- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
머신러닝을 이용한 알고리즘 트레이딩 시스템 개발 - 한빛 리얼타임 127
- 안명호, 류미현 저
- 한빛미디어
- 2016년 05월 24일
-
정가18,000원
-
판매가16,200원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금900원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
판매가 종료된 상품입니다.
회원리뷰
ISBN: 9788968488184
208쪽
153 x 223 (㎜)
지금 이책은
- 판매지수 : 226
- 주간 컴퓨터/IT: 64위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
이 책과 함께 구매한 책
-
도시락 노트 김은아 9,900원
-
딥러닝 매크로 투자전략 김선태, 조남기 14,850원
-
골목의 전쟁 김영준 13,320원
-
주식 자동매매 시스템 만들기 - 한빛 리얼타임 140 이경오 17,280원
-
Do it! 안드로이드 앱 프로그래밍[개정3판] 정재곤 36,000원
이 책의 시리즈
전체 선택
쇼핑카트 담기
-
-
최대 성능을 위한 유니티 5 게임 프로그래밍 최적화 - 한빛 ... 18,360원 (10%↓+5%P)
-
POCO를 이용한 C++ 네트워크 프로그래밍 - 한빛 리얼타임... 12,960원 (10%↓+5%P)
-
주식 자동매매 시스템 만들기 - 한빛 리얼타임 140 17,280원 (10%↓+5%P)
-
처음 시작하는 리액트 - 한빛 리얼타임 114 18,000원 (10%↓+5%P)
-
안드로이드를 위한 Gradle - 한빛 리얼타임 132 10,800원 (10%↓+5%P)
-
책 소개
출판사 리뷰
금융과 머신러닝의 만남!
머신러닝 이론을 실무에 적용한 알고리즘 트레이딩 시스템을 만들어 보자
현재 시중에 있는 머신러닝 관련 도서는 머신러닝이 무엇인지 소개하거나 머신러닝의 수학적 배경을? 설명한다. 전자는 머신러닝 알고리즘에 대한 소개와 사용방법에 치중하여 머신러닝 사용법을 학습하는 데는 도움이 되지만, 머신러닝의 개념을 이해하고 무엇을 하기에는 내용이 부족하고, 후자는 반대로 너무 전문적이어서 머신러닝 알고리즘에 사용된 수학적 개념들과 각종 정리를 소개하는 데 치중해 있다. 머신러닝 알고리즘을 새로 개발하거나 기존 머신러닝 ...
금융과 머신러닝의 만남!
머신러닝 이론을 실무에 적용한 알고리즘 트레이딩 시스템을 만들어 보자
현재 시중에 있는 머신러닝 관련 도서는 머신러닝이 무엇인지 소개하거나 머신러닝의 수학적 배경을 설명한다. 전자는 머신러닝 알고리즘에 대한 소개와 사용방법에 치중하여 머신러닝 사용법을 학습하는 데는 도움이 되지만, 머신러닝의 개념을 이해하고 무엇을 하기에는 내용이 부족하고, 후자는 반대로 너무 전문적이어서 머신러닝 알고리즘에 사용된 수학적 개념들과 각종 정리를 소개하는 데 치중해 있다. 머신러닝 알고리즘을 새로 개발하거나 기존 머신러닝 알고리즘을 개선해서 사용하려 한다면 이런 책들이 도움되지만, 머신러닝 알고리즘을 사용하려고 한다면 너무 학문적이고 이론적이어서 별로 도움이 되지 않는다.
『머신러닝을 이용한 알고리즘 트레이딩 시스템 개발』은 머신러닝을 공부하는 데 필요한 통계와 확률에 대한 수학적 이론과 머신러닝을 적용하려는 분야에 대한 도메인 지식(Domain Knowledge), 이를 구현한 코드를 한곳에서 볼 수 있는 책이다.
머신러닝을 이용해 프로그램을 작성하는 데 머신러닝 알고리즘이 차지하는 비중은 그렇게 크지 않다. 중요한 것은 데이터에 대한 이해와 특성을 파악하는 것이다. 이 과정은 통계와 확률에 대한 수학적 지식과 머신러닝을 적용하려는 분야에 대한 도메인 지식이 있으면 시간을 대폭 단축할 수 있고, 문제를 단순화할 수 있다. 이런 과정을 거쳐 적용한 머신러닝이야말로 좋은 결과를 보여준다.
머신러닝을 제대로 활용하기 위해서는 데이터가 더욱 중요한 이슈라고 얘기했듯이, 머신러닝을 이야기하는 데 적용 분야인 도메인을 정하지 않는 것은 반쪽짜리다. 그래서 이 책은 쉽게 데이터를 얻을 수 있으며, 데이터 자체에 대한 신뢰도가 높고 난도가 있는 주식을 선택했다.
주식시장은 예측이 어려운 대표적인 분야로, 머신러닝을 공부하는 데 필요한 모든 요소를 가지고 있다. 수학 이론을 이용한 예측 모델의 작성, 작성한 모델을 위한 데이터 처리, 주가를 예측하기 위한 학습, 학습결과의 해석과 이를 개선하는 방법 등 머신러닝 전체 흐름을 경험하기에 좋다. 통계, 시계열(Time Series), 알고리즘 트레이딩 등 책에서 다루는 주제는 각각 한 권의 책으로도 분량이 모자랄 만큼 방대한 내용을 가지고 있으나 이 책의 목적상 알고리즘 트레이딩과 직접 연관되고 반드시 알아야 하는 사항들을 중심으로 서술했다. 아울러 이 책은 프로그래밍을 할 수 있는 독자가 대상이므로 프로그래밍에 관련된 설명은 특별히 하지 않았다.
이 책의 구성
이 책은 크게 3부분으로 구성되어 있다.
Part 1은 머신러닝의 개요로, 머신러닝이 무엇인지와 머신러닝이 할 수 있는 것은 무엇인지, 머신러닝의 종류는 무엇이 있는지 등 머신러닝의 전반적인 개요를 설명한다.
Part 2는 알고리즘 트레이딩을 위한 수학적 배경지식으로 통계와 시계열을 다룬다. 알고리즘 트레이딩을 하려면 주식의 매도와 매수를 결정하는 ‘모델’이라는 것을 만들어야 한다. 이 모델을 만들기 위한 최소한의 통계 개념과 시계열 개념을 설명한다.
Part 3은 실제로 간단한 알고리즘 트레이딩을 파이썬을 이용해 구현해본다. 머신러닝에 기반을 둔 모델과 시계열 이론에 기반을 둔 모델 2가지를 구현해보고, 구현된 결과에 대한 해석과 이를 개선하는 방법에 대해 다룬다.
저자 소개
- 구분 : 저서
- 국적 : 대한민국
- 분류 : 기타
- 인기지수 : 68
KAIST SW석사과정을 마쳤다.
어느 날 알게 된 머신러닝에 흠뻑 빠져 그동안 애지중지하던 클라우드를 버리고 머신러닝으로 전향하였다. 이제 더는 다른 기술은 관심을 두지 않고 머신러닝 한길만으로 정했기에 머신러닝을 공부하며 어려운 수식들을 다시 보느라 고생하고 있지만, 하루하루 배워가는 지식에 행복해하며 지내고 있다. 머신러닝으로 가마우지를 만들어 인생을 즐기려 노력하고 있으며, 그 결실이 완성되는 날 완벽한 경제적 자유를 누리고자 한다.
- 구분 : 저서
- 국적 : 대한민국
- 분류 : 기타
- 인기지수 : 68
동국대 정보공학석사를 마쳤다.
머신러닝 책을 집필할 때만 해도 쉬엄쉬엄하는 마음으로 했는데, 딥마인드(DeepMind)의 데미스하사비스(DemisHassabis)가 ‘알파고(AlphaGo)’를 서울에 데려와 파문을 일으키고 가는 바람에 왠지 모를 조바심이 생겼다. 그동안딥러닝에 대해 갸우뚱하던 생각도 무지의 소치로 치워두고 급상승한 호기심을 발판으로 깊숙이 들어가 보려 한다. 확신할 수 없을 때는 불안하고 머뭇거리게 되지만 다행히 누군가 그 길을 보여주면 그때라도 놓치지 말고 따라가는 게 낫지 않을까 생각한다.
목차
목차
chapter 1 머신러닝
1.1머신러닝이란 무엇인가
1.2머신러닝의 장단점
1.3머신러닝의 종류
1.3.1 지도학습
1.3.2 비지도학습
1.4머신러닝이 할 수 있는 것
1.4.1 회귀
1.4.2 분류
1.4.3 군집화
1.5머신러닝 알고리즘
1.6머신러닝 프로세스
1.7No free Lunch Theorem
chapter 2 통계
2.1통계란
2.2통계가 머신러닝에서 중요한 이유
2.3통계의 기본 개념과 용어
2.3.1 모집단과 표본
2.3.2 파라미터와 통계량
2.3.3 표집 오차
2.3.4 종속변수와 독립변수
2.3.5 연속변수와 이산변수
2.3.6 모델
2.4준비사항
2.5데이터 다운로드
2.6데이터 로드
2.7기초통계
2.7.1 표준편차
2.7.2 사분위수
2.7.3 히스토그램
2.7.4 정규분포
2.7.5 산점도
2.7.6 상자그림
chapter 3 시계열 데이터
3.1시계열 데이터
3.2시계열 데이터 분석
3.3주요 시계열 데이터의 특성
3.4랜덤과정
3.5정상 시계열 데이터
3.5.1 약한 정상성
3.6랜덤과정에서의 기대값, 분산, 공분산
3.6.1 공분산
3.7상관
3.8자기공분산
3.9자기상관
3.10랜덤워크
3.10.1 기하적 브라운 운동
chapter 4 알고리즘 트레이딩
4.1알고리즘 트레이딩 소개
4.2인물로 살펴보는 알고리즘 트레이딩의 역사
4.2.1 에드워드 소프
4.2.2 제임스 해리스 사이먼스
4.2.3 케네스 그리핀
4.3알고리즘 트레이딩 모델
4.4평균회귀 모델
4.4.1 평균회귀 테스트
4.4.2 평균회귀 모델 구현
4.5머신러닝 모델
4.5.1 특징 선택
4.5.2 가격이냐 ?향이냐
4.6분류 모델
4.6.1 로지스틱 회귀
4.6.2 의사결정 트리와 랜덤 포레스트
4.6.3 SVM
4.7머신러닝 모델 구현
4.7.1 데이터셋
4.7.2 데이터셋 나누기
4.7.3 주가방향 예측변수 작성
4.7.4 주가방향 예측변수 실행 및 평가
4.8시간가치 감소 효과
chapter 5 알고리즘 트레이딩 시스템 구현
5.1일반적인 알고리즘 트레이딩 시스템 구성
5.2구현 시스템 개요
5.3개발 환경
5.4데이터 크롤러 구현
5.4.1 주식 종목코드 수집
5.4.2 주가 데이터 수집
5.5알파 모델 구현
5.5.1 평균회귀 모델
5.5.2 머신러닝 모델
5.6포트폴리오 빌더 구현
5.6.1 평균회귀 모델 종목 선정
5.6.2 머신러닝 모델 종목 선정
5.7트레이더 구현
chapter 6 성능 평가와 최적화
6.1알고리즘 트레이딩 시스템의 성능 측정
6.2백테스팅
6.2.1 Profit/Loss 테스트
6.2.2 Hit Ratio
6.2.3 Drawdown
6.2.4 Sharpe Ratio
6.3머신러닝 모델 성능 측정
6.3.1 혼동 행렬
6.3.2 Classification Report
6.3.3 ROC 곡선
6.4라이브 트레이딩 모니터링
6.5파라미터 최적화
6.6하이퍼파라미터 최적화
6.6.1 격자 탐색
6.6.2 랜덤 탐색
6.7블랙 스완
chapter 7 마치며
chapter 1 머신러닝
1.1머신러닝이란 무엇인가
1.2머신러닝의 장단점
1.3머신러닝의 종류
1.3.1 지도학습
1.3.2 비지도학습
1.4머신러닝이 할 수 있는 것
1.4.1 회귀
1.4.2 분류
1.4.3 군집화
1.5머신러닝 알고리즘
1.6머신러닝 프로세스
1.7No free Lunch Theorem
chapter 2 통계
2.1통계란
2.2통계가 머신러닝에서 중요한 이유
2.3통계의 기본 개념과 용어
2.3.1 모집단과 표본
2.3.2 파라미터와 통계량
2.3.3 표집 오차
2.3.4 종속변수와 독립변수
2.3.5 연속변수와 이산변수
2.3.6 모델
2.4준비사항
2.5데이터 다운로드
2.6데이터 로드
2.7기초통계
2.7.1 표준편차
2.7.2 사분위수
2.7.3 히스토그램
2.7.4 정규분포
2.7.5 산점도
2.7.6 상자그림
chapter 3 시계열 데이터
3.1시계열 데이터
3.2시계열 데이터 분석
3.3주요 시계열 데이터의 특성
3.4랜덤과정
3.5정상 시계열 데이터
3.5.1 약한 정상성
3.6랜덤과정에서의 기대값, 분산, 공분산
3.6.1 공분산
3.7상관
3.8자기공분산
3.9자기상관
3.10랜덤워크
3.10.1 기하적 브라운 운동
chapter 4 알고리즘 트레이딩
4.1알고리즘 트레이딩 소개
4.2인물로 살펴보는 알고리즘 트레이딩의 역사
4.2.1 에드워드 소프
4.2.2 제임스 해리스 사이먼스
4.2.3 케네스 그리핀
4.3알고리즘 트레이딩 모델
4.4평균회귀 모델
4.4.1 평균회귀 테스트
4.4.2 평균회귀 모델 구현
4.5머신러닝 모델
4.5.1 특징 선택
4.5.2 가격이냐 ?향이냐
4.6분류 모델
4.6.1 로지스틱 회귀
4.6.2 의사결정 트리와 랜덤 포레스트
4.6.3 SVM
4.7머신러닝 모델 구현
4.7.1 데이터셋
4.7.2 데이터셋 나누기
4.7.3 주가방향 예측변수 작성
4.7.4 주가방향 예측변수 실행 및 평가
4.8시간가치 감소 효과
chapter 5 알고리즘 트레이딩 시스템 구현
5.1일반적인 알고리즘 트레이딩 시스템 구성
5.2구현 시스템 개요
5.3개발 환경
5.4데이터 크롤러 구현
5.4.1 주식 종목코드 수집
5.4.2 주가 데이터 수집
5.5알파 모델 구현
5.5.1 평균회귀 모델
5.5.2 머신러닝 모델
5.6포트폴리오 빌더 구현
5.6.1 평균회귀 모델 종목 선정
5.6.2 머신러닝 모델 종목 선정
5.7트레이더 구현
chapter 6 성능 평가와 최적화
6.1알고리즘 트레이딩 시스템의 성능 측정
6.2백테스팅
6.2.1 Profit/Loss 테스트
6.2.2 Hit Ratio
6.2.3 Drawdown
6.2.4 Sharpe Ratio
6.3머신러닝 모델 성능 측정
6.3.1 혼동 행렬
6.3.2 Classification Report
6.3.3 ROC 곡선
6.4라이브 트레이딩 모니터링
6.5파라미터 최적화
6.6하이퍼파라미터 최적화
6.6.1 격자 탐색
6.6.2 랜덤 탐색
6.7블랙 스완
chapter 7 마치며
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
