로보어드바이저 시스템의 핵심 엔진을 개발했던 금융 AI 연구원들이 직접 쓴 책으로, 로보어드바이저를 구성하는 주요 포트폴리오 전략을 파이썬 코드와 함께 설명하고 있다. 특히, 포트폴리오 최적화 전략부터 시작해서 마켓 타이밍 전략, 팩터 투자 전략, 시장 모니터링, 딥러닝 예측까지 광범위하게 다루고 있으며, 독자들이 쉽게 이해하면서 프로그램을 직접 실행해 볼 수 있도록 친절히 안내한다.

KAIST 전산학과에서 컴퓨터 그래픽스를 전공했으며 LG전자 전자기술원, 티맥스소프트, 액센츄어 등에서 소프트웨어 연구 개발, 미들웨어 및 모듈형 로봇 플랫폼 제품 기획 업무를 수행했다. 인공지능 전문가로서 한국외국어대학교에서 딥러닝, 자료 구조, 데이터 마이닝 등을 가르쳤다. 인공지능연구원에서 연구소장으로서 AI 솔루션 연구 개발을 총괄하면서 서울과학종합대학원대학교 AI첨단대학원 겸직 교수를 역임하고 있다.

1장. 초보 퀀트를 위한 투자 전략

1.1 초보 투자자의 고민
1.1.1 자산과 투자의 정의
1.1.2 투자의 주요 속성, 위험과 수익률
1.1.3 안전 자산과 위험 자산
1.2 현대 포트폴리오 이론
1.2.1 수익은 높이고 위험은 작게 해주는 포트폴리오 이론
1.2.2 효율적인 포트폴리오와 효율적 투자선
1.2.3 현대 포트폴리오 이론의 가정 사항
1.2.4 완전 자본 시장 가정
1.2.5 이성적이고 합리적인 투자자
1.2.6 평균-분산 가정
1.2.7 분산 투자의 위험 축소 효과
1.2.8 현대 포트폴리오 이론의 장단점
1.2.9 현대 포트폴리오 이론의 대안

2장. 평균-분산 모델

2.1 평균-분산 모델
2.1.1 평균-분산 모델의 실행 단계
2.1.2 하이퍼파라미터 정의
2.1.3 파라미터 추정
2.1.4 평균-분산 모델 최적화
2.2 자산 배분 전략
2.2.1 자산 배분 전략의 실행 과정
2.2.2 목표 설정
2.2.3 시장 데이터 수집
2.2.4 자산군 선택
2.2.5 투자 유니버스 정의
2.2.6 자산 배분
2.2.7 주문 집행
2.2.8 정기 리밸런싱
2.2.9 시장 모니터링과 수시 리밸런싱
2.2.10 포트폴리오 성능 모니터링
2.3 개발 준비
2.3.1 개발 프레임워크와 라이브러리
2.3.2 디렉토리 및 파일 구조
참고문헌

3장. 평균-분산 전략 구현 및 시뮬레이션 분석

3.1 평균-분산 전략 구현
3.1.1 데이터 수집
3.1.2 평균-분산 최적화
3.1.3 거래 흐름 모델링
3.1.4 평균-분산 시뮬레이션
3.2 시뮬레이션 분석
3.2.1 시뮬레이션 결과 전처리
3.2.2 포트폴리오 성능 지