금융 대체 데이터

◈ 옮긴이의 말 ◈

이 책은 대체 데이터의 활용에 대해서 엔드 투 엔드 투자 프로세스의 관점에서 저술한 첫 번째 책이다. 무엇보다도 머신러닝 및 딥러닝의 인공지능 기법이 발전함에 따라 대체 데이터로부터 가치를 용이하게 추출할 수 있게 됐다는 점을 주목하고, 이들을 적극 활용하는 방법을 추구한다. 우선 근본적으로 데이터의 가치에 대한 체계적인 접근을 통해 데이터를 사용할 때 고려해야 할 사항을 일깨우며, 모바일 폰 데이터, 인공위성 이미지, 위치 데이터 및 텍스트 데이터 등의 다양한 형태의 대체 데이터의 소개 및 머신러닝과 딥러닝을 통한 실제 사용 사례를 소개해 독자들이 대체 데이터를 실제로 어떻게 사용하는지 실감할 수 있도록 하고 있다. 팩터 투자의 한 요소로 가치가 있다는 것을 강조하면서 기존의 투자 체계와의 통합을 동시에 추구한다. 전통적인 데이터 과학의 고려 사항인 결측 데이터와 이상치에 대한 심도 있는 분석부터 최근 각광을 받고 있는 나우캐스팅에 관한 구체적인 접근법에 이르기까지 상세하게 보여주고 있어 실무적으로도 부족함이 없어 보인다.
이 책은 향후 머신러닝, 데이터 과학, 계량 금융, 자산 운용 및 규제기관 각 분야의 최전선에서 실무를 담당하는 사람들에게 훌륭한 참고서 역할을 하리라 믿는다. 아울러 기존에 번역했던 머신러닝과 딥러닝의 많은 기법을 알고리듬 트레이딩에 적용한 스테판 젠슨의 책 『머신러닝 알고리듬 트레이딩(에이콘, 2022)』, 통계학과 머신러닝 핵심을 자산 운용에 접목함으로써 금융 머신러닝의 레벨을 업그레이드시킨 마르코스 로페즈 데 프라도의 저서들(『자산 운용을 위한 금융 머신러닝(2021)』, 『실전 금융 머신러닝 완벽 분석』(2018))과 최첨단 금융머신 기법을 통해 신세대 금융의 길을 개척한 매튜 딕슨, 핼퍼린 이고르 및 폴 빌로콘의 저서 『금융 머신러닝』(2022)을 참고하기를 바란다.

1장. 대체 데이터: 현황
2장. 대체 데이터의 가치
3장. 대체 데이터 위험과 도전 과제
4장. 머신러닝 기법
5장. 대체 데이터 사용 배후의 프로세스
6장. 팩터 투자
7장. 결측 데이터: 배경
8장. 결측 데이터: 사례 연구
9장. 특이치(이상치)
10장. 자동차 기본 데이터
11장. 서베이와 크라우드소싱 데이터
12장. 구매자 관리 지수
13장. 인공위성 이미지와 항공 사진
14장. 위치 데이터
15장. 텍스트, 웹, 소셜 미디어 및 뉴스
16장. 투자자 관심
17장. 소비자 거래
18장. 정부, 산업과 기업데이터
19장. 시장 데이터
20장. 사모시장의 대체 데이터

알렉산더 데네브 Alexander Denev
금융, 금융 모델링 및 머신러닝 분야에서 15년 이상의 경력을 보유하고 있으며, 현재 딜로이트 LLP의 금융 서비스 부문(Financial Services, Risk Advisory) 책임자를 맡고 있다. 전에는 IHS 마킷(IHS Markit)에서 Quantitative Research & Advanced Analytics를 이끌었으며, 분석 모델 개발을 위한 센터를 설립하고 유지했다.
또한 스코틀랜드 왕립 은행(Royal Bank of Scotland), 소시에테 제네랄(Societe General), 유럽 투자 은행(European Investment Bank), 유럽 투자 펀드(European Investment Fund)에서 일했으며 유럽 금융 안정 기구(European Financial Stability Facility)와 유럽 안정 메커니즘(European Stability Mechanism)의 금융공학 작업에도 참여했다.
이탈리아 로마대학교에서 인공지능을 전공하고 물리학 석사 학위를 취득했으며 영국 옥스퍼드대학교에서 수학 금융 학위를 취득했다. 스트레스 테스트와 시나리오 분석에서 자산 배분에 이르는 주제에 관한 여러 논문과 책을 썼다.