본 논문은 사용자의 목표, 제약, 위험 감수 수준 및 관할권을 고려하는 개인 맞춤형 재무 조언을 위한 새로운 프레임워크를 제시합니다. 기존의 대규모 언어 모델(LLM) 연구는 투자자와 재무 설계사를 위한 지원 시스템에 초점을 맞춘 반면, 본 연구는 행동 재무학 연구와 관련된 재무적 맥락을 통합하여 엔드-투-엔드 재무 조언 시스템을 위한 감독 데이터를 구성하는 프레임워크를 제안합니다. 이를 통해 19,000개의 추론 데이터셋을 생성하고 Qwen-3-8B 모델을 미세 조정하여, 사실적 정확성, 유창성, 개인 맞춤화 측면에서 훨씬 더 큰 모델(140억~320억 파라미터)과 비교 가능한 성능을 80% 낮은 비용으로 달성함을 보여줍니다.
