[리뷰] 파이썬 기반 금융 인공지능

* 한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다.

파이썬 기반 금융 인공지능

이브 힐피시 저

파이썬 기반 금융 인공지능 | 이브 힐피시 - 교보문고

---

간단 서평

가장 큰 자본이 흐르는 금융계와, 4차 산업혁명의 주연인 인공지능의 만남.

사실 '인공지능 퀀트 투자'라는 단어는 전혀 어색하지 않을 정도로 널리 퍼진 개념이다. 하지만 금융 인공지능이 어떤 원리로 동작하는지 자세히 알고 있는 사람은 많지 않다.

금융을 잘 아는 사람은 인공지능을 잘 모를 확률이 크고, 인공지능을 연구하는 학자들은 금융 지식이 약할 확률이 크다. 나도 한때 주식 인공지능을 만들어보겠다고 키움 API 따다가 모델에 붙여서 돌려보고 했었는데, 주식 공부하기 싫어서 때려치웠던 기억이 난다.

그만큼 서로 다른 도메인을 결합하는 것은 쉬운 일이 아니다. 하지만, 최근에는 이러한 크로스 도메인이 참 핫하다고 느껴진다. 이제는 기업들은 물론이고, 대학원 연구실들만 봐도 머신러닝 딥러닝을 안 쓰는 곳을 찾기가 어려우며, 많은 세계 석학들도 근 시일 내에 우리 일상에 인공지능이 자연스럽게 녹아들 것이라 예견하고 있다.

그렇다면 인공지능을 공부하는 우리들은 무엇을 해야 할까. 많은 사람들이, 컴공은 다른 공부 할 시간에 기술을 극한으로 가져가는 것이 맞다고들 이야기한다. 타 전공이 4년 넘는 시간 동안 쌓아 올리는 도메인 지식을 본인 공부도 하면서 따라갈 수는 없기 때문이다. 이 말에는 물론 동의한다. 하지만 그렇다고 해서 다른 도메인에 대한 관심을 끊어서는 안된다고 생각한다. 결국, 가치를 창출하는 것은 크로스 도메인이기 때문이다. (물론 본인이 인공지능 학계의 새로운 패러다임을 만들 정도의 천재라면 상관은 없다)

이 책은 금융 전문가를 위한 인공지능 활용서인 동시에, 금융 문제를 해결하고자 하는 머신러닝 실무자들에게 훌륭한 안내서이기도 하다. 금융계의 통계적 및 경제적 비효율성의 개념을 맛보고, 통계가 근본인 머신러닝과 어떻게 결합할 수 있을지를 고민하다 보면, AI 연구자들이 흔히 빠지곤 하는, 데이터 및 기술 만능주의에서 벗어난 시각을 가질 수 있을 것이다.

실무서인 만큼 리스크 관리와 주문 집행은 물론, 다양한 오픈 API 활용 및 트레이딩 봇 배포까지 다루고 있어, 이 책에서 제시하는 친절한 가이드를 따라가다 보면 어느새 개발도 잘하고 금융도 잘하는 AI 엔지니어가 될 수 있으리라 생각된다. (만약 토스나 카카오뱅크를 준비한다면, 적극 추천한다)

여담으로, 최근 학교에 주식 동아리가 생겼던데, 간단한 프로토타입 만들어서 컨택해보는 것도 좋을 것 같다.

---

목차

[PART I 기계지능]

CHAPTER 1 인공지능
1.1 알고리즘
1.2 신경망
1.3 데이터의 중요성
1.4 마치며
1.5 참고 문헌

 

CHAPTER 2 초지능
2.1 성공 스토리
2.2 하드웨어의 중요성
2.3 지능의 형태
2.4 초지능으로 가는 길
2.5 지능의 폭발
2.6 목표와 제어
2.7 잠재적 결과
2.8 마치며
2.9 참고 문헌

 

[PART II 금융과 머신러닝]
CHAPTER 3 규범적 금융
3.1 불확실성과 리스크
3.2 기대효용 이론
3.3 평균-분산 포트폴리오 이론
3.4 자본자산 가격결정 모형
3.5 차익거래 가격결정 이론
3.6 마치며
3.7 참고 문헌

 

CHAPTER 4 데이터 기반 금융
4.1 과학적 방법론
4.2 계량경제학과 회귀분석
4.3 데이터 입수
4.4 규범적 이론의 재고
4.5 핵심 가정 깨부수기
4.6 파이썬 코드
4.7 마치며
4.8 참고 문헌

 

CHAPTER 5 머신러닝
5.1 학습
5.2 데이터
5.3 성공
5.4 용량
5.5 성능 측정
5.6 편향과 분산
5.7 교차검증
5.8 마치며
5.9 참고 문헌

 

CHAPTER 6 인공지능 우선 금융
6.1 효율적 시장
6.2 수익률 데이터에 기반한 시장 예측
6.3 더 많은 특징을 사용한 시장 예측
6.4 일중 시장 예측
6.5 마치며
6.6 참고 문헌

 

[PART III 통계적 비효율성]
CHAPTER 7 밀집 신경망
7.1 데이터
7.2 기준적 예측
7.3 데이터 정규화
7.4 드롭아웃
7.5 규제화
7.6 배깅
7.7 최적화
7.8 마치며
7.9 참고 문헌

 

CHAPTER 8 재귀 신경망
8.1 첫 번째 예제
8.2 두 번째 예제
8.3 금융 가격 시계열
8.4 금융 수익률 시계열
8.5 금융 특징
8.6 마치며
8.7 참고 문헌

 

CHAPTER 9 강화 학습
9.1 기본 개념
9.2 OpenAI Gym
9.3 몬테카를로 에이전트
9.4 신경망 에이전트
9.5 DQL 에이전트
9.6 단순 금융 Gym
9.7 더 나은 금융 Gym
9.8 FQL 에이전트
9.9 마치며
9.10 참고 문헌

 

[PART Ⅳ 알고리즘 트레이딩]
CHAPTER 10 벡터화된 백테스팅
10.1 단순 이동평균 전략 백테스팅
10.2 일간 신경망 전략 백테스팅
10.3 일중 신경망 전략 백테스팅
10.4 마치며
10.5 참고 문헌

 

CHAPTER 11 리스크 관리
11.1 트레이딩 봇
11.2 벡터화된 백테스팅
11.3 이벤트 기반 백테스팅
11.4 리스크 평가
11.5 리스크 관리 백테스팅
11.6 파이썬 코드
11.7 마치며
11.8 참고 문헌

 

CHAPTER 12 집행 및 배포
12.1 Oanda 계정
12.2 데이터 추출
12.3 주문 집행
12.4 트레이딩 봇
12.5 배포
12.6 파이썬 코드
12.7 마치며
12.8 참고 문헌

 

[PART Ⅴ 전망]
CHAPTER 13 인공지능 경쟁
13.1 인공지능과 금융
13.2 표준화 부족
13.3 교육과 훈련
13.4 자원을 위한 싸움
13.5 시장 충격
13.6 경쟁 시나리오
13.7 위험, 법규, 감독
13.8 마치며
13.9 참고 문헌

 

CHAPTER 14 금융 특이점
14.1 개념과 정의
14.2 무엇이 걸려 있는가
14.3 금융 특이점으로 가는 경로
14.4 기술과 자원
14.5 시나리오
14.6 스타트랙과 스타워즈
14.7 마치며
14.8 참고 문헌

 

[PART Ⅵ 부록]
APPENDIX A 상호작용형 신경망
A.1 텐서와 텐서 연산
A.2 간단한 신경망
A.3 얕은 신경망
A.4 참고 문헌

 

APPENDIX B 신경망 클래스
B.1 활성화 함수
B.2 단순 신경망
B.3 얕은 신경망
B.4 시장 방향 예측

 

APPENDIX C 합성곱 신경망
C.1 특징 및 라벨 데이터
C.2 모형 학습
C.3 모형 테스트
C.4 참고 문헌