본 논문은 투자 펀드 매니저의 전략을 명시적인 효용 함수를 사용하지 않고 잠재 변수를 통해 학습하는 생성적 프레임워크를 제안합니다. GAN 기반 아키텍처를 사용하여 펀드의 포트폴리오 가중치를 직접 모델링하며, 1436개의 미국 주식 뮤추얼 펀드 데이터셋을 통해 검증합니다. 제안된 모델은 '성장' 및 '가치'와 같은 투자 스타일을 성공적으로 포착하고, 턴오버, 집중도 및 잠재 요인과 관련된 암묵적인 관리자 목표를 밝혀냅니다. 또한, 모델 해석을 위한 일련의 테스트를 개발하고 벤치마크의 전문가 라벨링이 모델 인코딩에 선형적으로 포함되어 있음을 보여줍니다. 이 프레임워크는 시장 시뮬레이션, 전략 속성 부여 및 규제 감독에 적용될 수 있는 데이터 기반 투자 전략 특성화 접근 방식을 제공합니다.
