설명

개강	2020년 10월 6(화) 19:00
일정	2020/10/6~11/10 매주 화요일 19:00-22:00 (3시간씩 6회)
장소	토즈, 서울대입구역점 (지하철 2호선 서울대입구역 4번출구, 도보 1분)
강사	한창호, 콴트글로벌 대표 / 경제학박사
문의	crm@quantglobal.co.kr, 02.761.8090
기타	실습을 위한 노트북 컴퓨터 지참 필수
특징	수료증 발급
사전교육	Python 입문 강의자료(PPT, 소스코드) 제공
사후교육	강의 녹화 동영상 3개월간 제공. 강의 후 2일내 업로드

수강신청

WEEK 1> 주가수준 예측

I	강의 주제	강의 내용
1	기계학습을 금융공학에 응용	금융공학 응용 사례 – 알고리듬 트레이딩 – 포트폴리오 관리 – 금융감독 – 보험인수 – 금융뉴스분석 기계학습 주요 개념 소개 – 지도학습/비지도학습 – 분류예측/수치예측 – Overfitting/Underfitting Models – Feature Engineering – Scikit-learn (Python ML 라이브러리)
2	OLS	OLS를 이용한 선형 회귀분석 독립변수와 목표변수 설정 선형회귀분석을 이용한 개별 주식 가격 예측
3	Risk Metrics	예측 성능 측정 – Mean absolute error – Mean squared error – Explained variance score – R2
4	Ridge Regression	OLS 선형회귀분석 성능 개선 – L2 regularization
5	Lasso Regression	OLS 선형회귀분석 성능 개선 – Least Absolute Shrinkage Operator
6	Elastic Net	OLS 선형회귀분석 성능 개선 – L1, L2 regularization 결합

WEEK 2> 주가수익률 예측

I	강의 주제	강의 내용
1	앙상블 개념 소개	Decision tree의 단점 해결
2	Cross-asset momentum model	독립변수 설정 – Alpha Vantage 이용 해외 데이터 입수 목표변수 설정 Multi-asset linear regression model – 해외 주식 수익률 예측
3	Bagging	Bootstrap aggregation을 이용한 Multi-asset linear regression model 추정
4	Gradient boosting	Gradient boostingdmf 이용한 overfitting 방지
5	Random forest	Random forest를 이용한 분산 감소

WEEK 3> 주가방향성 예측

I	강의 주제	강의 내용
1	이진분류모형	cross-asset momentum models 이용한 이진분류모형 – 목표변수설정 – 입력변수 설정 – Logistic regression
2	성능 측정	Confusion matrix Accuracy score Precision score Recall score F1 score
3	주가 방향성 예측	Support Vector classifier Stochastic gradient descent Linear discriminator analysis Quadratic discriminant analysis KNN classifier

WEEK 4> 강화학습을 이용한 주가예측 1

I	강의 주제	강의 내용
1	강화학습 소개	정의 및 주요 개념 – Environment, Agent, State, Action, Reward – 기존 ML 알고리듬과의 차이점 – Value function – Model-free/Model-based agent – Credit assignment – Exploration / Exploitation – Epsilon greedy – Markov Decision Process – Bellman Equation
2	주요 해법	Dynamic Programming – Value Iteration – Policy Iteration Monte Carlo – On-policy MC – Off-policy MC Temporal Difference – Q-learning – SALSA
3	OpenAI Gym, Tensorflow	OpenAI Gym Tensorflow – Tensor – Tensorboard
4	Deep Reinforcement Learning	Deep Q Network – Value function approximation with neural networks – Experience replay – Target network DQN Extension – Double DQN – Prioritized experience replay – Duel network – DRQN – DARQN

WEEK 5> 강화학습을 이용한 주가예측 2

I	강의 주제	강의 내용
1	Actor-critic Network	개념 소개
2	Policy Gradient	Policy representation REINFORCE method
3	A2C(Artic-critic method)	Variance reduction Actor-critic Tuning
4	A3C(Asynchronous Advantage Actor-critic)	Correlation and sample efficiency Multiprocessing

WEEK 6> 강화학습을 이용한 주가예측 3

I	강의 주제	강의 내용
2	데이터 준비	국내외 주요 주가지수 입수
3	Actor-critic 트레이딩 모형 구성	Actor script Critic script Agent script Helper script
4	모형 훈련	모형 설정 훈련 및 테스트 데이터 설정 결과 분석

시스템 트레이딩 분야에 관심을 가지신 분: 인공지능과 금융공학 분야에서 오랜 경험과 연구를 한 강사의 지식을 공유하실 수 있습니다.
인공지능 관련 학위 논문 작성 중이신 분: 인공지능 전반에 걸친 조언을 수업시간과 휴식시간을 통해서 해드리고 개인적으로도 적극 도와드리겠습니다.
전직 및 이직을 준비 중이신 분: 인공지능, 데이터 사이언스 및 관련 분야에 대한 각종 정보와 전직 및 이직에 대한 조언을 해드리겠습니다.
금융공학, 계량경제학, 기계학습 분야에 조언이 필요하신 분: 강사의 경험과 인적 네트워크를 활용하여 적극적으로 도와드리겠습니다.

아직 상품평이 없습니다.

상품을 구매한 로그인 고객만 상품평을 남길 수 있습니다.