Book description
앞으로 금융 산업은 머신러닝과 데이터 과학으로 인해 변화될 것이다. 이 책은 금융업계에서 종사하는 분석가, 거래자, 연구원, 개발자, 데이터 엔지니어에게 유익한 머신러닝 알고리즘 구축법을 다룬다. 자연어 처리와 함께 지도 학습, 비지도 학습, 강화 학습에 필요한 머신러닝 개념과 19가지 사례 연구를 살펴본다. 또한 헤지 펀드, 투자 은행, 핀테크 회사 등 투자 전문가로 성장하기에 필요한 딥러닝 기반의 가이드를 제공한다. 포트폴리오 관리, 알고리즘 거래, 파생 상품 가격 책정, 이상 거래 탐지, 자산 가격 예측, 감정 분석, 챗봇 개발에 대해 자세히 설명한다. 실무자가 직면한 실제 문제를 코드와 예제를 활용해 해결할 수 있도록 과학적 솔루션을 제공한다.
Table of contents
- 지은이·옮긴이 소개
- 옮긴이의 말
- 이 책에 대하여 (1/3)
- 이 책에 대하여 (2/3)
- 이 책에 대하여 (3/3)
- Part 1 프레임워크
-
Part 2 지도 학습
- Chapter 4 지도 학습: 모델 및 개념
-
Chapter 5 지도 학습: 회귀(시계열 모델)
- 5.1 시계열 모델 (1/2)
- 5.1 시계열 모델 (2/2)
- 5.2 실전 문제 1: 주가 예측 (1/4)
- 5.2 실전 문제 1: 주가 예측 (2/4)
- 5.2 실전 문제 1: 주가 예측 (3/4)
- 5.2 실전 문제 1: 주가 예측 (4/4)
- 5.3 실전 문제 2: 파생 상품 가격 책정 (1/3)
- 5.3 실전 문제 2: 파생 상품 가격 책정 (2/3)
- 5.3 실전 문제 2: 파생 상품 가격 책정 (3/3)
- 5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저 (1/4)
- 5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저 (2/4)
- 5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저 (3/4)
- 5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저 (4/4)
- 5.5 실전 문제 4: 수익률 곡선 예측 (1/2)
- 5.5 실전 문제 4: 수익률 곡선 예측 (2/2)
- 5.6 맺음말
- Chapter 6 지도 학습: 분류
-
Part 3 비지도 학습
-
Chapter 7 비지도 학습: 차원 축소
- 7.1 차원 축소 기술 (1/2)
- 7.1 차원 축소 기술 (2/2)
- 7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기) (1/4)
- 7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기) (2/4)
- 7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기) (3/4)
- 7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기) (4/4)
- 7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링 (1/3)
- 7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링 (2/3)
- 7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링 (3/3)
- 7.4 실전 문제 3: 비트코인 거래(속도와 정확성 향상) (1/2)
- 7.4 실전 문제 3: 비트코인 거래(속도와 정확성 향상) (2/2)
- 7.5 맺음말
- 7.6 연습 문제
-
Chapter 8 비지도 학습: 군집화
- 8.1 군집화 기술 (1/2)
- 8.1 군집화 기술 (2/2)
- 8.2 실전 문제 1: 쌍 거래를 위한 군집화 (1/4)
- 8.2 실전 문제 1: 쌍 거래를 위한 군집화 (2/4)
- 8.2 실전 문제 1: 쌍 거래를 위한 군집화 (3/4)
- 8.2 실전 문제 1: 쌍 거래를 위한 군집화 (4/4)
- 8.3 실전 문제 2: 포트폴리오 관리(투자자 군집화) (1/2)
- 8.3 실전 문제 2: 포트폴리오 관리(투자자 군집화) (2/2)
- 8.4 실전 문제 3: 계층적 위험 패리티 (1/2)
- 8.4 실전 문제 3: 계층적 위험 패리티 (2/2)
- 8.5 맺음말
- 8.6 연습 문제
-
Chapter 7 비지도 학습: 차원 축소
-
Part 4 강화 학습과 자연어 처리
-
Chapter 9 강화 학습
- 9.1 강화 학습: 이론 및 개념 (1/4)
- 9.1 강화 학습: 이론 및 개념 (2/4)
- 9.1 강화 학습: 이론 및 개념 (3/4)
- 9.1 강화 학습: 이론 및 개념 (4/4)
- 9.2 실전 문제 1: 강화 학습 기반 거래 전략 (1/5)
- 9.2 실전 문제 1: 강화 학습 기반 거래 전략 (2/5)
- 9.2 실전 문제 1: 강화 학습 기반 거래 전략 (3/5)
- 9.2 실전 문제 1: 강화 학습 기반 거래 전략 (4/5)
- 9.2 실전 문제 1: 강화 학습 기반 거래 전략 (5/5)
- 9.3 실전 문제 2: 파생상품 헤징 (1/4)
- 9.3 실전 문제 2: 파생상품 헤징 (2/4)
- 9.3 실전 문제 2: 파생상품 헤징 (3/4)
- 9.3 실전 문제 2: 파생상품 헤징 (4/4)
- 9.4 실전 문제 3: 포트폴리오 배분 (1/3)
- 9.4 실전 문제 3: 포트폴리오 배분 (2/3)
- 9.4 실전 문제 3: 포트폴리오 배분 (3/3)
- 9.5 맺음말
- 9.6 연습 문제
-
Chapter 10 자연어 처리
- 10.1 자연어 처리: 파이썬 패키지
- 10.2 자연어 처리: 이론 및 개념 (1/3)
- 10.2 자연어 처리: 이론 및 개념 (2/3)
- 10.2 자연어 처리: 이론 및 개념 (3/3)
- 10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략 (1/5)
- 10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략 (2/5)
- 10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략 (3/5)
- 10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략 (4/5)
- 10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략 (5/5)
- 10.4 실전 문제 2: 챗봇 - 디지털 어시스턴트 (1/3)
- 10.4 실전 문제 2: 챗봇 - 디지털 어시스턴트 (2/3)
- 10.4 실전 문제 2: 챗봇 - 디지털 어시스턴트 (3/3)
- 10.5 실전 문제 3: 문서 요약 (1/2)
- 10.5 실전 문제 3: 문서 요약 (2/2)
- 10.6 맺음말
- 10.7 연습 문제
-
Chapter 9 강화 학습
Product information
- Title: 금융 전략을 위한 머신러닝: 19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학
- Author(s):
- Release date: December 2021
- Publisher(s): Hanbit Media, Inc.
- ISBN: 9791162245002
You might also like
book
밑바닥부터 시작하는 데이터 과학 데이터 분석을 위한 파이썬 프로그래밍과 수학·통계 기초
“데이터 과학의 기본 개념을 잡는 입문서!” 이 책은 라이브러리나 프레임워크와 같은 도구를 사용하지 않고 ‘밑바닥부터’ 만들어 …
book
R을 활용한 데이터 과학
R로 시작하는 데이터 과학의 여정 이 책은 R을 활용하여 원 데이터로부터 지식과 통찰을 끌어내는, 데이터 과학의 …
book
파이썬으로 웹 크롤러 만들기: 초간단 나만의 웹 크롤러로 원하는 데이터 가져오는 방법
웹에 존재한다면 그것이 어떤 형태이든 데이터로 추출할 수 있다. 필요한 무기는 이 책과 파이썬뿐. BeautifulSoup, 셀레니움, …
book
컨테이너 보안: 컨테이너화된 응용 프로그램의 보안을 위한 개념, 이론, 대응법과 모범 관행까지
컨테이너 환경에 특화된 보안 문제를 다루는 실무 지침서다. 컨테이너를 배치하고 실행하는 단계마다 어떤 일이 일어나며, 발생할 …