메뉴 바로가기 검색 및 카테고리 바로가기 본문 바로가기

한빛출판네트워크

머신러닝을 이용한 알고리즘 트레이딩 시스템 개발

리얼타임 eBook

집필서

판매중

  • 저자 : 안명호 , 류미현
  • 출간 : 2016-04-27
  • 페이지 : 208 쪽
  • ISBN : 9788968488030
  • 초급 초중급 중급 중고급 고급
4.6점 (7명)
좋아요 : 90

금융과 머신러닝의 만남!

 

머신러닝 적용방법 맛보기

머신러닝의 기본 개념과 전제적인 흐름을 살펴보고 이를 이용하여 간단한 알고리즘 트레이딩 시스템을 구현해 보자

 

현재 시중에 있는 머신러닝 관련 도서는 머신러닝이 무엇인지 소개하거나 머신러닝의 수학적 배경을 설명한다. 전자는 머신러닝 알고리즘에 대한 소개와 사용방법에 치중하여 머신러닝 사용법을 학습하는 데는 도움이 되지만, 머신러닝의 개념을 이해하고 무엇을 하기에는 내용이 부족하고, 후자는 반대로 너무 전문적이어서 머신러닝 알고리즘에 사용된 수학적 개념들과 각종 정리를 소개하는 데 치중해 있다. 머신러닝 알고리즘을 새로 개발하거나 기존 머신러닝 알고리즘을 개선해서 사용하려 한다면 이런 책들이 도움되지만, 머신러닝 알고리즘을 사용하려고 한다면 너무 학문적이고 이론적이어서 별로 도움이 되지 않는다.

 

『머신러닝을 이용한 알고리즘 트레이딩 시스템 개발』은 머신러닝을 공부하는 데 필요한 통계와 확률에 대한 수학적 이론과 머신러닝을 적용하려는 분야에 대한 도메인 지식(Domain Knowledge), 이를 구현한 코드를 한곳에서 볼 수 있는 책이다.

 

머신러닝을 이용해 프로그램을 작성하는 데 머신러닝 알고리즘이 차지하는 비중은 그렇게 크지 않다. 중요한 것은 데이터에 대한 이해와 특성을 파악하는 것이다. 이 과정은 통계와 확률에 대한 수학적 지식과 머신러닝을 적용하려는 분야에 대한 도메인 지식이 있으면 시간을 대폭 단축할 수 있고, 문제를 단순화할 수 있다. 이런 과정을 거쳐 적용한 머신러닝이야말로 좋은 결과를 보여준다. 

 

머신러닝을 제대로 활용하기 위해서는 데이터가 더욱 중요한 이슈라고 얘기했듯이, 머신러닝을 이야기하는 데 적용 분야인 도메인을 정하지 않는 것은 반쪽짜리다. 그래서 이 책은 쉽게 데이터를 얻을 수 있으며, 데이터 자체에 대한 신뢰도가 높고 난도가 있는 주식을 선택했다.

 

주식시장은 예측이 어려운 대표적인 분야로, 머신러닝을 공부하는 데 필요한 모든 요소를 가지고 있다. 수학 이론을 이용한 예측 모델의 작성, 작성한 모델을 위한 데이터 처리, 주가를 예측하기 위한 학습, 학습결과의 해석과 이를 개선하는 방법 등 머신러닝 전체 흐름을 경험하기에 좋다. 통계, 시계열(Time Series), 알고리즘 트레이딩 등 책에서 다루는 주제는 각각 한 권의 책으로도 분량이 모자랄 만큼 방대한 내용을 가지고 있으나 이 책의 목적상 알고리즘 트레이딩과 직접 연관되고 반드시 알아야 하는 사항들을 중심으로 서술했다. 아울러 이 책은 프로그래밍을 할 수 있는 독자가 대상이므로 프로그래밍에 관련된 설명은 특별히 하지 않았다.

 

이 책의 구성

 

이 책은 크게 3부분으로 구성되어 있다. 

 

Part 1은 머신러닝의 개요로, 머신러닝이 무엇인지와 머신러닝이 할 수 있는 것은 무엇인지, 머신러닝의 종류는 무엇이 있는지 등 머신러닝의 전반적인 개요를 설명한다.

 

Part 2는 알고리즘 트레이딩을 위한 수학적 배경지식으로 통계와 시계열을 다룬다. 알고리즘 트레이딩을 하려면 주식의 매도와 매수를 결정하는 ‘모델’이라는 것을 만들어야 한다. 이 모델을 만들기 위한 최소한의 통계 개념과 시계열 개념을 설명한다.

 

Part 3은 실제로 간단한 알고리즘 트레이딩을 파이썬을 이용해 구현해본다. 머신러닝에 기반을 둔 모델과 시계열 이론에 기반을 둔 모델 2가지를 구현해보고, 구현된 결과에 대한 해석과 이를 개선하는 방법에 대해 다룬다.

안명호 저자

안명호

KAIST SW석사과정을 마쳤다. 

어느 날 알게 된 머신러닝에 흠뻑 빠져 그동안 애지중지하던 클라우드를 버리고 머신러닝으로 전향하였다. 이제 더는 다른 기술은 관심을 두지 않고 머신러닝 한길만으로 정했기에 머신러닝을 공부하며 어려운 수식들을 다시 보느라 고생하고 있지만, 하루하루 배워가는 지식에 행복해하며 지내고 있다. 머신러닝으로 가마우지를 만들어 인생을 즐기려 노력하고 있으며, 그 결실이 완성되는 날 완벽한 경제적 자유를 누리고자 한다.

  • Facebook : https://www.facebook.com/james.ahn.9
  • Homepage : http://www.deepnumbers.com
류미현 저자

류미현

동국대 정보공학석사를 마쳤다. 

머신러닝 책을 집필할 때만 해도 쉬엄쉬엄하는 마음으로 했는데, 딥마인드(DeepMind)의 데미스 하사비스(Demis Hassabis)가 ‘알파고(AlphaGo)’를 서울에 데려와 파문을 일으키고 가는 바람에 왠지 모를 조바심이 생겼다. 그동안 딥러닝에 대해 갸우뚱하던 생각도 무지의 소치로 치워두고 급상승한 호기심을 발판으로 깊숙이 들어가 보려 한다. 확신할 수 없을 때는 불안하고 머뭇거리게 되지만 다행히 누군가 그 길을 보여주면 그때라도 놓치지 말고 따라가는 게 낫지 않을까 생각한다. 

chapter 1 머신러닝    

1.1 머신러닝이란 무엇인가    

1.2 머신러닝의 장단점    

1.3 머신러닝의 종류    

1.3.1 지도학습    

1.3.2 비지도학습    

1.4 머신러닝이 할 수 있는 것    

1.4.1 회귀    

1.4.2 분류    

1.4.3 군집화    

1.5 머신러닝 알고리즘    

1.6 머신러닝 프로세스    

1.7 No free Lunch Theorem    

 

chapter 2 통계    

2.1 통계란    

2.2 통계가 머신러닝에서 중요한 이유    

2.3 통계의 기본 개념과 용어    

2.3.1 모집단과 표본    

2.3.2 파라미터와 통계량    

2.3.3 표집 오차    

2.3.4 종속변수와 독립변수    

2.3.5 연속변수와 이산변수    

2.3.6 모델    

2.4 준비사항    

2.5 데이터 다운로드    

2.6 데이터 로드    

2.7 기초통계    

2.7.1 표준편차    

2.7.2 사분위수    

2.7.3 히스토그램    

2.7.4 정규분포    

2.7.5 산점도    

2.7.6 상자그림    

 

chapter 3 시계열 데이터    

3.1 시계열 데이터    

3.2 시계열 데이터 분석    

3.3 주요 시계열 데이터의 특성    

3.4 랜덤과정    

3.5 정상 시계열 데이터    

3.5.1 약한 정상성    

3.6 랜덤과정에서의 기대값, 분산, 공분산    

3.6.1 공분산    

3.7 상관    

3.8 자기공분산    

3.9 자기상관    

3.10 랜덤워크    

3.10.1 기하적 브라운 운동    

 

chapter 4 알고리즘 트레이딩    

4.1 알고리즘 트레이딩 소개    

4.2 인물로 살펴보는 알고리즘 트레이딩의 역사    

4.2.1 에드워드 소프    

4.2.2 제임스 해리스 사이먼스    

4.2.3 케네스 그리핀    

4.3 알고리즘 트레이딩 모델    

4.4 평균회귀 모델    

4.4.1 평균회귀 테스트    

4.4.2 평균회귀 모델 구현    

4.5 머신러닝 모델    

4.5.1 특징 선택    

4.5.2 가격이냐 뱡향이냐    

4.6 분류 모델    

4.6.1 로지스틱 회귀    

4.6.2 의사결정 트리와 랜덤 포레스트    

4.6.3 SVM    

4.7 머신러닝 모델 구현    

4.7.1 데이터셋    

4.7.2 데이터셋 나누기    

4.7.3 주가방향 예측변수 작성    

4.7.4 주가방향 예측변수 실행 및 평가    

4.8 시간가치 감소 효과    

 

chapter 5 알고리즘 트레이딩 시스템 구현    

5.1 일반적인 알고리즘 트레이딩 시스템 구성    

5.2 구현 시스템 개요    

5.3 개발 환경    

5.4 데이터 크롤러 구현    

5.4.1 주식 종목코드 수집    

5.4.2 주가 데이터 수집    

5.5 알파 모델 구현    

5.5.1 평균회귀 모델    

5.5.2 머신러닝 모델    

5.6 포트폴리오 빌더 구현    

5.6.1 평균회귀 모델 종목 선정    

5.6.2 머신러닝 모델 종목 선정    

5.7 트레이더 구현    

 

chapter 6 성능 평가와 최적화    

6.1 알고리즘 트레이딩 시스템의 성능 측정    

6.2 백테스팅    

6.2.1 Profit/Loss 테스트    

6.2.2 Hit Ratio    

6.2.3 Drawdown    

6.2.4 Sharpe Ratio    

6.3 머신러닝 모델 성능 측정    

6.3.1 혼동 행렬    

6.3.2 Classification Report    

6.3.3 ROC 곡선    

6.4 라이브 트레이딩 모니터링    

6.5 파라미터 최적화    

6.6 하이퍼파라미터 최적화    

6.6.1 격자 탐색    

6.6.2 랜덤 탐색    

6.7 블랙 스완    

 

chapter 7 마치며    

 

제목이 넘 거창한가요? 

 

저자님의 소스코드를 다 돌려보고 드디어 전부 제 것으로 만들었습니다. 

퇴근후 무료한 시간이었는데 3개월동안 잼나게 해봤습니다. 

 

직접했다면 1년 걸릴 일(짬내서)을 금방 끝냈네요.  

넘 감사하고 귀한 자료입니다. 이 기반을 토대로 여러 voting 프로그램을 만들어봐야겠습니다. 

 

책을 정독하시고, 

소스코드를 실행하시다보면 저자님의 몇몇 함정(?)을 발견하실 수 있습니다 . 

발견하여 해결하는 재미가 쏠쏠하고, 

주석처리한 코드에는 앞으로 고민해야할 방향이 담겨있습니다. 

 

리뷰 중에 수박 겉핥기라는 분이 계신데, 

국내 도서중 알고리즘 트레이딩에 대해 이정도 정리해준 책이 있나요? 전 좋았습니다. 

 

강추드리고 기본서로 활용하시길 적극 추천드립니다.

 

이제 부자될 일만 남은건가요? Emotion Icon

 

기회가 된다면 감히, 후속편을 집필해보고 싶은 소망이 있네요. ㅋㅋㅋ

 

좋은 하루되세요. 

 

 

 

 

 

 

 

평범한 개발자 입장에서 머신러닝으로 주식트레이딩을 한다는 개념에 끌려서 구입 하게 되었다.

책 초기의 90% 가량의 거래량이 알고리즘 트레이딩이라는 말에 약간 쇼크를 받았는대..

이게 정말인가? 약간 의심이 간다. 이말인 즉 이제는 트레이딩은 사람이 하는게 아니라.

AI가 90%를 담당하고 있다는 말인대.. 상당한 문화 쇼크다.

이러다 개인투자자는 개발자가 아니면 할수없는 직업이 될것이다.

 

애초에 이정도 분량으로 다룰 내용이 아니라서 그런지

너무 추상적으로 다뤄서 이책만 가지고는 내용을 거의 이해하는게 불가능하다..

이책을 기점으로 모르는걸 모조리 찾아보거나 해야 겨우 조금은 이해가 가능할것이다.

 

개발자지만 파이썬도 잘모르고 특히 통계 수학 개념이 너무 난해해서 이해가 힘들었지만..

중간 중간 유용한 정보들은 캐치할수 있었다.

하루만에 모르는 부분을 생략하고 대략적으로만 훑어 봤는대..

과연 이걸로 트레이딩 시스템을 만들어서 어느정도 효율이 있을까 의문이다.

90%나 되는 비율로 이미 장악하고 있는 시장인대..;;

 

 

 머신러닝을 이용한 알고리즘 트레이딩 시스템 개발은 211페이지, 목차와 저자소개, 장 넘김을 위한 빈 페이지를 제외하면 194페이지정도 된다. 사실 이 분량으로는 머신러닝이나 알고리즘 트레이딩 중 하나라도 제대로 설명하기 어려운 절대적으로 부족한 분량이라고 생각했다.

 

 저자도 책의 말미에 책의 목적이 머신러닝의 전체 흐름과 이를 구체적으로 어떻게 적용하는지를 보여주는 것이고, 설명이 부족한 부분 과 소개하지 않은 개념들이 많다고 하였다.

 하지만 의도한 대로 알고리즘 트레이딩 중 주식거래에 관한 전체적인 흐름은 가상의 데이터가 아닌 삼성전자와 한미약품의 실제 데이터를 사용하였기에 더욱 현실감에 있게 볼 수 있었다.

 파이썬을 이용한 프로그래밍 과정도 일부 있지만, 이는 데이터 분석에 필요한 라이브러리가 잘 되어 있어서 대부분의 경우 소개한 라이브러리를 이용하는 정도로 사용되고 코드도 길지 않기에 파이썬을 모르는 사람이라도 볼 수 있었다. 프로그래밍이 주가 되는 책은 아니지만 그대로 따라 할 수 있는 코드가 전부 제공된다. (eBook 이므로 복붙으로도 쓸 수 있다.)

 

 저자는 머신러닝을 위해 필요한 요소는 알고리즘, 컴퓨팅 파워, 데이터 3가지라고 하고 이 중 절대적으로 데이터의 중요성을 강조한다. 

 머신러닝 중 가장 인기있는 딥러닝은 이미 1943년 논문 "A LOGICAL CALCULUS OF THE IDEAS IMMANENT IN NERVOUS ACTIVITY"(http://www.minicomplexity.org/pubs/1943-mcculloch-pitts-bmb.pdf)을 통해 신경망의 이론적 기초를 갖췄지만 큰 발전이 없는 상태에 있다가 2000년 후반 컴퓨팅파워의 증가를 통해 부흥기를 맞게 되었음에도 컴퓨팅 파워나 심지어 알고리즘보다 데이터에 대한 중요성을 여러번 강조한다. 

 ‘Garbage in, Garbage Out’ 원칙을 이야기 하며 데이터의 수집, 선택, 검증하는 과정을 통해 데이터의 질적인 측면에 대한 노력 없이는 좋은 결과가 나올 수 없음을 이야기 하는데 이는 머신러닝에서 데이터를 전처리하는 시간과 결과를 후처리 하는 시간이 더 중요하고 많이 걸리는 이유라 할 수 있겠다.

 

 책에 나온 "머신러닝에 대해 흔히 하는 착각 하나는 데이터만 입력하면 머신러닝이 알아서 원 하는 결과를 만들어줄 것이라는 믿음이다." 이 문구는 부끄럽게도 나도 가졌던 믿음이었다.

 개발을 하면서 무조건 좋기만 하고 다 해결되는 Silver Bullet은 본 적이 없었음에도 머신러닝에 대해서는 잘못된 믿음을 갖고 있었던 것이다. 책을 다 읽고나면 이 생각이 얼마나 얕은 믿음인지 알게 될 것이다.

  그리고 가장 기본인 데이터의 중요성을 각인하고 통계 및 수학에 대한 기본적 소양부터 쌓아 올려야 겠다는 생각이 들지도 모른다. 

 지금의 내가 그러하듯이...

 

이 책을 가장 잘 써먹는 것은 '머신 러닝'에 관심만 가지고 있는 상태에서, 해당 분야에 대한 개관/개괄 도우미로 사용하는 것이라고 생각한다. 본운동 하기 전에 다치지 않도록 warm up이 필요한데, 이 책이 딱 어울린다. 부담스럽지 않은 분량으로, 이런 것들이 있다-고 알려주기 때문에 전혀 몰랐던 분야를 시작하기에 적합하다. 

 

책은 7장이지만, 크게 두 부분이다. 1-3장에서는 이후 4-6장을 읽을 때 크게 거슬리지 않도록 관련 지식을 간추려 설명하고 있다. 수학 관련 내용은 깊이 다루지 않으니까 통계나 그래프 등을 보고 겁을 먹지 않아도 된다. 물론 깊이 알고 싶으면 각 절의 이름으로 검색하면 먼 길이 펼쳐질 것이다 :)

4장 부터는 코드도 나온다. 앞에서 이야기 했던 대로 파이썬 코드다. 1-3장에 설명했던 개념을 토대로 실제로 실습을 시작한다. 5장부터 본격 구현에 들어가는데, 각 코드의 의미 보다는 빠르게 실습하고, 머신러닝으로 이런 것을 할 수 있겠구나 감을 잡는 것을 목적으로 삼는다. 6장은 실습으로 만든 시스템 성능을 평가하는 방법도 코드로 실습할 수 있다. 

 

책이 코드 포함 200페이지 정도이므로, 이 책을 본다고 해서 머신러닝을 알거나 잘 쓸 수 있게 되리라 기대하지는 않을 것이다. 또한 실습할 환경을 구축하는 부분에 대한 것은 전혀 나와있지 않으므로, 이 부분에서 시간을 많이 잡아먹을 수 있다. 개정 혹은 내용이 추가된다면 텐서플로우를 사용해서도 실습할 수 있도록 되었으면 좋겠다.

7장 맺음말에도 나와있듯 '머신러닝의 전체 흐름과 이를 구체적으로 어떻게 적용하는지' 보여주는 것이 목적이고, 얇은 분량에 많은 것을 다루어야 하기 때문에 간추려진 것들이 많다. 

앞서 말했듯이 이 분야에 대한 팜플렛 정도로 생각하고, 이후 로드맵을 세워나가는 데에 도움을 받는 것이 좋을 것이다. 

저는 여유가 있을 때마다 프로그래밍을 취미 수준으로 즐겨온 직장인 입니다. 증권 투자에 관심을 갖고 증권사 API 통해 시스템 트레이딩을 시도해 경험이 있습니다. 특별한 알고리즘이 없이 거래를 했더가, 돈은 아니지만 수십만원을 손해보고 느낀 바가 있어서 잠시 접어두었습니다. 이후 알고리즘 트레이딩에 대해 조금 공부를 하고자 했지만, 그럴만한 시간을 찾기 힘들었습니다

그러던 , 머신러닝을 이용한 알고리즘 트레이딩 시스템 개발 접할 있었습니다

 

책은 크게 3부분으로 구성되는데, 1부는 머신러닝 개요, 2부는 통계지식, 3부는 실제 트레이딩 시스템 구현을 다루고 있습니다

 

1 머신러닝 개요에서는 머신러닝의 개념을 설명합니다. 머신러닝이 무엇이고, 무엇을 있는지를 설명합니다. 아무런 배경지식이 없어도 어려움 없이 술술 읽힙니다. 내가 모르는 것이 무엇이고, 어떤 것을 공부해야 감이 옵니다.

 

2부는 본격적으로 시작하기 전에 통계를 설명합니다. 책에서도 상당한 부분을 할애하여 설명했지만, 일정 수준의 통계지식은 머신러닝을 활용하는데 반드시 필요합니다. 저자는 적당한 그림과 함께 쉽게 설명하려 노력합니다. 참고로 책에서 사용하는 ‘parameter’ 통계학에서모수라고 쓰기도 합니다. 여담이지만, 통계학을 공부할 때는 용어를 정확하게 정의하고, 공부하는 것이 도움이 되었습니다

 

3부는 본격적으로 알고리즘 트레이딩 시스템을 구축하기 시작합니다. 저자는 프로그램 코드를 하나하나 모두 설명하지는 않고, 다만, 어떤 역할을 하는지 설명하는데 초점을 둡니다. 일반 독자들이 어쩌면 제일 관심있어 있는, 증권사 시스템에 접속하여 데이터를 받고 특정 알고리즘을 적용한 실전 트레이딩하는 프로그램은 없습니다. 다만, 부분과 이후 사후관리(성능 평가, 최적화 ) 대한 내용을 다룹니다. 저자의 이런 접근은 당연하다 있습니다. 실제 증권사 시스템에 접속해서 실제 거래를 하는 것은 알고리즘 트레이딩과 무관한 내용이기 때문입니다.

 

요약하자면, 책은 머신러닝을 활용한 알고리즘 트레이딩 시스템 개발을 설명합니다. ‘실제 증권사 API 이용하는 부분 다루지 않지만, 그것을 제외한 모든 부분을 다루고 있습니다.(그러한 접근이 맞다고, 또한 생각합니다.) 

 

책에서 설명하는 머신러닝은 애초에 그렇게 만만한 내용은 아니었습니다. 예상컨대, 통계학은 아마도 수학은 싫지만 프로그래밍은 좋아하는 독자들에게 번째 어려움으로 다가올 것입니다. 통계학의 관문을 통과했다면, 이젠 많은 머신러닝 관련 방법론에 압도당 것입니다. 책은 필요한혹은 많이 쓰이는 머신러닝 방법론을 최대한 설명하려고 노력하는 것으로 보입니다. 덕분에 앞으로 어떤 분야를 공부해야할 좋은 참고가 되었습니다

 

 

개인적으로는, 머신러닝, 알고리즘 트레이딩 시스템이라는 2가지 주제에 대해서 입문 수준으로 작성된 권의 책인것 같습니다.

 

 

 머신러닝의 개념 및 트레이딩 시스템 개발에 대한 절차가 궁금한 독자들에게 추천하고 싶은 기본서 

 

 

대상 독자:

- 프로그래밍이 가능한 자. 

 

 

현재 IT분야를 비롯한 다양한 분야에서 머신러닝이 활용될 것으로 기대되고 있습니다. 금융분야에서도 이미 알고리즘을 활용한 트레이딩 시스템이 활발하게 사용되고 있지요. 

 

기존의 트레이딩 시스템이 적시에 사고 파는 것이 목적이었다면, 머신러닝을 적용한 트레이딩 시스템은 분석한 지표를 기반으로 매매여부를 결정합니다. 그렇기 때문에 트레이딩 시스템이 좋은 성능을 내기 위해서는 수많은 데이터 분석을 필요로 하는데요. 금융시장 자체가 특성상 분석에 활용할 수 있는 데이터가 방대하기 때문에 머신러닝을 잘만 적용한다면 좋은 결과를 낼 수 있는 환경을 제공한다 합니다. 

 

사실 트레이딩 시스템 구현에 대한 호기심도 있었지만 그보다도 머신러닝을 활용한 영역의 한 부분을 자세히 보고싶어 이 책을 선택하였는데요. 머신러닝이라는 큰 주제 내에서 트레이딩 시스템으로 활용하는 소주제로 범위를 좁히면서 머신러닝의 단편적인 면을 볼 수 있었던 계기가 되었습니다.

 

이 책을 읽기 전까지는 머신러닝에서 알고리즘이 가장 우선순위라 생각했습니다. 하지만 책은 머신러닝의 핵심 3요소 중에서도 데이터가 가장 중요한 역할을 한다고 강조합니다. 아무리 훌륭한 알고리즘이라도 활용하기 위한 데이터가 부족하다면 만족할만한 결과를 낼수는 없다는 것이죠. 과거 데이터의 패턴을 분석해 미래 주가를 예측해야 하는 트레이딩 시스템의 목적 상 좋은 결과를 얻기 위해서는 적합한 데이터를 걸러내야 한다는 것인데요. 책은 이러한 데이터를 찾기 위한 알고리즘에 대한 이론적인 설명과 기술적인 방법을 제공합니다. 

 

프로그래밍 언어로는 python을 이용하구요. 풍부한 라이브러리를 제공하는 python의 장점을 잘 활용합니다. 대부분의 코드는 외부 패키지의 기능으로 쉽게 구현할 수 있는 것들이며, 각 기능에 대한 소스코드와 대략적인 부연설명도 제공됩니다. 이것들은 꼭 알고리즘을 적용하지 않더라도 주가 데이터 분석 시에도 유용하게 사용할 수 있는 것들입니다. 아주 복잡한 알고리즘을 이용하여 프로그램을 구현하는 것이 아니라, 책이 설명하는 기본개념을 이해하고 실습하기 위한 용도로써 구현하려는 함수에 대한 설명과 테스트를 위한 기본 정보만을 제공하는 형태입니다. 

 

전체적으로 트레이딩 시스템 구현과 관련하여 필요한 배경 지식을 전달한 후 실습을 하는 단계로 구성되어있으며,  실습 과정에서는 crawling 작업부터 시작해서 앞서 소개한 개념들을 적용하여 시스템 구현에 필요한 절차를 설명합니다. 구현을 위한 전체 소스를 제공하지는 않기 때문에 만약 독자가 코딩 경험이 부족하다면 실습하는 것이 다소 어려울 수 있습니다. 

 

주제에 관련한 지식과 함께 중간중간에 배경지식으로 활용할 수 있는 부분들도 흥미롭게 읽었습니다. 분량이 많지 않은만큼 모든 내용을 상세하게 전달하지는 않지만, 사용자 편의에 맞게 활용할 수 있는 정보 위주로 제공하기 때문에 독자들이 스스로 학습할 수 있는 여지를 주고 가이드라인를 제시해주었다는 느낌입니다. 

 

트레이딩 알고리즘에 머신러닝이 중요한 기술로 자리잡은 만큼, 해당 분야에 관심이 있는 사람들에게 좋은 입문서가 될 것이라고 생각합니다. 

이 분야에 관심이 있는 분들께 추천하고 싶은 책입니다. 

 

 

 

이 책은 프로그래밍을 할 줄 아는 독자가 대상으로, 머신러닝을 이용한 알고리즘 트레이딩 입문서이다. 따라서 주식거래 경험은 많지만, 프로그래밍 경험이 없는 독자는 이 책에 맞지 않는 대상 독자가 될 것이다.(이런 독자는 ‘파이썬을 이용한 시스템 트레이딩(기초편)’이라는 책을 추천한다.)

 

저자는 수익을 낼 수 있는 모델을 만드는데 평균회귀와 머신러닝을 이용하였기 때문에, 실제 구현파트로 들어가기 이전에, 확률통계 기본개념과 머신러닝 기본개념(로지스틱 회귀, 랜덤 포레스트, SVM)을 소개하고, 그다음 챕터에서 구현을 시작한다. 수익 모델(알파 모델)과 더불어 리스크모델을 만드는 데 사용되는 기초 개념들도 소개해 구현과 평가모델 사이를 자연스럽게 이어주었다.

 

책의 가장 큰 장점은, 알고리즘 트레이딩 및 머신러닝에 관련된 양질의 레퍼런스 소개이다. 시계열데이터에서 평균회귀를 판단하는 모델부터 머신러닝에 사용되는 구체적인 라이브러리, 클래스, 함수를 소개해 이 분야에 처음 입문하는 독자에게 충분한 가이드 역할을 했다고 본다. 

 

저자가 언급한 대로 이 책에 있는 모든 내용을 알려면 몇 권의 책으로도 부족하다. 금융공학 등의 분야에서 다루는 랜덤워크 이론, 위너 프로세스부터 리스크관리 까지… 이 책을 읽으면서 떠오른 전공과목만 4~5개 정도이다. 그렇지만 저자는 서문과 내용 중간중간 독자에게 충분한 인사이트를 제공하고, 예시를 통해 문장을 이어나갔기 때문에, 책을 읽는데 이런 지식이 필수적으로 필요하다는 생각은 들지 않았다. 좀 더 공부해 보고자 하는 독자는 레퍼런스를 적극적으로 활용하기를 권한다. 하지만 통계 기초지식이 없는 상태에서 책을 읽는 것은 추천하지 않는다.

 

 

결제하기
• 문화비 소득공제 가능
• 배송료 : 2,000원배송료란?

배송료 안내

  • 20,000원 이상 구매시 도서 배송 무료
  • 브론즈, 실버, 골드회원이 주문하신 경우 무료배송

무료배송 상품을 포함하여 주문하신 경우에는 구매금액에 관계없이 무료로 배송해 드립니다.

닫기

리얼타임 eBook 안내

PDF 형식으로 제공되며, 다운로드한 eBook은 PDF 포맷을 지원하는 디바이스 또는 프로그램에서 제한없이 열람할 수 있습니다. 또한 eBook 내의 텍스트 검색 및 인쇄도 가능합니다.

리뷰쓰기

닫기
* 상품명 :
머신러닝을 이용한 알고리즘 트레이딩 시스템 개발
* 제목 :
* 별점평가
* 내용 :

* 리뷰 작성시 유의사항

글이나 이미지/사진 저작권 등 다른 사람의 권리를 침해하거나 명예를 훼손하는 게시물은 이용약관 및 관련법률에 의해 제재를 받을 수 있습니다.

1. 특히 뉴스/언론사 기사를 전문 또는 부분적으로 '허락없이' 갖고 와서는 안됩니다 (출처를 밝히는 경우에도 안됨).
2. 저작권자의 허락을 받지 않은 콘텐츠의 무단 사용은 저작권자의 권리를 침해하는 행위로, 이에 대한 법적 책임을 지게 될 수 있습니다.

오탈자 등록

닫기
* 도서명 :
머신러닝을 이용한 알고리즘 트레이딩 시스템 개발
* 구분 :
* 상품 버전
종이책 PDF ePub
* 페이지 :
* 위치정보 :
* 내용 :

도서 인증

닫기
도서명*
머신러닝을 이용한 알고리즘 트레이딩 시스템 개발
구입처*
구입일*
부가기호*
부가기호 안내

* 온라인 또는 오프라인 서점에서 구입한 도서를 인증하면 마일리지 500점을 드립니다.

* 도서인증은 일 3권, 월 10권, 년 50권으로 제한되며 절판도서, eBook 등 일부 도서는 인증이 제한됩니다.

* 구입하지 않고, 허위로 도서 인증을 한 것으로 판단되면 웹사이트 이용이 제한될 수 있습니다.

닫기

해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
장바구니로 이동하시겠습니까?

자료실

최근 본 상품1