알고리즘 거래를 위한 Python

서문

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

데이터주의는 우주가 데이터 흐름으로 구성되며, 어떤 현상이나 실체의 가치는 데이터 처리에 대한 기여도에 따라 결정된다고 말합니다....데이터주의는 동물[인간]과 기계 사이의 장벽을 무너뜨리고 전자 알고리즘이 결국 생화학 알고리즘을 해독하고 더 나은 성능을 발휘할 것으로 기대합니다.¹

유발 노아 하라리

금융 시장에서 자동으로 성공적으로 거래할 수 있는 올바른 알고리즘을 찾는 것은 금융의 성배입니다. 얼마 전까지만 해도 알고리즘 트레이딩은 자금력이 풍부하고 관리 자산이 많은 기관투자자만 이용할 수 있었고 가능했습니다. 최근 오픈 소스, 오픈 데이터, 클라우드 컴퓨팅, 클라우드 스토리지, 온라인 트레이딩 플랫폼 분야의 발전으로 소규모 기관과 개인 트레이더도 일반 노트북이나 데스크톱 컴퓨터와 안정적인 인터넷 연결만 갖추면 이 매력적인 분야를 시작할 수 있게 되었습니다.

오늘날 Python과 강력한 패키지로 구성된 생태계는 알고리즘 트레이딩을 위한 기술 플랫폼으로 선택받고 있습니다. 무엇보다도 Python을 사용하면효율적인 데이터 분석 (예를 들어 pandas를 통해), 주식 시장 예측에 머신러닝을 적용하거나( scikit-learn등으로), 심지어는 구글의 딥 러닝 기술( TensorFlow.

이 책은 주로 알파 생성 전략 (1장 참조)의 맥락에서 알고리즘 트레이딩을 위한 Python에 관한 책입니다. 방대하고 흥미로운 두 분야가 교차하는 이 책에서 모든 관련 주제를 다룰 수는 없습니다. 하지만 중요한 메타 주제는 심도 있게 다룰 수 있습니다.

이러한 주제에는 다음이 포함됩니다:

재무 데이터

금융 데이터는 모든 알고리즘 트레이딩 프로젝트의 핵심입니다. Python과 NumPy 및 pandas 같은 패키지는 모든 종류의 구조화된 금융 데이터(일말, 일중,고빈도)를 처리하고 작업하는 데 매우 유용합니다.

백테스팅

적용하려는 트레이딩 전략에 대한 엄격한 테스트 없이 자동화된 알고리즘 트레이딩을 사용해서는 안 됩니다. 이 책에서는 단순 이동평균, 모멘텀, 평균회귀, 머신/딥러닝 기반 예측에 기반한 트레이딩 전략을 다룹니다.

실시간 데이터

알고리즘 트레이딩은 실시간 데이터와 이를 기반으로 한 온라인 알고리즘, 실시간 시각화를 다뤄야 합니다. 이 책은 소켓 프로그래밍( ZeroMQ )과 스트리밍 시각화에 대한 소개를 제공합니다.

온라인 플랫폼

트레이딩 플랫폼 없이는 거래가 이루어질 수 없습니다. 이 책은 두 가지 인기 전자 트레이딩 플랫폼을 다룹니다: Oanda와 FXCM.

자동화

알고리즘 트레이딩의 장점과 몇 가지 주요 과제는 트레이딩 작업의 자동화에서 비롯됩니다. 이 책은 Cloud에 Python을 배포하는 방법과 자동화된알고리즘 트레이딩에 적합한 환경을 설정하는 방법을 보여줍니다.

이 책은 다음과 같은 특징과이점으로 독특한 학습 경험을 제공합니다:

관련 주제 범위

이 책은 알고리즘 ...