◈ 이 책에서 다루는 내용 ◈
* 딥러닝 모델로 기존 시계열 애플리케이션을 검토, 비교
* 서포트 벡터 회귀, 신경망, 딥러닝을 사용한 위험도 측정을 위한 변동성 모델링 탐색
* 머신러닝 기술과 유동성 차원을 사용해 시장 위험 모델링(VaR 및 ES 및 개선
* 군집화와 베이즈를 사용한 신용 위험 분석 개발 기법
* 가우스 혼합 모델과 코풀라 모델로 유동성 위험의 다양한 측면 포착
* 사기 탐지를 위한 머신러닝 모델 사용
* 머신러닝 모델을 사용해 주가 폭락을 예측하고 결정 요인을 식별
◈ 이 책의 대상 독자 ◈
모수적 모델에 크게 기반을 둔 현재의 금융 위험 관리 환경을 바꾸는 것을 목표로 하는 책이다. 머신러닝 모델을 기반으로 하는 매우 정확한 재무 모델이 최근 개발되면서 이러한 변화가 일어났다. 따라서 재무와 머신러닝에 대한 초기 지식이 있는 독자를 대상으로 하며, 이러한 주제를 간략하게 설명한다. 따라서 재무 위험 분석가, 재무 엔지니어, 위험 관련자, 위험 모델러, 모델 검증자, 정량적 위험 분석가, 포트폴리오 분석, 재무 그리고 데이터 과학에 관심이 있는 사람들이 읽기 적합하다.
◈ 이 책의 구성 ◈
1장, ‘리스크 관리의 기초’에서는 위험 관리의 주요 개념을 소개한다. 먼저 위험이 무엇인지 정의한 후 위험 유형(예: 시장, 신용, 운영 및 유동성을 알아본다.
2장, ‘시계열 모델링 소개’에서는 이동 평균 모델, 자기 회귀 모델, 자기 회귀 통합 이동 평균 모델과 같은 기존 모델을 사용하는 시계열 애플리케이션을 보여준다.
3장, ‘시계열 모델링을 위한 딥러닝’에서는 시계열 모델링을 위한 딥러닝 도구를 소개한다.
4장, ‘머신러닝 기반 변동성 예측’에서는 서포트 벡터 회귀, 신경망, 딥러닝, 베이즈 접근 방식을 기반으로 하는 새로운 변동성 모델링을 다룬다. 성능 비교를 위해 기존의 ARCH, GARCH 유형의 모델도 사용한다.
5장, ‘시장 리스크 모델링’에서는 기존 시장 위험 모델, 즉 예상최대위험(VaR
