서강대학교 로욜라도서관

탑메뉴

전체메뉴

전체메뉴닫기


검색

상세정보

실전 금융 머신 러닝 완벽 분석

López de Prado, Marcos Mailoc

상세정보
자료유형단행본
서명/저자사항실전 금융 머신 러닝 완벽 분석 / 마르코스 로페즈 데 프라도 지음 ; 이병욱 옮김
개인저자López de Prado, Marcos Mailoc
이병욱, 역
발행사항서울 : 에이콘, 2019
형태사항502 p. : 삽화, 표 ; 23 cm
원서명Advances in financial machine learning
ISBN9791161752334
일반주기 본서는 "Advances in financial machine learning. 2018."의 번역서임
서지주기참고문헌과 색인수록
수상주기대한민국학술원 선정 교육부 우수학술도서, 2019
일반주제명Finance --Data processing
Finance --Mathematical models
Machine learning
분류기호332.0285631
언어한국어

이 책의 다른 판을 확인할 수 있습니다. 이 책의 다른 판 보기

소장정보

서비스 이용안내
  • 서가에 없는 자료서가에 없는 자료
  • SMS발송SMS발송
메세지가 없습니다
No. 등록번호 청구기호 소장처/자료실 도서상태 반납예정일 예약 서비스
1 1358556 332.0285631 L864a K 2관3층 일반도서 대출가능
서가에 없는 자료 SMS발송
2 1332155 332.0285631 L864a K 2관3층 일반도서 대출가능
서가에 없는 자료 SMS발송


서평 (0 건)

서평추가

서평추가
별점
별0점
  • 별5점
  • 별4.5점
  • 별4점
  • 별3.5점
  • 별3점
  • 별2.5점
  • 별2점
  • 별1.5점
  • 별1점
  • 별0.5점
  • 별0점
제목입력
본문입력

*주제와 무관한 내용의 서평은 삭제될 수 있습니다.

출판사 제공 책소개

출판사 제공 책소개 일부

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.

★ 이 책의 대상 독자 ★

특히 금융 관련 데이터에 연...

출판사 제공 책소개 전체

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.

★ 이 책의 대상 독자 ★

특히 금융 관련 데이터에 연계된 문제들을 해결하기 위해 설계된 고급 머신 러닝 기법에 대해 다루고 있다. '고급'이라는 의미가 이해하기가 극도로 힘들다거나 딥러닝, 순환 신경망, 컨볼루션망 등 최근에 되살아나고 있는 기법들을 설명한다는 의미는 아니다. 그보다는 금융 문제에 머신 러닝 알고리즘을 적용한 경험이 있는 상급 연구원들이 주요하게 생각하는 여러 의문에 해답을 주기 위해 쓰여졌다. 만약 머신 러닝이 처음이고, 복잡한 알고리즘에 대한 경험이 없다면 이 책이 적합하지 않을 수 있다. 이 책에서 다루고 있는 문제에 대해 현업에서의 경험이 없다면 이 책을 이용해 문제 해결하는 것이 쉽지 않을 것이다. 이 책을 읽기 전에 머신 러닝에 대한 여러 훌륭한 책을 읽길 권한다.
이 책은 금융 이외의 여러 분야에 머신 러닝 알고리즘을 성공적으로 구현한 경험이 있는 데이터 과학자들에게도 적합하다. 만약 여러분이 구글에서 일하면서 딥신경망을 얼굴 인식에 대해 성공적으로 구현한 적이 있지만, 금융 쪽으로는 제대로 구현해본 적이 없다면 이 책이 많은 도움이 될 것이다.

★ 이 책의 구성 ★

이 책은 서로 얽혀 있는 주제들을 각각 구분해 정돈된 형태로 설명한다. 각 장은 그 이전 장을 읽었다고 가정하고 설명한다. 1부는 금융 데이터를 머신 러닝 알고리즘에서 잘 다룰 수 있도록 구성할 수 있게 도와준다. 2부는 해당 데이터에 대해 어떤 식으로 연구할지에 대해 알아본다. 여기서 중요한 것은 연구를 하거나 과학적 프로세스를 통해 실질적인 발견을 하는 것이며, 이는 우연히 어떤 (잘못될 가능성이 많은) 결과가 나타날 때까지 의미 없이 반복하는 연구 기법과는 구분된다. 3부는 연구에 대한 백테스트 방법에 대해 설명하고 결과가 잘못될 확률을 평가해본다. 이 세 가지를 통해 데이터 분석으로부터 모델을 연구하고, 결과를 평가하는 전체 프로세스를 개괄할 수 있게 된다. 이러한 지식을 바탕으로 4부는 데이터로 되돌아가 의미 있는 특징을 추출하는 혁신적인 방법을 설명한다. 마지막으로 이러한 작업들은 대부분 상당한 양의 자원을 소모하게 되므로 5부에서는 유용한 HPC 비법에 대해 알아본다.
이전 다음

함께 비치된 도서