lookahead/Repaint/OOS/파라미터 안정성 포함 자동 리포트 | 샘플 전략 10개 이상 리포트 생성 |
| 2 | 검증 엔진 고도화 | TradingView/Python 전략 재현, 실행 레벨 오류 탐지 | 전략별 재현성·탐지 결과 기록 |
| 3 | 결제/랜딩페이지 | Audit Lite/Standard 가격제, 결제/문의 플로우 | 유료 Audit 10건 목표 |
| 4 | 베타 운영 대시보드 | 고객별 전략 업로드, 리포트 상태, 피드백 관리 | 베타 50명 운영 가능 |
수익모델은 과거 실패의 반대로, 제품 완성 후 수익화를 고민하는 방식이 아니라 초기 MVP 단계부터 단건 과금으로 지불의사를 검증하도록 설계한다.
| 상품 | 대상 | 가격 | 제공 가치 |
|---|---|---|---|
| Audit Lite | 개인 퀀트 | $20~50/건 | Lookahead/Repaint 기본 검증, 표준 리포트 |
| Audit Standard | 전략 판매자, 소형 프랍팀 | $100~200/건 | OOS, 국면 분석, 비용 민감도, 벤치마크 비교 포함 |
| Audit Custom | 프랍팀, 운용팀 | $500+/건 | 파라미터 안정성, 리스크 분석, 커스텀 리포트 |
| Workspace Pro | 반복 검증 개인/팀 | $50~100/월 | 프로젝트 관리, 실험 추적, 반복 Audit |
| API/Enterprise | 핀테크, 팀, 플랫폼 | 2027년 이후 | 검증 API, 리포트 자동화, 엔터프라이즈 배포 |
초기 진입은 범용 대중 시장이 아니라, 전략 검증 결과를 외부에 설명하거나 판매해야 하는 고급 사용자로 좁힌다. 이는 과거 이벤트 플랫폼에서 양면시장을 동시에 구축하려다 실행력이 분산된 실패를 보완하는 전략이다.
| 단계 | 기간 | 고객확보 활동 | 검증 KPI |
|---|---|---|---|
| 타겟 구축 | 1개월차 | TradingView/Pine, MQL, Reddit, Discord, QuantConnect, 프랍 커뮤니티 타겟 리스트 구축 | 타겟 300명, 랜딩페이지 오픈 |
| 문제검증 | 2개월차 | 샘플 Audit 제안, 이메일/DM/커뮤니티 접촉, 정성 인터뷰 | 접촉·인터뷰 30건, 샘플 Audit 5건 |
| 무료 Audit | 3~4개월차 | 전략 제출 고객 대상 무료 Audit 제공 후 피드백 수집 | 무료 Audit 40건, 리포트 생성 50건 |
| 유료 전환 | 5개월차 | Audit Standard 유료화, 가격대 $99/$149/$199 테스트 | 유료 Audit 30건, 누적 매출 $5K |
| 베타 운영 | 6~7개월차 | 반복 검증 고객을 Workspace Alpha로 전환 | 베타 100명, MRR $3K, 파트너 후보 5곳 |
| 순번 | 목표 | 목표 세부 내용 | 추진 일정 |
|---|---|---|---|
| 1 | Audit Report 상용 MVP | Lookahead/Repaint/OOS/파라미터 안정성 자동 리포트 생성, 샘플 리포트 10종 공개 | ~ 26.08 |
| 2 | 검증 엔진 고도화 | TradingView/Python 전략 재현성 검증, 오류 탐지 케이스 확장, 벤치마크 50개 구축 | 26.06~26.09 |
| 3 | 랜딩페이지/결제 | 가격제, 고객 문의/결제, 샘플 리포트 공개, 기술 콘텐츠 발행 | ~ 26.09 |
| 4 | 시장 검증 | 무료 Audit 40건, 유료 Audit 30건, 누적 매출 $5K, 고객 피드백 정리 | 26.09~26.11 |
| 5 | Workspace Alpha | 베타 100명, MRR $3K, 전략 검증 리포트 100건 생성, 파트너 후보 5곳 확보 | 26.11~26.12 |
※ 실제 신청금액, 자기부담 현금/현물, 비목 가능 여부는 공고문 사업비 비목 기준으로 최종 조정 필요. 정부지원사업비는 총사업비의 75% 이하, 자기부담 25% 이상 구조를 준수한다.
| 비목 | 산출 근거 | 정부지원 | 자기부담 현금 | 자기부담 현물 | 합계 |
|---|---|---|---|---|---|
| 인건비 | 백엔드/인프라 개발자 1명 + 프론트/프로덕트 운영 인력 1명, 제품화 및 상용 운영 | 48,000,000 | - | 10,000,000 | 58,000,000 |
| 외주용역비 | 리포트 템플릿, 랜딩페이지, 결제/관리 UI, 브랜드/콘텐츠 디자인 보완 | 14,000,000 | 3,000,000 | - | 17,000,000 |
| 시제품 제작비 | 클라우드, LLM API, 백테스트/리포트 자동화 인프라 | 17,000,000 | 2,000,000 | - | 19,000,000 |
| 데이터/도구 | 시장 데이터, 개발/테스트 도구, 모니터링, 벤치마크 데이터셋 구축 | 8,000,000 | 1,000,000 | 5,000,000 | 14,000,000 |
| 지재권/법률 | 상표/저작권, 투자자문 경계 법률검토 | 5,000,000 | 1,000,000 | - | 6,000,000 |
| 마케팅비 | 기술 콘텐츠, 커뮤니티 캠페인, WTP 조사, 베타 고객 확보 | 8,000,000 | - | 11,333,000 | 19,333,000 |
| 합계 | 100,000,000 | 7,000,000 | 26,333,000 | 133,333,000 | |
대표자는 컴퓨터공학 기반의 머신러닝·데이터 엔지니어링 경험과 15년 이상의 소프트웨어 개발 경험을 보유하고 있다. 또한 2022년 이후 퀀트 리서치 및 실전 운용을 수행하며 백테스트-실거래 괴리, 전략 검증의 어려움, 워크플로우 파편화를 직접 경험하였다.
| 구분 | 역할 | 필요 역량 | 확보 계획 |
|---|---|---|---|
| 대표자 | 제품 총괄, 엔진/검증 아키텍처, 사업화 전략 | ML/데이터/백테스트/LLM 워크플로우/풀스택 개발 | 확보 |
| 백엔드/인프라 | API, 데이터 처리, 리포트 자동화, 운영 안정화 | Python/FastAPI, 클라우드, DB, 배포 | 협약 초기 채용 |
| 프론트/프로덕트 운영 | 랜딩페이지, 결제/관리 UI, 베타 고객 운영, 콘텐츠/피드백 관리 | 프론트엔드, SaaS 운영, 고객 커뮤니케이션 | 협약 초기 채용 또는 계약 |
| 외부 자문 | 투자자문 규제 경계, BM/마케팅 검증 | 핀테크 법률, SaaS GTM, 재창업 멘토링 | 주관기관 프로그램 및 외부 자문 활용 |