HOME > Detail View

Detail View

금융 전략을 위한 머신러닝 : 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학 (Loan 4 times)

Material type
단행본
Personal Author
Tatsat, Hariom Puri, Sahil, 저 Lookabaugh, Brad, 저 김한상, 역
Title Statement
금융 전략을 위한 머신러닝 : 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학 / 하리옴 탓샛, 사힐 푸리, 브래드 루카보 지음 ; 김한상 옮김
Publication, Distribution, etc
서울 :   한빛미디어,   2021  
Physical Medium
467 p. : 삽화, 도표 ; 24 cm
Varied Title
Machine learning and data science blueprints for finance : from building trading strategies to robo-advisors using Python
ISBN
9791162245002
General Note
색인수록  
Subject Added Entry-Topical Term
Finance --Data processing Machine learning --Industrial applications Big data --Industrial applications
000 00000nam c2200205 c 4500
001 000046102416
005 20211227164211
007 ta
008 211227s2021 ulkad 001c kor
020 ▼a 9791162245002 ▼g 93000
040 ▼a 211009 ▼c 211009 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 006.31 ▼2 23
085 ▼a 006.31 ▼2 DDCK
090 ▼a 006.31 ▼b 2021z26
100 1 ▼a Tatsat, Hariom
245 1 0 ▼a 금융 전략을 위한 머신러닝 : ▼b 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학 / ▼d 하리옴 탓샛, ▼e 사힐 푸리, ▼e 브래드 루카보 지음 ; ▼e 김한상 옮김
246 1 9 ▼a Machine learning and data science blueprints for finance : ▼b from building trading strategies to robo-advisors using Python
260 ▼a 서울 : ▼b 한빛미디어, ▼c 2021
300 ▼a 467 p. : ▼b 삽화, 도표 ; ▼c 24 cm
500 ▼a 색인수록
650 0 ▼a Finance ▼x Data processing
650 0 ▼a Machine learning ▼x Industrial applications
650 0 ▼a Big data ▼x Industrial applications
700 1 ▼a Puri, Sahil, ▼e
700 1 ▼a Lookabaugh, Brad, ▼e
700 1 ▼a 김한상, ▼e
900 1 0 ▼a 탓샛, 하리옴, ▼e
900 1 0 ▼a 푸리, 사힐, ▼e
900 1 0 ▼a 루카보, 브래드, ▼e
945 ▼a KLPA

Holdings Information

No. Location Call Number Accession No. Availability Due Date Make a Reservation Service
No. 1 Location Main Library/Monographs(3F)/ Call Number 006.31 2021z26 Accession No. 111856164 Availability In loan Due Date 2022-06-07 Make a Reservation Available for Reserve R Service M

Contents information

Book Introduction

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.

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.

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


Information Provided By: : Aladin

Author Introduction

하리옴 탓샛(지은이)

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.

사힐 푸리(지은이)

정량 연구원으로 일하고 있다. 그는 모델 가정을 테스트하고 여러 자산 분류에 대한 전략을 찾는다. 다양한 문제에 여러 가지 통계 및 머신러닝 기반 기술을 적용해 왔다. 예를 들어 텍스트 특징 생성, 레이블링 곡선 이상 징후, 비선형 위험 요인 감지 및 시계열 예측 등이 있다. UC 버클리 대학교에서 석사 학위를, 인도 델리 공과대학교에서 학사 학위를 취득했다.

브래드 루카보(지은이)

샌프란시스코에 위치한 부동산 투자 스타트업 Union Home Ownership Investors에서 포트폴리오 관리 부사장으로 일하고 있다. 그의 연구는 비즈니스 프로세스, 내부 시스템 및 소비자 대상 제품에서 머신러닝과 투자 의사 결정 모델의 구현에 초점을 맞추고 있다. 공저자와 마찬가지로 UC 버클리 대학교에서 금융 공학 석사 학위를 취득했다.

김한상(옮긴이)

고려대학교에서 컴퓨터공학과 학사와 석사를 마치고, 파리 대학교에서 보안 전공 박사 학위를 받았다. 자율 주행 차와 금융 포트폴리오 관리 분야의 데이터 기반 의사 결정에 관심을 갖고 금융 데이터 분석 과제를 진행 중이다. 현재 미국 실리콘 밸리 자율 주행 차 회사에 근무하고 있다.

Information Provided By: : Aladin

Table of Contents

PART 1 프레임워크
CHAPTER 1 금융머신러닝
1.1 현재와미래의금융머신러닝활용
1.2 인공지능, 머신러닝, 딥러닝, 데이터과학
1.3 머신러닝의다양한유형
1.4 자연어처리
1.5 맺음말
CHAPTER 2 머신러닝모델개발
2.1 왜파이썬인가?
2.2 머신러닝을위한파이썬패키지
2.3 모델개발단계
2.4 맺음말
CHAPTER 3 인공신경망
3.1 구조, 학습, 하이퍼파라미터
3.2 인공신경망모델생성
3.3 맺음말

PART 2 지도학습
CHAPTER 4 지도학습: 모델및개념
4.1 지도학습모델: 개념
4.2 모델성능
4.3 모델선택
4.4 맺음말
CHAPTER 5 지도학습: 회귀(시계열모델)
5.1 시계열모델
5.2 실전문제 1: 주가예측
5.3 실전문제 2: 파생상품가격책정
5.4 실전문제 3: 투자자위험감수및로보어드바이저
5.5 실전문제 4: 수익률곡선예측
5.6 맺음말
5.7 연습문제
CHAPTER 6 지도학습: 분류
6.1 실전문제 1: 사기탐지
6.2 실전문제 2: 채무불이행확률
6.3 실전문제 3: 비트코인거래전략
6.4 맺음말
6.5 연습문제

PART 3 비지도학습
CHAPTER 7 비지도학습: 차원축소
7.1 차원축소기술
7.2 실전문제 1: 포트폴리오관리(고유포트폴리오찾기)
7.3 실전문제 2: 수익률곡선구축및이자율모델링
7.4 실전문제 3: 비트코인거래(속도와정확성향상)
7.5 맺음말
7.6 연습문제
CHAPTER 8 비지도학습: 군집화
8.1 군집화기술
8.2 실전문제 1: 쌍거래를위한군집화
8.3 실전문제 2: 포트폴리오관리(투자자군집화)
8.4 실전문제 3: 계층적위험패리티
8.5 맺음말
8.6 연습문제

PART 4 강화학습과자연어처리
CHAPTER 9 강화학습
9.1 강화학습: 이론및개념
9.2 실전문제 1: 강화학습기반거래전략
9.3 실전문제 2: 파생상품헤징
9.4 실전문제 3: 포트폴리오배분
9.5 맺음말
9.6 연습문제
CHAPTER 10 자연어처리
10.1 자연어처리: 파이썬패키지
10.2 자연어처리: 이론및개념
10.3 실전문제 1: NLP 및감정분석기반거래전략
10.4 실전문제 2: 챗봇-디지털어시스턴트
10.5 실전문제 3: 문서요약
10.6 맺음말
10.7 연습문제

New Arrivals Books in Related Fields

딥노이드. 교육팀 (2021)
Patterson, Josh (2022)