간편결제, 신용카드 청구할인
카카오페이 3,000원
(카카오페이 5만원 이상 결제시, 5/1~5/31 기간 중 1회)
우리카드 3천원/7천원/1만 5천원 즉시할인
3만원/5만원/10만원 이상 결제시
삼성카드 6% (23,690원)
(삼성카드 6% 청구할인)
인터파크 롯데카드 5% (23,940원)
(최대할인 10만원 / 전월실적 40만원)
북피니언 롯데카드 30% (17,640원)
(최대할인 3만원 / 3만원 이상 결제)
NH쇼핑&인터파크카드 20% (20,160원)
(최대할인 4만원 / 2만원 이상 결제)
Close

파이썬과 케라스를 이용한 딥러닝/강화학습 주식투자 : 퀀트 투자, 알고리즘 트레이딩을 위한 최첨단 해법 입문[개정판]

소득공제

2013년 9월 9일 이후 누적수치입니다.

판매지수 2,653
?
판매지수란?
사이트의 판매량에 기반하여 판매량 추이를 반영한 인터파크 도서에서의 독립적인 판매 지수입니다. 현재 가장 잘 팔리는 상품에 가중치를 두었기 때문에 실제 누적 판매량과는 다소 차이가 있을 수 있습니다. 판매량 외에도 다양한 가중치로 구성되어 최근의 이슈도서 확인시 유용할 수 있습니다. 해당 지수는 매일 갱신됩니다.
Close
공유하기
  • 저 : 김문권
  • 출판사 : 위키북스
  • 발행 : 2020년 04월 24일
  • 쪽수 : 320
  • 제품구성 : 전1권
  • ISBN : 9791158392031
정가

28,000원

  • 25,200 (10%할인)

    1,400P (5%적립)

할인혜택
적립혜택
  • I-Point 적립은 출고완료 후 14일 이내 마이페이지에서 적립받기한 경우만 적립됩니다.
추가혜택
배송정보
  •  당일배송을 원하실 경우 주문시 당일배송을 선택해주세요.
  • 서울시 강남구 삼성로 512변경
  • 배송지연보상 안내
  • 무료배송
  • 해외배송가능
주문수량
감소 증가
  • 북카트 담기
  • 바로구매
  • 매장픽업
  • 이벤트/기획전

  • 연관도서(53)

  • 사은품(3)

출판사 서평

실제 주식 데이터를 이용해 파이썬으로 강화학습 주식투자 프로그램을 직접 구현해 봅니다!

강화학습은 스스로 학습하는 머신러닝 기법으로 주식 데이터 학습에 잘 적용되는 기법입니다. 이 책은 파이썬을 이용한 강화학습 기반의 주식투자 시뮬레이션 프로그램 개발에 대해 설명합니다. 이를 위한 이론과 코드 수준의 상세한 설명을 수록했습니다. 이 책을 통해 딥러닝과 강화학습을 이해하고 주식투자를 비롯한 다양한 도메인에서 활용할 수 있을 것입니다.

★ 이 책에서 다루는 내용 ★

◎ 딥러닝과 강화학습의 이론
◎ 주식투자에 강화학습을 적용하는 방법
◎ 강화학습 기반의 주식투자 시스템 개발 방법
◎ 강화학습을 위한 실제 주식 데이터 획득 및 처리 방법
◎ 강화학습으로 주식 데이터를 학습하는 방법
◎ 학습한 강화학습 모델을 활용하는 방법
◎ 강화학습 주식투자 시스템 커스터마이징 방법

목차

▣ 01장: 배경 이론 1 - 딥러닝이란?
1.1 금융 데이터란?
1.2 금융 데이터 분석의 필요성
1.3 금융 데이터 분석 방법
___1.3.1 기본적 분석
___1.3.2 기술적 분석
___1.3.3 정서 분석
___1.3.4 종합 분석
1.4 전통적인 퀀트투자 방법
___1.4.1 퀀트투자 역사
___1.4.2 저 PER+저 PBR+저 PCR 전략
___1.4.3 조셉 피오트로스키 F-Score
1.5 퀀트투자 트렌드
1.6 포트폴리오 평가
1.7 이번 장의 요점

▣ 02장: 배경 이론 2 - 딥러닝이란?
2.1 딥러닝 개요
___2.1.1 딥러닝의 정의와 역사
___2.1.2 딥러닝이 최근에 주목받는 이유
___2.1.3 딥러닝으로 풀고자 하는 문제
2.2 딥러닝 발전 과정
___2.2.1 퍼셉트론
___2.2.2 인공 신경망
___2.2.3 다양한 활성화 함수 출현
___2.2.4 출력층에서 활성화 함수를 사용
___2.2.5 심층 신경망
2.3 딥러닝에 필요한 핵심 기술
___2.3.1 오차 역전파 기법
___2.3.2 최적해 탐색 기법
___2.3.3 과적합 해결 기법
2.4 고급 인공 신경망 구조
___2.4.1 순환 신경망
___2.4.2 LSTM 신경망
___2.4.3 합성곱 신경망
2.5 딥러닝 적용 사례
___2.5.1 기계 번역
___2.5.2 음성 인식
___2.5.3 이미지 인식
2.6 이번 장의 요점

▣ 03장: 배경 이론 3 - 강화학습이란?
3.1 강화학습의 기초가 된 마르코프 의사 결정 과정
___3.1.1 마르코프 가정
___3.1.2 마르코프 과정
___3.1.3 마르코프 의사 결정과정
3.2 상태 가치 함수와 상태-행동 가치 함수
___3.2.1 상태 가치 함수(state-value function)
___3.2.2 상태-행동 가치 함수(action-value function)
3.3 벨만 방정식(Bellman equation)
___3.3.1 벨만 기대 방정식(Bellman expectation equation)
___3.3.2 벨만 최적 방정식(Bellman optimality equation)
3.4 MDP를 위한 동적 프로그래밍(dynamic programming)
___3.4.1 정책 반복(policy iteration)
___3.4.2 가치 반복(value iteration)
___3.4.3 동적 프로그래밍의 한계와 강화학습이 필요한 이유
3.5 주요 강화학습 개념
___3.5.1 강화학습 표기법(notation)
___3.5.2 Model-based vs. Model-free
___3.5.3 예측(prediction)과 제어(control)
___3.5.4 부트스트랩(bootstrap)
___3.5.5 On-policy vs. Off-policy
___3.5.6 이용(exploitation)과 탐험(exploration)
3.6 주요 강화학습 기법
___3.6.1 몬테카를로 학습(Monte-Carlo learning, MC)
___3.6.2 시간차 학습(temporal-difference learning, TD)
___3.6.3 Q-러닝(Q-learning, QL)과 DQN(deep Q-network)
___3.6.4 정책 경사(policy gradient, PG)
___3.6.5 액터-크리틱
___3.6.6 A2C(advantage actor-critic)
___3.6.7 A3C(asynchronous advantage actor-critic)
3.6.8 주요 강화학습 기법 정리
3.7 강화학습 적용 사례
___3.7.1 벽돌 깨기
___3.7.2 알파고
3.8 이번 장의 요점

▣ 04장: 배경 이론 4 - 강화학습을 이용한 주식투자란?
4.1 직관적으로 강화학습 전략 알아보기
___4.1.1 강화학습을 이용한 주식투자 구조
___4.1.2 차트 데이터 이해하기
___4.1.3 차트 데이터를 바탕으로 강화학습을 하는 방식
___4.1.4 거래 수수료와 거래세
___4.1.5 무작위 행동 결정(탐험)과 무작위 행동 결정 비율(엡실론)
4.2 강화학습 효과를 차별화하는 요인들
___4.2.1 차별화 요인 1: 학습 데이터 구성
___4.2.2 차별화 요인 2: 지연 보상 임곗값
___4.2.3 차별화 요인 3: 행동 종류
___4.2.4 차별화 요인 5: 신경망
___4.2.5 차별화 요인 6: 강화학습 기법
4.3 차트 데이터와 학습 데이터 살펴보기
___4.3.1 차트 데이터
___4.3.2 학습 데이터
4.4 주식투자 강화학습 절차(process)
___4.4.1 주식투자 강화학습 순서도
___4.4.2 행동 결정
___4.4.3 결정된 행동 수행
___4.4.4 배치 학습 데이터 생성 및 신경망 업데이트
4.5 주식투자 강화학습 과정 및 결과 확인 방법
___4.5.1 강화학습 과정 확인의 필요성
___4.5.2 강화학습 과정을 로그로 남기기
___4.5.3 강화학습 과정을 이미지로 가시화하기
4.6 이번 장의 요점

▣ 05장: 모듈 개발 - 강화학습 기반 주식투자 시스템 개발
5.1 RLTrader 개발에 필요한 환경
___5.1.1 아나콘다 설치
___5.1.2 텐서플로 설치
___5.1.3 plaidML 설치
5.2 RLTrader의 설계
___5.2.1 모듈 구조
___5.2.2 디렉터리 구조
___5.2.3 클래스 다이어그램
___5.2.4 환경 모듈 개요
___5.2.5 에이전트 모듈 개요
___5.2.6 강화학습 학습기 모듈 개요
___5.2.7 신경망 모듈개요
___5.2.8 가시화 모듈개요
___5.2.9 학습기 모듈 개요
___5.2.10 실행 모듈 개요
___5.2.11 기타 모듈
5.3 환경 모듈 개발
___5.3.1 환경 모듈의 주요 속성과 함수
___5.3.2 코드 조각: 환경 클래스
5.4 에이전트 모듈 개발
___5.4.1 에이전트 모듈의 주요 속성과 함수
___5.4.2 코드 조각 1: 에이전트 클래스의 상수 선언
___5.4.3 코드 조각 2: 에이전트 클래스의 생성자
___5.4.4 코드 조각 3: 에이전트 클래스의 함수
5.5 신경망 모듈 개발
___5.5.1 신경망 모듈의 주요 속성과 함수
___5.5.2 코드 조각 1: 신경망 클래스
___5.5.3 코드 조각 2: DNN 클래스
___5.5.4 코드 조각 3: LSTMNetwork 클래스
___5.5.5 코드 조각 4: CNN 클래스
5.6 가시화 모듈 개발
___5.6.1 가시화 모듈의 주요 속성과 함수
___5.6.2 가시화 모듈이 만들어 내는 정보
___5.6.3 코드 조각 1: 가시화기 클래스의 생성자
___5.6.4 코드 조각 2: 가시화 준비 함수
___5.6.5 코드 조각 3: 가시화 함수
___5.6.6 코드 조각 4: 가시화 정보 초기화 및 결과 저장 함수
5.7 학습기 모듈 개발
___5.7.1 학습기 모듈의 주요 속성과 함수
___5.7.2 코드 조각 1: 학습기 모듈의 의존성 임포트
___5.7.3 코드 조각 2: 학습기 클래스의 생성자
___5.7.4 코드 조각 3: 가치 신경망 생성 함수
___5.7.5 코드 조각 4: 정책 신경망 생성 함수
___5.7.6 코드 조각 5: 에포크 초기화 함수
___5.7.7 코드 조각 6: 가치 신경망 및 정책 신경망 학습
___5.7.8 코드 조각 7: 에포크 결과 가시화
___5.7.9 코드 조각 8: 강화학습 실행 함수
___5.7.10 코드 조각 9: DQN 강화학습 클래스
___5.7.11 코드 조각 10: 정책 경사 강화학습 클래스
___5.7.12 코드 조각 11: 액터-크리틱 강화학습 클래스
___5.7.13 코드 조각 12: A2C 강화학습 클래스
___5.7.14 코드 조각 13: A3C 강화학습 클래스
5.8 데이터 관리 모듈 개발
___5.8.1 코드 조각 1: 자질 벡터 정의
___5.8.2 코드 조각 2: 데이터 전처리 함수
___5.8.3 코드 조각 3: 차트 데이터 및 학습 데이터 로드 함수
5.9 강화학습 주식투자 실행 모듈 개발
___5.9.1 코드 조각 1: 프로그램 인자 설정
___5.9.2 코드 조각 2: 강화학습 설정
___5.9.3 코드 조각 2: 강화학습 실행
5.10 기타 모듈 개발
___5.10.1 코드 조각 1: 설정 모듈
___5.10.2 코드 조각 2: 유틸리티 모듈
5.11 개발 참여
5.12 이번 장의 요점

▣ 06장: 데이터 준비 - 주식 데이터 획득
6.1 방법 1. 증권사 HTS 사용
___6.1.1 증권사 HTS 다운로드
___6.1.2 증권 계좌 개설
___6.1.3 종목 차트 데이터 확인
___6.1.4 일별 데이터 엑셀 파일 저장
6.2 방법 2. 증권사 API 사용
___6.2.1 증권사 API 설치
___6.2.2 대신증권 크레온 API 사용 환경 준비
___6.2.3 대신증권 크레온 HTS 실행
___6.2.4 대신증권 크레온 API를 이용한 차트 데이터 획득 프로그램 작성
6.3 방법 3. 웹 크롤링(web crawling)
___6.3.1 pandas-datareader, fix_yahoo_finance 설치하기
___6.3.2 Google Finance에서 주식 데이터 획득하기
___6.3.3 Yahoo Finance에서 주식 데이터 획득하기
___6.3.4 금융 포털
6.4 데이터 요청
6.5 이번 장의 요점

▣ 07장: 모델 구축 - 주식투자 강화학습
7.1 강화학습 실행
___7.1.1 DQN/PG/AC/A2C 강화학습 + DNN 신경망
___7.1.2 DQN/PG/AC/A2C 강화학습 + LSTM/CNN 신경망
___7.1.3 A3C 강화학습 + DNN 신경망
___7.1.4 A3C 강화학습 + LSTM/CNN 신경망
7.2 강화학습 과정 및 결과 확인
___7.2.1 콘솔에 출력되는 로그의 의미
___7.2.2 가시화 결과가 저장되는 그림 파일
7.3 학습이 잘 되지 않을 때의 체크리스트
7.4 이번 장의 요점

▣ 08장: 모델 검증 - 주식투자 시뮬레이션
8.1 투자 시뮬레이션 결과 1: 삼성전자(005930)
8.2 투자 시뮬레이션 결과 2: LG화학(051910)
8.3 투자 시뮬레이션 결과 3: 현대차(005380)
8.4 투자 시뮬레이션 결과 정리 및 원숭이 투자와의 비교
8.5 이번 장의 요점

▣ 09장: 모델 활용 - 학습된 강화학습 모델을 이용한 주식투자 시뮬레이션
9.1 모델 학습과 모델 활용의 차이점
9.2 학습된 정책 신경망 모델을 사용한 투자 시뮬레이션
___9.2.1 학습된 모델 적용 1: 삼성전자(005930)
___9.2.2 학습된 모델 적용 2: LG화학(051910)
___9.2.3 학습된 모델 적용 3: 현대차(005380)
___9.2.4 총평
9.3 투자 시뮬레이션 결과 정리 및 원숭이 투자와의 비교
9.4 이번 장의 요점

▣ 10장: 기본 용어 정리
10.1 파이썬 프로그래밍 기본 용어 정리
10.2 머신러닝 기본 용어 정리
10.3 주식 기본 용어 정리

▣ 11장: RLTrader 커스터마이징
11.1 에이전트 모듈 커스터마이징
___11.1.1 코드 조각 1: 매매 수수료 및 세금 커스터마이징 사례
___11.1.2 코드 조각 2: 행동 결정 로직 커스터마이징 사례
11.2 신경망 모듈 커스터마이징
___11.2.1 코드 조각 1: 레이어 차원이나 드롭아웃 확률 커스터마이징 사례
___11.2.2 코드 조각 2: 최적화 방법 커스터마이징 사례
11.3 강화학습 학습기 커스터마이징
___11.3.1 코드 조각 1: 배치 학습 데이터 생성 커스터마이징 사례
___11.3.2 코드 조각 2: 미니 배치 학습 비활성화 커스터마이징 사례
11.4 학습 데이터 커스터마이징
___11.4.1 '기관 순매수' 및 '외국인 순매수' 데이터 획득 사례
___11.4.2 코드 조각 1: 주식 데이터 전처리 커스터마이징 사례
___11.4.3 코드 조각 2: 학습 데이터 자질 구성 커스터마이징 사례

▣ 12장: 딥러닝에서 TensorFlow+GPU 사용하기
12.1 GPU 사용을 위한 하드웨어 준비
___12.1.1 그래픽카드 인식 확인
___12.1.2 호환되는 그래픽카드 확인
12.2 GPU 사용을 위한 소프트웨어 준비
___12.2.1 CUDA 툴킷 설치
___12.2.2 cuDNN 라이브러리 설치
___12.2.3 TensorFlow의 GPU 사용 최종 확인

▣ 13장: 딥러닝에서 plaidML+GPU 사용하기
13.1 plaidML 사용을 위한 Visual C++ 2015 설치
13.2 plaidML 설치 및 확인

관련이미지

저자소개

생년월일 -
출생지 -
출간도서 0종
판매수 0권

10년이 넘게 소프트웨어 개발을 해왔습니다. 파이썬, 자바를 포함한 다양한 언어를 익혔으며 안드로이드 앱 개발, 웹 프로그래밍, 데이터 분석, 머신러닝, 딥러닝, 빅데이터 분석을 포함하여 그동안 주목을 받아 온 다양한 기술을 익혀왔습니다.
숭실대학교에서 소프트웨어 공학 전공으로 석사 학위를 취득하고 박사 과정을 수료했습니다. 그 과정에서 국내외 저명 학회와 학술지에 수십 편의 논문을 발표했으며 우수 논문상도 여러 번 수상했습니다. 현재는 네이버에서 검색 기술을 개발하고 있습니다.
퀀트투자 연구소(http://quantylab.com)를 운영하고 있으며, GitHub(ht

펼쳐보기

이 상품의 시리즈

(총 69권 / 현재구매 가능도서 53권)

펼쳐보기

컴퓨터/인터넷 분야에서 많은 회원이 구매한 책

    리뷰

    0.0 (총 0건)

    구매 후 리뷰 작성 시, 북피니언 지수 최대 600점

    리뷰쓰기

    기대평

    작성시 유의사항

    평점
    0/200자
    등록하기

    기대평

    9.2

    교환/환불

    교환/환불 방법

    ‘마이페이지 > 취소/반품/교환/환불’ 에서 신청함, 1:1 문의 게시판 또는 고객센터(1577-2555) 이용 가능

    교환/환불 가능 기간

    고객변심은 출고완료 다음날부터 14일 까지만 교환/환불이 가능함

    교환/환불 비용

    고객변심 또는 구매착오의 경우에만 2,500원 택배비를 고객님이 부담함

    교환/환불 불가사유

    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가할 수 있음
    배송된 상품의 분실, 상품포장이 훼손된 경우, 비닐랩핑된 상품의 비닐 개봉시 교환/반품이 불가능함

    소비자 피해보상

    소비자 피해보상의 분쟁처리 등에 관한 사항은 소비자분쟁해결기준(공정거래위원회 고시)에 따라 비해 보상 받을 수 있음
    교환/반품/보증조건 및 품질보증 기준은 소비자기본법에 따른 소비자 분쟁 해결 기준에 따라 피해를 보상 받을 수 있음

    기타

    도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 주문이 취소될 수 있음(이 경우 인터파크도서에서 고객님께 별도로 연락하여 고지함)

    배송안내

    • 인터파크 도서 상품은 택배로 배송되며, 출고완료 1~2일내 상품을 받아 보실 수 있습니다

    • 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 상품을 기준으로 배송됩니다.

    • 군부대, 교도소 등 특정기관은 우체국 택배만 배송가능하여, 인터파크 외 타업체 배송상품인 경우 발송되지 않을 수 있습니다.

    • 배송비

    도서(중고도서 포함) 구매

    2,000원 (1만원이상 구매 시 무료배송)

    음반/DVD/잡지/만화 구매

    2,000원 (2만원이상 구매 시 무료배송)

    도서와 음반/DVD/잡지/만화/
    중고직배송상품을 함께 구매

    2,000원 (1만원이상 구매 시 무료배송)

    업체직접배송상품 구매

    업체별 상이한 배송비 적용