한빛출판네트워크

IT/모바일

금융 전략을 위한 머신러닝

19가지 사례를 통해 익히는 금융 전략, 머신러닝, 데이터 과학

한빛미디어

번역서

판매중

금융 전략을 위한 머신러닝
좋아요: 3
  • 저자 : 하리옴 탓샛 , 사힐 푸리 , 브래드 루카보
  • 역자 : 김한상
  • 출간일 : 2021-12-27
  • 페이지 : 468쪽
  • ISBN : 9791162245002
  • 물류코드 :10500

합계 : 31,500

도서판매처

  • 적용 사례 연구 및 코드 예제를 함께 제공하는 금융 분야의 ML 및 AI를 다루는 ‘완전한’ 책

     

    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.

     

  • [저자] 하리옴 탓샛

    현재 뉴욕에 있는 투자 은행의 정량 분석 부서에서 부사장으로 일하고 있다. 여러 글로벌 투자 은행과 금융 조직의 예측 모델링, 금융 상품 가격 책정 및 리스크 관리 분야에서 다양한 경험을 쌓았다. UC 버클리 대학교에서 석사 학위를, 인도의 공과대학교 카라그푸르에서 학사 학위를 취득했다. 금융 리스크 매니저(FRM) 인증과 양적 금융 인증(CQF)도 이수했으며 CFA 레벨3 후보군이다.

    [저자] 사힐 푸리

    정량 연구원으로 일하고 있다. 그는 모델 가정을 테스트하고 여러 자산 분류에 대한 전략을 찾는다. 다양한 문제에 여러 가지 통계 및 머신러닝 기반 기술을 적용해 왔다. 예를 들어 텍스트 특징 생성, 레이블링 곡선 이상 징후, 비선형 위험 요인 감지 및 시계열 예측 등이 있다. UC 버클리 대학교에서 석사 학위를, 인도 델리 공과대학교에서 학사 학위를 취득했다.

    [저자] 브래드 루카보

    샌프란시스코에 위치한 부동산 투자 스타트업 Union Home Ownership Investors에서 포트폴리오 관리 부사장으로 일하고 있다. 그의 연구는 비즈니스 프로세스, 내부 시스템 및 소비자 대상 제품에서 머신러닝과 투자 의사 결정 모델의 구현에 초점을 맞추고 있다. 공저자와 마찬가지로 UC 버클리 대학교에서 금융 공학 석사 학위를 취득했다.

    [역자] 김한상

    고려대학교에서 컴퓨터공학과 학사와 석사를 마치고, 파리 대학교에서 보안 전공 박사 학위를 받았다. 자율 주행 차와 금융 포트폴리오 관리 분야의 데이터 기반 의사 결정에 관심을 갖고 금융 데이터 분석 과제를 진행 중이다. 현재 미국 실리콘 밸리 자율 주행 차 회사에 근무하고 있다.

  • PART 1 프레임워크

     

    CHAPTER 1 금융 머신러닝

    1.1 현재와 미래의 금융 머신러닝 활용

    1.2 인공지능, 머신러닝, 딥러닝, 데이터 과학

    1.3 머신러닝의 다양한 유형

    1.4 자연어 처리

    1.5 맺음말

     

    CHAPTER 2 머신러닝 모델 개발

    2.1 왜 파이썬인가?

    2.2 머신러닝을 위한 파이썬 패키지

    2.3 모델 개발 단계

    2.4 맺음말

     

    CHAPTER 3 인공 신경망

    3.1 구조, 학습, 하이퍼파라미터

    3.2 인공 신경망 모델 생성

    3.3 맺음말

     

     

    PART 2 지도 학습

     

    CHAPTER 4 지도 학습: 모델 및 개념

    4.1 지도 학습 모델: 개념

    4.2 모델 성능

    4.3 모델 선택

    4.4 맺음말

     

    CHAPTER 5 지도 학습: 회귀(시계열 모델)

    5.1 시계열 모델

    5.2 실전 문제 1: 주가 예측

    5.3 실전 문제 2: 파생상품 가격책정

    5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저

    5.5 실전 문제 4: 수익률 곡선 예측

    5.6 맺음말

    5.7 연습 문제

     

    CHAPTER 6 지도 학습: 분류

    6.1 실전 문제 1: 사기 탐지

    6.2 실전 문제 2: 채무 불이행 확률

    6.3 실전 문제 3: 비트코인 거래 전략

    6.4 맺음말

    6.5 연습 문제

     

     

    PART 3 비지도 학습

     

    CHAPTER 7 비지도 학습: 차원 축소

    7.1 차원 축소 기술

    7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기)

    7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링

    7.4 실전 문제 3: 비트코인 거래(속도와 정확성 향상)

    7.5 맺음말

    7.6 연습 문제

     

    CHAPTER 8 비지도 학습: 군집화

    8.1 군집화 기술

    8.2 실전 문제 1: 쌍 거래를 위한 군집화

    8.3 실전 문제 2: 포트폴리오 관리(투자자 군집화)

    8.4 실전 문제 3: 계층적 위험 패리티

    8.5 맺음말

    8.6 연습 문제

     

     

    PART 4 강화 학습과 자연어 처리

     

    CHAPTER 9 강화 학습

    9.1 강화 학습: 이론 및 개념

    9.2 실전 문제 1: 강화 학습 기반 거래 전략

    9.3 실전 문제 2: 파생상품 헤징

    9.4 실전 문제 3: 포트폴리오 배분

    9.5 맺음말

    9.6 연습 문제

     

    CHAPTER 10 자연어 처리

    10.1 자연어 처리: 파이썬 패키지

    10.2 자연어 처리: 이론 및 개념

    10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략

    10.4 실전 문제 2: 챗봇-디지털 어시스턴트

    10.5 실전 문제 3: 문서 요약

    10.6 맺음말

    10.7 연습 문제

  • 복잡한 금융 데이터를 제대로 다루고 싶다면 꼭 읽어야 할 필독서!

     

    금융 서비스 분야는 방대한 데이터를 실시간으로 생성하며, 데이터 해석에 따른 올바르고 신속한 판단과 결정이 필요합니다. 금융 사기 탐지, 신용 대출 심사, 주가 변화 추이 예측, 포트폴리오 구성 및 재조정 등 다양한 금융 서비스에 머신러닝을 활용할 수 있습니다. 이 책의 실전 문제에서 다양한 활용법을 소개 및 구현하고 시연합니다. 더 나아가 각 장 마무리에 연습 문제를 제시하여 어떻게 응용, 발전시킬지 구체적 방향을 제시합니다.

    머신러닝을 이해하고 금융 서비스에 활용하는 시대, 나아가 금융 자산을 보호하고, 자산 가치를 극대화하는 시대가 현실화되고 있습니다. 이 책을 재밌게 읽고 책에서 소개한 내용을 실제로 활용 및 응용할 수 있기를 바랍니다.

     

     

    대상 독자

    • 금융 데이터를 제대로 다루고 싶은 학생, 관련 직업 종사자
    • 파이썬을 활용하여 자신의 기존 전략을 정량화하고 자동화하고 싶은 독자

     

    주요 내용 

    • 거래 전략, 파생 상품 가격 책정, 포트폴리오 관리 ─ 회귀 기반 지도 학습 모델
    • 신용 부도 위험 예측, 이상 거래 탐지와 거래 전략 ─ 분류 기반 지도 학습 모델
    • 포트폴리오 관리, 거래 전략과 수익률 곡선 구성에 대한 사례 연구 ─ 차원 축소 기법
    • 거래 전략과 포트폴리오 관리에 대한 사례 연구와 함께 유사한 개체 찾기 ─ 알고리즘과 클러스터링 기술
    • 거래 전략 구축, 파생 상품 헤징과 포트폴리오 관리 ─ 강화 학습 모델과 기법
    • 텍스트 분석, 텍스트 마이닝, 전산 언어학, 콘텐츠 분석 ─ NLP 기술

  •  


     


     


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


     


     



      대 재테크의 시대를 맞아서 일까? 금융과 IT가 접목된 책들이 쏟아져 나오고 있다. 금융 데이터들은 기본적으로 시계열 데이터가 상당히 많은 부분을 차지하다보니 인공지능, 머신러닝 책에서 주로 하나의 예제로써 많이 다뤄 왔었다. 이제는 금융 IT 자체가 일반인들에게도 알려지기 시작하면서 이런 류의 책들도 많이 나오기 시작했다. 애초에 금융에 관심이 많은, 프로그래밍을 할 줄 아는 사람이라면 이 책 『금융 전략을 위한 머신러닝』 으로 머신러닝이라는 것을 입문해보는 것은 어떨까.


     


     


    금융 전략을 위한 머신러닝 대상 독자


     


     



      책의 저자인 하이옴 탓셋은 현재도 뉴욕의 투자 은행에서 정량 분석 부서의 부사장으로 일을 하고 있다고 한다. 현업에서 금융과 관련된 예측 모델링과 가격 책정, 리스크 관리를 수행하고 있으니 그 경험을 책에 고스란히 녹여 내고자 했을 것이라 생각된다. 사실 책에서 소개하는 대상 독자는 단순히 이 분야에 관심을 가지는 학생이나 일반적인 개발자들이 아니다. 저자는 금융 분야에서 일을 하고 있는 데이터 과학자, 퀀트 연구원, 머신러닝 관련 개발자 등의 전문가들에게 더 유용할 것이라 말하고 있다. 특히 퀀트에 머신러닝을 적용하는 경우에 많은 도움을 얻을 수 있을 것이라고 한다.


     



      다행인 점은 최근 일반인들 사이에서도 퀀트에 대한 관심이 많이 생겼고 컴퓨터 분야의 비전공자들도 프로그래밍에 공부하는 경우가 많아졌다. 그에 따라 시중에 퀀트 관련 책도 많이 나오고 있는 것 같다. 이제는 직접 투자를 하는 사람도 많고 암호 화폐 등 다양한 상품을 트레이딩 하는 경우도 많아 졌기 때문에 저자가 말하는 전문가들이 아니더라도 이 책을 통해 많은 아이디어를 얻을 수 있을 것 같다.


     


     


    금융 전략을 위한 머신러닝, 알고리즘 트레이딩 


     


     


      금융 분야에서 머신러닝의 주 관심 중 하나는 역시 알고리즘 트레이딩일 것이다. 프로그램 매매와도 일맥상통하는 부분인데, 굉장히 짧은 시간에 미래를 예측하고자 하는 시도에서 나오는 분야이다. 이제는 사람이 그 짧은 타이밍을 생각하고 결정하기 힘든 시대가 되었기 때문에 컴퓨터가 얼마나 빠르게, 얼마나 정확하게 예측하고 트레이딩 할 수 있는 지가 수익을 결정하게 된다. 머신러닝은 이 분야에 새로운 방버을 제시하고 있고 여전히 가장 많이 연구되고 있는 분야 중 하나이다.


     


     


    금융 전략을 위한 머신러닝, 시계열 모델


     


     


      금융 데이터는 상당히 많은 부분이 시계열 데이터로 구성되어 있어서 기존의 전통적인 통계 기법과 더불어 머신러닝의 대부분의 기법들도 적용하기 정말 좋게 되어 있다. 게다가 대부분의 데이터가 모두에게 공개되어 있고 마음만 먹으면 공부한 방법을 적용해 볼 수도 있다. 이 책의 5장에서는 시계열 데이터를 어떻게 모델링하고 설계할 수 있는지에 대한 내용을 상세하게 알려준다. 후반부에는 직접 적용해 볼 수 있는 실습도 준비되어 있어서 이해하는데 큰 도움을 준다.


     


     




     


     



      실제 구글(알파벳), 마이크로소프트 등 기업의 데이터를 불러와서 주가 예측을 하는 실습도 준비되어 있다. 문제를 어떻게 정의하며, 상관 자산, 기술 지표, 가치 분석 등의 관점에서 어떤 특성들을 이용해서 머신러닝 모델을 설계할 것인지 생각해볼 수 있었다. 여러가지 실습을 따라해보면 자신만의 방법을 찾아 갈 수 있을 것 같다. 물론 중요한 것은 머신러닝을 어떻게 잘 쓸 것인가가 아니라 모델에 들어가는 그 특성들을 얼마나 잘 이해하고 있는지 이므로, 프로그래밍 공부와 함께 금융 공부를 따로 꼭 해야 한다...


     



    정리



      대상 독자가 전문가들인만큼 모든 이론과 설명이 친절하고 자세하게 되어 있지는 않다. 그럼에도 개인적으로 이 책을 입문용으로 써도 된다고 생각하는 이유는 재미있기 때문이다. 딱딱한 머신러닝과 인공지능의 이론과 딱히 관심도 없는 내용의 실습들을 따라할 때의 귀찮음과 고통은 이루어 말할 수가 없다. 금융에 관심이 있는 사람, 재테크와 돈에 관심이 있는 사람이라면 이 책으로 머신러닝에 입문해보는 것도 추천한다.


  • "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."



    0. 도서 정보



     1) 도서 명 : 금융 전략을 위한 머신러닝



     2) 저자 : 하리옴 탓샛, 사힐 푸리, 브래드 루카보



     3) 링크


     


     




     



    1. 서평


     - 이 책은 제목만 봐도 알 수 있듯이 요즘 시대를 살고 있는 사람이라면 관심이 있을 금융에 머신러닝을 어떻게 접목시키는 지 알려주는 책이다. 첫 부분의 도입은 어느 머신러닝 도서와 마찬가지로 파이썬을 써야 하는 이유, 지도 학습 / 비지도 학습의 차이, 회귀 / 분류에 대한 차이를 알려준다. 이후엔, 데이터 처리, 머신러닝, 금융에 대한 접목까지 순서대로 알려주는 방식으로 소개되어 있다. 개인적으로 맘에 드는 방식은 어느정도 코드를 잘라서 설명해 주는 것이다. 어떤 책들을 보면 수 페이지에 달하는 코드를 그냥 붙여놓은 것들이 있는데, 이럴 때는 진짜 보기가 힘들다. 하지만 이 책은 이 부분은 이 그림을 그린다. 이 부분은 데이터를 준비하는 과정이다. 등을 서술해 놓았기에 굳이 코드를 따라 작성하지 않아도 되는 장점이 있다.

  •  


    "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


     


    이 책은 금융 분야에서의 머신러닝 활용 예시 및 접근 방법에 대해 서술하고 있다. 책을 보기 전에는 금융 지식도 필요할까 궁금했는데, 처음 접하는 개념들이 수식과 함께 나오는 경우도 있지만 기본적인 용어 및 개념 정도를 숙지하고 있으면서 주식 매매 경험이 있다면 충분하다고 본다. 생각보다 매우 광범위한 분야의 머신러닝 알고리즘들을 다룬다. 금융에서의 머신러닝이라고 하면 기본적으로 주가 전망을 떠올리기 마련이다. 따라서 시계열 예측을 주로 다루면서 여기에 필요한 머신러닝 및 신경망 알고리즘 정도를 다루고 끝날 것으로 예상했다. 하지만 막상 읽어보니 수익률 예측부터 포트폴리오 분배 및 헷징, 사기 탐지, 뉴스 및 SNS 분석 등의 다양한 주제를 다루고 있었다. 기술적인 측면에서도 기본적인 개념 설명부터 시작하여 시계열 예측, 군집화, 시각화, 강화학습, 그리고 자연어처리까지 다루고 있다. Computer vision 분야를 제외하고는 주요 머신러닝 개념과 사용법을 다루기 있기 때문에, 이 책을 통해서 분명 습득할 수 있는 기술이 많을 것으로 보인다. 하지만 약 450페이지라는 적지 않은 분량의 대부분의 예시가 금융 모델링 실습이므로, 본 책을 통해 머신러닝 자체를 공부하기보다는 이미 어느 정도 지식이 있는 독자가 금융 분석을 습득하는 것이 바람직할 것으로 보인다. 실습에서는 주가 예측이나 파생 상품 가격 책정 등의 문제를 다루며, 예측 모델을 만드는 것 이외에도 시각화 및 금융 지식을 기반으로 한 모델 튜닝을 다루는 점이 좋았다. 금융 분야 비전공자 입장에서는 파생 상품 가격 책정에 쓰이는 Black-Scholes 공식이나 이자율 모델링 등과 같은 금융 배경 설명이 매우 흥미로웠다. 이를 배경으로 하는 문제 설계를 통해, 특정 데이터가 모델링에 사용되는 이유를 이해할 수 있다. 또한 저자 및 한빛미디어 각각 GitHub을 통해 코드를 Nobebook 형태로 제공하며, 이를 통해 빠르게 실습할 수 있다는 장점도 있다. 두 코드를 비교한 결과 저자인 Hariom Tatsat과 한빛미디어의 내용은 동일한 것으로 보인다. 다소 어려운 개념인 강화학습이나 자연어 처리까지 금융 문제에 접목한 점이 흥미로웠으며, 특히 강화학습의 경우 문제 정의 및 실제 구현 예시를 통해 알고리즘의 이해와 포트폴리오 배분 등의 금융 전략을 동시에 익힐 수 있어서 유용했다. 내가 만약 금융 지식이 더 많았다면 나만의 시각 및 의견을 가지고 조금 더 비판적이고 즐겁게 책을 볼 수 있었을 것이다. 이 책의 내용이 여러분을 당장 머신러닝을 활용한 트레이더로 만들 수는 없겠지만, 해당 분야의 전문성을 가지기 위해 입문하는 사람이라면 한 번 읽어볼 것을 추천한다.


     



    다만 아쉬운 점은 책에서 소개하는 예시는 Keras 라이브러리를 활용하였지만, 현재 Keras 공식적으로 TensorFlow 포함되었기 때문에, 추후 개정판에서는 코드 업데이트가 필요할 것으로 보인다. 하지만 저자의 GitHub 업데이트가 되지 않았기 때문에, 국내 출판사 차원에서 작업을 해야할 것으로 보이지만 일부 라이브러리 등의 버전 차이로 인해 코드 내용이 일부 달라질 수도 있을 것으로 보인다. 또한 많은 용어를 한국어로 번역하는 과정에서 일부 매끄럽지 않은 번역도 있는데, 이러한 경우에는 이해를 위해 원래 용어를 사용하는 것이 자연스러울 것으로 보인다. 예를 들어 pip 핍이라고 옮기는 것은 억지스러운 면이 있으며, 독자들에게 혼란을 것으로 예상된다.



     

     


     


  • 리뷰 출처: https://vg-rlo.tistory.com/277 [vg-rlo]


    금융 전략을 위한 머신러닝 실습 - https://gitlab.com/inspro9/hanbit_mlfi
    금융 전략을 위한 머신러닝 - https://www.hanbit.co.kr/media/books/book_view.html?p_code=B2331794765


     


    금융 전략을 위한 머신러닝


    금융업계에서 종사하는 사람에게 유익한 머신러닝 알고리즘 구축법을 알려준다. 자연어 처리와 함께 지도 학습, 비지도 학습, 강화 학습에 필요한 머신러닝 개념과 19가지 사례 연구를 살펴본다


    www.hanbit.co.kr




    https://www.hanbit.co.kr/media/books/book_view.html?p_code=B2331794765


    전체적인 내용


    금융 전략을 위한 머신러닝의 책 목차를 보면, 핸즈온 머신러닝이나 밑바닥부터 시작하는 딥러닝과 같은 유명한 딥러닝/머신러닝 저서들과 비슷한 목차로 구성되어 있습니다. 


    • 프레임워크

    • 지도 학습

    • 비지도 학습

    • 강화 학습과 자연어 처리



    여러 머신러닝/딥러닝 모델들을 금융 분야에 접목했을때 어떤 식으로 활용할 수 있는지 알 수 있습니다. 책에서 소개하는 금융 분야에서의 머신러닝 활용의 예시로는 아래의 내용들이 있습니다. 해당 예시들과 관련된 머신러닝/딥러닝 실습들이 책에서 소개되어 있고, 실습 관련해서 gitlab 페이지에 실습 코드가 제공됩니다.


    • 알고리즘 트레이딩

    • 포트폴리오 관리와 로보 어드바이저

    • 이상 거래 탐지

    • 대출/신용카드/보험 계약 심사자동화와 챗봇

    • 위험 관리

    • 자산 가치 예측

    • 파생 상품 가격 책정

    • 감정 분석

    • 거래 결제

    • 돈세탁 방지


    Part 1. 프레임워크


    책 서두에 해당하는 Part 1 프레임워크에서 머신러닝/딥러닝의 기초적인 정의부터 Python 패키지 설치, 탐색적 데이터 분석, 모델 평가, 모델 튜닝 등 모델 개발의 전 단계를 전체적으로 설명합니다. 초급자라면 Part 1은 전체적으로 읽으면서 개념을 체크해보고 잘 알고 있는지 확인하면서 읽는 것을 추천합니다. 면접이나 취업 준비할 때 알고 있으면 좋을 개념들을 짧게 4~5줄 정도로 요약하고 정리되어 있기 때문에 개념을 다시 한번 체크하기에 좋은 내용으로 구성되어있습니다. 여러번의 대회 경험이 있거나 딥러닝/모델 개발 경험이 여러번 있는 독자 분들은 해당 파트를 skip해도 괜찮을거 같습니다.


    Part 2. 지도 학습


    scikit learn 라이브러리에서 사용해볼 수 있는 회귀 모델과 분류 모델의 대다수를 다룹니다. 각 모델들에 대해 구체적으로 다루진 않지만 공식 문서 수준으로 모델 코드가 짤막하게 제공되고, 모델 이론과 각 모델의 장단점, 그리고 하이퍼파라미터를 각각 언급하기 때문에 Part 2 역시 초급자 분들에게 개념을 다시 되짚어보기 좋은 부분들이라고 생각됐습니다.



    • 회귀

      • 선형 회귀

      • 정규화 회귀

      • K - 최근접 이웃

      • 결정 트리 회귀(CART)

      • 서포트 벡터 회귀

      • 에이다부스트

      • 경사 부스팅 방법

      • 랜덤 포레스트 방법

      • 엑스트라 트리




    •  분류

      • 로지스틱 회귀

      • 선형 판별 분석

      • K - 최근접 이웃

      • 결정 트리 분류기

      • 서포트 벡터 분류기

      • 에이다부스트

      • 경사 부스팅 방법

      • 랜덤 포레스트 방법

      • 엑스트라 트리




    이외에도 시계열 모델, 딥러닝 모델을 활용한 예제가 함께 있으며 각 예제에서는 다른 이슈를 다룹니다. 어떤 문제에서는 불균형한 데이터셋 이슈, 특성 선택, 평가 메트릭의 선택 등 모델링을 하면서 부딪힐 수 있는 여러 이슈들에 대한 부분이 설명되어있습니다. 책에서 대부분의 이론은 구체적으로 설명되어있지는 않습니다. 하지만, 머신러닝/딥러닝 관련 키워드를 전체적으로 익힐 수 있다는 점이 좋습니다. 


    Part 3. 비지도 학습


    비지도 학습 부분에서는 머신러닝/딥러닝을 배우다보면 예측 모델이나 분류 모델은 자주 접하지만 공부하는 단계에서는 실습을 자주 해볼 수 없는 차원 축소나 군진화 예제가 담겨있습니다. Part 3가 이 책의 장점을 잘 드러내는 파트라고 생각했습니다. 어떤 태스크를 가지고 이런 모델을 적용해볼 수 있다라고 설명해주고 그 과정에서 모델링 코드만 제공하지 않고 보여지는 시각화 자료나 모델링 결과에 대한 해석까지 같이 제공되어 좋았습니다.


    Part 4. 강화 학습과 자연어 처리


    해당 파트에서는 강화 학습을 거래 전략이나 헤징 전략, 포트폴리오 배분 등에 활용하는 예시들을 보여줍니다. 그리고 자연어 처리는 Word2Vec, TextBlob, LSTM, ChatterBot 등 사전 학습된 모델이 담긴 라이브러리나 모델을 활용해서 금융 분야에서 어떻게 쓰이는지 예시로 실습이 제공됩니다. 자연어 처리에는 요약, 감정 분석, 챗봇 등과 관련된 모델링을 짆냉해볼 수 있습니다. 강화 학습과 자연어 처리에는 짧은 분량에서 여러 방향의 모델 기법들이 담겨 있다보니 짧은 설명에 비해 개념적으로 담아야하는 내용이 너무 많은 점이 아쉬웠습니다. 


    누구에게 추천하는 책일까? 


    머신러닝/딥러닝이 아예 처음이라면 해당 책에서도 Part 1을 추천하지만, Part 2, Part 3는 보고 책도 접고.. 머신러닝/딥러닝도 접게 되지 않을까?! 싶습니다. 어느 정도 회귀/분류 모델에 대한 이해가 있고, 주피터 노트북으로 실습을 진행하면서 scikit learn 정도 활용해본 경험이 있는 분들이 해당 책으로 읽어보실 것을 추천드립니다. 여러 실습이 해결해야하는 문제와 함께 있기 때문에 단순히 모델을 이해하는 실습만으로 구성되어 있지 않습니다. 그래서 실습을 따라가면서 공부하면 꼭 금융 분야에 관심이 있지 않더라도 책을 즐겁게 읽어나갈 수 있을거 같습니다. 책을 읽으면서 저도 많이 했던 생각이 "이 모델을 적용해서 이런 문제도 풀 수 있구나!" 였습니다. 책 표지에 소개된 것처럼 19가지 사례와 함께 익히는 머신러닝이기 때문에 사례 기반의 학습을 할 수 있다는 점에서 조금 머신러닝/딥러닝 모델이 익숙한 독자 분들에게 토이 프로젝트를 만들어갈 수 있는 아이디어를 제공할 수 있는 책이라고 생각됩니다.


     



    "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."




  • Data-powered enterprise가 될 수 있는 가능성이 높은 산업군은 어디일까? IT기반 회사, 유통 회사 등 여러 산업군이 있겠지만 나는 그 중에서도 금융권을 주목하고 싶다. 금융업계는 예전부터 data가 전산화 되어 왔고, 시장 예측이나 이상 거래 탐지 등 data를 기반으로 한 task가 필요하며 숫자/통계 없이 커뮤니케이션 할 수 없는 업계이기 때문이다.


    이번 달 부터 한빛미디어 서포터즈를 통해서 1달에 1권 씩 책을 제공받아 리뷰를 쓰게 되었는데, 이 책이 그 첫번째가 되었다! 무튼, 그 전부터 나는 여의도, 월스트리트의 도시적이고 바쁜 분위기를 연상케 하는 금융권에 대한 왠지 모를 경외심과 최근 마이데이터 사업 등과 같이 Big Data/AI를 누구보다 요구하며 기술을 활용할 수 있는 양질의 data를 가지고 있는 이 산업군에 머신러닝을 적용하는 것에 대한 관심을 가져 왔었다.


    이 책은 3명의 금융권 ML 연구원들에 의해 쓰여졌고, 뉴요커 금융맨들이 소개해 주는 19가지 사례를 통해 머신 러닝에 대한 전반적인 개념부터 실전 예제까지 체험해 볼 수 있다. 다만, AI분야를 한 번도 훑지 않은 사람이라면 어려울 수 있다.




    전문: https://sysout.tistory.com/83 [Emily's Tistory]


     



    ※ 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다

  • PART 1에서는 금융 머신러닝의 소개와 기본적인 머신러닝 지식들을 설명하고 있다.


    문제정의 - 데이터와 패키지 불러오기 - 탐색적 데이터 분석 - 데이터 준비 - 모델 평가 - 모델 튜닝 및 개선 - 모델 결정


    위의 머신러닝 모델의 개발 과정을 처음부터 끝까지 단계별로 코드와 함께 대략적으로 설명하고, 



    모델 개발 과정에서의 주요 키워드를 중심으로 설명하고 있어서 헷갈릴 수 있는 개념들을 다시 한번 잡기에 좋았다.


    또한 각 모델별 설명에서 모델의 특성과 장단점을 설명해준다는 점이 좋았다.


    PART 1은 머신러닝 개념 설명에 중점을 두고 설명하고 있지만 중간중간 금융에서 어떻게 활용할 지 간단히 예시를 보여준다.



    PART 2,3,4 에서는 각각 지도학습(회귀, 분류), 비지도학습(차원 축소, 군집화), 강화학습과 자연어 처리로 나누어 각각 3-4개씩 총 19개의 금융 머신러닝 실전 예제를 다루고 있다.



    각각의 예제와 관련된 금융에서의 과제 설명과 예제에서 중점을 두는 내용을 설명으로 시작하여 위의 머신러닝 모델 개발 과정을 순서대로 코드와 함께 설명한다.


    각 코드는 gitlab에서 파일을 제공하여 직접 실행해보면서 학습할 수 있다.



    머신러닝을 공부해 본 경험이 있어 개념과 코드를 어느정도 이해하고 있고, 금융 도메인에 관심이 있어 금융 관련 실전 예제를 통하여 심화학습을 하고 싶은 사람 또는 머신러닝을 활용하고자 하는 금융권 종사자에게 추천한다.



    한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다. 


  • 안녕하세요 오늘은 금융 전략을 위한 머신러닝 책에 대해 리뷰를 해보는 시간을 가져보도록 하겠습니다.


     



    "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."



    도서소개





    ● 도서명  : 금융 전략을 위한 머신러닝



    ● 출판사 : 한빛미디어



    ● 가격 : 정가 35,000원


     



    목차



    PART 1 프레임워크
    CHAPTER 1 금융머신러닝
    CHAPTER 2 머신러닝모델개발
    CHAPTER 3 인공신경망
    PART 2 지도학습
    CHAPTER 4 지도학습: 모델및개념
    CHAPTER 5 지도학습: 회귀(시계열모델)
    CHAPTER 6 지도학습: 분류
    PART 3 비지도학습
    CHAPTER 7 비지도학습: 차원축소
    CHAPTER 8 비지도학습: 군집화
    PART 4 강화학습과자연어처리
    CHAPTER 9 강화학습
    CHAPTER 10 자연어처리



    책내용


    chapter5 시계열알고리즘 및 실전 문제


    chapter5 실전문제1 주가예측 결과



    추천독자


    1. 머신러닝 도입을 생각하고 있는 금융권 종사자


    2. 금융권 데이터분석 취업을 준비하고 있는 분


    3. 머신러닝을 통한 주가예측을 해보고 싶은 분


    4. 머신러닝에 대한 기본 지식을 습득하고자 하는분



    총평


    코로나 팬데믹 이후 많은 사람아 금융자산에 관심을 가지게 되었고, 코인 및 주식은 요즘 젊은 세대에 없어서는 안될 대화 주제가 되었습니다. 이런 상황에서 데이터분석을 통한 기업분석, 머신러닝을 통한 주식 자동 매매 알고리즘을 개발해보고 싶다는 생각을 가졌고, 금융 전략을 위한 머신러닝 책을 읽게 되었습니다. 


     



    금융 전략을 위한 머신러닝책은 파이썬 및 금융에 대한 기본지식을 가지고 있는 사람이 아닌 분에게는 다소 어렵게 읽힐 수 있는 책입니다. 위에 목차에서도 볼 수 있듯이 머신러닝에 대한 전반적인 내용을 책에 넣으려고 했기 때문에 위의 사전지식이 있어야 어느 정도 수월하게 읽을 수 있습니다. 또한, 특정 알고리즘 등에 대해 깊게 파고드는 책이 아니며, 금융 전략을 진행하는 시작점에 도움이 되는 책이라고 생각합니다.


     



    책에서 가장 좋았던 부분은 각 챕터 마다 알고리즘에 대해 학습하고, 그 알고리즘을 적용한 실전 문제를 코드와 함께 볼 수 있다는 점입니다. 꼭 금융이 아니더라고 머신러닝에 대해 배우고 싶은 분들에게도 추천해주고 싶습니다. 마지막으로 아쉬운 점은 한 권에 방대한 양의 머신러닝 알고리즘을 다루려 하니, 내용이 자세하지는 않습니다. 그러다 보니 파이썬 및 머신러닝에 대해 기본지식을 가지고 있지 않다면, 어렵게 읽힐 수 있을 것 같습니다. 





  • * 이 책은 어떤 책인가?
    '금융 전략을 위한 머신러닝'은 금융 산업에서 중요한 머신러닝 기반 알고리즘을 구축하는 기술과 그 기술의 활용에 대해 다루고 있다. 따라서 1부에서는 금융 분야의 머신러닝에 대한 기초적인 소개를 하며 이후로 배우게 될 내용에 대한 토대를 마련한다. 2부와 3부에서는 각각 지도학습과 비지도 학습 알고리즘을 다루며 관련된 실전 문제 또한 제공한다. 마지막 4부에서는 강화 학습 및 자연어 처리 기술과 관련된 적용 사례까지 다루며 마무리 한다. 


     


    * 이 책의 장점은?
    - 이 책을 보며 가장 좋았던 부분은 정말 실전에 적용할 수 있는 내용들이 가득했다는 점이다. 파이썬 설치부터 기초 문법까지 소개하는데 많은 분량을 할애하는 머신러닝 관련 도서가 많기 때문에 좀 더 실질적인 중고급의 내용을 배우고자 했던 독자에게는 아쉬운 경우가 종종 있었다. 그러니 이 책의 경우, 입문 부분은 간결하게 다루고 있으며 책 제목에서 약속했던 '금융 전략을 위한 머신러닝' 기술을 아주 충실하게 소개한다. 위의 예시 사진에서도 확인할 수 있듯이 다양한 머신러닝 알고리즘을 주가 예측, 수익률 곡선 예측, 포트폴리오 관리 등에서 어떻게 활용할 수 있는지 보여주고 있으며, 그에 맞는 여러 시각화 방법도 함께 알려준다. 특히 로보 어드바이저, 비트코인, 챗봇 등 금융과 관련된 최신 기술과 관련된 실전 문제도 함께 수록되어 있어 최근 트렌드를 따라잡을 수 있다는 점이 매력적으로 다가왔다. 


    - 세부적인 내용의 구성도 만족스러웠는데 실전 문제에 앞서서 관련 개념을 간략히 소개하여 기초 지식을 쌓거나 이미 알던 내용을 가볍게 리마인드할 수 있었다. 그 후에는 데이터 분석과 모델 구현에 필요한 파이썬 코드가 상세하게 수록되어있어 쉽게 따라해 볼 수 있다. 실전 문제 사례가 끝난 뒤에는 따로 연습 문제를 제공하여 독자 스스로 배운 것들을 복습할 수 있도록 독려한다는 점도 좋았다.



    * 이 책을 추천하고 싶은 대상
    - 이 책은 머신러닝 입문서가 아니기 때문에 파이썬과 머신러닝에 대한 기초적인 지식을 이미 갖고 있는 사람에게 추천한다. 따라서 머신러닝에 대한 기본적인 지식을 가진 상태에서 금융 분야의 응용을 배워보고 싶은 사람, 혹은 핀테크나 금융 회사에서 일하고 있는 데이터 과학자, 분석가, 머신러닝 엔지니어 등에게 추천하고 싶다. 


    ※ 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다


  • 머신러닝이 몇 년 전부터 사회적 이슈가 되면서, 여러 분야에 접목하여 괄목할만한 성과를 내고 있습니다.



    물론 투자 대비 기대한 만큼의 향상이 이루어지지 않은 분야도 분명 있겠지만, 자율주행이나 챗봇 등 이상을 현실로 만들어준 것도 많을 것입니다.






    금융공학에서 머신러닝은 단연 후자입니다. 머신러닝을 통하여 방대한 계산이나 수요예측을 더욱 세밀하게 할 수 있으며, 금융이나 주식에서 없어서는 안될 의사결정 프로세스가 되어 가고 있습니다.






    이 책은 금융 서비스에서 일하는 전문가에게 적합하며, 데이터 엔지니어 및 머신러닝 설계자에게도 유용합니다. 따라서 일반 독자에게는 다소 생소한 단어나 컨셉이 나올 수 있기 때문에, 자칫 어렵게 느껴질 수도 있습니다.


     


     



    파트 1인 프레임워크에서는 금융 머신러닝이 어떤 개념인지 모델 개발은 어떤지, 그리고 인공신경망에 대한 내용을 저술하고 있습니다. 그리고 그 이후 부터 지도학습, 비지도 학습 및 강화학습과 자연어 처리도 다루게 됩니다.





     



    개인적으로 숫자만 다루는 금융공학에서 자연어 처리가 왜 필요할까 의문이 든 챕터였는데, 뉴스나 보고서 등 문서해석 및 금융챗봇을 만드는데 필수적인 요소라는 설명을 듣고 더 흥미가 생겼습니다. 그리고 실제 챗봇도 만들어보는 예제를 제공합니다. 다만 번역서이기에 당연히 영어에 대한 언어제한이 있었던 것이 아쉬웠습니다.


     


     



    책 뒷면에 "적용 사례 연구 및 코드 예제를 함께 제공하는 금융 분야의 ML 및 AI를 다루는 '완전한' 책" 이라고 설명 되어 있는데, '완전한' 이란 표현이 과하지 않다고 생각 됩니다.








     



    "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."


     

  • 이렇게 목차별로 어떤 내용이 설명되어 있는지 간단히 정리해보았지만 실질적으로 더 많은 내용들을 상세하게 담아내고 있어 놀라웠다.

    비트코인 관련해서도 2가지 파트로 나뉘어져있다. 분류 모델에서 1차적으로 거래 전략을 다지고 그 이후 속도와 정확성을 차원 축소를 통해 매매 알고리즘이 하나가 구축된 것이다.

    전체적으로 다른 책에 비해 가장 큰 차이점이자 장점은 금융 전략에 포커싱을 가지고 구성된 책이라는 것이다.

    데이터 예제도 알고리즘들도 모두 다 금융권에서 사용되는 것을 중점적으로 구성되어 있는 것이 너무 좋았다. 금융권을 위해 데이터 분석 공부를 더 이어나가고 있는 저에게는 이런 책 하나가 하나의 금융 관련 데이터 분석의 경험을 쌓을 수 있는 부분이었다.

    위 사진은 책에서 제공되는 gitlab 화면이다. 해당 페이지에 접속해 소스코드를 직접 실행해보면서 예제들을 더욱 깊이 이해할 수 있었다.

    모든 금융권을 희망하는 데이터 분석가들에게 좋은 경험을 선사해줄 것이라 생각되는 책이다.

     


     






  • 작년에 학교에서 한빛 미디어에서 출판한 핸즈온 머신러닝으로 공부를 하기도 하였고 나름 주식, 코인, nft 등 투자를 하고 있어(물론 잘하고 있지는 않습니다..ㅎㅎ) 금융쪽과 관련하여 공부를 해보고 싶었던 참에 좋은 기회가 생겨 이렇게 책을 읽게 되었습니다.












    책의 구성은 크게 4부로 구성되어 있습니다.






    1. 프레임워크



    2. 지도학습



    3. 비지도학습



    4. 강화 학습과 자연어 처리






    이를 기반으로 다양한 금융 모델을 설계를 하는 것이 이 책의 목표라고 할 수 있습니다















    머신러닝은 금융을 큰 폭으로 뒤흔들 것이다.





    이코노미스트(2017)












    금융 머신러닝이 엄청난 데이터양과 저비용 처리속도 덕분에 금융분야에서 데이터 분석과 머신러닝 활용 사례가 폭발적으로 증가하고 있습니다.






    우리는 파이썬을 사용하여 알고리즘과 다양한 플랫폼을 사용하고자 하는데 그 이유는 파이썬 생태계가 가장 지배적이면서 가장 빨리 성장하고 있는 머신러닝을 위한 프로그래밍 언어이기 때문입니다.






    머신러닝을 위한 파이썬 패키지는 다음과 같습니다.






    * Numpy



    * Pandas



    * Matplotlib



    * Scikit-learn



    * Keras



    * TensorFlow






    다음은 머신러닝이 어떻게 진행되는지 단계별로 한번 훑어보겠습니다.





















    1. 문제정의



    2. 데이터와 패키지 불러오기



    3. 탐색적 데이터 분석



    4. 데이터 준비



    5. 모델 평가



    6. 모델 튜닝 및 개선



    7. 모델 결정






    통상적으로 다음과 같은 7단계로 모델을 만들고 최근에는 핵심 알고리즘으로 사용되는 인공 신경망이 사용됩니다.






    지도학습






    지도 학습은 주어진 입력값을 이용해 타겟을 적합화하는 머신러닝 영역입니다.






    회귀 알고리즘과 분류 알고리즘 두 분류로 나뉘는데, 회구 기반 지도학습은 출력을 예측하고, 분류 기반 지도 학습은 어느 분류에 속하는지 알아냅니다.






    지도 학습 모델은 금융 분야 중 가장 많이 사용되는 방법으로 효율적으로 훈련할 수 있고, 이상치 금융 데이터에 비교적 안정적이고 금융 이론과 강한 연관성이 있습니다.






    실전 문제를 풀기 전에 시계열 모델에 대해서 한번 살펴보겠습니다.






    시계열은 말그대로, 시간 지수로 정렬한 수의 순서입니다.






    시계열은 추세 요소계절 요소로 나눌 수 있습니다.






    추세는 시계열에서 일관된 방향으로의 이동을 나타냅니다.






    계절은 말그대로 계절적 변동을 따르는 것을 나타냅니다.






    추가적으로 알아야 할 용어가 몇 개 더 있는데 자기 상관고정성입니다.



  • 저자는 [금융 전략을 위한 머신러닝]이 관련업종에서 종사하는 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 설계자, 퀀트 연구원 등의 직군에 적합하다고 했지만, 단도직입적으로 머신러닝 연구자나 엔지니어를 위한 책은 아니다. 실제로 데이터 관련 직군 종사자들은 머신러닝 알고리즘의 개념과 프레임워크 사용법, 코드는 이미 숙지하고 있을 것이다. 또한 이 책에서 제공하는 예제가 실제 현업의 프로젝트와 난이도는 분명히 차이가 있으므로, 그대로 활용하는 것은 무리가 있을 것이다.



     



    반대로 내가 오히려 추천하는 대상은 금융 분야에 종사하는 관리자, PM, 기획자 또는 소프트웨어 엔지니어이다. 머신러닝으로 금융 도메인의 문제에 접근하는 측면에서 훌륭한 입문서로 활용하여, 이 책이 제공하는 기본적인 이해를 바탕으로, 데이터 관련 직군의 동료와 함께 프로젝트를 이끌어나갈 수 있는 기반을 쌓을 수 있을 것이라 생각한다.


     



    - 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다. -

  • 오늘 리뷰할 책은 [금융 전략을 위한 머신러닝] 이다.

     


     

     


     


    표지 KakaoTalk_20220220_004116611_04.jpg


     



     

    책의 표지에는 귀여운 "커먼퀘일" 이라는 새 그림이 있지만, 책 내용은 그리 쉽지 않았다.

     


    위 링크의 도서 소개 페이지에도 대상 독자는 "중고급" 으로 되어 있으니 "순한맛" 이 아닌 "매운맛" 이 틀림 없다.

     

    처음에 목차를 쭈욱 둘러보면서 상당히 놀랬다. 

     


    그동안 머신러닝/딥러닝을 공부하면서 들어봤던 거의 모든 알고리즘이나 모델들이 대부분 포함되어 있는 것이었다. 

     

    이중에는 너무 어려워서 포기하고 그냥 넘어갔던 내용들도 상당 부분 있더라.

     

    책의 내용이 금융 전략, 금융 데이터 분석 등에 대한 것이므로 이미지 처리(CNN)에 대한 내용은 없지만,

     

    지도/비지도/자연어 처리/강화 학습 등을 모두 다루는 백과사전급이었다.

     

    앞에서처럼 이 책은 초보자를 위한 것이 아니므로 모든 내용을 자세히 하나하나 설명하지는 않지만,

     

    대부분 간단히 정리되어 있으므로 기본 학습을 마친 독자들에게 유용할거로 보인다.

     

    아래 사진에서도 활성화 함수, 비용 함수들에 대해 간단히 설명해주고 있다.

     


     


    함수 KakaoTalk_20220220_004116611_03.jpg


     



     

    그리고 가장 맘에 들었던 부분은 책에 설명된 모델에 대해 장단점 비교 표를 보여주는 것이었다.

     

    이걸 보면 어떤 모델을 선택할지 도움이 많이 될거라 생각된다.

     


     


    알고리즘 비교 KakaoTalk_20220220_004116611_02.jpg


     



     

    이 책은 단색 흑백 인쇄로 되어 있어 컬러를 볼 수 없는게 조금 아쉬웠지만 책 뒤 표지에 있는 깃랩 링크에 가서

     


     

    소스 코드를 다운로드해서 실행해보면 아래와 같이 아름답고 가독성 넘치는 챠트를 볼 수 있으니 꼭 해보길...

     


     


    이미지 19.png


     



     

     

    마지막으로 정리해보면... 이 책은 절대 초보자를 위한 책이 아니다. 어느 수준에 올라선 독자들이 여러 알고리즘이나

     

    모델을 간단히 정리하고 서로 비교/분석 하기 위한 백과 사전 같은 책이라고 봐야 한다.

     

    또한 금융 데이터를 분석하려는 독자들에게 많은 도움이 될거라 생각한다.

     

     


    "한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

  • 금융권에서의 머신러닝이 적용되는 문제와 그에 대한 사례들을 살펴볼 수 있으나,


    실무적인 부분에서는 활용성이 떨어짐.

  • 실습 및 예제 코드가 같이 제공되어 공부하기 편합니다.


    자세한 리뷰는 아래 링크를 참고해주세요:)


    https://blog.naver.com/tnsgh9603/222651860729



  • 이 책은 실무자가 직면한 실제문제를 코드와 예제를 활용해서 해결할 수 있도록 과학적 솔루션을 제공한다.


     



    #금융전략을위한머신러닝 #한빛미디어 #나는리뷰어다 #시계열 #금융시계열



    KakaoTalk_20220218_115033824.jpg


     






     







    어떤 독자를 대상으로 집필했는가를 보았다.


     










     







    이런, 나는 아직 3학년인 학부생이다.


     


     







    그래도 도전해보려 한다.


     


     









     


     


     






     







    SVM(서포트 백터 머신), ensemble model()앙상블 모델) 등의 개념을 정리해준다.


     






     






     







    지도 학습의 개념과 함께 각 모델의 개념 및 원리를 알려준다.


     


     







    오랜만에 다시 정리하는 느낌이 들어 반가웠다.


     


     


     


     







    가볍게 챕터4까지 이틀정도를 소요하여 읽어냈다.


     


     







    금융 머신러닝하면 시계열 모델이 아닌가!


     


     









     


     







    시계열 데이터를 얕게 다룬 경험은 있으나, 이론으로는 공부한 적이 없었다.


     


     


     







    아는 거라곤 LSTM밖에 없었기도 했다.


     


     


     






     







    시계열에 대한 큰 개념을 알 수 있었다.


     






     






     







    추세 요인과 계절 요인이 무엇이고,


     


     







    kaggle에서 시계열 데이터 시각화를 보면 저렇게 4개의 그래프를 보여주었는데


     


     







    무엇을 의미하는 지 이제야 이 책을 통해 알게 되었다.


     


     


     


     







    예제 코드가 제공되어 실습을 할 수 있는 환경을 만들어주었다.


     


     







    이론은 현실과 다른 것을 경험하지 않았는가. 바로 jupyter을 켜고 하나씩 만져보았다.


     


     









     


     







    '이런, diff 함수가 뭐지..? droplevel? 새로 만들어질 컬럼 level을 생성하지 않는다는 의미인가?'


     


     









     


     







    아직도 클래스 종류와 기능에 대해 모르는 것이 있구나.


     


     









     


     


     







    꾹꾹 하나씩 이해해가면서 앞으로 나아갔다.


     


     


     


     







    시각화, 모델 튜닝, 비지도학습 등 함께 설명을 해주는데 약간 이해가 되지 않는 부분도 있긴 하다.


     


     


     







    시계열에 대한 공부를 한 적이 없었기에 나의 부족함이라 생각한다.


     


     







    -----------------------------------------


     


     


     







    -총평-


     


     









     


     







    나는 시계열을 공부해야한다는 생각을 매우 많이 한다.


     


     







    그래서 시계열은 금융에 자주 사용되니 이 책을 활용했다.


     


     









     


     







    처음에는 대상 독자가 누구인지 보지 않고 1챕터 지도 학습부터 보았었다.


     



  • Machine Learning and Data Science Blueprints for Finance








    금융 전략을 위한 머신러닝













     



    >시작



    요즘이라기에는 한참지난 개념인 머신러닝에대해 관심은있었지만 굳이 찾아보지도 않고 학습 할 생각도 없이 있다가



    최근 제태크에 흥미를가짐과 동시에 한빛미디어에서 새로이 금융과 관련된 머신러닝관련 도서가 출간되어 접하게되어 간략히 리뷰를 남겨보려 한다.


     


     


     



    >추천합니다.



    이 책에서는 머신러닝 알고리즘과 아이디어사이의 괴리를 좁히기위해 금융 시장에 맞춤화된 머신러닝 도구상자를 제공하며, 금융 산업에서 중요한 머신러닝 기반 알고리즘을 구축하는 기술과 기술을 활용하는 데 중접을 두고있다.



    그리하여 특히나 데이터를 다루는 과학자, 엔지니어, 연구원, 머신러닝 설계자 또는 소프트웨어 언지니어와 같은 직책을 가진 전문가에게 매우 유용할 책일것이다.



    이 책은 머린러닝을 제대로 배울려는 전문가들의 입문용으로 읽기에 좋은듯 해 보인다.



    분명한 점은 단순히 아무나 읽기에는 다소 어려움이 있을꺼라 생각되며, 금융지식 및 데이터분석에 대한 기본 개념과 파이썬에대한 배경지식을 기자고있는 사람에게 추천할 수 있을것 같다. (물론 머신러닝에대한 개념은 책에서 친절히 알려주고있으니 머신러닝을 학습하고자 하는 마음만있으면 된다.)



    파이썬으로 된 샘플코드 및 알고리즘 설명에는 파이썬을 이용하여 설명되어있으므로, 사전에 파이썬에대한 기본 개념을 알아둔 상태에서 이 책을 접하면 좀 더 수월하게 이해할 수 있을것이다.


     


     


     



    >책소개



    이 책은 쿼리큘럼이 존재한다.



    학습난이도는 중,고급으로 지정되어있으며, 총 4부로 나눠져있다.


     



    1부. 프레임워크 : 금융분야에서의 머신러닝을 기반으로 한 금융 모델에 대한 설명을 해준다.



    2부. 지도학습 : 지도 학습 알고리즘에 대한 설명, 사례 및 실전 문제를 보여준다. (분류/회귀)



    3부. 비지도 학습 : 비지도 학습 알고리즘에 대한 설명, 사례 및 실전 문제를 보여준다. (차원축소/군집화)



    4부. 강화 학습과 자연어 처리 : 강화학습 및 자연어 처리(NLP)에대한 설명과 실전 문제를 보여줌으로서 머신러닝의 모델을 만들 수 있는 강좌가 있다.


     



    프로젝트 및 예제는 아래와 같은 내용이 포함되어있다.



    ● 주가 예측, 파생 상품 가격 책정, 수익 곡선 예측



    ● 투자자 위험 감수 및 로보 어드바이저



    ● 사기 탐지, 채무 불이행 확률, 비트코인 거래 전략



    ● 포트폴리오 관리, 이자율 모델링



    ● 강화 학습 기반 거래 전략, 파생상품 헤징



    ● NLP 및 감정 분석 기반 거래 전략, 챗봇


     



    이는 한빛미디어의 장점이자 특화된 부분이라고 생각하는데 이 책 또한



    각 챕터별 구성은 어떤것을 학습할지, 개념에대한 상세 및 간략설명, 예제 및 예시가 부분별로 주석이 달려있고



    마지막으로 챕터의 마무리 및 다음 챕터에서 배울 점을 기술하고 있다.


     



    1장에서 머신러닝관련된 기초 개념들을 하나하나 다 설명해주고 있어 머신러닝에 대한 개념이 부족한 독자도 충분히 학습하면서 따라갈 수 있게 되어있다.



    중간중간 실제 사례같이 실제상황에 개념을 대입하여 어떠한 상황에서 사용하는 개념인지 나와있어



    업무에 적용할 때 매우 큰 도움이 될것이라 생각된다.


     


     


     



    >끝으로



    이 책은 분명 학습하기엔 쉬운 난이도의 책은 아니지만, 배경지식이 있고, 그 배경지식을 충분히 알고있는 사람이라면



    이 책 또한 큰 문제없이 따라갈 수 있을꺼라 생각된다.


     


     


     



    >참고



    본 도서에서의 예제코드는 깃랩에서 확인할 수 있으니 참고하면될 듯 하다.



    https://gitlab.com/inspro9/hanbit_mlfi
















    https://docs.google.com/spreadsheets/d/1zpLFAPZ8NA6V09JUUU66g_lvpVra24B_ZTDHunM2O8c/edit?usp=sharing








    

  • 금융 전략을 위한 머신러닝의 원제목은 Machine Learning and Data Science Blueprints for Finance입니다. 책을 소개하는데 영어 원제목을 먼저 설명하는 이유는 영어 제목이 이 책의 특성을 온전하게 설명해주기 때문인데요. 실제로 이 책은 금융에 활용할 수 있는 머신러닝과 데이터 과학의 청사진을 구체적으로 제시하는 책입니다. 


    단순히 금융과 관련된 사례나 코드 예제만 제공하는 것이 아니라 머신러닝과 데이터 과학과 관련된 다양한 학습 모델을 제공하고 있고, 다양한 모델을 7단계 문제 접근 방법 툴을 활용해서 공통적으로 적용해볼 수 있도록 설명하고 있습니다. 



    그뿐만 아니라 기존의 머신러닝 & 데이터과학 책에서는 주로 예제를 사이킷런 등에 포함되어 있는 기본 예제로 설명하는 경우가 대다수인데, 이 책은 캐글(https://www.kaggle.com/)의 다양한 예제 등을 활용하고 있습니다. 실제 예제의 파일들은 주로 FRED(Federal Reserve Economic Data, 미 연방 준비 은행 경제 데이터)나 야후 파이낸스, 비트스탬프 등 실제 미국의 주요 경제 지표를 확인할 수 있는 실질 데이터를 가지고 분석합니다. 이러한 예제만 보더라도, 실무에서 충분히 활용 가능한 예제임을 알 수 있습니다.


     



    이 책에서 예측하는 독자층은 헤지 펀드, 투자 및 소매 은행, 핀테크 회사에서 일하는 데이터 과학자, 데이터 엔지니어 퀀트 연구원, 머신러닝 설계자 또는 소프트웨어 엔지니이업니다. 역으로 말하면 이러한 금융 핀테크 기업에서 데이터 전문가 직무를 갖기 원하는 주니어 개발자에게 실무 예제를 경험해볼 수 있는 책이라고 볼 수 있습니다. 


     


     



    https://docs.google.com/spreadsheets/d/1zpLFAPZ8NA6V09JUUU66g_lvpVra24B_ZTDHunM2O8c/edit?usp=sharing 



     



    [한빛미디어] 머신러닝·딥러닝 도서 선택 가이드(update 21-12-27)



    딥러닝/머신러닝(21-11-25) 분류,알고리즘,알고리즘,알고리즘 주 활용 분야 학습 방법,지도학습,지도학습,지도학습 입력의 규칙성(문제?),회귀,회귀,회귀 특징 추론/확률,추론/확률,추론/확률 선행



    docs.google.com





    다만, 이 책의 난이도는 상당히 높습니다. 한빛미디어에서 제작한 '[한빛미디어] 머신러닝·딥러닝 도서 선택 가이드'를 보면 이 책의 난이도는 무려 7입니다. 위 도서선택가이드에서 머신러닝, 딥러닝 관련 책이 총 61권인데, 이중 난이도 7이상의 책은 13권뿐입니다. 이 정도면 상당한 난이도라고 할 수 있습니다. 



    하지만 난이도에 겁먹을 필요는 없습니다. 적어도 파이썬을 어느 정도 다뤄본 독자라면 충분히 이해하고 파악할 수 있습니다. 만약 파이썬을 다뤄보지 않았더라도, R 등을 활용해서 데이터 분석을 해본 독자도 충분히 접근 가능합니다. 



    저는 오히려 이 책을 제대로 활용하기 위해서 필요한 지식은 컴퓨터 언어 관련 지식은 아니라고 생각합니다. 솔직히 말씀드리면 이 책에서는 아나콘다를 설치하여 주피터 노트북으로 코드를 실행하라고 나와 있는데, 예제 코드를 보고 주피터 노트툭보다 구글 코랩을 활용하면 훨씬 수월하게 예제 코드를 모두 실행할 수 있습니다. 



    구글 코랩은 기본 세팅이 이미 다 되어 있고, 구글의 GPU를 활용하여 연산하기 때문에 노트북으로도 충분히 머신러닝을 할 수 있는 좋은 프로그램입니다. 구글 코랩에서 데이터를 불러오기만 할 수 있으면 프로그래밍 언어적으로 필요한 능력은 모두 끝났다고 생각합니다.



    그것보다 더 요구되는 역량은 바로 머신러닝과 관련된 지도 학습, 비지도 학습, 강화 학습 등의 모델링과 알고리즘에 대한 이해도입니다. 예를 들어 이 책에서 지도 학습과 관련하여 선형 회귀부터 정규화 회귀, 로지스틱 회귀, 서포트 벡터 머신, K-최근접 이웃, 선형 판별 분석, 분류 트리, 회귀 트리, 앙상블 모델 등 다양한 모델을 소개하고, 실제로 데이터로 분석을 합니다. 이런 개념들을 이해하고, 어떻게 분석하고 효과성을 판별하는지에 대해서 정확히 알아야, 실제로 책에서 비트코인 거래 전략 알고리즘에서 다양한 모델 중에서 앙상블 모델의 랜덤 포레스트 모델을 선정했는지 이해할 수 있습니다. 이는 앞에서 말씀 드린 이 책의 기본 구조가 7단계 문제 접근 방식으로 인해 두드러지는 특징인데요. 예제 연습이나 실무에서도 바로 활용할 수 있도록 하기 위함인데요, 특히 모델 평가와 모델 튜닝 구조는 머신러닝에서 매우 필수적으로 학습해야 할 부분이며, 이 책이 지닌 가장 큰 매력이라고 생각합니다. 


     



    또한 머신러닝, 딥러닝에 관심이 많은 독자분이라면 '[한빛미디어] 머신러닝·딥러닝 도서 선택 가이드'를 참고하시면 학습하는데 큰 도움이 될 것입니다.


     





  • 안녕하세요 올해도 한빛미디어 도서 서평단이 되었네요.


    이 책은 한빛미디어로부터 증정받아 후기를 작성한다는 사실 먼저 알려드립니다~


     




     


    오늘의 책은 <금융 전략을 위한 머신러닝>입니다.


    한빛미디어 오 라일리 시리즈는 믿고 읽는 시리즈죠~ 이 책은 여러 사례를 통해 금융전략, 머신러닝 등에 대해 배울 수 있게 해줍니다.


     






     


    금융전략을 위한 머신러닝 의 목차입니다.


    처음엔 금융 관련된 내용이 나오고 이후로 갈수록 인공지능 개념들이 많이 나옵니다.


    금융 관련 부분의 경우 주식, 파생상품, 대출 등 많이 들어본 금융 상품에 대해 서술되어있습니다.


     




     


    알고리즘 관련해서도 나오는데 아마 인공지능 , 통계학에 익숙한 분이 읽으시면 더 좋을 것같단 생각이 드네요.


    다만 해당 알고리즘에 대한 간략한 설명과 구현방법이 나오므로 도전해보셔도 좋습니다!


     






     


    아무래도 머신러닝을 다루는 책이라 파이썬을 사용합니다.


    파이썬은 설치가 크게 어렵지않고 쥬피터 노트북도 사용해서 더 따라하기 쉬웠습니다!


     






     


    금융 관련 알고리즘, 매커니즘을 배우고


    파이썬으로 구현까지 해볼 수 있는 책 <금융전략을 위한 머신러닝>


     




     


    연습 문제가 있어서 공부한 것을 복습하고 새로 도전해보기도 좋습니다.


    여기선 헤징, 채권 포트폴리오 배분 전략 등 나와서 경제 도서로도 추천드립니다.


     




     


    자연어 처리 부분도 나오는데, 이부분이 저는 가장 흥미로웠습니다^^


    금융전략을 위한 머신러닝 책 ! 경제+머신러닝 함께 배워보고싶은 분께 추천드


     

  • 1. 36페이지의 xyz.csv는 어디에 있나요?   


    예제소스를 받으라고 하는 출판사에서 명시한 깃허브에도 자료가 없군요.


     


    2. url = 'https://goo.gl/vhm1eU'   이거 역시 404오류로 없는 URL입니다.


     


    3. 37쪽에 뜬금없이 나타난 dataset은 어떤 데이터 셋인가요?


    이후로 쭉 수십페이지를 이 dataset을 가지고 실습을 하고 설명을 하는데...


    데이터셋도 없이 예제를 어떻게 따라하라는건가요? 


     


    깃허브에 위 자료들을 올려주시든지, 36, 37페이지를 이해하고 실습 따라 할 수 있게 수정을 좀 하셔야 할거 같습니다.


     


     

  • 오탈자 보기
  • 부록/예제소스
    내용이 없습니다.
  • 추천도서
    내용이 없습니다.
  • 장바구니
    위시리스트
    구매하기
    닫기

    해당 상품을 장바구니에 담았습니다.
    장바구니로 이동하시겠습니까?