추가 적립 안내

금융에 있어 반드시 관리해야 하는 위험 요소를 체계적으로 다루는 방법을 알려준다. 재무위험과 시장 위험, 신용 위험, 유동성 위험, 운영 위험 그리고 금융 붕괴를 예측하는 방법론을 차례로 설명하고 있으며, 이를 파이썬을 통해 실습할 수 있게 배려하고 있다.
1부는 금융 데이터에서 기본이 되는 시계열 데이터의 특성과 이를 처리하는 방법, 기본 개념을 설명한다. 시계열을 모델링할 수 있는 여러 기법을 자세하고 친절하게 소개한다. 2부에서는 본격적으로 위험 관리를 알아보는데, 위험을 ‘변동성’으로 정의한 해리 마코위츠부터 시작해서 시장 위험, 신용 위험, 유동성 위험, 운영 위험을 하나씩 살펴본다. 3부에서는 기업 지배 구조에 따른 주가 폭락의 위험을 감지하는 방법을 알아보고, 마지막으로 합성 데이터를 만드는 부분까지 소개한다.

◈ 이 책에서 다루는 내용 ◈

◆ 딥러닝 모델로 기존 시계열 애플리케이션을 검토, 비교
◆ 서포트 벡터 회귀, 신경망, 딥러닝을 사용한 위험도 측정을 위한 변동성 모델링 탐색
◆ 머신러닝 기술과 유동성 차원을 사용해 시장 위험 모델링(VaR 및 ES) 및 개선
◆ 군집화와 베이즈를 사용한 신용 위험 분석 개발 기법
◆ 가우스 혼합 모델과 코풀라 모델로 유동성 위험의 다양한 측면 포착
◆ 사기 탐지를 위한 머신러닝 모델 사용
◆ 머신러닝 모델을 사용해 주가 폭락을 예측하고 결정 요인을 식별

◈ 이 책의 대상 독자 ◈

모수적 모델에 크게 기반을 둔 현재의 금융 위험 관리 환경을 바꾸는 것을 목표로 하는 책이다. 머신러닝 모델을 기반으로 하는 매우 정확한 재무 모델이 최근 개발되면서 이러한 변화가 일어났다. 따라서 재무와 머신러닝에 대한 초기 지식이 있는 독자를 대상으로 하며, 이러한 주제를 간략하게 설명한다.
따라서 재무 위험 분석가, 재무 엔지니어, 위험 관련자, 위험 모델러, 모델 검증자, 정량적 위험 분석가, 포트폴리오 분석, 재무 그리고 데이터 과학에 관심이 있는 사람들이 읽기 적합하다.

◈ 이 책의 구성 ◈

1장, ‘리스크 관리의 기초’에서는 위험 관리의 주요 개념을 소개한다. 먼저 위험이 무엇인지 정의한 후 위험 유형(예: 시장, 신용, 운영 및 유동성)을 알아본다.
2장, ‘시계열 모델링 소개’에서는 이동 평균 모델, 자기 회귀 모델, 자기 회귀 통합 이동 평균 모델과 같은 기존 모델을 사용하는 시계열 애플리케이션을 보여준다.
3장, ‘시계열 모델링을 위한 딥러닝’에서는 시계열 모델링을 위한 딥러닝 도구를 소개한다.
4장, ‘머신러닝 기반 변동성 예측’에서는 서포트 벡터 회귀, 신경망, 딥러닝, 베이즈 접근 방식을 기반으로 하는 새로운 변동성 모델링을 다룬다. 성능 비교를 위해 기존의 ARCH, GARCH 유형의 모델도 사용한다.
5장, ‘시장 리스크 모델링’에서는 기존 시장 위험 모델, 즉 예상최대위험(VaR), 예상평균최대위험(ES)의 추정 성능을 높이는 데 사용되는 머신러닝 기반 모델에 대해 설명한다.
6장, ‘신용 위험 추정’에서는 신용 위험을 추정하는 포괄적인 머신러닝 기반 접근 방식을 소개한다.
7장, ‘유동성 모델링’에서는 가우스 혼합 모델을 사용해 위험 관리에서 간과되는 차원으로 여겨지는 유동성을 모델링한다.
8장, ‘운영 위험 모델링’에서는 회사의 내부 약점으로 인해 실패로 이어질 수 있는 운영 위험을 다룬다.
9장, ‘기업 지배 구조 리스크 측정: 주가 폭락’에서는 기업 지배 구조 위험을 모델링하는 완전히 새로운 접근 방식인 주가 폭락을 소개한다.
10장, ‘금융의 합성 데이터 생성과 은닉 마르코프 모델’에서는 다양한 재무 위험을 추정하기 위해 합성 데이터를 사용한다.

◈ 옮긴이의 말 ◈

이 책은 금융에서 발생하는 위기를 체계적으로 정량화하고 관리하는 방법에 머신러닝을 어떻게 적용하는지에 관한 내용을 담았다. 위험이란 전략 실행을 방해하거나 금전적으로 부정적인 영향을 끼칠 수 있는 모든 것을 의미하며, 재무 위험과 시장 위험, 신용 위험, 유동성 위험, 운영 위험, 마지막으로 금융 붕괴를 예측하는 방법론까지 상세히 설명하고 있다. 각 위험은 그 개념의 설명과 함께 파이썬을 통한 실습을 곁들이며, 전통적인 관리 방법과 머신러닝을 적용한 방법 사이의 비교를 통해 실전에 어떻게 접목할 수 있는지 잘 설명한다. 이 책을 읽고 나면 금융 재무 관리에 있어서 위험 관리를 할 수 있는 체계적인 무기를 하나 얻게 될 것이다.

맥클레인 마샬(McKlayne Marshall)/(분석 참여 리더)
“압둘라 카라산은 머신러닝의 현대적인 고급 애플리케이션을 적용해 금융 위험 관리라는 주제를 흥미진진하게 만들었다. 이 책은 계량 금융 경제학자, 헤지펀드 매니저 그리고 정량적 위험 관리 부서의 필수 도서다.”

그레이엄 길러(Graham L. Giller)(『Adventures in Financial Data Science』 저자)
“이 책은 재무 위험 분석을 위한 통계 및 머신러닝 전통에서 가져온 다양한 방법을 포괄적이고 실용적으로 제시한다. 재정 위험 분석에 통계와 머신러닝 방법을 적용하는 기법에 대한 가이드가 필요하다면 이 책을 추천한다.”

이브스 힐피시 박사(Dr. Yves J. Hilpisch(Python Quants and The AI Machine 설립자이자 CEO)
”요즘 파이썬은 의심할 여지 없이 금융 분야 최고의 프로그래밍 언어다. 동시에 머신러닝은 이 산업 분야의 핵심 기술이 됐다. 압둘라 카라산이 쓴 이 책은 금융 위험 관리의 맥락에서 파이썬으로 머신러닝 능력을 훌륭하게 보여줬다. 이는 모든 금융기관에 필수적인 기능이다.”


재무 모델링 분야는 여러 성공적인 업적과 함께 오랜 역사도 갖고 있지만 그와 동시에 모델의 유연성이 부족한 점과 포괄성이 없다는 이유로 맹렬한 비판을 받아왔다. 2007년~2008년의 금융 위기는 이러한 논쟁을 부추겼을 뿐만 아니라 금융 모델링 분야에서의 혁신과 다양한 접근 방식을 위한 길을 열었다.
물론 금융에서 AI 응용의 성장을 촉진한 유일한 동기가 금융 위기인 것은 아니다. 데이터 가용성과 연산 성능 향상이라는 두 가지의 다른 이유가 금융 분야에서 AI를 채택하는 데 박차를 가했으며 1990년대부터 이 분야에 대한 연구가 강화됐다. 금융안정위원회(2017)는 이 사실의 타당성을 다음과 같이 강조한다.
“이러한 사용례의 채택은 기술 발전, 금융 부문 데이터, 인프라의 가용성과 같은 공급 요인과 수익성 요구, 다른 회사와의 경쟁, 금융 규제와 같은 수요 요인에 의해 주도됐다.”
재무 모델링의 하위 부문인 재무 위험 관리도 의사결정 프로세스에서 AI의 역할이 점점 더 커짐에 따라 AI를 채택하고 발전해왔다. 보스트롬(Bostrom)(2014)은 그의 저서에서 인류 역사의 두 가지 중요한 혁명, 즉 농업 혁명과 산업 혁명을 언급했다. 이 두 가지는 매우 심오한 영향을 미쳤는데, 만약 세 번째 혁명이 비슷한 규모로 일어난다면 2주만에 세계 경제 규모를 두 배로 늘릴 수 있다. 더욱 놀라운 건 3차 혁명이 AI에 의해 이뤄진다면 그 영향은 훨씬 더 깊을 것이라는 점이다. 따라서 빅데이터를 사용하며 위험 프로세스의 복잡한 구조를 이해하고, 전례 없는 규모로 재무 위험 관리를 형성하는 AI 응용에 대한 기대치는 하늘을 찌를 정도로 높다.
이 연구는 재무 모델의 예측과 측정 성능을 향상시킬 수 있도록 금융에서 머신러닝 기반 애플리케이션에 대한 공백을 채우는 것을 목표로 한다. 모수적 모델은 낮은 분산과 높은 편향 문제로 어려움을 겪는다. 유연성을 갖춘 머신러닝 모델은 이 문제를 해결할 수 있다. 또한 금융의 일반적인 문제는 변화하는 데이터 분포가 항상 모델 결과의 신뢰성에 위협을 준다는 것인데, 머신러닝 모델은 모델이 더 잘 적합화되는 방식으로 변화하는 패턴에 스스로 적응할 수 있다. 따라서 금융 분야에서 적용 가능한 머신러닝 모델에 대한 수요는 매우 높으며, 이 책은 재무 위험 관리에 완전히 새로운 머신러닝 기반 모델링 접근 방식을 다룬다는 점에서 다른 서적과 구분된다.

1장. 리스크 관리의 기초
2장. 시계열 모델링 소개
3장. 시계열 모델링을 위한 딥러닝
4장. 머신러닝 기반 변동성 예측
5장. 시장 리스크 모델링
6장. 신용 위험 추정
7장. 유동성 모델링
8장. 운영 위험 모델링
9장. 기업 지배 구조 리스크 측정: 주가 폭락
10장. 금융의 합성 데이터 생성과 은닉 마르코프 모델