1. A/S가 전혀 이루어지지 않는다. 책만 팔고...
2. 책에 코드 실행결과에 대한 설명은 있는데, 정작 코드는 없는 경우도 있다.
3. 코드 순서대로 실행시키면, 에러 메시지가 뜨는 경우가 많다. 그런데 이런 문제에 대해 물어 보고 싶어도 물어볼 사람이 없다.
4.4점 (23명)
좋아요 : 13
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.
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
오탈자 등록
