우리가 해결하는 문제

매일 수백 건의 공시, 수천 건의 뉴스, 수많은 SNS 정보가 쏟아지지만, 투자자는 "과거에도 같은 일이 있었는가, 그때 어떤 결과가 있었는가"를 확인할 방법이 없습니다.

우리의 해결책

AI는 추천하지 않습니다. AI는 검증된 전략만 해석합니다.

핵심 자산 — FOBU Event Registry

시간이 지날수록 축적되는 공시 이벤트 × 시장상황 × 전략 × 성과 데이터베이스입니다. 검증 시도가 쌓일수록(성공·실패 사례 모두 포함) 판단의 정밀도가 높아지도록 설계된 구조이며, 이러한 누적형 자산이 장기적인 경쟁우위의 핵심입니다. 현재는 FOBU Strategy Lab 내부 자산으로 가동 중이며, FOBU API를 통한 독립 상품화는 로드맵상의 계획입니다.

우리가 만드는 것 / 만들지 않는 것

연구 범위 (목표)

※ 위 항목은 현재 목표 범위이며, 확정 실적이 아닙니다. 뉴스·SNS 수집기는 개발 예정이며 현재는 DART 공시 기반으로 검증 파이프라인이 가동 중입니다. FOBU 브랜드 산하 제품 라인(Event Registry 독립 상품화, API)은 로드맵상의 계획이며, 1장(사업 개요)에서 전체 브랜드 구조를 정리했습니다.

전략은 AI가 만드는 것이 아니라, 데이터가 증명하고 AI가 해석합니다.

Executive Summary

※ 본 자료는 서비스 개요 및 사업성 소개를 위한 공개용 문서입니다. 검증 알고리즘·데이터 파이프라인·판정 기준 등 상세 기술 자료는 비밀유지계약(NDA) 체결 후 신뢰할 수 있는 투자자·파트너에 한해 별도로 제공합니다.

FOBU Strategy Lab(전략 연구 플랫폼)과 FOBU SignalTrader(자동매매 실행 엔진)는, 국내 상장기업의 공시·시장 이벤트가 주가에 미치는 영향을 5년치 실데이터로 통계 검증하고, 그 결과 중 엄격한 자체 기준을 통과한 것만 실제 매매 신호로 사용하는 것을 원칙으로 하는 플랫폼입니다.

본 사업계획서가 제시하는 가장 중요한 차별점은 "AI가 좋다고 판단하면 매매한다"가 아니라 "통계적으로 검증되지 않으면 어떤 경우에도 매매하지 않는다"는 원칙입니다. 이는 표어가 아니라 실제 구현된 자체 검증 시스템(VERIFIED Gate)으로 강제됩니다.

현재 진행 상황 요약

완료 DART 공시 수집·분류 파이프라인, 5년치 백필(진행 중), 실시간 폴러 — 상시 운영 인프라 구축 완료

완료 7개 공시 이벤트 유형(유상증자, 자사주매입, 전환사채, 내부자매수, 대량보유변경, 연속자금조달, 공급계약)의 통계 검증 파이프라인 정식 가동

완료 자체 검증 게이트(VERIFIED Gate) 구현·운영 — 다층 통계 기준을 통과한 것만 확정 전략으로 승격

계획 7개 유형 전체 검증 완료 — 현재까지 확정 검증(VERIFIED) 통과 0건. 이는 실패가 아니라 게이트가 설계대로 엄격하게 작동하고 있다는 증거이며, 일부 유형은 세부 조건 분리를 통해 유의미한 후보가 발견되어 추가 검증 진행 중

계획 AI Multi-Agent 토론 레이어(전략 해석), SignalTrader 자동매매 실행 엔진(Phase 5)은 설계 완료, 개발 착수 전

※ 본 문서 전반에서 [완료]는 실제 코드·인프라로 구현되어 운영 중인 항목을, [계획]은 설계는 완료되었으나 아직 개발 착수 전인 항목을 의미합니다.

핵심 투자 포인트

• 데이터 네트워크 효과: 검증 시도(성공·실패 포함) 자체가 축적되는 Event Strategy Registry가 시간이 지날수록 경쟁사가 복제하기 어려운 진입장벽이 됩니다.
• 연구(Strategy Lab)와 집행(SignalTrader)의 분리 구조로, 통계적으로 검증되지 않은 전략은 원천적으로 실거래에 도달할 수 없습니다.
• 국내 개인투자자 약 1,456만 명(2025년말 기준, 예탁결제원) 규모의 시장에서, 정보 비대칭 해소라는 명확한 수요가 존재합니다.
• B2C(구독) + B2C(자동매매 수수료) + B2B/API(증권사·자산운용사·핀테크) 다층 수익모델로 확장 가능합니다.
• 국내 공시 데이터로 검증 방법론을 먼저 확립한 뒤, 해외 공시 데이터로 동일 프레임워크를 이식하는 글로벌 확장 경로가 존재합니다.

1. 사업 개요

1.1 브랜드 구조

FOBU는 금융 의사결정을 위한 운영체제(Financial Operating Platform)를 지향하는 브랜드입니다. 그 아래 연구·실행·데이터·연동 4개 영역의 제품 라인을 두는 구조로 설계했습니다. 이 중 현재 실제로 가동 중인 것은 FOBU Strategy Lab뿐이며, 나머지는 로드맵상의 계획입니다.

※ 본 문서 전반에서 "Strategy Lab", "SignalTrader" 등 단축 표기는 각각 "FOBU Strategy Lab", "FOBU SignalTrader"를 가리키며, 모두 FOBU 브랜드 산하의 제품 라인입니다.

1.2 사업명 및 서비스 구성

1.3 팀 및 개발 현황

본 프로젝트는 대표자 1인(김천종)이 기획부터 데이터 파이프라인, 검증 엔진, 운영 인프라까지 전 영역을 직접 설계·구현하며 시작되었습니다. 아래 "기술 부록의 기술 아키텍처 및 개발 진행 현황"에서 구체적인 개발 이력을 상세히 다룹니다.

※ 공동창업자·개발팀 구성은 투자 유치 이후 채용 계획에 포함되어 있으며, 본 문서의 "조직 및 채용 계획"에서 다룹니다.

2. 문제 정의

2.1 개인투자자가 마주한 정보 과부하

국내 상장기업은 하루 평균 수백 건의 공시를 발표합니다. 개인투자자가 이를 모두 확인하고 과거 유사 사례와 비교해 판단하는 것은 사실상 불가능합니다. 자본시장연구원(2021)에 따르면 국내 증권사가 운영하는 구독자 1천 명 이상의 유튜브 주식채널만 15개에 달하며 평균 구독자 수는 17만 명을 넘어섰고, 한국언론진흥재단의 2021년 조사에서는 국내 유튜브 이용률이 86.5%로 나타났습니다. 짧은 기간에 투자정보 유통 채널 자체가 폭발적으로 늘어난 것입니다.

2.2 비검증 채널 의존이 만드는 실제 피해

정보 과부하 속에서 개인투자자가 검증되지 않은 채널에 의존하는 현상은 실제 피해 통계로도 확인됩니다. 한국소비자원 집계에 따르면 유사투자자문(주식리딩방, 투자정보 카페·채널 등) 관련 소비자 상담 건수는 2017년 1,855건에서 2020년 16,491건으로 3년 사이 9배 이상 증가했습니다. 같은 기간 금융감독원 민원시스템에 접수된 유사투자자문업 피해신고·불법행위 관련 민원도 199건에서 556건으로 2.8배 늘었으며, 실제 피해구제로 이어진 건수는 2017년 475건에서 2019년 3,237건까지 증가했습니다(자본시장연구원, 2021).

2020년 금융감독원 점검 결과, 적발된 유사투자자문업자 불법행위 중 보고의무 위반이 44.4%, 미등록 상태로 1:1 투자정보를 제공한 사례가 33.3%를 차지했습니다. 이는 감독당국의 검사·분쟁조정 대상에 포함되지 않는 채널을 통해 상당수 개인투자자가 투자 판단을 형성하고 있다는 것을 보여줍니다.

2.3 투자자 저변 확대와 맞물린 구조적 문제

이 문제는 일시적 현상이 아니라 투자자 저변 확대와 함께 구조적으로 커지고 있습니다. 김민기·김준석(2021, 자본시장연구원 인용)에 따르면 2020년 3월~2021년 2월 사이 국내 개인투자자는 87조 원을 순매수했고, 주식거래 활동계좌는 843만 개 증가했으며, 월간 거래대금은 2017~2019년 평균 대비 3배 수준으로 늘었습니다. 투자 인구와 거래 규모가 커지는 속도에 비해, 검증된 정보 인프라는 그 속도를 따라가지 못하고 있는 상황입니다.

2.4 기존 AI 투자 서비스의 한계

최근 다수의 AI 기반 투자 정보 서비스가 등장했지만, 대부분 "이 종목은 상승 가능성이 높습니다"와 같은 정성적 설명에 그치고 있습니다. 다음 세 가지가 체계적으로 결여되어 있습니다.

• 과거 동일 유형 이벤트의 실제 통계(발생 빈도, 평균 초과수익률, 승률)
• 표본 외(Out-of-Sample) 검증 — 과거 데이터에 우연히 맞아떨어진 결과인지, 실제로 반복되는 패턴인지 구분하는 절차
• 시장 상황(강세장/약세장, 금리 국면, 업종별 특성)에 따른 결과 차이의 명시적 반영

※ 본 절의 통계는 자본시장연구원 이슈보고서(「유사투자자문업 현황과 개선방향」, 2021), 한국소비자원·금융감독원 공개 자료, 한국언론진흥재단 「2024 소셜미디어 이용자 조사」를 참고했습니다. 원문 수치를 재인용한 것으로, 최신 연도 자료가 갱신될 경우 정식 제출본에서 최신 수치로 교체할 것을 권장합니다.

3. 솔루션 — Evidence First 원칙

3.1 핵심 철학

Strategy Lab은 "AI가 먼저 판단하고 설명을 붙이는" 접근이 아니라, "통계 검증을 먼저 통과한 것만 AI가 다루는" 접근을 취합니다. 이를 Evidence First 원칙이라 부릅니다.

3.2 처리 파이프라인 (개념도)

※ ①~⑤(데이터부터 통계 검증까지)는 Strategy Lab의 핵심이며 이미 구현·운영 중입니다. ⑥~⑧(AI 해석부터 자동매매까지)은 검증된 전략이 축적된 이후 착수하는 것이 원칙이며, 이는 "검증 안 된 것을 실행에 옮기지 않는다"는 설계 철학의 직접적 결과입니다. 검증 기준의 구체적 산출 방식은 본 문서 범위에 포함하지 않았습니다.

3.3 왜 순서가 중요한가

많은 AI 트레이딩 서비스가 반대의 순서로 접근합니다 — AI 모델이 먼저 신호를 생성하고, 그 신호가 통계적으로 유의미한지는 사후적으로만(또는 전혀) 검증합니다. Strategy Lab은 이 순서를 뒤집어, 통계적으로 유의미하지 않은 신호는 애초에 AI 해석 단계에 도달하지 못하도록 구조적으로 차단합니다. 이는 오늘 시점까지 7개 이벤트 유형 전체가 검증 게이트를 통과하지 못했다는 사실 자체가 실증하는 설계입니다 — 게이트가 실제로 작동하고 있습니다.

4. 시장 분석

4.1 시장을 넓게 정의하면 — 데이터 플랫폼 시장

FOBU Strategy Lab이 다루는 시장을 "개인투자자용 정보 서비스"로만 좁게 정의하면 기회를 과소평가하게 됩니다. 검증된 이벤트 데이터와 통계 인프라는 개인투자자뿐 아니라 퀀트 트레이더, 자산운용사, 증권사 리서치 조직, 핀테크 API 고객, 그리고 향후 금융 AI Agent(자동화된 투자 판단 도구)의 입력값으로도 소비될 수 있는 범용 데이터 자산입니다.

※ B2B 고객군(퀀트·자산운용사·증권사·핀테크)의 정확한 사업자 수는 지속 확인 중입니다. 증권사는 금융투자협회 공시자료 기준 국내 법인 및 외국계 지점을 포함해 약 60개사로 파악되며(2025년말 기준), 이 중 자기자본 3조 원 이상의 종합금융투자사업자(종투사)는 별도로 분류됩니다. 자산운용사의 정확한 등록 사업자 수는 본 조사에서 신뢰할 수 있는 1차 출처로 확인하지 못했으며, 금융투자협회 정회원사 명부(공식 사이트)에서 직접 확인이 필요합니다. TAM/SAM/SOM 정량 산출에는 아래 B2C(개인투자자) 수치를 우선 반영했습니다. B2B 고객군은 B2C 대비 고객당 매출(ACV)이 크게 높은 세그먼트로, 8장(재무계획)의 매출 구조를 결정하는 핵심 변수입니다.

4.2 B2C 시장 규모 개관

국내 주식시장 개인투자자(실질주주) 수는 2025년 말 기준 약 1,456만 명으로, 예탁결제원 집계상 2019년 약 619만 명에서 6년간 구조적으로 증가했습니다. 이는 일시적 유행이 아닌 투자 인구의 구조적 저변 확대로 평가되고 있습니다.

4.3 인접 시장 — 국내 로보어드바이저·투자정보 시장

직접 비교 가능한 인접 시장으로 국내 로보어드바이저 시장을 참고할 수 있습니다. 2025년 10월 기준 국내 로보어드바이저 운용자산 규모는 약 9,200억 원으로 추산되며, 연내 1조 원 돌파가 전망됩니다. 하나은행 등 업계 전망에 따르면 이 시장은 2025년까지 약 30조 원 규모로 성장할 것으로 예측된 바 있습니다.

글로벌 로보 어드바이저리 시장은 2024년 약 839억 달러 규모로 평가되며, 2032년까지 연평균 30.3% 성장하여 약 6,932억 달러에 이를 것으로 전망되고 있습니다(Fortune Business Insights).

※ 본 플랫폼은 "자산을 대신 운용"하는 전형적 로보어드바이저가 아니라 "검증된 전략을 제공·실행"하는 모델이므로 완전히 동일한 카테고리는 아니지만, 유사한 수요층을 공유하는 인접 시장으로 참고 가능합니다. 아래 SAM/SOM 추정치는 공개된 정확한 세부 통계가 없어 유사 시장 비율을 참고한 하향식(top-down) 추정이며, 정식 투자 유치 단계에서는 자체 설문조사·프리런칭 데이터로 보강이 필요합니다.

4.4 단계별 목표 (SOM 성장 경로, 추정)

※ 위 수치는 목표(target)이며 확정된 계약이나 실적이 아닙니다. 보수적 시나리오는 8장 재무계획에서 별도로 제시합니다.

5. 경쟁사 분석

8.1 경쟁 구도

8.2 경쟁 우위의 근거

기존 서비스 대비 가장 근본적인 차이는 "설명 가능성"이 아니라 "반증 가능성"입니다. 대부분의 AI 투자정보 서비스는 결과에 대한 그럴듯한 설명을 제공하지만, 그 설명이 통계적으로 틀렸을 때 이를 스스로 걸러내는 장치가 없습니다. 본 플랫폼은 검증 게이트를 통과하지 못하면 어떤 이유로도 신호를 노출하지 않는 구조로, 오작동 시에도 "조용히 아무것도 하지 않는" 방향으로 실패하도록 설계되어 있습니다.

8.3 진입장벽

핵심 기술 자체(공시 파싱, 통계 검증 로직)는 시간을 들이면 복제 가능합니다. 그러나 5년 이상 누적된 이벤트-성과 데이터베이스(Event Registry)와, 검증 실패 사례까지 포함한 축적된 지식(어떤 조합이 왜 통계적으로 유효하지 않은지)은 후발주자가 단기간에 복제하기 어려운 자산입니다. 이는 전형적인 데이터 네트워크 효과로, 서비스 이용자가 늘어날수록(실거래 피드백이 쌓일수록) 검증 정밀도가 함께 높아지는 구조입니다.

경쟁사 개별 프로파일

국내 로보어드바이저·AI 투자정보 시장의 주요 사업자 현황을 개략적으로 정리합니다. 아래 정보는 공개된 산업 리포트를 참고한 것으로, 각 사의 최신 공식 발표 자료로 재확인이 필요합니다.

로보어드바이저 계열 (자산배분·일임 중심)

• 업계 선두 그룹은 운용자산 수천억 원 규모로 성장했으며, 퇴직연금(IRP) 시장의 제도 개방과 함께 성장세가 가속화되고 있는 것으로 파악됩니다.
• 이들 서비스는 대부분 ETF 기반 글로벌 자산배분 모델에 집중하며, 국내 개별 종목·공시 이벤트 분석은 핵심 영역이 아닙니다.

AI 투자정보/증권사 부가서비스 계열

• 대형 증권사들도 공시 요약, 뉴스 요약, 종목 리포트 생성, 투자정보 추천 등 AI 기능을 이미 적극적으로 도입하고 있습니다. 다만 이들의 핵심 산출물은 "정보를 더 빠르게 보여주는 것"이며, 표본 외 검증을 포함한 통계적 검증 절차를 공개하는 사례는 제한적인 것으로 파악됩니다.
• 증권사는 데이터·인력·AI 역량·고객 기반을 이미 보유하고 있어, 유사한 서비스를 자체적으로 구축하는 것이 기술적으로 불가능하지는 않습니다. 다만 규제 대응 우선순위, 신규 실험에 대한 조직적 속도, 단기 수익화 압박 등으로 인해 장기간의 검증 중심 연구에 집중하기 어려운 구조적 특성이 있습니다.

데이터·분석 인프라 계열 (장기적 비교 대상)

국내 로보어드바이저·AI 정보서비스보다 장기적으로 더 의미 있는 비교 대상은 Bloomberg Terminal, FactSet, LSEG(구 Refinitiv) 같은 글로벌 금융 데이터 터미널과, 국내 퀀트 데이터 사업자입니다. 이들은 방대한 원자료와 분석 도구를 제공하지만, "이 이벤트 유형이 통계적으로 검증되었는가"를 자동으로 판정하고 그 판정 이력 자체를 축적하는 기능은 제공하지 않습니다.

※ 이는 FOBU가 이들 글로벌 사업자와 동일한 체급에서 경쟁한다는 의미가 아닙니다. 이들은 엔터프라이즈 시장에서 수십 년간 구축된 압도적 진입장벽을 가진 사업자입니다. FOBU의 전략은 이 지형 전체를 겨냥하는 것이 아니라, 국내 공시 이벤트 검증이라는 특정 니치에서 이들이 제공하지 않는 기능(자동 통계 검증 판정)으로 먼저 독보적 위치를 구축한 뒤, 점진적으로 인접 영역(해외 공시, B2B 데이터 라이선싱)으로 확장하는 것입니다.

본 플랫폼의 포지셔닝

본 플랫폼은 자산배분형 로보어드바이저와도, 뉴스 요약형 AI 정보 서비스와도, 원자료 제공형 데이터 터미널과도 다른 위치에 있습니다. "공시 이벤트 단위의 통계적으로 검증된 신호와 그 축적 이력"이라는 좁고 깊은 영역에 집중하며, 검증되지 않은 것은 노출하지 않는다는 보수적 원칙을 명확한 차별점으로 삼습니다.

※ 경쟁사별 구체적 사명·정량 지표는 공정거래 및 명예훼손 이슈를 고려해 일반화된 수준으로만 기술했습니다. 정식 IR 자료 작성 시 최신 공시자료·언론보도를 근거로 개별 경쟁사명을 명시한 상세 비교표로 보강할 것을 권장합니다.

SWOT 분석

6. 비즈니스 모델

6.1 수익 구조

6.2 왜 B2B/API가 장기적으로 가장 매력적인 세그먼트인가

B2C(BASIC→PRO→PREMIUM)는 초기 사용자 기반과 브랜드 신뢰를 구축하는 데 필수적이지만, 고객당 매출(ACV)은 상대적으로 낮습니다. 반면 API/Enterprise 고객(증권사·자산운용사·핀테크)은 단일 계약의 매출 규모가 B2C 대비 수십~수백 배에 이를 수 있어, 회사 전체 매출 성장의 실질적 레버리지는 B2B 축에서 발생할 가능성이 높습니다.

다만 B2B 고객(특히 증권사·자산운용사)은 검증된 트랙레코드와 안정적 데이터 신뢰도를 계약의 전제조건으로 요구하는 경향이 있습니다. 따라서 GTM 순서는 "B2C로 신뢰를 축적 → B2B로 매출을 확대"하는 순차 전략을 취하되, API 상품 자체(기술 스펙·데이터 신뢰도)는 초기 단계부터 B2B 표준에 맞춰 설계하여 전환 시점을 앞당기는 것을 목표로 합니다.

6.3 B2B 확장 대상

• 증권사: 리서치 보조 도구, 고객용 부가서비스로 API 연동
• 핀테크: 자체 앱 내 투자정보 위젯으로 데이터 임베드
• 퀀트/자산운용사: 검증된 이벤트 팩터를 자체 모델의 입력값으로 활용
• 연구기관/대학: 학술 연구용 이벤트 데이터셋 라이선스

6.4 단계적 사업화 — 검증 상태와 무관하게 가능한 영역

VERIFIED 전략이 아직 확보되지 않은 현재 시점에도, 검증 게이트와 무관하게 즉시 사업화 가능한 영역이 있습니다.

• 공시 브리핑 콘텐츠: "오늘의 주요 공시 요약 및 과거 유사 사례 통계" 형태의 정보성 콘텐츠 — VERIFIED 여부와 무관하게 사실 기반 데이터로 제공 가능
• 데이터 저널리즘: 축적된 이벤트 통계를 활용한 시장 분석 콘텐츠
• 블로그/숏폼 콘텐츠 자동화: 이미 별도로 구축 중인 콘텐츠 자동화 인프라(ggonggong.com)와 연동

※ 이 영역은 유사투자자문업 등 관련 법령 검토가 선행되어야 하며, 검증되지 않은 결과를 매매 추천처럼 오인시키지 않도록 사실 정보 제공에 한정하는 것이 원칙입니다.

고객 페르소나

단위 경제성 (Unit Economics)

※ 아래 수치는 초기 가정에 기반한 추정 모델이며, 실제 마케팅 채널·전환율 데이터가 축적되기 전까지는 참고용으로만 활용해야 합니다.

가정

콘텐츠 기반 자연 유입(9.3절의 공시 브리핑·데이터 저널리즘 콘텐츠)이 초기 CAC를 낮추는 핵심 전략입니다. 유료 광고에 의존하는 일반적 핀테크 앱과 달리, 신뢰를 기반으로 한 콘텐츠 유입은 CAC를 구조적으로 낮출 잠재력이 있으나, 이는 검증 가설이며 실제 채널 운영 데이터로 재확인이 필요합니다.

7. Go-to-Market 전략

7.1 단계별 진입 전략

7.2 마케팅 채널

• 콘텐츠 마케팅: 검증된 통계에 기반한 공시 분석 콘텐츠 (신뢰 기반 자연 유입)
• 증권 투자 커뮤니티·유튜브 채널 협업 — "감이 아니라 데이터"라는 포지셔닝
• B2B 채널: 증권사·핀테크 대상 직접 세일즈 및 제휴 제안

7.3 글로벌 확장 경로

국내 DART 공시 기반으로 검증 방법론과 파이프라인을 완성한 이후, 동일한 프레임워크를 해외 공시 시스템(미국 SEC EDGAR, 일본 EDINET 등)에 이식하는 것을 중장기 확장 경로로 설정합니다. 핵심 자산인 "검증 방법론"과 "게이트 시스템"은 국가·거래소에 무관하게 재사용 가능한 구조로 설계되어 있습니다.

마일스톤 및 KPI

8. 재무계획 (3~5년)

8.1 전제 및 가정

※ 아래 수치는 확정 실적이 아니라, 4장(시장분석)·6장(비즈니스모델)의 사업화 목표(SOM 성장 경로)를 기반으로 한 추정 시나리오입니다. 실제 매출은 VERIFIED 전략 확보 시점, 유료 전환율, B2B 계약 성사 여부에 따라 크게 달라질 수 있습니다. 정식 투자 유치 심사에서는 창업자가 보유한 실제 원가 구조(서버비, 데이터 API 비용, 인건비 계획)를 반영해 재산정할 것을 권장합니다.

8.2 매출 추정 시나리오 (보수적 기준)

※ PRO 구독 매출은 "월 구독료 × 유료전환 가입자 × 12개월"로 단순 산출한 추정치이며, 구독료는 경쟁 서비스(로보어드바이저·프리미엄 투자정보 앱) 가격대(월 1~3만원 수준)를 참고했습니다. PREMIUM·B2B 매출은 각각 SignalTrader 실행 엔진 출시(2단계 이후), B2B 계약 성사(3단계 이후)를 전제로 하며 그 이전 연도는 매출 미발생으로 처리했습니다.

8.3 비용 구조 (개략)

8.4 자금 소요 및 활용 계획 (안)

본 사업계획서는 TIPS·예비창업패키지·창업도약패키지 등 정부지원사업 및 초기 투자 유치를 위한 자료로, 구체적인 유치 희망 금액과 지분 조건은 사업 형태(정부지원사업 vs 민간투자)에 따라 별도 확정이 필요합니다. 일반적인 자금 활용 항목은 다음과 같습니다.

• 개발 인력 충원 (백엔드/데이터 엔지니어, 리서치 인력)
• 데이터 인프라 확장 (실시간 처리량, 유료 데이터 소스 확대)
• 법률·컴플라이언스 자문 (자동매매·투자자문업 인허가)
• 초기 마케팅 및 콘텐츠 제작

※ 구체적 유치 금액, 지분율, 마일스톤 기반 집행 계획은 지원사업 공고 요건 또는 투자자와의 협의에 따라 이 섹션에 추가 기재가 필요합니다.

1년차 분기별 상세 재무 모델 (추정)

비용 계획 (1년차, 추정)

※ 본 표는 정부지원사업(예비창업패키지·창업도약패키지 등) 신청 시 요구되는 사업비 집행계획 양식에 맞춰 세부 항목(재료비, 외주용역비, 인건비 등)으로 재구성이 필요합니다.

3~5년 손익 요약 (추정 P&L)

※ 본 표는 11장(재무계획)의 매출 추정치를 기반으로 한 개략적 손익 흐름이며, 정식 재무제표를 대체하지 않습니다. 인건비는 투자 유치 규모에 따라 유동적이므로 범위로 제시합니다.

위 시나리오는 3년차 전후로 영업이익 분기점에 도달하는 경로를 가정하나, 이는 PRO 유료전환율과 B2B 계약 성사가 계획대로 진행된다는 낙관적 가정을 포함합니다. 검증(VERIFIED) 확보 지연, 규제 대응 비용 증가 등의 리스크가 현실화될 경우 이 시점은 후퇴할 수 있습니다.

손익분기점 분석 (추정)

11장의 매출 추정과 고정비 구조를 기반으로 한 개략적 손익분기점 시나리오입니다. 정확한 손익분기 시점은 실제 인건비 집행 계획(채용 시점·규모)에 크게 좌우되므로, 아래는 최소 인력 유지를 가정한 보수적 추정입니다.

※ 본 분석은 방향성 참고용이며, 정식 재무 실사에서는 창업자가 보유한 상세 원가 구조(고정비·변동비 세부 항목)를 반영한 정밀 모델로 대체되어야 합니다.

9. 개발 로드맵

10. 조직 및 채용 계획

10.1 현재 조직

현재 1인 창업자(김천종) 체제로 기획, 데이터 파이프라인 설계·구현, 검증 엔진 개발, 인프라 운영을 전 영역에서 직접 수행하고 있습니다.

10.2 투자 유치 후 채용 우선순위

11. 기대 효과

11.1 투자자(사용자) 관점

• 통계적으로 검증된 전략만 접함으로써 근거 없는 정보에 의존한 감정적 투자 감소
• 과거 동일 사례의 실제 통계(승률, 평균수익률)를 투자 판단의 참고 자료로 활용
• 데이터 기반의 체계적 투자 습관 형성

11.2 기업(B2B 고객) 관점

• API를 통한 검증된 이벤트 데이터 활용으로 자체 리서치 역량 보완
• AI 기반 공시 분석 결과를 자사 서비스에 신속히 임베드

11.3 연구자·학계 관점

• 국내 공시 이벤트에 대한 체계적으로 정리된 대규모 데이터셋 접근
• 룩어헤드 편향 방지 등 방법론적으로 엄격하게 구성된 이벤트 스터디 데이터 활용

12. 장기 비전

현재에서 향후로

현재는 검증된 통계를 기반으로 한 이벤트 분석·자동매매 플랫폼이지만, 장기적으로는 공시·뉴스·시장 이벤트 전반에 대해 수백만 건의 검증 사례와 신뢰도가 축적된 "세계 최대 규모의 Event Strategy Registry"를 구축하는 것을 목표로 합니다.

이 데이터베이스는 투자 판단의 표준 참조 데이터로 자리잡는 것을 지향하며, 국내 공시에서 시작해 해외 주요 시장(미국, 일본, 동남아시아 등)의 공시·이벤트 데이터로 확장 가능한 구조로 설계되어 있습니다.

투자 포인트 요약

• AI가 아니라 "검증된 전략"을 만드는 플랫폼이라는 차별화 — Evidence First 원칙
• 시간이 지날수록 누적 데이터가 경쟁력이 되는 데이터 네트워크 효과
• 연구(Strategy Lab)와 실행(SignalTrader)의 분리 구조 — 검증과 매매를 독립적으로 확장
• 개인투자자부터 증권사·자산운용사까지 확장 가능한 B2C + B2B + API 비즈니스 모델
• 국내 공시 중심으로 시작해 해외 공시·뉴스 데이터로 확장 가능한 글로벌 성장 경로
• 검증 게이트가 실제로 엄격하게 작동한다는 것을 스스로 입증한 기술적 진지함 — 과장된 성과 주장이 아닌 정직한 진행상황 공개

핵심 검증 알고리즘, 데이터 파이프라인 구조, 판정 기준 등은 본 문서에 포함하지 않았으며, 영업비밀로 별도 관리됩니다.

상세 기술 자료는 비밀유지계약(NDA) 체결 후 신뢰할 수 있는 투자자·파트너에 한해 제공합니다.