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

229

6

장

지도 학습: 분류

백테스팅 결과를 살펴보면 실제 시장수익률에서 크게 벗어나지 않는다. 실제로 달성된 모멘

텀 거래 전략은 수익을 내기 위해 매수 또는 매도할 가격 방향을 더 잘 예측했다. 그러나 정

확도는

100

%가 아니고(

96

% 이상) 실제 수익에 비해 비교적 적은 손실을 기록했다.

8.

결론

이 실전 문제는 머신러닝으로 금융 문제를 해결할 때 문제를 구조화하는 것이 핵심 단계라

는 것을 시연해 보였다. 이 과정에서 투자 목표에 따라 레이블을 변환하고 특성 엔지니어링

을 수행하는 것이 거래 전략을 위해 필요하다는 것을 확인했다. 가격 움직임의 추세 및 모멘

텀과 관련된 직관적인 특성을 사용하는 것이 효율적임을 입증했다. 이것은 모델의 예측력을

높이는 데 유용했다. 마지막으로 과거 데이터를 사용해 거래 전략을 시뮬레이션할 수 있는

백테스팅 프레임워크를 소개했다. 이를 통해 실제 자본을 위험에 빠뜨리기 전에 결과를 생

성하고 위험과 수익성을 분석할 수 있었다.

6.4

맺음말

●

‘실전 문제

1

: 사기 탐지’에서는 불균형 데이터셋의 문제와 올바른 평가 메트릭 확보의 중요성을 살펴보

았다.

●

‘실전 문제

2

: 채무 불이행 확률’에서는 데이터 처리, 특성 선택, 탐색 분석에 대한 다양한 기술과 개념을

다루었다.

●

‘실전 문제

3

: 비트코인 거래 ...