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
복잡한 금융 데이터를 제대로 다루고 싶다면 꼭 읽어야 할 필독서!
금융 서비스 분야는 방대한 데이터를 실시간으로 생성하며, 데이터 해석에 따른 올바르고 신속한 판단과 결정이 필요합니다. 금융 사기 탐지, 신용 대출 심사, 주가 변화 추이 예측, 포트폴리오 구성 및 재조정 등 다양한 금융 서비스에 머신러닝을 활용할 수 있습니다. 이 책의 실전 문제에서 다양한 활용법을 소개 및 구현하고 시연합니다. 더 나아가 각 장 마무리에 연습 문제를 제시하여 어떻게 응용, 발전시킬지 구체적 방향을 제시합니다.
머신러닝을 이해하고 금융 서비스에 활용하는 시대, 나아가 금융 자산을 보호하고, 자산 가치를 극대화하는 시대가 현실화되고 있습니다. 이 책을 재밌게 읽고 책에서 소개한 내용을 실제로 활용 및 응용할 수 있기를 바랍니다.
대상 독자
● 금융 데이터를 제대로 다루고 싶은 학생, 관련 직업 종사자
● 파이썬을 활용하여 자신의 기존 전략을 정량화하고 자동화하고 싶은 독자
주요 내용
● 거래 전략, 파생 상품 가격 책정, 포트폴리오 관리 ─ 회귀 기반 지도 학습 모델
● 신용 부도 위험 예측, 이상 거래 탐지와 거래 전략 ─ 분류 기반 지도 학습 모델
● 포트폴리오 관리, 거래 전략과 수익률 곡선 구성에 대한 사례 연구 ─ 차원 축소 기법
● 거래 전략과 포트폴리오 관리에 대한 사례 연구와 함께 유사한 개체 찾기 ─ 알고리즘과 클러스터링 기술
● 거래 전략 구축, 파생 상품 헤징과 포트폴리오 관리 ─ 강화 학습 모델과 기법
● 텍스트 분석, 텍스트 마이닝, 전산 언어학, 콘텐츠 분석 ─ NLP 기술
