적용 사례 연구 및 코드 예제를 함께 제공하는 금융 분야의 ML 및 AI를 다루는 ‘완전한’ 책

앞으로 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.

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.

PART 1 프레임워크

CHAPTER 1 금융 머신러닝

1.1 현재와 미래의 금융 머신러닝 활용
1.2 인공지능, 머신러닝, 딥러닝, 데이터 과학
1.3 머신러닝의 다양한 유형
1.4 자연어 처리
1.5 맺음말

CHAPTER 2 머신러닝 모델 개발

2.1 왜 파이썬인가?
2.2 머신러닝을 위한 파이썬 패키지
2.3 모델 개발 단계
2.4 맺음말

CHAPTER 3 인공 신경망

3.1 구조, 학습, 하이퍼파라미터
3.2 인공 신경망 모델 생성
3.3 맺음말

PART 2 지도 학습

CHAPTER 4 지도 학습: 모델 및 개념

4.1 지도 학습 모델: 개념
4.2 모델 성능
4.3 모델 선택
4.4 맺음말

CHAPTER 5 지도 학습: 회귀(시계열 모델)

5.1 시계열 모델
5.2 실전 문제 1: 주가 예측
5.3 실전 문제 2: 파생상품 가격책정
5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저
5.5 실전 문제 4: 수익률 곡선 예측
5.6 맺음말
5.7 연습 문제

CHAPTER 6 지도 학습: 분류

6.1 실전 문제 1: 사기 탐지
6.2 실전 문제 2: 채무 불이행 확률
6.3 실전 문제 3: 비트코인 거래 전략
6.4 맺음말
6.5 연습 문제

PART 3 비지도 학습

CHAPTER 7 비지도 학습: 차원 축소

7.1 차원 축소 기술
7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기)
7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링
7.4 실전 문제 3: 비트코인 거래(속도와 정확성 향상)
7.5 맺음말
7.6 연습 문제

CHAPTER 8 비지도 학습: 군집화

8.1 군집화 기술
8.2 실전 문제 1: 쌍 거래를 위한 군집화
8.3 실전 문제 2: 포트폴리오 관리(투자자 군집화)
8.4 실전 문제 3: 계층적 위험 패리티
8.5 맺음말
8.6 연습 문제

PART 4 강화 학습과 자연어 처리

CHAPTER 9 강화 학습

9.1 강화 학습: 이론 및 개념
9.2 실전 문제 1: 강화 학습 기반 거래 전략
9.3 실전 문제 2: 파생상품 헤징
9.4 실전 문제 3: 포트폴리오 배분
9.5 맺음말
9.6 연습 문제

CHAPTER 10 자연어 처리

10.1 자연어 처리: 파이썬 패키지
10.2 자연어 처리: 이론 및 개념
10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략
10.4 실전 문제 2: 챗봇-디지털 어시스턴트
10.5 실전 문제 3: 문서 요약
10.6 맺음말
10.7 연습 문제