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
●\t일반 퀀트, 머신러닝 기반 계량 투자(퀀트)에 관심 있는 분
●\t머신러닝을 실무(투자금융)에 적용해보고 싶은 투자자
●\t금융 데이터에 관심이 많은 데이터 과학자, 학생, 일반인
●\t4차 산업혁명 시대를 준비하는 금융업계 관리자
●\t미국과 한국 금융업계에서 활용하는 머신러닝 알고리즘이 궁금한 분

당신은 자산을 투자할 때 이번 한 번만 수익을 기대하는가, 아니면 지속적으로 수익을 내고자 하는가? 어쩌다 한 번이 아니라 지속적으로 수익을 내기 위해서는 직감에 의존하지 말고 데이터와 알고리즘을 기반으로 투자해야 한다. 즉, 투자에서 재료는 데이터이고 그걸 요리해서 수익을 내는 방법은 퀀트 전략 모델링 및 머신러닝이라고 할 수 있다. 이 책은 여러 가지 레시피는 물론이고 어떻게 데이터를 요리해서 수익을 낼지에 관해 기본기부터 고급 기술까지 폭넓게 다루고 있다. 예제를 하나하나 따라 하다 보면 어느새 자신만의 투자 레시피를 만들고 있는 당신을 발견하게 될 것이다.
김도국, 카카오엔터프라이즈 AI 연구원

인공지능과 빅데이터는 우리 삶의 곳곳에 파고들었고 금융도 더는 예외가 아니다. 이 책은 이러한 시대의 흐름에 발맞춰 퀀트 투자를 효과적으로 정리하고 알기 쉽게 설명하고 있다. 퀀트 투자를 시작하는 이들을 위한 입문서이자 투자 전문가들이 놓치기 쉬운 포인트도 짚어주는 전문서다. 이 책을 통해 한국의 투자 전문가들이 글로벌 퀀트 투자자로 거듭나는 기회를 얻게 될 것이다. 또한 한국 금융 시장이 글로벌 시장으로 도약하는 데 좋은 발판이 될 것으로 기대한다.

김보미, 하나금융융합기술원 책임연구원
전) 뱅크오브아메리카 퀀트

이 책에는 저자의 경험과 노하우가 압축되었다. 단순 최신 트렌드를 좇는 것이 아니라 실무에서 실제로 사용하는 기술을 예제를 통해 쉽게 풀어나갔으며 섬세하게 디테일도 놓치지 않으려 노력한 흔적이 곳곳에 엿보인다. 다양한 각도에서 생각할 수 있도록 독자를 이끄는 점이 인상적이다.

김슬기, LG CNS 미래전략사업부

금융투자 분야는 전통적인 제조업과 달리 인적 자원에 크게 의존하는 지식기반 산업이다. 하지만 인공지능이 금융 지식을 사람과 비교할 수 없는 속도로 습득하기 때문에, 미래의 금융투자는 현재와 완전히 다른 양상으로 전개될 것이다. 데이터에 기반한 현명한 투자 의사결정에 대한 인사이트를 얻고 싶은 분에게 꼭 추천하고 싶은 책이다.
남민주, 미래에셋자산운용 부동산운용본부

나는 미국 Dataminr에 근무하는 동안 트위터를 실시간 분석하여 기업 관련 사고는 물론 테러, 총기난사 등 사건 정보를 발생 직후 실시간으로 투자기관에 제공했었다. 이렇게 미국 금융업계는 다양한 데이터를 AI 기술로 적극 활용하고 있다. 투자 전략이 기밀인 금융계의 특성상, 기관과 전문가가 얼마나 발 빠르게 AI를 공부하고 활용하는가에 따라 실력차가 크게 벌어질 것이다. 이 책은 바로 그 시작 지점에서 독자에게 기본 지식과 앞으로의 공부 방향을 친절하게 제시하고 있다.

박소영, 전) 미국 Dataminr Domain Expert

급변하는 금융업계가 앞으로 어떻게 바뀔 것인지에 대해 훌륭한 인사이트를 불어넣는 책이다. 생소했던 AI 분야가 장차 금융업계에 어떻게 녹아들어갈지, 저자는 쉬운 용어와 구체적 사례 및 데이터를 기반으로 독자들을 매료시킨다. 저자가 가리키는 길을 따라가다 보면 금융업계의 미래가 그려질 뿐만 아니라 내 자산을 어떻게 관리할지에 대한 인사이트도 얻게 될 것이다.

이요한, 케이프투자증권 IB 사업부

2020년 4월 기준 증권사에 개설된 주식계좌는 약 3,100만 개로 대한민국 인구의 절반을 넘어섰다. 경제 성장의 둔화와 지속되는 저금리 기조로 1%대 예금 금리도 보장받지 못하는 시중의 유동성이 새로운 투자처를 찾아나서는 건 당연한 절차로 보인다. 이 책은 계량 분석, 프로그래밍과 인공지능 개념이 보편화된 오늘날의 투자자에게 합리적인 투자 전략과 이를 위한 기술을 함양해주는 좋은 입문서다. 이 책을 접한 후 퀀트 투자는 이제 전문가의 성역이 아니다. 정복의 대상이 될 것이다!

이황복, 삼정KPMG Data & Analysis 시니어 컨설턴트

4차 산업혁명 시대에 걸맞게 금융의 다방면에서도 인공지능이 적용되고 있다. 방대한 데이터 속에서 양질의 데이터를 추출하기 위한 투자 도구로 머신러닝/딥러닝이 새롭게 부상하고 있는 것이다. 이 책은 머신러닝/딥러닝의 트렌드와 투자 영역에서의 실전 적용 사례를 이해하기 쉽게 설명하고 있다. 현업 종사자뿐만 아니라 일반 투자자에게도 새로운 투자 방법을 안내해주는 훌륭한 길잡이가 될 것이라 기대한다.
정승원, 한국투자증권 투자공학부

이 책은 실제 투자자 입장에서 아직은 뚜렷하지 않은, 그러나 피할 수 없는 머신러닝 및 인공지능과 금융투자의 교차로에 대해 심도 있게 기술하고, 앞으로 금융투자가 나아가게 될 여러 방향에 기반이 되는 방법과 예제를 제시하여 시야를 넓혀준다. 이 책을 통해 투자자들은 금융투자 분야에서 어떠한 데이터가 어떠한 모형을 통해 머신러닝과 인공지능을 활용하게 될지 직접 시험해보고, 다가오는 미래의 금융투자에 한걸음 더 가까이 다가갈 수 있을 것이다.

정승재, Viva Republica(토스) 데이터 사이언티스트

 

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 듀얼 모멘텀 전략
4.4 가치 투자 퀀트 전략
4.5 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