나만의 투자 전략 실현을 위한 인공지능 퀀트 투자 학습법
알파고 이후 인공지능 기술은 제조, 의료, 교육, 게임, 보안 등 다양한 산업에 도입되었고, 머신러닝과 딥러닝을 기반으로 한 서비스가 생겨났다. 금융권도 인공지능이라는 날개를 달고 진화 중이다. 고객 대응, 자산 관리, 종목 분석, 주식 거래 등 지능형 시스템과 빅데이터를 활용하여 다양한 분야에서 폭넓은 서비스를 제공한다.

이 책은 주식 거래를 위한 자료 수집부터 퀀트 투자 전략과 머신러닝/딥러닝을 이용한 투자 전략까지 상세히 설명한다. 알고리즘 트레이딩에 대한 머신러닝과 딥러닝 방법의 한계와 가능성을 명확히 알려주고, 실전에서 활용 가능한 최신 모델링 기법을 알려준다. 예제 코드는 이해하기 쉽도록 짧고 간단하게 구성했다. 이 책의 내용을 잘 따라 하면 자신만의 투자 가설을 검증하고, 자신만의 투자 기법을 머신러닝 툴로 실현하며, 계량적 투자 전략을 구현하는 과정에서 만나는 문제를 해결할 수 있다.

● 머신러닝과 딥러닝을 활용한 투자 사례
● 금융 데이터 분석을 위한 넘파이, 판다스 활용법
● 파이썬으로 만드는 투자 전략과 주요 지표
● 금융 데이터를 이용한 전통 퀀트 전략 구현
● 머신러닝을 이용한 투자 전략 구현
● 딥러닝을 이용한 투자 전략 구현

1990년대 개인 투자자는 대개 전광판에 있는 차트 하나에 의존해 투자했었다. 그 당시 증권가에 시스템 관리를 돕던 지인이 있었는데, 그분은 직접 빠르게 차트 데이터를 확인하고 투자할 수 있어, 전광판 차트에 의존하던 개인 투자자 대비 높은 수익률을 낼 수 있었다. 하지만 컴퓨터가 보급되어 일반인도 쉽게 차트를 분석하게 되면서 그동안 누려온 알파가 점차 사라졌다고 한다.

머신러닝도 마찬가지 아닐까? 머신러닝과 컴퓨터 과학 지식, 수많은 데이터로 무장한 헤지펀드가 훨씬 유리해 보일 수 있다. 하지만 데이터 민주화와 더불어 많은 유용한 오픈 소스가 공개되면서, 일반인도 마음만 먹으면 데이터와 편리한 기능을 제공하는 금융 라이브러리를 사용해 머신러닝 기반의 퀀트 전략을 구현할 수 있는 시대가 되었다. 지금 준비하지 않으면 늦을 수도 있다. '지금'이 바로 여러분의 시간이다. 부디 이 책을 통해 더 많은 사람들이 머신러닝 기반 투자 전략 개발에 관심을 갖고, 인공지능이 투자 금융에 미칠 파급력을 함께 고민하게 되기를 바란다.

누구를 위한 책인가
● 일반 퀀트, 머신러닝 기반 계량 투자(퀀트)에 관심 있는 분
● 머신러닝을 실무(투자금융)에 적용해보고 싶은 투자자
● 금융 데이터에 관심이 많은 데이터 과학자, 학생, 일반인
● 4차 산업혁명 시대를 준비하는 금융업계 관리자
● 미국과 한국 금융업계에서 활용하는 머신러닝 알고리즘이 궁금한 분

데이터 과학자로 하나금융융합기술원에서 로보어드바이저, 신용평가 시스템 개발 등의 프로젝트에 참여하고 있다. 중학생 때부터 10여 년간 중국에서 거주하며 베이징 대학교를 졸업했고 미국 캘리포니아 대학교 샌디에이고에서 국제경제 석사 학위를 받았다. 역서로는 『단단한 머신러닝』과 『데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집』(이상 제이펍, 2020)이 있다.

CHAPTER 1 금융과 투자 영역의 머신러닝

1.1 AI, 금융, 투자의 삼자관계

1.2 실제 투자 영역의 머신러닝 응용 사례

1.3 투자 영역에서 활용하는 알고리즘

1.4 투자 영역에서 활용하는 데이터

1.5 마치며



CHAPTER 2 금융 데이터 분석을 위한 파이썬 활용법

2.1 날짜와 시간

2.2 금융 데이터 전처리와 분석을 위한 판다스 사용법

2.3 금융 데이터 분석을 위한 오픈 API 활용

2.4 마치며



CHAPTER 3 파이썬으로 만드는 투자 전략과 주요 지표

3.1 바이앤홀드 전략

3.2 투자 성과 분석 지표

3.3 마치며



CHAPTER 4 전통 퀀트 투자 전략

4.1 전통 퀀트 방법론 소개

4.2 평균 회귀 전략

4.3 모멘텀 전략

4.4 절대 모멘텀 전략

4.5 상대 모멘텀 전략

4.6 가치 투자 퀀트 전략

4.7 마치며



CHAPTER 5 금융에서의 머신러닝

5.1 왜 머신러닝을 활용해야 하는가?

5.2 머신러닝 알고리즘 소개

5.3 금융 시계열 데이터에 대한 교차 검증 방법

5.4 금융에서의 데이터 전처리

5.5 머신러닝을 활용한 전략의 평가 지표

5.6 백테스팅

5.7 머신러닝 알고리즘 구현을 위한 사이킷런

5.8 마치며



CHAPTER 6 머신러닝을 이용한 투자 전략

6.1 ETFs를 활용한 주가 방향 예측

6.2 k-최근접 이웃 알고리즘을 활용한 투자 전략

6.3 클러스터링 알고리즘을 활용한 종목 분류

6.4 마치며



CHAPTER 7 금융에서의 딥러닝

7.1 딥러닝

7.2 딥러닝 알고리즘 구현을 위한 케라스

7.3 마치며



CHAPTER 8 딥러닝을 이용한 투자 전략

8.1 CNN을 활용한 캔들차트 예측 분석

8.2 RNN을 활용한 주가 방향성 분류 예측

8.3 오토인코더를 활용한 주가 데이터 생성

8.4 마치며



부록 A 파이썬 시간/날짜 라이브러리

부록 B 파이썬을 이용한 백테스팅 API

부록 C 금융 용어 및 주요 거시 경제 지표

부록 D 금융 관련 파이썬 라이브러리