본문내용 바로가기
MD의선택 무료배송 이벤트 사은품 소득공제

실전 금융 머신러닝 완벽 분석

에이콘 금융 퀀트 머신러닝 융합 시리즈
마르코스 로페즈 데 프라도 지음 | 이병욱 , 이기홍 , 하석근 옮김 | 에이콘출판 | 2019년 01월 02일 출간
클로버 리뷰쓰기
  • 정가 : 40,000원
    판매가 : 36,000 [10%↓ 4,000원 할인]
  • 혜택 :
    [기본적립] 2000원 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
    09월 27일 출고 예정 배송일정 안내
  • 바로드림 : 인터넷으로 주문하고 매장에서 직접 수령 안내 바로드림 혜택
    휴일에는 바로드림 픽업으로 더 빨리 받아 보세요. 바로드림 혜택받고 이용하기

이 책의 이벤트

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
  • 컴퓨터/IT분야 2만원 이상 구매 시 개발자 매거진 선택 가능
    2021.09.03 ~ 2021.10.03
  • IT 행사도서 포함 3만원 이상 구매시 개발자 책꽂이 사은품 선..
    2021.07.16 ~ 2021.09.30
  • 책을 통해 성장해나가는 개발자를 응원합니다.
    2017.06.22 ~ 2025.07.31
  • MANNING, O'REILLY, PACKT, WILE..
    2016.03.07 ~ 2022.12.31
상품상세정보
ISBN 9791161752334(1161752331)
쪽수 520쪽
크기 151 * 227 * 36 mm /756g 판형알림
이 책의 원서/번역서 Advances in Financial Machine Learning / Marcos Lopez de Prado

책소개

이 책이 속한 분야

2019년 대한민국학술원 우수학술도서 선정도서

머신러닝을 금융에 적용하는 방법을 알려주며, 이론 연구를 넘어선 실전 경험을 바탕으로 어떠한 장점과 위험이 존재하는 것인지 빠짐없이 설명한다. 저자가 20년 간 금융에서 실제로 적용해 본 머신러닝 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 머신러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신러닝 프로젝트를 위해서 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 머신러닝과 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.

작가의 말

[지은이의 말]
독자들이 머신러닝을 금융에 적용할 때 백테스트 과적합(backtest overfitting Financial)과 같은 난관을 어떻게 해결할 것인지 학습하길 바란다. 금융 머신러닝은 표준 머신러닝과 연계돼 있기는 하지만, 그 자체로 엄연히 분리된 하나의 영역이다. 이 책은 이런 점을 잘 설명해 줄 것이다.

[옮긴이의 말]
이 책은 금융에 있어서의 머신러닝을 심도 있게 설명해 준다. 특히 통계적 요행에 빠지기 쉬운 금융에서 ‘과거 데이터에 의존했을 때의 위험’을 알려 준다. 저자는 20년간 금융에 종사하면서 자신이 작업해 왔던 머신러닝 기법 중 과학적으로 증명된 것을 자세히 설명하고 있다. 금융과 관련된 머신러닝 책이 시중에 많이 나와 있지만, 실전을 바탕으로 저술한 책은 극히 드물다. 20여 년간 본인이 직접 체득한 실제 지식을 바탕으로 집필됐다는 점에서 다른 책보다 실용적이며, 사실에 가까운 지식을 전달해 준다. 이 책을 통해 머신러닝을 금융에 적용할 때 어떤 어려움과 함정이 존재하는지, 백테스트로 인한 과적합이 얼마나 위험한지 등을 이해하게 될 것이다.

목차

1장. 독립된 주제로서의 금융 머신러닝
1.1 동기
1.2 금융 머신러닝 프로젝트가 실패하는 주요 원인
1.2.1 시지프스 패러다임
1.2.2 메타 전략 패러다임
1.3 책의 구조
1.3.1 생산 체인 형태로 구조 짜기
1.3.3 흔한 함정에 따른 구성
1.4 대상 독자들
1.5 필요 지식
1.6 자주 받는 질문들
1.7 감사의 글
__연습 문제
__참고 자료
__참고 문헌


1부. 데이터 분석

2장. 금융 데이터 구조
2.1 동기
2.2 금융 데이터의 근본적 형태
2.2.1 기본 데이터
2.2.2 시장 데이터
2.2.3 분석
2.2.4 대체 데이터
2.3 바
2.3.1 표준 바
2.4 복수 상품 계열 다루기
2.4.1 ETF 트릭
2.4.2 PCA 가중값
2.4.3 단일 선물 롤 오버
2.5 특성 샘플 추출
2.5.1 축소를 위한 표본 추출
2.5.2 이벤트 기반의 표본 추출
__연습 문제
__참고 자료


3장. 레이블링
3.1 동기
3.2 고정 기간 기법
3.3 동적 임계값 계산
3.4 삼중 배리어 기법
3.5 방향과 크기 파악
3.6 메타 레이블링
3.7 메타 레이블링을 이용하는 방법
3.8 퀀터멘털 방법
3.9 불필요한 레이블 제거
__연습 문제
__참고 문헌


4장. 표본 가중값
4.1 동기
4.2 중첩된 결과
4.3 공존 레이블의 개수
4.4 레이블의 평균 고유도
4.5 배깅 분류기와 고유도
4.5.1 순차적 부트스트랩
4.5.2 순차적 부트스트랩의 구현
4.5.3 수치적 예제
4.5.4 몬테카를로 실험
4.6 수익률 기여도
4.7 시간 감쇠
4.8 클래스 가중값
__연습 문제
__참고 자료
__참고 문헌


5장. 분수 미분의 특징
5.1 동기
5.2 정상성 대 기억 딜레마
5.3 문헌 리뷰
5.4 방법
5.4.1 장기 기억
5.4.2 반복 추정
5.4.3 수렴
5.5 구현
5.5.1 확장 윈도우
5.5.2 고정 너비 윈도우 분수 미분
5.6 최대 기억 유지 정상성
5.7 결론
__연습 문제
__참고 자료
__참고 문헌


2부. 모델링

6장. 앙상블 기법
6.1 동기
6.2 오류의 세 가지 원인
6.3 배깅
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
__연습 문제
__참고 자료
__참고 문헌


7장. 금융에서의 교차 검증
7.1 동기
7.2 교차 검증의 목표
7.3 금융에서 K겹 교차 검증이 실패하는 이유
7.4 해법: 제거 K겹 교차 검증
7.4.1 훈련셋에서의 제거
7.4.2 엠바고
7.4.3 제거된 K겹 클래스
7.5 sklearn의 교차 검증 버그
__연습 문제
__참고 문헌


8장. 특성 중요도
8.1 동기
8.2 특성 중요도의 중요성
8.3 대체 효과가 있는 특성 중요도
8.3.1 평균 감소 불순도
8.3.2 평균 감소 정확도
8.4 대체 효과가 없는 특성 중요도
8.4.1 단일 특성 중요도
8.4.2 직교 특성
8.5 병렬 대 스태킹 특성 중요도
8.6 합성 데이터를 사용한 실험
__연습 문제
__참고 자료


9장. 교차 검증을 통한 하이퍼 파라미터 튜닝
9.1 동기
9.2 그리드 검색 교차 검증
9.3 랜덤 검색 교차 검증
9.3.1 로그 균등 분포
9.4 점수 함수 및 하이퍼 파라미터 튜닝
__연습 문제
__참고 자료
__참고 문헌


3부. 백테스트

10장. 베팅 크기
10.1 동기
10.2 전략 독립 베팅 크기 방식
10.3 예측된 확률로부터 베팅 크기 조절
10.4 실행 중인 베팅의 평균화
10.5 베팅 크기 이산화
10.6 동적 베팅 크기와 지정가
__연습 문제
__참고 자료
__참고 문헌


11장. 백테스트의 위험
11.1 동기
11.2 미션 임파서블: 결함 없는 백테스트
11.3 비록 백테스트 결과가 나무랄 데 없어도 아마 잘못됐을 것이다
11.4 백테스트는 연구 도구가 아니다
11.5 몇 가지 일반적인 추천
11.6 전략 선택
__연습 문제
__참고 자료
__참고 문헌


12장. 교차 검증을 통한 백테스트
12.1 동기
12.2 전방 진행 기법
12.2.1 전방 진행 방법의 위험
12.3 교차 검증 기법
12.4 조합적 제거 교차 검증 기법
12.4.1 조합적 분할
12.4.2 조합적 제거 교차 검증 백테스트 알고리즘
12.4.3 몇 가지 예제
12.5 조합적 제거 교차 검증이 백테스트 과적합을 해결하는 법
__연습 문제
__참고 자료


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 실험 결과
13.6.1 제로 장기 균형의 경우
13.6.2 양의 장기 균형의 경우
13.6.3 음의 장기 균형의 경우
13.7 결론
__연습 문제
__참고 자료


14장. 백테스트 통계량
14.1 동기
14.2 백테스트 통계량의 종류
14.3 일반적인 특성
14.4 성과
14.4.1 수익률의 시간 가중 비율
14.5 런
14.5.1 수익률 집중
14.5.2 손실폭과 수면하 시간
14.5.3 성과 평가를 위한 런 통계량
14.6 거래 구축 비용
14.7 효율성
14.7.1 샤프 비율
14.7.2 확률적 샤프 비율
14.7.3 축소 샤프 비율
14.7.4 효율성 통계량
14.8 분류 점수
14.9 기여도 분석
__연습 문제
__참고 자료
__참고 문헌


15장. 전략 리스크 이해
15.1 동기
15.2 대칭 투자 이익
15.3 비대칭 투자 이익
15.4 전략 실패의 확률
15.4.1 알고리즘
15.4.2 구현
__연습 문제
__참고 자료


16장. 머신러닝 자산 배분
16.1 동기
16.2 볼록 포트폴리오 최적화 문제
16.3 마코위츠의 저주
16.4 기하적 관계에서 계층적 관계까지
16.4.1 트리 군집화
16.4.2 준대각화
16.4.3 재귀적 이분법
16.5 수치 예제
16.6 샘플 외 몬테카를로 시뮬레이션
16.7 향후 연구 과제
16.8 결론
__부록
__연습 문제
__참고 자료


4부. 유용한 금융의 특징

17장. 구조적 변화
17.1 동기
17.2 구조적 변화 테스트 유형
17.3 CUSUM 테스트
17.3.1 재귀적 잔차에 브라운 - 더빈 - 에반스 CUSUM 테스트
17.3.2 수준에 대한 추 - 스틴치콤 - 화이트 CUSUM 테스트
17.4 폭발성 테스트
17.4.1 초 - 유형의 딕키 - 풀러 테스트
17.4.2 상한 증강 딕키 - 풀러
17.4.3 서브 또는 슈퍼 - 마팅게일 테스트
__연습 문제
__참고 자료


18장. 엔트로피 특성들
18.1 동기
18.2 샤논의 엔트로피
18.3 플러그인(또는 최대 우도) 추정량
18.4 렘펠 - 지브 추정기
18.5 인코딩 체계
18.5.1 이진 인코딩
18.5.2 분위수 인코딩
18.5.3 시그마 인코딩
18.6 가우시안 프로세스의 엔트로피
18.7 엔트로피와 일반화된 평균
18.8 엔트로피의 몇 가지 금융 응용
18.8.1 시장 효율성
18.8.2 최대 엔트로피 생성
18.8.3 포트폴리오 집중화
18.8.4 시장 미시 구조
__연습 문제
__참고 자료
__참고 문헌


19장. 미시 구조적 특성
19.1 동기
19.2 문헌 리뷰
19.3 1세대: 가격 시퀀스
19.3.1 틱 규칙
19.3.2 롤 모델
19.3.3 고가 - 저가 변동성 추정량
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 데이터셋으로부터의 추가 특성
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?
__연습 문제
__참고 자료


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
__연습 문제
__참고 자료
__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 방법
21.5.1 비둘기집 분할
21.5.2 가능한 정적 해
21.5.3 궤적 평가
21.6 수치 예제
21.6.1 랜덤 행렬
21.6.2 정태적 해
21.6.3 동태적 해
__연습 문제
__참고 자료


22장. 고성능 계산 지능과 예측 기술
22.1 동기
22.2 2010년 플래시 크래시에 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 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 최대값
22.6.4 2010년의 플래시 크래시
22.6.5 정보 기반 거래 거래량 동기화 확률의 추정
22.6.6 비균등 고속 푸리에 변환으로 고빈도 이벤트 발견
22.7 요약 및 참여 요청
22.8 감사의 글
__참고 자료

추천사

피터 카(교수)

로페즈 박사는 현대 머신러닝을 금융 모델링에 응용하는 방법을 종합적으로 설명한 책을 저술했다. 이 책은 머신러닝의 최신 기술 발전을 저자의 학계나 산업계에서의 수십 년 간의 금융 경험으로부터 배운 중요한 삶의 교훈을 조화시킨... 더보기

프랭크 파보치(교수)

금융 문제에는 매우 확실한 머신러닝 해법이 필요하다. 로페즈 박사의 책은 표준 머신러닝 툴이 금융에 적용됐을 때 어떤 점에서 실패하는지를 알려주는 최초의 책이고, 자산 관리사들이 접하게 되는 고유한 문제를 해결할 수 있는 실... 더보기

로스 가론(포인트 72 자산 관리)

마르코스는 금융에서 머신러닝을 적용하고자 하는 전문가들에게 귀중한 교훈과 기술을 한곳에 집대성했다. 마르코스의 영감을 주는 이 책은 호기심 많은 전문가가 어두운 복도로 잘못 접어들거나 제 발등을 찍게 되는 사태를 예방하는 데... 더보기

캠벨 하비(교수)

정량 금융의 첫 번째 물결은 마코위츠 최적화가 이끌었고, 머신러닝의 두 번째 물결은 금융의 모든 측면에 영향을 미칠 것이다. 이 책은 이 물결에 대체돼 버리지 않고, 이 물결을 이끌어가고자 하는 사람들이 반드시 읽어야 할 책... 더보기

카도 레보나토(교수)

작가의 학문적, 전문적, 일류적 신뢰가 책의 각 장마다 빛나고 있다. 새롭고 익숙하지 않은 과제에 대해 이토록 이론과 실제를 잘 설명한 사람은 찾아보기 힘들다. 급속히 주목 받는 분야에서 고전적인 필독서로 자리매김할 책이다.... 더보기

출판사 서평

★ 이 책의 대상 독자 ★

특히 금융 관련 데이터에 연계된 문제들을 해결하기 위해 설계된 고급 머신러닝 기법을 다루고 있다. ‘고급’이라는 의미는 이해하기가 극도로 힘들다거나 딥러닝이나 순환신경망 또는 합성곱망 등 최근에 되살아나고 있는 기법들을 설명한다는 의미는 아니다. 그보다 이 책은 금융 문제에 머신러닝 알고리즘을 적용한 경험이 있는 상급 연구원들이 중요하게 생각하는 여러 의문에 해답을 주고자 쓰여졌다. 만약 머신러닝이 처음이고, 복잡한 알고리즘에 대한 경험이 없다면 이 책은 (아직은) 맞지 않을 것이다. 이 책에서 다루... 더보기

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

이 책의 원서/번역서

안내
바로가기
  • 우측 확장형 배너 2
  • 우측 확장형 배너 2
최근 본 상품