HOME > 상세정보

상세정보

실전 금융 머신 러닝 완벽 분석 (15회 대출)

자료유형
단행본
개인저자
López de Prado, Marcos Mailoc 이병욱, 역
서명 / 저자사항
실전 금융 머신 러닝 완벽 분석 / 마르코스 로페즈 데 프라도 지음 ; 이병욱 옮김
발행사항
서울 :   에이콘,   2019  
형태사항
502 p. : 삽화 ; 23 cm
총서사항
Acorn advanced
원표제
Advances in financial machine learning
ISBN
9791161752334 9791161752464 (Set)
서지주기
참고문헌과 색인수록
일반주제명
Finance --Data processing Finance --Mathematical models Machine learning
000 00000cam c2200205 c 4500
001 000045966846
005 20190108122755
007 ta
008 190107s2019 ulka b 001c kor
020 ▼a 9791161752334 ▼g 94000
020 1 ▼a 9791161752464 (Set)
035 ▼a (KERIS)BIB000014984886
040 ▼a 241050 ▼c 241050 ▼d 241050 ▼c 241050 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 0 ▼a 332.0285/631 ▼2 23
085 ▼a 332.0285 ▼2 DDCK
090 ▼a 332.0285 ▼b 2019
100 1 ▼a López de Prado, Marcos Mailoc ▼0 AUTH(211009)100093
245 1 0 ▼a 실전 금융 머신 러닝 완벽 분석 / ▼d 마르코스 로페즈 데 프라도 지음 ; ▼e 이병욱 옮김
246 1 9 ▼a Advances in financial machine learning
260 ▼a 서울 : ▼b 에이콘, ▼c 2019
300 ▼a 502 p. : ▼b 삽화 ; ▼c 23 cm
440 0 0 ▼a Acorn advanced
504 ▼a 참고문헌과 색인수록
650 0 ▼a Finance ▼x Data processing
650 0 ▼a Finance ▼x Mathematical models
650 0 ▼a Machine learning
700 1 ▼a 이병욱, ▼e▼0 AUTH(211009)1768
900 1 0 ▼a 로페즈 데 프라도, 마르코스, ▼e
945 ▼a KLPA

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 332.0285 2019 등록번호 121247610 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 2 소장처 세종학술정보원/사회과학실/ 청구기호 332.0285 2019 등록번호 151344943 도서상태 대출가능 반납예정일 예약 서비스
No. 3 소장처 세종학술정보원/사회과학실/ 청구기호 332.0285 2019 등록번호 151349863 도서상태 대출가능 반납예정일 예약 서비스
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 과학도서관/Sci-Info(1층서고)/ 청구기호 332.0285 2019 등록번호 121247610 도서상태 대출가능 반납예정일 예약 서비스 B M
No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/사회과학실/ 청구기호 332.0285 2019 등록번호 151344943 도서상태 대출가능 반납예정일 예약 서비스
No. 2 소장처 세종학술정보원/사회과학실/ 청구기호 332.0285 2019 등록번호 151349863 도서상태 대출가능 반납예정일 예약 서비스

컨텐츠정보

책소개

머신러닝을 금융에 적용하는 방법을 알려주며, 이론 연구를 넘어선 실전 경험을 바탕으로 어떠한 장점과 위험이 존재하는 것인지 빠짐없이 설명한다. 저자가 20년 간 금융에서 실제로 적용해 본 머신러닝 기법에 대해 각각의 장단점과 함께 개별 기법들을 상세히 설명한다. 또 금융에 맞는 데이터 구조, 모델링, 백테스팅, 유용한 금융적 특징, 고성능 컴퓨팅에 이르기까지 최고 전문가의 시각에서 전달해 주는 실전 지식을 빠짐없이 나열한다.
대부분의 금융 머신러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신러닝 프로젝트를 위해서 어떠한 요소가 갖춰져야 하는지 설명하고 있다. 특히 대부분 프로젝트가 저지르는 백테스팅의 오류를 심도 있게 설명한다.
메타-전략 패러다임의 효용성과 중요성을 설명해 주며, 대부분 성공한 프로젝트가 활용하고 있는 메타-전략 패러다임을 예제와 함께 잘 설명한다. 이 책은 그 깊이로 인해 머신러닝과 금융에 대한 최소한의 지식을 갖춰야 이해할 수 있지만, 최소한의 지식이 바탕이 되고 나면 책에서 다루고 있는 깊이 있고 실용적인 내용으로부터 많은 도움을 받을 수 있다.

★ 이 책의 대상 독자 ★

특히 금융 관련 데이터에 연계된 문제들을 해결하기 위해 설계된 고급 머신러닝 기법을 다루고 있다. '고급'이라는 의미는 이해하기가 극도로 힘들다거나 딥러닝이나 순환신경망 또는 합성곱망 등 최근에 되살아나고 있는 기법들을 설명한다는 의미는 아니다. 그보다 이 책은 금융 문제에 머신러닝 알고리즘을 적용한 경험이 있는 상급 연구원들이 중요하게 생각하는 여러 의문에 해답을 주고자 쓰여졌다. 만약 머신러닝이 처음이고, 복잡한 알고리즘에 대한 경험이 없다면 이 책은 (아직은) 맞지 않을 것이다. 이 책에서 다루고 있는 문제에 대해 현업에서의 경험이 없다면 이 책을 이용해 문제를 해결하기가 쉽지 않을 것이다. 이 책을 읽기 전에 머신러닝에 관한 여러 훌륭한 책을 읽길 권한다.
이 책의 핵심 독자들은 머신러닝 경험이 풍부한 전문 투자가들이다. 저자의 목표는 여러분이 이 책에서 배운 것을 통해 수익을 증대하기를 바라는 것이고, 금융을 현대화하는 데 일조하고 투자가들에게 실질적인 가치를 전달해 주기를 바라는 것이다.
이 책은 금융 이외의 여러 분야에 머신러닝 알고리즘을 성공적으로 구현한 경험이 있는 데이터 과학자들에게도 적합하다. 만약 여러분이 구글에서 일하면서 얼굴 인식 분야를 성공적으로 구현한 적이 있지만, 금융 쪽에 제대로 적용해 본 적이 없다면 이 책이 많은 도움이 될 것이다. 가끔 특정 구조(예를 들어, 메타 레이블링, 삼중 배리어 기법, 프랙디프)의 금융 논리에 대해 잘 이해되지 않을 때도 있을 수 있지만, 끈기를 갖길 바란다. 투자 포트폴리오를 일정 수준 이상 운용하다 보면 게임의 법칙이 점점 뚜렷하게 보이고, 1장에 설명된 내용들이 이해가 될 것이다.

★ 이 책의 구성 ★

이 책은 서로 얽혀 있는 주제들을 각각 구분해 정돈된 형태로 설명한다. 각 장은 그 이전 장을 읽었다고 가정하고 설명한다. 1부는 금융 데이터를 머신러닝 알고리즘에서 잘 적용할 수 있도록 데이터를 구조화하는 방법을 알아보고, 2부에서는 해당 데이터에 기반해 머신러닝 알고리즘을 활용해 리서치하는 방법을 알아본다. 여기서 중요한 것은 실질적인 발견은 연구나 과학적 프로세스를 통해 이뤄지며, 이는 우연히 어떤 (잘못될 가능성이 많은) 결과가 나타날 때까지 의미 없이 반복하는 연구 기법과는 구분된다. 3부에서는 연구에 대한 백테스트 방법을 설명하고, 결과가 잘못될 확률을 평가해 본다.
1~3부를 통해 데이터 분석으로부터 모델을 연구하고, 결과를 평가하는 전체 프로세스를 개괄할 수 있다. 이러한 지식을 바탕으로 4부에서는 데이터로 되돌아가 의미 있는 특성을 추출하는 혁신적인 방법을 설명한다. 이러한 작업들은 대부분 상당한 양의 자원을 소모하는데 5부에서는 유용한 HPC 비법을 알아본다.

머신러닝을 금융에 적용하는 방법을 알려주며, 이론 연구를 넘어선 실전 경험을 바탕으로 어떠한 장점과 위험이 존재하는 것인지 빠짐없이 설명한다. 저자가 20년 간 금융에서 실제로 적용해 본 머신러닝 기법에 대해 각각의 장단점과 함께 개별 기법들을 상세히 설명한다. 또 금융에 맞는 데이터 구조, 모델링, 백테스팅, 유용한 금융적 특징, 고성능 컴퓨팅에 이르기까지 최고 전문가의 시각에서 전달해 주는 실전 지식을 빠짐없이 나열한다.

대부분의 금융 머신러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신러닝 프로젝트를 위해서 어떠한 요소가 갖춰져야 하는지 설명하고 있다. 특히 대부분 프로젝트가 저지르는 백테스팅의 오류를 심도 있게 설명한다.


정보제공 : Aladin

저자소개

마르코스 로페즈 데 프라도(지은이)

머신러닝과 슈퍼컴퓨팅을 이용해 수십억 달러의 기금을 운용하고 있다. 구겐하임 파트너의 정량 금융 투자 전략(QIS, Quantitative Investment Strategies) 사업을 설립해 뛰어난 리스크-조정 수익률을 지속적으로 달성한 고용량 전략을 개발했다. 130억 달러의 자산을 운용한 후 QIS를 인수하고 2018년 구겐하임에서 스핀아웃(spin out)했다. 2010년부터 로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory, 미국 에너지부, 과학국)의 연구원으로 일하고 있다. 금융에서 가장 많이 읽힌 10대 도서의 저자(SSRN 순위 기준)로, 머신러닝과 슈퍼컴퓨팅에 관련된 수십 편의 논문을 썼고, 알고리즘 거래에 대한 다수의 국제 특허를 갖고 있다. 1999년에 스페인 국립 학문상을 수상했고, 2003년에는 금융 경제학으로 박사학위를 받았으며, 2011년에는 마드리드 대학교에서 수학 금융으로 두 번째 박사학위를 받았다. 박사 후 과정을 하버드와 코넬 대학교에서 마쳤으며, 공학부에서 금융 머신러닝 과정을 가르쳤다. 미국 수학 학회에 따른 에르도스 #2Erdos #2와 아인슈타인 #4Einstein #4를 갖고 있다.

이병욱(옮긴이)

(주)크라스랩 대표 이사이자 서울과학종합대학원 디지털금융 MBA 주임교수를 맡고 있다. 한국과학기술원(KAIST) 전산학과 계산이론 연구실에서 학사 및 석사학위를 취득했다. 공학을 전공한 금융 전문가로 세계 최초의 핸드 헬드-PC(Handheld-PC) 개발에 참여해 한글 윈도우 CE 1.0과 2.0을 마이크로 소프트 사에서 공동 개발했다. 1999년에는 전 보험사 보험료 실시간 비교 서비스를 제공하는 핀테크 전문회사인 (주)보험넷을 창업해 업계에 큰 반향을 불러일으켰다. 이후 삼성생명을 비롯한 생명 및 손해 보험사에서 CMO(마케팅 총괄 상무), CSMO(영업 및 마케팅 총괄 전무) 등을 역임하면서 혁신적인 상품과 서비스를 개발 및 총괄했다. 세계 최초로 파생 상품 ELS를 기초 자산으로 한 변액 보험을 개발해 단일 보험 상품으로 5,000억 원 이상 판매되는 돌풍을 일으켰고, 매일 분산 투자하는 일 분산 투자(daily averaging) 변액 보험을 세계 최초로 개발해 상품 판매 독점권을 획득했다. 최근에는 머신러닝 기반의 금융 분석과 블록체인에 관심을 갖고 다양한 활동을 하고 있다. 저서로는 『블록체인 해설서』(에이콘, 2019)와 『비트코인과 블록체인, 가상자산의 실체 2/e』(에이콘, 2020)이 있다.

이기홍(옮긴이)

카네기멜론 대학교에서 석사 학위를 받았고, 피츠버그 대학교 Finance Ph.D, CFA,FRM이며, 금융, 투자, 경제분석 전문가다. 삼성생명, HSBC, 새마을금고 중앙회, 한국투자공사 등과 같은 국내 유수의 금융 기관, 금융 공기업에서 자산운용 포트폴리오 매니저로 근무했으며, 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 『실용 최적화 알고리즘』(에이콘, 2020), 『초과 수익을 찾아서 2/e』(에이콘, 2020), 『자산운용을 위한 금융 머신러닝』(에이콘, 2020), 『실전 알고리즘 트레이딩 배우기』(에이콘, 2021), 『존 헐의 비즈니스 금융 머신러닝 2/e』(에이콘, 2021) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

하석근(옮긴이)

학성고와 한국외국어대학교 경영학 학사, 미국 컬럼비아대학교(Columbia University) 산업공학 석사, 프랑스 에드헥경영대학원(EDHEC Business School)에서 프랭크 파보지(Frank J. Fabozzi) 교수 지도하에 「Essays on Human Capital and on Momentum」 논문으로 경영학 박사학위(PhD in Finance)를 받았다. 주요 학술지 에 논문을 발표하며 학계와 업계의 가교 역할을 하고 있다. 하나 UBS 자산 운용에서 펀드매니저로 근무 중이다. 디멘셔널 펀드 어드바이저(DFA, Dimensional Fund Advisors) 미국 본사 및 싱가포르 법인에서 글로벌 주식 포트폴 리오 매니저 및 부사장으로 팩터 투자를 실시했으며, 한국투자공사(KIC)에서 국부를 운용했고, 모건스탠리(Morgan Stanley)와 현대증권에서 근무했다. 번역 서로 『초과 수익을 찾아서 2/e』(에이콘, 2020)이 있다. CFA 및 FRM이다.

정보제공 : Aladin

목차

1장. 독립된 주제로서의 금융 머신 러닝 
__1.1 동기 
__1.2 금융 머신 러닝 프로젝트가 실패하는 주요 원인 
____1.2.1 시지프스 패러다임 
____1.2.2 메타 전략 패러다임 
__1.3 책의 구조 
____1.3.1 생산 체인에 의한 구조 
____1.3.2 전략 구성 요소에 따른 구조 
____1.3.3 흔한 함정에 의한 구성 
__1.4 대상 독자들 
__1.5 필요 지식 
__1.6 FAQs 
__1.7 감사의 글 
__연습문제 
__참고자료 
__참고문헌 

1부. 데이터 분석 

2장. 금융 데이터 구조 
__2.1 동기 
__2.2 금융 데이터의 근본적 형태 
____2.2.1 기초 데이터 
____2.2.2 시장 데이터 
____2.2.3 분석 
____2.2.4 대체 데이터 
__2.3 바 
____2.3.1 표준 바 
____2.3.2 정보-주도 바 
__2.4 복수 상품 계열 다루기 
____2.4.1 ETF 트릭 
____2.4.2 PCA 가중치 
____2.4.3 단일 선물 롤 
__2.5 특징 표본 추출 
____2.5.1 축소를 위한 표본 추출 
____2.5.2 이벤트 기반의 표본 추출 
__연습문제 
__참고자료 

3장. 레이블링 
__3.1 동기 
__3.2 고정 시간 수평 기법 T 
__3.3 동적 임계치 계산 
__3.4 트리플-배리어 기법 
__3.5 위치와 크기 파악 
__3.6 메타-레이블 
__3.7 메타-레이블을 이용하는 방법 
__3.8 퀀터멘털 방법 
__3.9 불필요한 레이블 제거 
__연습문제 
__참고 문헌 

4장. 표본 가중치 
__4.1 동기 
__4.2 결과 중첩 
__4.3 공존 레이블의 개수 
__4.4 레이블의 평균 고유성 
__4.5 배깅 분류기와 고유성 
____4.5.1 순차적 부트스트랩 
____4.5.2 순차적 부트스트랩의 구현 
____4.5.3 수치적 예제 
____4.5.4 몬테 카를로 실험 
__4.6 수익률 기여도 
__4.7 시간-감쇄 
__4.8 부류 가중치 
__연습문제 
__참고 문서 
__참고 문헌 

5장. 분수 미분의 특징 
__5.1 동기 
__5.2 정상성 대 기억 딜레마 
__5.3 문헌 리뷰 
__5.4 기법 
____5.4.1 장기 기억 
____5.4.2 반복적 계산 
____5.4.3 수렴 
__5.5 구현 
____5.5.1 확장하는 윈도우 
____5.5.2 고정-너비 윈도우 Fracdiff 
__5.6 최대 기억 유지 정상성 
__5.7 결론 
__연습문제 
__참고 문서 
__참고 문헌 

2부. 모델링 

6장. 앙상블 기법 
__6.1 동기 
__6.2 오류의 세 가지 원인6.3 부트스트랩 종합 
____6.3.1 분산 축소 
____6.3.2 개선된 정확도 
____6.3.3 관측 중복 
__6.4 랜덤 포레스트 
__6.5 부스팅 
__6.6 금융에 있어서의 배깅 대 부스팅 
__6.7 배깅의 확장성 
__연습문제 
__참고 자료 
__참고 문헌 

7장. 금융에서의 교차-검증 
__7.1 동기 
__7.2 교차-검증의 목표 
__7.3 금융에서 K-폴드 CV가 실패하는 이유 
__7.4 해법: 퍼지된 K-폴드 CV 
____7.4.1 훈련 집합에서의 퍼지 
____7.4.2 엠바고 
____7.4.3 퍼지된 K-폴더 클래스 
__7.5 SKLEARN의 교차-검증 버그 
__연습문제 
__참고 문헌 

8장. 특징 중요도 
__8.1 동기 
__8.2 특징 중요도의 중요성 
__8.3 대체 효과와 특징 중요도 
____8.3.1 평균 감소 불순도 
____8.3.2 평균 감소 정확도 
__8.4 대체 효과가 없는 특징 중요도 
____8.4.1 단일 특징 중요도 
____8.4.2 직교 특징 
__8.5 병렬화 대 스택화 특징 중요도 
__8.6 합성 데이터를 사용한 실험 
__연습문제 
__참고 문서 

9장. 교차-검증을 통한 초매개변수 설정 
__9.1 동기 
__9.2 그리드 검색 교차-검증 
__9.3 랜덤화 검색 교차-검증 
____9.3.1 로그-유니폼 분포9.4 점수화 및 초매개변수 튜닝 
__연습문제 
__참고 문서 
__참고 문헌 

3부. 백테스팅 

10장. 베팅 크기 
__10.1 동기 
__10.2 전략-독립 베팅 크기 방식 
__10.3 예측된 확률로부터 베팅 크기 조절 
__10.4 활성화 베팅의 평균화 
__10.5 크기 이산화 
__10.6 동적 베팅 크기와 한계 가격 
__연습문제 
__참고 문서 
__참고 문헌 

11장. 백테스팅의 위험 
__11.1 동기 
__11.2 미션 임파서블: 결함 없는 백테스트 
__11.3 비록 백테스트 결과가 나무랄 데가 없어도 아마도 잘못 됐을 것이다 
__11.4 백테스트는 연구 도구가 아니다 
__11.5 몇 가지 일반적인 추천 
__11.6 전략 선택 
__연습문제 
__참고 문서 
__참고 문헌 

12장. 교차-검증을 통한 백테스팅 
__12.1 동기 
__12.2 워크-포워드 기법 
____12.2.1 워크-포워드 기법의 위험 
__12.3 교차-검증 기법 
__12.4 조합적 퍼지 교차-검증 기법 
____12.4.1 조합적 분할 
____12.4.2 조합적 퍼지 교차-검증 백테스트 알고리즘 
____12.4.3 몇 가지 예제 
__12.5 조합적 퍼지 교차-검증이 백테스트 과적합을 해결하는 법 
__연습문제 
__참고 문서 

13장. 합성 데이터에 대한 백테스트 
__13.1 동기 
__13.2 거래 규칙. 
__13.3 문제 
__13.4 프레임워크 
__13.5 최적 거래 규칙의 수치적 결정 
____13.5.1 알고리즘 
____13.5.2 구현 
__13.6 실험적 결과 
____13.6.1 제로 장기 균형의 경우 
____13.6.2 양의 장기 균형 경우 
____13.6.3 음의 장기 균형 경우 
__13.7 결론 
__연습문제 
__참고 문서 

14장. 백테스트 통계량 
__14.1 동기 
__14.2 백테스트 통계량의 종류 
__14.3 일반적인 특성 
__14.4 성과 
____14.4.1 수익률의 시간-가중치 비율 
__14.5 런 
____14.5.1 수익률 집중 
____14.5.2 드로우 다운과 수면하 시간 
____14.5.3 성과 평가를 위한 런 통계량 
__14.6 거래 비용 구현 
__14.7 효율성 
____14.7.1 샤프 지수 
____14.7.2 확률적 샤프 지수 
____14.7.3 줄어든 샤프 지수 
____14.7.4 효율성 통계량 
____14.8 분류 점수 
__14.9 속성 
__연습문제 
__참고 문서 
__참고 문헌 

15장. 전략 리스크 이해 
__15.1 동기 
__15.2 대칭 투자 회수금 
__15.3 비대칭 투자 회수금 
__15.4 전략 실패의 확률 
____15.4.1 알고리즘 
____15.4.2 구현 
__연습문제 
__참고 문서 

16장. 전략 리스크 이해 
__16.1 동기 
__16.2 컨벡스 포트폴리오 최적화 문제 
__16.3 마코위츠의 저주 
__16.4 기하로부터 계층적 관계까지 
____16.4.1 트리 군집화 
____16.4.2 유사-대각화 
____16.4.3 재귀적 이분 
__16.5 수치 예제 
__16.6 외표본 몬테 카를로 시뮬레이션 
__16.7 향후 연구 과제 
__16.8 결론 

부록 
__16.A.1 상관관계-기반 척도 
__16.A.2 역분산 할당 
__16.A.3 수치 예제 재생 
__16.A.4 몬테 카를로 실험 재현 
__연습문제 
__참고 문서 

4부 유용한 금융의 특징 

17장. 구조적 변화 
__17.1 동기 
__17.2 구조적 변화 테스트 종류 
__17.3 CUSUM 테스트 
____17.3.1 재귀적 잔차에 브라운-더빈-에반스 CUSUM 테스트 
____17.3.2 레벨에 대한 추-스틴치콤베-화이트 CUSUM 테스트 
__17.4 폭발성 테스트 
____17.4.1 초-형태 디키-풀러 테스트 
____17.4.2 상한 증강 디키-풀러 
____17.4.3 서브- 또는 슈퍼-마틴게일 검정 
__연습문제 
__참고 문서 

18장. 엔트로피 특징들 
__18.1 동기 
__18.2 샤논의 엔트로피 
__18.3 플러그인(또는 최대-우도) 예측기 
__18.4 렘펠-지프 예측기 
__18.5 인코딩 체계 
____18.5.1 이진 인코딩 
____18.5.2 분위 수 인코딩 
____18.5.3 시그마 인코딩 
__18.6 가우스 프로세스의 엔트로피 
__18.7 엔트로피와 일반화된 평균 
__18.8 엔트로피의 몇 가지 금융 응용 
____18.8.1 시장 효율성 
____18.8.2 최대 엔트로피 새성 
____18.8.3 포트폴리오 집중화 
____18.8.4 시장 미시 구조 
__연습문제 
__참고 문서 
__참고 문헌 

19장. 미시 구조적 특징 
__19.1 동기 
__19.2 문헌 고찰 
____19.3 1세대: 가격 시퀀스 
____19.3.1 틱 규칙 
____19.3.2 롤 모델 
____19.3.3 고-저변동성 예측기 
____19.3.4 코윈과 슐츠 
__19.4 2세대: 전략적 거래 모델 
____19.4.1 카일의 람다 
____19.4.2 아미후드의 람다 
____19.4.3 하스브룩의 람다 
__19.5 제3세대: 순차적 거래 모델 
____19.5.1 정보-기반 거래의 확률 
____19.5.2 정보-기반 거래의 거래량-동기화 확률 
__19.6 미시 구조적 데이터 세트로부터의 추가 특징 
____19.6.1 주문 크기의 분포 
____19.6.2 취소율, 지정가 주문, 시장가 주문 
____19.6.3 시간-가중 평균 가격 실행 알고리즘 
____19.6.4 옵션 시장 
____19.6.5 부호가 있는 주문 흐름의 계열 상관관계 
__19.7 미시 구조적 정보란 무엇인가? 
__연습문제 
__참고 문서 

5부. 고성능 컴퓨팅 비법 

20장. 다중 처리와 벡터화 
__20.1 동기 
__20.2 벡터화 예제 
__20.3 단일-스레드 대 다중-스레딩 대 다중 처리 
__20.4 원자와 분자 
____20.4.1 선형 분할 
____20.4.2 이중 루프 분할 
__20.5 다중 처리 엔진 
____20.5.1 작업 준비 
____20.5.2 비동기 호출 
____20.5.3 콜백 언래핑 
____20.5.4 피클/언피클 객체 
____20.5.5 출력 축소 
__20.6 다중 처리 예제 
__연습문제 
__참고 문서 
__참고 문헌 

21장. 무차별 대입과 양자 컴퓨터 
__21.1 동기 
__21.2 조합적 최적화 
__21.3 목적 함수 
__21.4 문제 
__21.5 정수 최적화 기법 
____21.5.1 비둘기 집 분할 
____21.5.2 가능한 정적 해법21.5.3 궤적 평가 
__21.6 수치 예제 
____21.6.1 랜덤 행렬 
____21.6.2 동적 해법 
____21.6.3 동적 해법 
__연습문제 
__참고 문서 

22장. 고성능 계산 지능과 예측 기술 
__22.1 동기 
__22.2 2010년 주가 폭락에 대한 감독 당국의 반응 
__22.3 배경 
__22.4 HPC 하드웨어 
__22.5 HPC 소프트웨어 
____22.5.1 MPI 
____22.5.2 계층적 데이터 형식 5 
____22.5.3 제자리 In Situ 처리 
____22.5.4 수렴 
__22.6 실제 사례 
____22.6.1 초신성 사냥 
____22.6.2 융합 플라스마의 덩어리 
____22.6.3 일간 전기 사용 최대치 
____22.6.4 2010년의 주가 폭락 
____22.6.5 정보-기반 투자 측정의 거래량-동기 확률 
____22.6.6 유니폼하지 않은 고속 푸리에 변환으로 고빈도 이벤트 발견 
__22.7 요약 및 참여 요청 
__22.8 감사의 글 
__참고 문서

관련분야 신착자료

Kostolany, André (2021)