금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

20

1

부

프레임워크

1.1

현재와 미래의 금융 머신러닝 활용

주목할 만한 금융 머신러닝 활용을 살펴보자. 이 책에 제시되는 실전 문제는 아래에 언급한 활

용을 모두 다룬다.

1.1.1

알고리즘 트레이딩

알고리즘 트레이딩

(혹은 알고 트레이딩 )은 알고리즘을 사용해 스스로 트레이딩을 실행하는 것

이다.

1970

년대로 거슬러 올라가면, 알고리즘 트레이딩 (더 정확히 말해 자동화된 트레이딩 시

스템 )은 신속하고도 트레이딩을 결정하는 자동화된, 이미 짜인 트레이딩 명령어들의 수행에

불과했다.

머신러닝은 알고리즘 트레이딩을 새로운 차원으로 끌어올렸다. 더 발전된 전략을 실시간으로

적용해 채택할 수 있고, 머신러닝 기반 기술로 시장의 움직임을 포착하는 특별한 안목을 제공

할 수 있다. 대부분의 헤지 펀드와 금융기관은 트레이딩을 위한 자사의 머신러닝 기반 접근법

을 (합당한 이유로 ) 공개하지 않지만, 실시간 트레이딩을 결정하는 데 머신러닝의 역할이 점

차 더 중요해지고 있는 것만은 분명하다.

1.1.2

포트폴리오 관리와 로보 어드바이저

자산을 관리하는 회사는 투자 결정을 향상하기 위해 과거 데이터를 이용한 인공지능 (

AI

) 해결

책을 다방면에서 시도하고 있다.

한 예로 로보 어드바이저를 들 수 있다. 이는 알고리즘을 사용해 고객의 위험 감수 및 목표에

맞게 금융 포트폴리오를 조정하는 것이다. 로보 어드바이저는 더 나아가 투자자와 고객에게 자

동화된 재무 지침과 서비스까지 제공한다.

예를 들어, 사용자는 저축예금

2

억

8

천만 원으로

65

세에 은퇴한다는