◈ 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