나만의 투자 전략 실현을 위한 인공지능 퀀트 투자 학습법



알파고 이후 인공지능 기술은 제조, 의료, 교육, 게임, 보안 등 다양한 산업에 도입되었고, 머신러닝과 딥러닝을 기반으로 한 서비스가 생겨났다. 금융권도 인공지능이라는 날개를 달고 진화 중이다. 고객 대응, 자산 관리, 종목 분석, 주식 거래 등 지능형 시스템과 빅데이터를 활용하여 다양한 분야에서 폭넓은 서비스를 제공한다. 주식 거래를 위한 자료 수집부터 퀀트 투자 전략과 머신러닝/딥러닝을 이용한 투자 전략까지 상세히 설명한다. 알고리즘 트레이딩에 대한 머신러닝과 딥러닝 방법의 한계와 가능성을 명확히 알려주고, 실전에서 활용 가능한 최신 모델링 기법을 알려준다. 예제 코드는 이해하기 쉽도록 짧고 간단하게 구성했다. 이 책의 내용을 잘 따라 하면 자신만의 투자 가설을 검증하고, 자신만의 투자 기법을 머신러닝 툴로 실현하며, 계량적 투자 전략을 구현하는 과정에서 만나는 문제를 해결할 수 있다.

데이터 과학자로 하나금융융합기술원에서 로보어드바이저, 신용평가 시스템 개발 등의 프로젝트에 참여하고 있다. 중학생 때부터 10여 년간 중국에서 거주하며 베이징 대학교를 졸업했고 미국 캘리포니아 대학교 샌디에이고에서 국제경제 석사 학위를 받았다. 역서로는 『단단한 머신러닝』과 『데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집』(이상 제이펍, 2020)이 있다.

CHAPTER 1 금융과 투자 영역의 머신러닝
1.1 AI, 금융, 투자의 삼자관계
1.2 실제 투자 영역의 머신러닝 응용 사례
1.3 투자 영역에서 활용하는 알고리즘
1.4 투자 영역에서 활용하는 데이터
1.5 마치며

CHAPTER 2 금융 데이터 분석을 위한 파이썬 활용법
2.1 날짜와 시간
2.2 금융 데이터 전처리와 분석을 위한 판다스 사용법
2.3 금융 데이터 분석을 위한 오픈 API 활용
2.4 마치며

CHAPTER 3 파이썬으로 만드는 투자 전략과 주요 지표
3.1 바이앤홀드 전략
3.2 투자 성과 분석 지표
3.3 마치며

CHAPTER 4 전통 퀀트 투자 전략
4.1 전통 퀀트 방법론 소개
4.2 평균 회귀 전략
4.3 듀얼 모멘텀 전략
4.4 가치 투자 퀀트 전략
4.5 마치며

CHAPTER 5 금융에서의 머신러닝
5.1 왜 머신러닝을 활용해야 하는가?
5.2 머신러닝 알고리즘 소개
5.3 금융 시계열 데이터에 대한 교차 검증 방법
5.4 금융에서의 데이터 전처리
5.5 머신러닝을 활용한 전략의 평가 지표
5.6 백테스팅
5.7 머신러닝 알고리즘 구현을 위한 사이킷런
5.8 마치며

CHAPTER 6 머신러닝을 이용한 투자 전략
6.1 ETFs를 활용한 주가 방향 예측
6.2 k-최근접 이웃 알고리즘을 활용한 투자 전략
6.3 클러스터링 알고리즘을 활용한 종목 분류
6.4 마치며

CHAPTER 7 금융에서의 딥러닝
7.1 딥러닝
7.2 딥러닝 알고리즘 구현을 위한 케라스
7.3 마치며

CHAPTER 8 딥러닝을 이용한 투자 전략
8.1 CNN을 활용한 캔들차트 예측 분석
8.2 RNN을 활용한 주가 방향성 분류 예측
8.3 오토인코더를 활용한 주가 데이터 생성
8.4 마치며

부록 A 파이썬 시간/날짜 라이브러리
부록 B 파이썬을 이용한 백테스팅 API
부록 C 금융 용어 및 주요 거시 경제 지표
부록 D 금융 관련 파이썬 라이브러리