금융 파이썬 완전 정복(2판)(금융 퀀트 머신러닝 융합)

◈ 이 책에서 다루는 내용 ◈
◆ 다양한 금융 문제를 나타내는 선형 및 비선형 모델 해석
◆ 다우 지수와 구성 요소에 대한 주성분 분석 수행
◆ 정상성과 비정상성 시계열 프로세스에 대한 분석, 예측, 예상
◆ 이벤트 기반 백테스팅 툴의 생성과 자신의 전략 측정
◆ 파이썬으로 고빈도 알고리듬 트레이딩 플랫폼 구축
◆ VIX 기반 전략 이해를 위해 CBOT VIX 지수를 SPX 옵션으로 복제
◆ 예측에서 회귀 기반 및 분류 기반 머신러닝 과제 수행
◆ 딥러닝 아키텍처에 텐서플로와 케라스 사용

◈ 이 책의 대상 독자 ◈
금융 전문가, 데이터 분석가 혹은 금융 업계의 소프트웨어 개발자로서 정량적 방법에 고급 파이썬 기술을 사용하는 데 관심이 있다면 이 책을 읽기에 적합하다. 스마트 머신러닝 기술을 사용해 기존 금융 애플리케이션의 기능을 확장하려는 경우에도 유용하다.


◈ 이 책의 구성 ◈
1장. '파이썬을 사용한 금융 분석'에서는 책을 읽기 위한 사전 준비로 개요 Jupyter 노트북을 포함한 파이썬 환경 설정을 간략히 설명한다. Jupyter 내에서 분석을 위해 도면을 사용함으로써 pandas로 시계열 분석을 수행한다.
2장. '금융에서 선형성의 중요성'에서는 파이썬을 사용해 선형 방정식 시스템을 풀고 정수 프로그래밍을 수행하며 포트폴리오 할당의 선형 최적화에 행렬 대수를 적용한다.
3장. '금융의 비선형성'에서는 정보 추출에 도움이 되는 몇 가지 방법을 살펴본다. 비선형 변동성 모델링에서 근 찾기 기법을 배운다. SciPy의 최적화 모듈에는 root와 fsolve 함수가 포함돼 있어 비선형 모델에서 근 찾기를 수행할 수 있다.
4장. '옵션 가격 책정을 위한 수치적 방법'에서는 옵션 평가를 위한 트리, 격자, 유한 차분 체계를 탐색한다.
5장. '금리와 파생상품 모델링'에서는 수익률 곡선의 부트스트래핑(bootstrapping) 프로세스에 대해 설명하고 파이썬을 사용해 금리 파생상품의 가격을 책정하는 몇 가지 단기 금리 모델을 다룬다.
6장. '시계열 데이터의 통계 분석'에서는 주성분을 식별하기 위한 주성분 분석을 소개한다. 딕커-풀러(Dicker-Fuller) 검정은 시계열이 고정돼 있는지 여부를 테스트하는 데 사용된다.
7장. 'VIX를 사용한 대화형 금융 분석'에서는 변동성 지수를 설명한다. 미국 주가 지수와 VIX 데이터에 대한 분석을 수행하고 하위 지수의 옵션 가격을 사용해 주요 지수를 복제한다.
8장. '알고리듬 거래 플랫폼 구축'에서는 브로커 API를 사용해 평균 회귀와 추세 추종 실거래 인프라를 개발하는 단계별 접근 방식을 취한다.
9장. '백테스팅 시스템 구현'에서는 이벤트 기반 백테스팅 시스템을 설계하고 구현하는 방법을 설명하며, 시뮬레이션된 거래 전략의 성능을 시각화해본다.
10장. '금융을 위한 머신러닝'에서는 머신러닝을 소개함으로써 금융 분야의 개념과 애플리케이션을 연구해본다. 또한 거래 결정을 지원하기 위해 머신러닝을 적용하는 몇 가지 실용적인 예를 살펴본다.
11장. '금융을 위한 딥러닝'에서는 신경망을 사용해 딥러닝 예측 모델을 구축함으로써 텐서플로와 Keras를 학습하는 실습 접근 방식을 취하도록 한다.

◈ 옮긴이의 말 ◈
금융에서 사용되는 여러 분석 기법을 파이썬을 통해 설명하는 책이다. 기초적인 개념과 이론 설명은 물론, API 사용 실습을 통해 여러 금융 지표를 분석하는 기법을 직접 구현해 볼 수 있도록 구성됐다.
파이썬을 사용하면서 보다 심도 있는 분석을 원한 금융인은 쉬운 설명과 함께 코드를 하나씩 따라가다 보면 인공지능 기법과 함께 여러 오픈 API를 사용해 금융 데이터를 취급하는 방법을 익힐 수 있다. 한편 금융에 대한 지식이 거의 없는 사람들도 이 책을 따라가다 보면 금융 데이터 분석을 위한 핵심 개념을 하나씩 이해하게 될 것이다.
전체 내용은 금융의 기본 개념의 설명부터 시작해, 하나씩 새로운 개념이 도입될 때마다 파이썬 실습을 통해 쉽게 이해할 수 있도록 구성돼 있다. 가장 쉬운 선형 기법부터 시작해 비선형으로 확장하며, 이후 장을 거듭할수록 지속적으로 추가적인 개념을 도입하고, 이를 통해 여러가지 파이썬 오픈 API를 접할 수 있도록 구성돼 있다.
금융인은 물론 비금융인도 모두 쉽게 접할 수 있는 금융 분석 입문서로 이 책을 추천한다.

1부. 파이썬 시작하기

1장. 파이썬을 사용한 금융 분석 개요
__파이썬 구하기
____가상 환경 준비
____Jupyter 노트북 실행
____파이썬 기능 개선 제안서
__Quandl 소개
____환경에 맞는 Quandl 설정
__시계열 차트 도식화
____Quandl에서 데이터셋 가져 오기
____주가와 거래량 차트 도식화
____촛대 차트 도식화
__시계열 데이터에 대한 금융 분석
____수익률 도식화
____누적 수익률 도식화
____히스토그램 도식화
____변동성 도식화
____분위수-분위수 도면
____복수의 시계열 데이터 다운로드
____상관 행렬 표시
____상관관계 도식화
____단순이동평균
____지수이동평균 이동
__요약


2부. 금융 개념

2장. 금융에서 선형성의 중요성
__자본 자산 가격 책정 모델과 증권시장선
__차익 거래 가격 결정 이론 모델
__요인 모델의 다변량 선형 회귀
__선형 최적화
____Pulp 받기
____선형 계획법을 사용한 최대화 예제
____선형 프로그램의 결과
____정수 프로그래밍
__행렬을 사용한 선형 방정식 해결
__LU 분해
__촐레스키 분해
__QR 분해
__다른 행렬 대수 방법으로 풀기
____자코비 기법
____가우스-자이델 기법
__요약


3장. 금융의 비선형성
__비선형성 모델링
____비선형 모델의 예
__근 찾기 알고리듬
____증분 검색
____이분법
____뉴턴 기법
____시컨트 기법
____근 찾기 기법 조합
__SciPy의 근 찾기 구현
____근 찾기 스칼라 함수
____일반 비선형 솔버
__요약


4장. 옵션 가격 책정을 위한 수치적 방법
__옵션 소개
__이항 트리로 옵션 가격 책정
__유럽식 옵션 가격 책정
__StockOption 기본 클래스 작성
____이항 트리를 사용한 유럽식 옵션 클래스
____이항 트리를 사용한 미국식 옵션 클래스
____콕스-로스-루빈스타인 모델
____라이젠-라이머 트리 사용
__무료 그릭
____LR 이항 트리를 사용하는 그리스인을 위한 클래스
__옵션 가격 책정의 삼항 트리
____삼항 트리 옵션 가격 책정 모델의 클래스
__옵션 가격 결정의 격자
____이항 격자 사용
____CRR 이항 격자 옵션 가격 책정 모델의 클래스
____삼항 격자 사용
__옵션 가격 설정의 유한 차분
____명시적 기법
____유한 차분 기본 클래스 작성
____암시적 기법
____크랭크-니콜슨 기법
____특이 배리어 옵션의 가격 책정
____유한 차분으로 미국식 옵션 가격 책정
__종합하기: 내재 변동성 모델링
____AAPL 미국식 풋 옵션의 내재 변동성
__요약


5장. 금리와 파생상품 모델링
__고정-수입 증권
__수익률 곡선
__제로 쿠폰 채권 평가
____현물 금리와 제로 금리
__수익률 곡선의 부트스트랩
____수익률 곡선의 부트스트랩 예
____수익률 곡선 부트스트랩 클래스 작성
__선도 금리
__만기 수익률 계산
__채권 가격 계산
__채권 듀레이션
__채권 볼록성
__단기 금리 모델링
____바시첵 모델
____콕스-인거졸-로스 모델
____렌들만과 바터 모델
____브레넨과 슈바르츠 모델
__채권 옵션
____수의상환권부 채권
____상환청구권부 채권
____전환 사채
____우선주
__수의상환권부 채권 옵션의 가격 책정
____바시첵 모델에 의한 제로 쿠폰 채권 가격 책정
____조기 행사 가치
____유한 차이에 의한 정책 반복
____수의상환권부 채권 가격 책정의 기타 고려 사항
__요약


6장. 시계열 데이터의 통계 분석
__다우 존스 산업 평균과30개 구성 요소
____Quandl에서 다우 구성 요소 데이터셋 다운로드
____알파 밴티지
____알파 밴티지 API 키 얻기
____알파 밴티지 파이썬 래퍼 설치
____알파 밴티지에서 DJIA 데이터셋 다운로드
__커널 PCA 적용
____고유 벡터와 고유 값 찾기
____PCA를 사용해 다우 인덱스재구성
__정상성과 비정상성 시계열
____정상성과 비정상성
____정상성 확인
____비정상 프로세스의 유형
____정상성 프로세스의 유형
__증강 딕키-풀러 검증
__추세가 있는 시계열 분석
__시계열을 정상성으로 만들기
____추세 제거
____차분을 사용한 추세 제거
____계절적 분해
____ADF 검정의 단점
__시계열 예측과 예상
____자기 회귀 통합 이동평균
____그리드 검색을 통한 모델 매개변수 찾기
____SARIMAX 모델 적합화하기
____SARIMAX 모델의 예측과 예상
__요약


3부. 실습

7장. VIX를 사용한 대화형 금융 분석
__변동성 파생상품
____STOXX와 Eurex
____EURO STOXX 50 지수
____VSTOXX
____S&P 500 지수
____SPX 옵션
____VIX
__S&P 500과 VIX의 금융 분석
____데이터 수집
____분석 수행
____SPX와 VIX 간의 상관관계
__VIX 지수 계산
____SPX 옵션 데이터 가져오기
____단기와 차기 옵션 찾기
____필요 분 계산
____Calculating the forward SPX Index level
____필요한 선도 행사 가격 찾기
____행사 가격 경계 결정
____행사 가격별 기여도 표 만들기
____변동성 계산
____차기 옵션 계산
____VIX 지수 계산
____여러 VIX 지수 계산
____결과 비교
__요약


8장. 알고리듬 거래 플랫폼 구축
__알고리듬 거래 소개
____공개 API를 사용하는 거래 플랫폼
____프로그래밍 언어 선택
____시스템 기능
__알고리듬 거래 플랫폼 구축
____브로커 인터페이스 설계
____파이썬 라이브러리 요구 사항
____이벤트 기반 브로커 클래스 작성
____가격 이벤트 핸들러 저장하기
____주문 이벤트 핸들러 저장
____포지션 이벤트 핸들러 저장
____가격을 얻기 위한 추상 메서드 선언
____가격 스트리밍을 위한 추상 메서드 선언
____주문을 전송하기 위한 추상 메서드 선언
____브로커 클래스 구현
__평균 회귀 알고리듬 거래 시스템 구축
____평균 회귀 알고리듬 설계
____평균 회귀 트레이더 클래스 구현하기
____이벤트 리스너 추가하기
____평균 회귀 신호 생성기 작성
____거래 시스템 실행
__추세 추종 거래 플랫폼 구축
____추세 추종 알고리듬 설계
____추세 추종 트레이더 클래스 작성
____추세 추종 신호 생성기 작성
____추세 추종 거래 시스템 실행하기
__리스크 관리를 위한 VaR
__요약


9장. 백테스팅 시스템 구현
__백테스팅 소개
____백테스팅의 우려 사항
____이벤트 기반 백테스팅 시스템의 개념
__백테스팅 시스템 설계와 구현
____틱 데이터를 저장하는 클래스 작성
____시장 데이터를 저장하는 클래스 작성
____시장 데이터의 소스를 생성하기 위한 클래스 작성
____주문 클래스 작성
____포지션 추적을 위한 클래스 작성
____추상 전략 클래스 작성
____평균 회귀 전략 클래스 작성
____모듈을 백테스팅 엔진으로 바인딩하기
____백테스팅 엔진 실행
____백테스팅 엔진의 다중 실행
____백테스팅 시스템 개선
__백테스팅 모델에 대한 열 가지 고려 사항
____모델을 제약하는 리소스
____모델 평가 기준
____백테스팅 매개변수의 품질 평가
____모델 위험에 직면할 준비를 하라
____내표본 데이터를 사용한 백테스팅 성능
____백테스팅의 일반적인 함정 해결
____모델에 대한 상식적인 아이디어를 가지라
____모델의 문맥 이해
____올바른 데이터가 있는지 확인하라
____결과 데이터 마이닝
__백테스팅에서 알고리듬에 대한 논의
____k-평균 클러스터링
____k-최근접 이웃 머신러닝 알고리듬
____분류와 회귀 트리 분석
____2k 요인 설계
____유전 알고리듬
__요약


10장. 금융을 위한 머신러닝
__머신러닝 소개
____금융에서 머신러닝의 사용
____지도 학습과 비지도 학습
____지도 머신러닝의 분류와 회귀
____모델 과적합과 과소 적합
____특징 공학
____머신러닝을 위한 scikit-learn
__단일 자산 회귀 모델을 사용한 가격 예측
____OLS에 의한 선형 회귀
____독립과 목표 변수 준비
____선형 회귀 모델 작성
____예측 성능 측정을 위한 위험 척도
____리지 회귀
____기타 회귀 모델
____결론
__교차 자산 모멘텀 모델로 수익 예측
____독립 변수 준비
____목표 변수 준비하기
____다중 자산 선형 회귀 모델
____결정 트리의 앙상블
__분류 기반 머신러닝으로 추세 예측
____목표 변수 준비
____여러 자산의 데이터셋을 입력 변수로 준비하기
____로지스틱 회귀
____분류 기반 예측 측정을 위한 위험 척도
____서포트 벡터 분류기
____다른 유형의 분류기
__머신러닝 알고리듬 사용에 대한 결론
__요약


11장. 금융을 위한 딥러닝
__딥러닝에 대한 간략한 소개
____딥러닝이란 무엇인가?
____인공 뉴런
____활성화 함수
____손실 함수
____최적기
____네트워크 아키텍처
____텐서플로와 기타 딥러닝 프레임워크
____텐서란 무엇인가?
__텐서플로를 사용한 딥러닝 가격 예측 모델
____모델의 특징 공학
____요구 사항
____데이터셋 다운로드
____데이터 확장과 분할
____텐서플로로 인공 신경망 구축
____예측 값과 실제 값 도식화
__Keras를 사용한 신용카드 결제 디폴트 예측
____Keras 소개
____Keras 설치하기
____데이터셋 얻기
____데이터 분할 및 크기 조정
____Keras를 사용해 5개의 은닉 계층이 있는 심층 신경망 설계
____모델의 성능 측정
____Keras 히스토리에 기록된 이벤트 표시
__요약
찾아보기

제임스 마 와이밍 싱가포르에 거주하는 소프트웨어 엔지니어다. 금융 기술, 머신러닝, 데이터 과학, 컴퓨터 금융을 주로 연구하고 있으며 국채와 외환 상품, 펀드 배분에 관련된 금융 서비스 분야에서 경력을 시작했다. 파생상품에 이끌려 시카고로 옮겨간 후 시카고 무역위원회의 베테랑 트레이더들과 협력해 시장을 공략하는 고빈도, 저지연 전략을 고안했다. 미국 일리노이공과대학교 스튜어트 경영대학(Illinois Tech's Stuart School of Business)에서 금융 석사 학위를 받았으며 난양이공대학교(Nanyang Technological University)에서 컴퓨터공학 학사 학위를 받았다.