HOME > 상세정보

상세정보

파이썬 기반 금융 인공지능 : 파이썬과 케라스를 활용한 금융 시계열 데이터 기반 알고리즘 트레이딩전략 (1회 대출)

자료유형
단행본
개인저자
Hilpisch, Yves J 김도형, 역
서명 / 저자사항
파이썬 기반 금융 인공지능 : 파이썬과 케라스를 활용한 금융 시계열 데이터 기반 알고리즘 트레이딩전략 / 이브 힐피시 지음; 김도형 옮김
발행사항
서울 :   한빛미디어,   2022  
형태사항
520 p. : 천연색삽화 ; 24 cm
기타표제
Artificial intelligence in finance : a Python-based guide
ISBN
9791169210300
서지주기
각 장마다 참고문헌 수록과 색인수록
000 00000cam c2200205 c 4500
001 000046133053
005 20221103112337
007 ta
008 221103s2022 ulka b 001a kor
020 ▼a 9791169210300 ▼g 93000
040 ▼a 211009 ▼c 211009 ▼d 211009
041 1 ▼a kor ▼h eng
082 0 4 ▼a 005.133 ▼2 23
085 ▼a 005.133 ▼2 DDCK
090 ▼a 005.133 ▼b P999 2022z51
100 1 ▼a Hilpisch, Yves J
245 1 0 ▼a 파이썬 기반 금융 인공지능 : ▼b 파이썬과 케라스를 활용한 금융 시계열 데이터 기반 알고리즘 트레이딩전략 / ▼d 이브 힐피시 지음; ▼e 김도형 옮김
246 1 ▼a Artificial intelligence in finance : ▼b a Python-based guide
260 ▼a 서울 : ▼b 한빛미디어, ▼c 2022
300 ▼a 520 p. : ▼b 천연색삽화 ; ▼c 24 cm
504 ▼a 각 장마다 참고문헌 수록과 색인수록
546 ▼a 영어로 된 원저작을 한국어로 번역
700 1 ▼a 김도형, ▼e
900 1 0 ▼a 힐피시, 이브, ▼e

소장정보

No. 소장처 청구기호 등록번호 도서상태 반납예정일 예약 서비스
No. 1 소장처 세종학술정보원/과학기술실/ 청구기호 005.133 P999 2022z51 등록번호 151361966 도서상태 대출중 반납예정일 2023-02-07 예약 예약가능 R 서비스 M

컨텐츠정보

책소개

금융권에서 AI를 활용하는 금융 전문가를 위한 인공지능 활용 실전 지침서다. 책의 초반부에서는 지도 학습, 초지능 등 일반적으로 활용되는 AI의 핵심 개념을 소개한다. 그다음 AI를 이용해 금융 시장에서 통계적 비효율성을 찾아내는 방법으로 내용을 확장한다. 그리고 어디에서도 배울 수 없는 통계적 비효율성에 AI 알고리즘을 더해 알고리즘 트레이딩에서 경제적 비효율성을 역이용하는 방법을 설명한다.

마지막으로 신경망 훈련을 위한 파이썬 코드 예제와 금융 시계열 예측을 소개하며 이 책을 마무리한다. 이 책을 따라 모든 학습을 마치고 나면 AI를 활용해 기존의 금융 시스템에 디지털 혁신을 가져올 금융 전문가로 거듭나 있는 자신을 발견하게 될 것이다.

통계적 비효율성부터 벡터화된 백테스팅, 알고리즘 트레이딩까지,
금융 전문가를 위한 인공지능 활용법


이 책은 금융권에서 AI를 활용하는 금융 전문가를 위한 인공지능 활용 실전 지침서다. 책의 초반부에서는 지도 학습, 초지능 등 일반적으로 활용되는 AI의 핵심 개념을 소개한다. 그다음 AI를 이용해 금융 시장에서 통계적 비효율성을 찾아내는 방법으로 내용을 확장한다. 그리고 어디에서도 배울 수 없는 통계적 비효율성에 AI 알고리즘을 더해 알고리즘 트레이딩에서 경제적 비효율성을 역이용하는 방법을 설명한다. 마지막으로 신경망 훈련을 위한 파이썬 코드 예제와 금융 시계열 예측을 소개하며 이 책을 마무리한다. 이 책을 따라 모든 학습을 마치고 나면 AI를 활용해 기존의 금융 시스템에 디지털 혁신을 가져올 금융 전문가로 거듭나 있는 자신을 발견하게 될 것이다.

- AI와 초지능에서 활용되는 AI의 핵심 개념과 알고리즘
- 데이터 기반 금융, AI, 머신러닝이 금융 이론과 실무에 영향을 미치는 이유
- 신경망과 강화 학습을 금융 시장의 통계적 비효율성에 적용
- 백테스팅과 알고리즘 트레이딩을 통해 경제적 비효율성 활용

회귀분석과 분류 모형부터 강화 학습, 금융 특이점까지!
금융 산업의 패러다임을 바꿀 AI를 적용한 금융 분석 실전 가이드


오늘날 인공지능과 머신러닝은 금융 데이터의 프로그래밍적 가용성과 결합되면서 금융 산업의 패러다임을 바꾸고 있다. 이러한 흐름에 따라 인공지능과 머신러닝을 금융 분야에 적용하려는 책들이 많이 출간되었다. 하지만 이 분야의 연구가 아직 초기 단계이다보니 적절한 이론적 기반이나 경험적 증거가 부족한 경우가 허다하다.

이 책은 그간의 책들과는 다르게, 인공지능 기반 알고리즘 트레이딩 전략을 개발부터 백테스팅, 배포까지의 모든 내용을 제공한다. 책에서 소개하는 방법론과 예제 대부분은 수십 년간 저자가 쌓아온 연구에 기반한 것이다. 단순히 기술적 매매나 투자 방법론에 머신러닝과 인공지능을 적용하여 투자 수익률을 높이는 방법에만 집중하지 않는다. 파이썬을 활용해 금융 분야의 핵심 이론이 어떻게 형성되어 왔으며, 머신러닝과 인공지능을 활용하여 이론이 지닌 부족함을 어떻게 보완할 수 있는지 설명한다. 또한 인공지능과 머신러닝을 활용해 금융시장의 통계적 비효율성을 발견하고 알고리즘 트레이딩을 활용하는 방법에 대해 배울 수 있다. 머신러닝과 딥러닝 알고리즘을 금융에 적용하려고 시도하는 모든 이에게 훌륭한 안내서가 되어줄 것이다.


정보제공 : Aladin

저자소개

이브스 힐피쉬(지은이)

The Python Quants의 설립자이자 이사이며, Python Quants LLC의 공동 창업자이다. 이 회 사들은 파이썬 기반의 금융 및 파생 상품 분석 소프트웨어와 파이썬 및 금융과 관련된 컨설팅, 개 발, 교육 서비스를 제공한다. 금융 수학을 전공했고, 경영학 박사 학위를 받았으며 자를란트 대학교 에서 계산금융의 수치적 방법론을 가르치고 있다. 저서로는 『파이썬을 활용한 금융 분석』(한빛 미디어, 2016), 『파이썬을 이용한 알고리즘 트레이딩』(제이펍, 2021), 『Derivatives Analytics with Python』(Wiley, 2015) 등이 있다.

김도형(옮긴이)

카이스트에서 자동 제어와 신호 처리를 전공했고 박사 학위를 받았다. 박사 학위 과정 중에 처음 파 이썬을 접했으며 시간이 날 때마다 파이썬을 활용했다. LG전자와 대우증권에서 파생 상품 프라이 싱 시스템, 금융 정보 모니터링 시스템, 알고리즘 트레이딩 시스템 등을 파이썬으로 구현했다. 현재 는 파이썬 기반 금융 분석, 최적 집행용 소프트웨어와 서비스를 만들고 있으며, 금융 분석 분야에서 파이썬이 더 널리 퍼질 수 있게 도울 수 있는 징검다리가 되고자 강의를 하고 있다.

정보제공 : Aladin

목차

[PART I 기계지능]
CHAPTER 1 인공지능
1.1 알고리즘
1.2 신경망
1.3 데이터의 중요성
1.4 마치며
1.5 참고 문헌

CHAPTER 2 초지능
2.1 성공 스토리
2.2 하드웨어의 중요성
2.3 지능의 형태
2.4 초지능으로 가는 길
2.5 지능의 폭발
2.6 목표와 제어
2.7 잠재적 결과
2.8 마치며
2.9 참고 문헌

[PART II 금융과 머신러닝]
CHAPTER 3 규범적 금융
3.1 불확실성과 리스크
3.2 기대효용 이론
3.3 평균-분산 포트폴리오 이론
3.4 자본자산 가격결정 모형
3.5 차익거래 가격결정 이론
3.6 마치며
3.7 참고 문헌

CHAPTER 4 데이터 기반 금융
4.1 과학적 방법론
4.2 계량경제학과 회귀분석
4.3 데이터 입수
4.4 규범적 이론의 재고
4.5 핵심 가정 깨부수기
4.6 파이썬 코드
4.7 마치며
4.8 참고 문헌

CHAPTER 5 머신러닝
5.1 학습
5.2 데이터
5.3 성공
5.4 용량
5.5 성능 측정
5.6 편향과 분산
5.7 교차검증
5.8 마치며
5.9 참고 문헌

CHAPTER 6 인공지능 우선 금융
6.1 효율적 시장
6.2 수익률 데이터에 기반한 시장 예측
6.3 더 많은 특징을 사용한 시장 예측
6.4 일중 시장 예측
6.5 마치며
6.6 참고 문헌

[PART III 통계적 비효율성]
CHAPTER 7 밀집 신경망
7.1 데이터
7.2 기준적 예측
7.3 데이터 정규화
7.4 드롭아웃
7.5 규제화
7.6 배깅
7.7 최적화
7.8 마치며
7.9 참고 문헌

CHAPTER 8 재귀 신경망
8.1 첫 번째 예제
8.2 두 번째 예제
8.3 금융 가격 시계열
8.4 금융 수익률 시계열
8.5 금융 특징
8.6 마치며
8.7 참고 문헌

CHAPTER 9 강화 학습
9.1 기본 개념
9.2 OpenAI Gym
9.3 몬테카를로 에이전트
9.4 신경망 에이전트
9.5 DQL 에이전트
9.6 단순 금융 Gym
9.7 더 나은 금융 Gym
9.8 FQL 에이전트
9.9 마치며
9.10 참고 문헌

[PART Ⅳ 알고리즘 트레이딩]
CHAPTER 10 벡터화된 백테스팅
10.1 단순 이동평균 전략 백테스팅
10.2 일간 신경망 전략 백테스팅
10.3 일중 신경망 전략 백테스팅
10.4 마치며
10.5 참고 문헌

CHAPTER 11 리스크 관리
11.1 트레이딩 봇
11.2 벡터화된 백테스팅
11.3 이벤트 기반 백테스팅
11.4 리스크 평가
11.5 리스크 관리 백테스팅
11.6 파이썬 코드
11.7 마치며
11.8 참고 문헌

CHAPTER 12 집행 및 배포
12.1 Oanda 계정
12.2 데이터 추출
12.3 주문 집행
12.4 트레이딩 봇
12.5 배포
12.6 파이썬 코드
12.7 마치며
12.8 참고 문헌

[PART Ⅴ 전망]
CHAPTER 13 인공지능 경쟁
13.1 인공지능과 금융
13.2 표준화 부족
13.3 교육과 훈련
13.4 자원을 위한 싸움
13.5 시장 충격
13.6 경쟁 시나리오
13.7 위험, 법규, 감독
13.8 마치며
13.9 참고 문헌

CHAPTER 14 금융 특이점
14.1 개념과 정의
14.2 무엇이 걸려 있는가
14.3 금융 특이점으로 가는 경로
14.4 기술과 자원
14.5 시나리오
14.6 스타트랙과 스타워즈
14.7 마치며
14.8 참고 문헌

[PART Ⅵ 부록]
APPENDIX A 상호작용형 신경망
A.1 텐서와 텐서 연산
A.2 간단한 신경망
A.3 얕은 신경망
A.4 참고 문헌

APPENDIX B 신경망 클래스
B.1 활성화 함수
B.2 단순 신경망
B.3 얕은 신경망
B.4 시장 방향 예측

APPENDIX C 합성곱 신경망
C.1 특징 및 라벨 데이터
C.2 모형 학습
C.3 모형 테스트
C.4 참고 문헌


정보제공 : Aladin

관련분야 신착자료

Blandy, Jim (2023)