책소개
적용 사례 연구 및 코드 예제를 함께 제공하는 금융 분야의 ML 및 AI를 다루는 ‘완전한’ 책앞으로 금융 산업은 머신러닝과 데이터 과학으로 인해 변화될 것이다. 이 책은 금융업계에서 종사하는 분석가, 거래자, 연구원, 개발자, 데이터 엔지니어에게 유익한 머신러닝 알고리즘 구축법을 다룬다. 자연어 처리와 함께 지도 학습, 비지도 학습, 강화 학습에 필요한 머신러닝 개념과 19가지 사례 연구를 살펴본다. 또한 헤지 펀드, 투자 은행, 핀테크 회사 등 투자 전문가로 성장하기에 필요한 딥러닝 기반의 가이드를 제공한다. 포트폴리오 관리, 알고리즘 거래, 파생 상품 가격 책정, 이상 거래 탐지, 자산 가격 예측, 감정 분석, 챗봇 개발에 대해 자세히 설명한다. 실무자가 직면한 실제 문제를 코드와 예제를 활용해 해결할 수 있도록 과학적 솔루션을 제공한다.
저자소개
현재 뉴욕에 있는 투자 은행의 정량 분석 부서에서 부사장으로 일하고 있다. 여러 글로벌 투자 은행과 금융 조직의 예측 모델링, 금융 상품 가격 책정 및 리스크 관리 분야에서 다양한 경험을 쌓았다. UC 버클리 대학교에서 석사 학위를, 인도의 공과대학교 카라그푸르에서 학사 학위를 취득했다. 금융 리스크 매니저(FRM) 인증과 양적 금융 인증(CQF)도 이수했으며 CFA 레벨3 후보군이다.
목차
PART 1 프레임워크CHAPTER 1 금융 머신러닝1.1 현재와 미래의 금융 머신러닝 활용1.2 인공지능, 머신러닝, 딥러닝, 데이터 과학1.3 머신러닝의 다양한 유형1.4 자연어 처리1.5 맺음말CHAPTER 2 머신러닝 모델 개발2.1 왜 파이썬인가?2.2 머신러닝을 위한 파이썬 패키지2.3 모델 개발 단계2.4 맺음말CHAPTER 3 인공 신경망3.1 구조, 학습, 하이퍼파라미터3.2 인공 신경망 모델 생성3.3 맺음말PART 2 지도 학습CHAPTER 4 지도 학습: 모델 및 개념4.1 지도 학습 모델: 개념4.2 모델 성능4.3 모델 선택4.4 맺음말CHAPTER 5 지도 학습: 회귀(시계열 모델)5.1 시계열 모델5.2 실전 문제 1: 주가 예측5.3 실전 문제 2: 파생상품 가격책정5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저5.5 실전 문제 4: 수익률 곡선 예측5.6 맺음말5.7 연습 문제CHAPTER 6 지도 학습: 분류6.1 실전 문제 1: 사기 탐지6.2 실전 문제 2: 채무 불이행 확률6.3 실전 문제 3: 비트코인 거래 전략6.4 맺음말6.5 연습 문제PART 3 비지도 학습CHAPTER 7 비지도 학습: 차원 축소7.1 차원 축소 기술7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기)7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링7.4 실전 문제 3: 비트코인 거래(속도와 정확성 향상)7.5 맺음말7.6 연습 문제CHAPTER 8 비지도 학습: 군집화8.1 군집화 기술8.2 실전 문제 1: 쌍 거래를 위한 군집화8.3 실전 문제 2: 포트폴리오 관리(투자자 군집화)8.4 실전 문제 3: 계층적 위험 패리티8.5 맺음말8.6 연습 문제PART 4 강화 학습과 자연어 처리CHAPTER 9 강화 학습9.1 강화 학습: 이론 및 개념9.2 실전 문제 1: 강화 학습 기반 거래 전략9.3 실전 문제 2: 파생상품 헤징9.4 실전 문제 3: 포트폴리오 배분9.5 맺음말9.6 연습 문제CHAPTER 10 자연어 처리10.1 자연어 처리: 파이썬 패키지10.2 자연어 처리: 이론 및 개념10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략10.4 실전 문제 2: 챗봇-디지털 어시스턴트10.5 실전 문제 3: 문서 요약10.6 맺음말10.7 연습 문제
.png){kind=logo}
