파이썬 기반 금융 인공지능
파이썬과 케라스를 활용한 금융 시계열 데이터 기반 알고리즘 트레이딩 전략
$50.72
SKU
9791169210300
[Free shipping over $100]
Standard Shipping estimated by Fri 12/6 - Thu 12/12 (주문일로부 10-14 영업일)
Express Shipping estimated by Tue 12/3 - Thu 12/5 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2022/09/30 |
| Pages/Weight/Size | 183*235*22mm |
| ISBN | 9791169210300 |
| Categories | IT 모바일 > OS/데이터베이스 |
Description
통계적 비효율성부터 벡터화된 백테스팅, 알고리즘 트레이딩까지,
금융 전문가를 위한 인공지능 활용법
이 책은 금융권에서 AI를 활용하는 금융 전문가를 위한 인공지능 활용 실전 지침서다. 책의 초반부에서는 지도 학습, 초지능 등 일반적으로 활용되는 AI의 핵심 개념을 소개한다. 그다음 AI를 이용해 금융 시장에서 통계적 비효율성을 찾아내는 방법으로 내용을 확장한다. 그리고 어디에서도 배울 수 없는 통계적 비효율성에 AI 알고리즘을 더해 알고리즘 트레이딩에서 경제적 비효율성을 역이용하는 방법을 설명한다. 마지막으로 신경망 훈련을 위한 파이썬 코드 예제와 금융 시계열 예측을 소개하며 이 책을 마무리한다. 이 책을 따라 모든 학습을 마치고 나면 AI를 활용해 기존의 금융 시스템에 디지털 혁신을 가져올 금융 전문가로 거듭나 있는 자신을 발견하게 될 것이다.
금융 전문가를 위한 인공지능 활용법
이 책은 금융권에서 AI를 활용하는 금융 전문가를 위한 인공지능 활용 실전 지침서다. 책의 초반부에서는 지도 학습, 초지능 등 일반적으로 활용되는 AI의 핵심 개념을 소개한다. 그다음 AI를 이용해 금융 시장에서 통계적 비효율성을 찾아내는 방법으로 내용을 확장한다. 그리고 어디에서도 배울 수 없는 통계적 비효율성에 AI 알고리즘을 더해 알고리즘 트레이딩에서 경제적 비효율성을 역이용하는 방법을 설명한다. 마지막으로 신경망 훈련을 위한 파이썬 코드 예제와 금융 시계열 예측을 소개하며 이 책을 마무리한다. 이 책을 따라 모든 학습을 마치고 나면 AI를 활용해 기존의 금융 시스템에 디지털 혁신을 가져올 금융 전문가로 거듭나 있는 자신을 발견하게 될 것이다.
Contents
[PART I 기계지능]
CHAPTER 1 인공지능
1.1 알고리즘
1.2 신경망
1.3 데이터의 중요성
1.4 마치며
1.5 참고 문헌
CHAPTER 2 초지능
2.1 성공 스토리
2.2 하드웨어의 중요성
2.3 지능의 형태
2.4 초지능으로 가는 길
2.5 지능의 폭발
2.6 목표와 제어
2.7 잠재적 결과
2.8 마치며
2.9 참고 문헌
[PART II 금융과 머신러닝]
CHAPTER 3 규범적 금융
3.1 불확실성과 리스크
3.2 기대효용 이론
3.3 평균-분산 포트폴리오 이론
3.4 자본자산 가격결정 모형
3.5 차익거래 가격결정 이론
3.6 마치며
3.7 참고 문헌
CHAPTER 4 데이터 기반 금융
4.1 과학적 방법론
4.2 계량경제학과 회귀분석
4.3 데이터 입수
4.4 규범적 이론의 재고
4.5 핵심 가정 깨부수기
4.6 파이썬 코드
4.7 마치며
4.8 참고 문헌
CHAPTER 5 머신러닝
5.1 학습
5.2 데이터
5.3 성공
5.4 용량
5.5 성능 측정
5.6 편향과 분산
5.7 교차검증
5.8 마치며
5.9 참고 문헌
CHAPTER 6 인공지능 우선 금융
6.1 효율적 시장
6.2 수익률 데이터에 기반한 시장 예측
6.3 더 많은 특징을 사용한 시장 예측
6.4 일중 시장 예측
6.5 마치며
6.6 참고 문헌
[PART III 통계적 비효율성]
CHAPTER 7 밀집 신경망
7.1 데이터
7.2 기준적 예측
7.3 데이터 정규화
7.4 드롭아웃
7.5 규제화
7.6 배깅
7.7 최적화
7.8 마치며
7.9 참고 문헌
CHAPTER 8 재귀 신경망
8.1 첫 번째 예제
8.2 두 번째 예제
8.3 금융 가격 시계열
8.4 금융 수익률 시계열
8.5 금융 특징
8.6 마치며
8.7 참고 문헌
CHAPTER 9 강화 학습
9.1 기본 개념
9.2 OpenAI Gym
9.3 몬테카를로 에이전트
9.4 신경망 에이전트
9.5 DQL 에이전트
9.6 단순 금융 Gym
9.7 더 나은 금융 Gym
9.8 FQL 에이전트
9.9 마치며
9.10 참고 문헌
[PART Ⅳ 알고리즘 트레이딩]
CHAPTER 10 벡터화된 백테스팅
10.1 단순 이동평균 전략 백테스팅
10.2 일간 신경망 전략 백테스팅
10.3 일중 신경망 전략 백테스팅
10.4 마치며
10.5 참고 문헌
CHAPTER 11 리스크 관리
11.1 트레이딩 봇
11.2 벡터화된 백테스팅
11.3 이벤트 기반 백테스팅
11.4 리스크 평가
11.5 리스크 관리 백테스팅
11.6 파이썬 코드
11.7 마치며
11.8 참고 문헌
CHAPTER 12 집행 및 배포
12.1 Oanda 계정
12.2 데이터 추출
12.3 주문 집행
12.4 트레이딩 봇
12.5 배포
12.6 파이썬 코드
12.7 마치며
12.8 참고 문헌
[PART Ⅴ 전망]
CHAPTER 13 인공지능 경쟁
13.1 인공지능과 금융
13.2 표준화 부족
13.3 교육과 훈련
13.4 자원을 위한 싸움
13.5 시장 충격
13.6 경쟁 시나리오
13.7 위험, 법규, 감독
13.8 마치며
13.9 참고 문헌
CHAPTER 14 금융 특이점
14.1 개념과 정의
14.2 무엇이 걸려 있는가
14.3 금융 특이점으로 가는 경로
14.4 기술과 자원
14.5 시나리오
14.6 스타트랙과 스타워즈
14.7 마치며
14.8 참고 문헌
[PART Ⅵ 부록]
APPENDIX A 상호작용형 신경망
A.1 텐서와 텐서 연산
A.2 간단한 신경망
A.3 얕은 신경망
A.4 참고 문헌
APPENDIX B 신경망 클래스
B.1 활성화 함수
B.2 단순 신경망
B.3 얕은 신경망
B.4 시장 방향 예측
APPENDIX C 합성곱 신경망
C.1 특징 및 라벨 데이터
C.2 모형 학습
C.3 모형 테스트
C.4 참고 문헌
CHAPTER 1 인공지능
1.1 알고리즘
1.2 신경망
1.3 데이터의 중요성
1.4 마치며
1.5 참고 문헌
CHAPTER 2 초지능
2.1 성공 스토리
2.2 하드웨어의 중요성
2.3 지능의 형태
2.4 초지능으로 가는 길
2.5 지능의 폭발
2.6 목표와 제어
2.7 잠재적 결과
2.8 마치며
2.9 참고 문헌
[PART II 금융과 머신러닝]
CHAPTER 3 규범적 금융
3.1 불확실성과 리스크
3.2 기대효용 이론
3.3 평균-분산 포트폴리오 이론
3.4 자본자산 가격결정 모형
3.5 차익거래 가격결정 이론
3.6 마치며
3.7 참고 문헌
CHAPTER 4 데이터 기반 금융
4.1 과학적 방법론
4.2 계량경제학과 회귀분석
4.3 데이터 입수
4.4 규범적 이론의 재고
4.5 핵심 가정 깨부수기
4.6 파이썬 코드
4.7 마치며
4.8 참고 문헌
CHAPTER 5 머신러닝
5.1 학습
5.2 데이터
5.3 성공
5.4 용량
5.5 성능 측정
5.6 편향과 분산
5.7 교차검증
5.8 마치며
5.9 참고 문헌
CHAPTER 6 인공지능 우선 금융
6.1 효율적 시장
6.2 수익률 데이터에 기반한 시장 예측
6.3 더 많은 특징을 사용한 시장 예측
6.4 일중 시장 예측
6.5 마치며
6.6 참고 문헌
[PART III 통계적 비효율성]
CHAPTER 7 밀집 신경망
7.1 데이터
7.2 기준적 예측
7.3 데이터 정규화
7.4 드롭아웃
7.5 규제화
7.6 배깅
7.7 최적화
7.8 마치며
7.9 참고 문헌
CHAPTER 8 재귀 신경망
8.1 첫 번째 예제
8.2 두 번째 예제
8.3 금융 가격 시계열
8.4 금융 수익률 시계열
8.5 금융 특징
8.6 마치며
8.7 참고 문헌
CHAPTER 9 강화 학습
9.1 기본 개념
9.2 OpenAI Gym
9.3 몬테카를로 에이전트
9.4 신경망 에이전트
9.5 DQL 에이전트
9.6 단순 금융 Gym
9.7 더 나은 금융 Gym
9.8 FQL 에이전트
9.9 마치며
9.10 참고 문헌
[PART Ⅳ 알고리즘 트레이딩]
CHAPTER 10 벡터화된 백테스팅
10.1 단순 이동평균 전략 백테스팅
10.2 일간 신경망 전략 백테스팅
10.3 일중 신경망 전략 백테스팅
10.4 마치며
10.5 참고 문헌
CHAPTER 11 리스크 관리
11.1 트레이딩 봇
11.2 벡터화된 백테스팅
11.3 이벤트 기반 백테스팅
11.4 리스크 평가
11.5 리스크 관리 백테스팅
11.6 파이썬 코드
11.7 마치며
11.8 참고 문헌
CHAPTER 12 집행 및 배포
12.1 Oanda 계정
12.2 데이터 추출
12.3 주문 집행
12.4 트레이딩 봇
12.5 배포
12.6 파이썬 코드
12.7 마치며
12.8 참고 문헌
[PART Ⅴ 전망]
CHAPTER 13 인공지능 경쟁
13.1 인공지능과 금융
13.2 표준화 부족
13.3 교육과 훈련
13.4 자원을 위한 싸움
13.5 시장 충격
13.6 경쟁 시나리오
13.7 위험, 법규, 감독
13.8 마치며
13.9 참고 문헌
CHAPTER 14 금융 특이점
14.1 개념과 정의
14.2 무엇이 걸려 있는가
14.3 금융 특이점으로 가는 경로
14.4 기술과 자원
14.5 시나리오
14.6 스타트랙과 스타워즈
14.7 마치며
14.8 참고 문헌
[PART Ⅵ 부록]
APPENDIX A 상호작용형 신경망
A.1 텐서와 텐서 연산
A.2 간단한 신경망
A.3 얕은 신경망
A.4 참고 문헌
APPENDIX B 신경망 클래스
B.1 활성화 함수
B.2 단순 신경망
B.3 얕은 신경망
B.4 시장 방향 예측
APPENDIX C 합성곱 신경망
C.1 특징 및 라벨 데이터
C.2 모형 학습
C.3 모형 테스트
C.4 참고 문헌