본문내용 바로가기
MD의선택 무료배송 한정판매 소득공제

프라도 박사의 금융 머신러닝 세트 (2권)

에이콘 금융 권트 머신러닝 융합시리즈 | 전2권
마르코스 로페즈 데 프라도외 지음 | 에이콘출판 | 2019년 01월 02일 출간
프라도 박사의 금융 머신러닝 세트 (2권)

이 책의 다른 상품 정보

  • 정가 : 60,000원
    판매가 : 54,000 [10%↓ 6,000원 할인]
  • 혜택 :
    [기본적립] 3000원 적립 [5% 적립] [추가적립] 5만원 이상 구매 시 2,000원 추가적립 안내 [회원혜택] 회원 등급 별, 3만원 이상 구매 시 2~4% 추가적립 안내 [리뷰적립] 리뷰 작성 시 e교환권 최대 300원 추가적립 안내
  • 추가혜택 : 포인트 안내 도서소득공제 안내 추가혜택 더보기
  • 배송비 : 무료 배송비 안내
  • 배송일정 : 서울특별시 종로구 세종대로 기준 지역변경
    10월 18일 출고 예정 배송일정 안내
상품상세정보
ISBN 2909101224202(1161752331)
쪽수 504쪽
크기 준비중
이 책의 원서/번역서 Advances in Financial Machine Learning / Marcos Lopez de Prado

책소개

이 책이 속한 분야

<실전 금융 머신러닝 완벽 분석(에이콘 금융 권트 머신러닝 융합시리즈)>
2019년 대한민국학술원 우수학술도서 선정도서

이 책은 머신 러닝을 금융에 적용하는 것이 어떤 것이며, 어떠한 장점과 위험이 존재하는 것인지 빠짐없이 설명한다.
저자가 20년 간 금융에서 실제로 적용해 본 머신 러닝 기법에 대해 각각의 장단점과 함께 개별 기법들을 상세히 설명한다. 또 금융에 맞는 데이터 구조, 모델링, 백테스팅, 유용한 금융적 특징, 고성능 컴퓨팅에 이르기까지 최고 전문가의 시각에서 전달해 주는 실전 지식을 빠짐없이 나열한다.
대부분의 금융 머신 러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신 러닝 프로젝트를 위해서는 어떠한 요소가 갖춰져야 하는지 설명하고 있다. 특히 대부분 프로젝트가 저지르는 백테스팅의 오류를 심도 있게 설명한다.
메타-전략 패러다임의 효용성과 중요성을 설명해 주며, 대부분 성공한 프로젝트가 활용하고 있는 메타-전략 패러다임을 예제와 함께 잘 설명한다. 이 책은 그 깊이로 인해 머신 러닝과 금융에 대한 최소한의 지식을 갖춰야 이해할 수 있지만, 최소한의 지식이 바탕이 되고 나면 책에서 다루고 있는 깊이 있고 실용적인 내용으로부터 많은 도움을 받을 수 있다.

<자산운용을 위한 금융 머신러닝(금융 퀀트 머신러닝 융합)>
로페즈 데 프라도 박사의 저서 『실전 금융 머신러닝 완벽 분석』의 후속작으로, 개념적으로는 자산운용 일반에도 적용할 수 있으며, 퀀트 매니저와 퀀트 분석가에게 지침이 될 수 있는 책이다. 머신러닝의 금융 응용에 대한 아이디어를 제시하며, 『실전 금융 머신러닝 완벽 분석』을 이해하기 위한 기초 개념을 더 자세히 설명하고 관련된 최근의 연구를 추가했다.

<실전 금융 머신러닝 완벽 분석(에이콘 금융 권트 머신러닝 융합시리즈) 목차>
1장. 독립된 주제로서의 금융 머신 러닝
__1.1 동기
__1.2 금융 머신 러닝 프로젝트가 실패하는 주요 원인
____1.2.1 시지프스 패러다임
____1.2.2 메타 전략 패러다임
__1.3 책의 구조
____1.3.1 생산 체인에 의한 구조
____1.3.2 전략 구성 요소에 따른 구조
____1.3.3 흔한 함정에 의한 구성
__1.4 대상 독자들
__1.5 필요 지식
__1.6 FAQs
__1.7 감사의 글
__연습문제
__참고자료
__참고문헌

1부. 데이터 분석

2장. 금융 데이터 구조
__2.1 동기
__2.2 금융 데이터의 근본적 형태
____2.2.1 기초 데이터
____2.2.2 시장 데이터
____2.2.3 분석
____2.2.4 대체 데이터
__2.3 바
____2.3.1 표준 바
____2.3.2 정보-주도 바
__2.4 복수 상품 계열 다루기
____2.4.1 ETF 트릭
____2.4.2 PCA 가중치
____2.4.3 단일 선물 롤
__2.5 특징 표본 추출
____2.5.1 축소를 위한 표본 추출
____2.5.2 이벤트 기반의 표본 추출
__연습문제
__참고자료

3장. 레이블링
__3.1 동기
__3.2 고정 시간 수평 기법 T
__3.3 동적 임계치 계산
__3.4 트리플-배리어 기법
__3.5 위치와 크기 파악
__3.6 메타-레이블
__3.7 메타-레이블을 이용하는 방법
__3.8 퀀터멘털 방법
__3.9 불필요한 레이블 제거
__연습문제
__참고 문헌

4장. 표본 가중치
__4.1 동기
__4.2 결과 중첩
__4.3 공존 레이블의 개수
__4.4 레이블의 평균 고유성
__4.5 배깅 분류기와 고유성
____4.5.1 순차적 부트스트랩
____4.5.2 순차적 부트스트랩의 구현
____4.5.3 수치적 예제
____4.5.4 몬테 카를로 실험
__4.6 수익률 기여도
__4.7 시간-감쇄
__4.8 부류 가중치
__연습문제
__참고 문서
__참고 문헌

5장. 분수 미분의 특징
__5.1 동기
__5.2 정상성 대 기억 딜레마
__5.3 문헌 리뷰
__5.4 기법
____5.4.1 장기 기억
____5.4.2 반복적 계산
____5.4.3 수렴
__5.5 구현
____5.5.1 확장하는 윈도우
____5.5.2 고정-너비 윈도우 Fracdiff
__5.6 최대 기억 유지 정상성
__5.7 결론
__연습문제
__참고 문서
__참고 문헌

2부. 모델링

6장. 앙상블 기법
__6.1 동기
__6.2 오류의 세 가지 원인6.3 부트스트랩 종합
____6.3.1 분산 축소
____6.3.2 개선된 정확도
____6.3.3 관측 중복
__6.4 랜덤 포레스트
__6.5 부스팅
__6.6 금융에 있어서의 배깅 대 부스팅
__6.7 배깅의 확장성
__연습문제
__참고 자료
__참고 문헌

7장. 금융에서의 교차-검증
__7.1 동기
__7.2 교차-검증의 목표
__7.3 금융에서 K-폴드 CV가 실패하는 이유
__7.4 해법: 퍼지된 K-폴드 CV
____7.4.1 훈련 집합에서의 퍼지
____7.4.2 엠바고
____7.4.3 퍼지된 K-폴더 클래스
__7.5 SKLEARN의 교차-검증 버그
__연습문제
__참고 문헌

8장. 특징 중요도
__8.1 동기
__8.2 특징 중요도의 중요성
__8.3 대체 효과와 특징 중요도
____8.3.1 평균 감소 불순도
____8.3.2 평균 감소 정확도
__8.4 대체 효과가 없는 특징 중요도
____8.4.1 단일 특징 중요도
____8.4.2 직교 특징
__8.5 병렬화 대 스택화 특징 중요도
__8.6 합성 데이터를 사용한 실험
__연습문제
__참고 문서

9장. 교차-검증을 통한 초매개변수 설정
__9.1 동기
__9.2 그리드 검색 교차-검증
__9.3 랜덤화 검색 교차-검증
____9.3.1 로그-유니폼 분포9.4 점수화 및 초매개변수 튜닝
__연습문제
__참고 문서
__참고 문헌

3부. 백테스팅

10장. 베팅 크기
__10.1 동기
__10.2 전략-독립 베팅 크기 방식
__10.3 예측된 확률로부터 베팅 크기 조절
__10.4 활성화 베팅의 평균화
__10.5 크기 이산화
__10.6 동적 베팅 크기와 한계 가격
__연습문제
__참고 문서
__참고 문헌

11장. 백테스팅의 위험
__11.1 동기
__11.2 미션 임파서블: 결함 없는 백테스트
__11.3 비록 백테스트 결과가 나무랄 데가 없어도 아마도 잘못 됐을 것이다
__11.4 백테스트는 연구 도구가 아니다
__11.5 몇 가지 일반적인 추천
__11.6 전략 선택
__연습문제
__참고 문서
__참고 문헌

12장. 교차-검증을 통한 백테스팅
__12.1 동기
__12.2 워크-포워드 기법
____12.2.1 워크-포워드 기법의 위험
__12.3 교차-검증 기법
__12.4 조합적 퍼지 교차-검증 기법
____12.4.1 조합적 분할
____12.4.2 조합적 퍼지 교차-검증 백테스트 알고리즘
____12.4.3 몇 가지 예제
__12.5 조합적 퍼지 교차-검증이 백테스트 과적합을 해결하는 법
__연습문제
__참고 문서

13장. 합성 데이터에 대한 백테스트
__13.1 동기
__13.2 거래 규칙.
__13.3 문제
__13.4 프레임워크
__13.5 최적 거래 규칙의 수치적 결정
____13.5.1 알고리즘
____13.5.2 구현
__13.6 실험적 결과
____13.6.1 제로 장기 균형의 경우
____13.6.2 양의 장기 균형 경우
____13.6.3 음의 장기 균형 경우
__13.7 결론
__연습문제
__참고 문서

14장. 백테스트 통계량
__14.1 동기
__14.2 백테스트 통계량의 종류
__14.3 일반적인 특성
__14.4 성과
____14.4.1 수익률의 시간-가중치 비율
__14.5 런
____14.5.1 수익률 집중
____14.5.2 드로우 다운과 수면하 시간
____14.5.3 성과 평가를 위한 런 통계량
__14.6 거래 비용 구현
__14.7 효율성
____14.7.1 샤프 지수
____14.7.2 확률적 샤프 지수
____14.7.3 줄어든 샤프 지수
____14.7.4 효율성 통계량
____14.8 분류 점수
__14.9 속성
__연습문제
__참고 문서
__참고 문헌

15장. 전략 리스크 이해
__15.1 동기
__15.2 대칭 투자 회수금
__15.3 비대칭 투자 회수금
__15.4 전략 실패의 확률
____15.4.1 알고리즘
____15.4.2 구현
__연습문제
__참고 문서

16장. 전략 리스크 이해
__16.1 동기
__16.2 컨벡스 포트폴리오 최적화 문제
__16.3 마코위츠의 저주
__16.4 기하로부터 계층적 관계까지
____16.4.1 트리 군집화
____16.4.2 유사-대각화
____16.4.3 재귀적 이분
__16.5 수치 예제
__16.6 외표본 몬테 카를로 시뮬레이션
__16.7 향후 연구 과제
__16.8 결론

부록
__16.A.1 상관관계-기반 척도
__16.A.2 역분산 할당
__16.A.3 수치 예제 재생
__16.A.4 몬테 카를로 실험 재현
__연습문제
__참고 문서

4부 유용한 금융의 특징

17장. 구조적 변화
__17.1 동기
__17.2 구조적 변화 테스트 종류
__17.3 CUSUM 테스트
____17.3.1 재귀적 잔차에 브라운-더빈-에반스 CUSUM 테스트
____17.3.2 레벨에 대한 추-스틴치콤베-화이트 CUSUM 테스트
__17.4 폭발성 테스트
____17.4.1 초-형태 디키-풀러 테스트
____17.4.2 상한 증강 디키-풀러
____17.4.3 서브- 또는 슈퍼-마틴게일 검정
__연습문제
__참고 문서

18장. 엔트로피 특징들
__18.1 동기
__18.2 샤논의 엔트로피
__18.3 플러그인(또는 최대-우도) 예측기
__18.4 렘펠-지프 예측기
__18.5 인코딩 체계
____18.5.1 이진 인코딩
____18.5.2 분위 수 인코딩
____18.5.3 시그마 인코딩
__18.6 가우스 프로세스의 엔트로피
__18.7 엔트로피와 일반화된 평균
__18.8 엔트로피의 몇 가지 금융 응용
____18.8.1 시장 효율성
____18.8.2 최대 엔트로피 새성
____18.8.3 포트폴리오 집중화
____18.8.4 시장 미시 구조
__연습문제
__참고 문서
__참고 문헌

19장. 미시 구조적 특징
__19.1 동기
__19.2 문헌 고찰
____19.3 1세대: 가격 시퀀스
____19.3.1 틱 규칙
____19.3.2 롤 모델
____19.3.3 고-저변동성 예측기
____19.3.4 코윈과 슐츠
__19.4 2세대: 전략적 거래 모델
____19.4.1 카일의 람다
____19.4.2 아미후드의 람다
____19.4.3 하스브룩의 람다
__19.5 제3세대: 순차적 거래 모델
____19.5.1 정보-기반 거래의 확률
____19.5.2 정보-기반 거래의 거래량-동기화 확률
__19.6 미시 구조적 데이터 세트로부터의 추가 특징
____19.6.1 주문 크기의 분포
____19.6.2 취소율, 지정가 주문, 시장가 주문
____19.6.3 시간-가중 평균 가격 실행 알고리즘
____19.6.4 옵션 시장
____19.6.5 부호가 있는 주문 흐름의 계열 상관관계
__19.7 미시 구조적 정보란 무엇인가?
__연습문제
__참고 문서

5부. 고성능 컴퓨팅 비법

20장. 다중 처리와 벡터화
__20.1 동기
__20.2 벡터화 예제
__20.3 단일-스레드 대 다중-스레딩 대 다중 처리
__20.4 원자와 분자
____20.4.1 선형 분할
____20.4.2 이중 루프 분할
__20.5 다중 처리 엔진
____20.5.1 작업 준비
____20.5.2 비동기 호출
____20.5.3 콜백 언래핑
____20.5.4 피클/언피클 객체
____20.5.5 출력 축소
__20.6 다중 처리 예제
__연습문제
__참고 문서
__참고 문헌

21장. 무차별 대입과 양자 컴퓨터
__21.1 동기
__21.2 조합적 최적화
__21.3 목적 함수
__21.4 문제
__21.5 정수 최적화 기법
____21.5.1 비둘기 집 분할
____21.5.2 가능한 정적 해법21.5.3 궤적 평가
__21.6 수치 예제
____21.6.1 랜덤 행렬
____21.6.2 동적 해법
____21.6.3 동적 해법
__연습문제
__참고 문서

22장. 고성능 계산 지능과 예측 기술
__22.1 동기
__22.2 2010년 주가 폭락에 대한 감독 당국의 반응
__22.3 배경
__22.4 HPC 하드웨어
__22.5 HPC 소프트웨어
____22.5.1 MPI
____22.5.2 계층적 데이터 형식 5
____22.5.3 제자리 In Situ 처리
____22.5.4 수렴
__22.6 실제 사례
____22.6.1 초신성 사냥
____22.6.2 융합 플라스마의 덩어리
____22.6.3 일간 전기 사용 최대치
____22.6.4 2010년의 주가 폭락
____22.6.5 정보-기반 투자 측정의 거래량-동기 확률
____22.6.6 유니폼하지 않은 고속 푸리에 변환으로 고빈도 이벤트 발견
__22.7 요약 및 참여 요청
__22.8 감사의 글
__참고 문서

<자산운용을 위한 금융 머신러닝(금융 퀀트 머신러닝 융합) 목차>
1장. 들어가며

1.1 동기 부여
1.2 이론이 중요하다
1.2.1 교훈1: 이론이 필요하다
1.2.2 교훈2: 머신러닝은 이론을 발견하는 것을 돕는다
1.3 어떻게 과학자들이 머신러닝을 이용하는가
1.4 두 가지 형태의 과적합
1.4.1 훈련셋 과적합
1.4.2 테스트셋 과적합
1.5 개요
1.6 청중
1.7 다섯 가지 만연한 금융 머신러닝에 대한 잘못된 개념
1.7.1 머신러닝은 성배 대 머신러닝은 무용지물
1.7.2 머신러닝은 블랙박스
1.7.3 금융은 머신러닝을 적용하기에는 불충분한 데이터를 갖고 있다
1.7.4 금융에서 신호 대 잡음 비율이 너무 낮다
1.7.5 금융에서 과적합의 위험은 너무 크다
1.8 금융 리서치의 미래
1.9 자주 물어 보는 질문들
1.10 결론
1.11 연습문제

2장. 잡음 제거와 주음 제거

2.1 동기 부여
2.2 마르첸코-파스퇴르 정리
2.3 신호가 있는 랜덤 행렬
2.4 마르첸코-파스퇴르 PDF 적합화
2.5 잡음 제거
2.5.1 상수 잔차 고유값 방법
2.5.2 타깃 축소
2.6 주음 제거
2.7 실험 결과
2.7.1 최소 분산 포트폴리오
2.7.2 최대 샤프 비율 포트폴리오
2.8 결론
2.9 연습문제

3장. 거리 척도

3.1 동기 부여
3.2 상관계수 기반 척도
3.3 한계와 결합 엔트로피
3.4 조건부 엔트로피
3.5 쿨백 - 라이블러 발산
3.6 교차 엔트로피
3.7 상호 정보
3.8 정보 변분
3.9 이산화
3.10 두 분할 간의 거리
3.11 실험 결과
3.11.1 무관계
3.11.2 선형관계
3.11.3 비선형관계
3.12 결론
3.13 연습문제

4장. 최적 군집화

4.1 동기 부여
4.2 근접성 행렬
4.3 군집화 종류
4.4 군집의 수
4.4.1 관측 행렬
4.4.2 기본 군집화
4.4.3 상위 수준 군집화
4.5 실험 결과
4.5.1 랜덤 블록 상관관계 행렬 생성
4.5.2 군집의 수
4.6 결론
4.7 연습문제

5장. 금융 레이블

5.1 동기 부여
5.2 고정 - 기간 방법
5.3 삼중 배리어 방법
5.4 추세 검색 방법
5.5 메타 레이블링
5.5.1 기대 샤프 비율에 의한 베팅 크기
5.5.2 앙상블 베팅 크기
5.6 실험 결과
5.7 결론
5.8 연습문제

6장. 특성 중요도 분석

6.1 동기 부여
6.2 p - 값
6.2.1 p 값의 몇 가지 결함
6.2.2 수치 예제
6.3 특성 중요도
6.3.1 평균 감소 불순도
6.3.2 평균 감소 정확도
6.4 확률 가중 정확도
6.5 대체 효과
6.5.1 직교화
6.5.2 군집 특성 중요도
6.6 실험 결과
6.7 결론
6.8 연습문제

7장. 포트폴리오 구축

7.1 동기 부여
7.2 볼록 포트폴리오 최적화
7.3 조건 수
7.4 마코위츠의 저주
7.5 공분산 불안정성의 원천으로서의 신호
7.6 중첩 군집 최적화 알고리즘
7.6.1 상관 군집화
7.6.2 군집 내 비중
7.6.3 군집 간 비중
7.7 실험 결과
7.7.1 최소 분산 포트폴리오
7.7.2 최대 샤프 비율 포트폴리오
7.8 결론
7.9 연습문제

8장. 테스트셋 과적합

8.1 동기 부여
8.2 정밀도와 재현율
8.3 다중 테스트하의 정밀도와 재현율
8.4 샤프 비율
8.5 ‘거짓 전략’ 정리
8.6 실험 결과
8.7 축소 샤프 비율
8.7.1 유효 시행 수
8.7.2 시행 간 분산
8.8 군별 오차율
8.8.1 시다크 조정
8.8.2 다중 테스트하의 1종 오류
8.8.3 다중 테스트하의 2종 오류
8.8.4 1종과 2종 오류 간의 상호작용
8.9 결론
8.10 연습문제

부록 A. 합성 데이터 테스트
부록 B. ‘거짓 전략’ 정리의 증명
이 책의 상품구성
* 세트구성 개별서지정보는 모두 알려드리지 못하는 경우가 있습니다.
각 권의 상세페이지 정보를 참고해 주시기 바랍니다.

Klover 리뷰 (0)

북로그 리뷰 (0) 쓰러가기

북로그 리뷰는 본인 인증 후 작성 가능합니다.
책이나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 내용은 비공개 처리 될 수 있습니다.
※ 북로그 리뷰 리워드 제공 2021. 4. 1 종료

문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매 후 문장수집 작성 시, 리워드를 제공합니다. 안내

교환/반품/품절안내

※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

교환/반품/품절안내
반품/교환방법 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 ,
[1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900)

※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불]
    또는 고객센터 (1544-1900)
반품/교환가능 기간 변심반품의 경우 수령 후 7일 이내,
상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내
반품/교환비용 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담
반품/교환 불가 사유
  • 소비자의 책임 있는 사유로 상품 등이 손실 또는 훼손된 경우
    (단지 확인을 위한 포장 훼손은 제외)
  • 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
    예) 화장품, 식품, 가전제품(악세서리 포함) 등
  • 복제가 가능한 상품 등의 포장을 훼손한 경우
    예) 음반/DVD/비디오, 소프트웨어, 만화책, 잡지, 영상 화보집
  • 소비자의 요청에 따라 개별적으로 주문 제작되는 상품의 경우 ((1)해외주문도서)
  • 디지털 컨텐츠인 eBook, 오디오북 등을 1회 이상 다운로드를 받았을 경우
  • 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
  • 전자상거래 등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에
    해당되는 경우
(1) 해외주문도서 : 이용자의 요청에 의한 개인주문상품으로 단순변심 및 착오로 인한 취소/교환/반품 시 ‘해외주문 반품/취소 수수료’ 고객 부담 (해외주문 반품/취소 수수료 : ①서양도서-판매정가의 12%, ②일본도서-판매정가의 7%를 적용)
상품 품절 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는
이메일과 문자로 안내드리겠습니다.
소비자 피해보상
환불지연에 따른 배상
  • 상품의 불량에 의한 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
    소비자분쟁해결 기준 (공정거래위원회 고시)에 준하여 처리됨
  • 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
    소비자 보호에 관한 법률에 따라 처리함
바로가기
  • 우측 확장형 배너 2
  • 우측 확장형 배너 2
최근 본 상품