인공지능을 이용한 주가예측, 10/6(화) 저녁7시 개강

590,000

Machine Learning, Deep Learning, Reinforcement Learning 등 현재 인공지능 개발에 활용되고 있는 주요 알고리듬을 활용하여 주가 수준, 수익률, 방향성에 대한 예측과 트레이딩에 활용하는 첨단 기법을 Python 코딩을 통해 손쉽게 구현할 수 있도록 친절하게 설명하는 강좌입니다. 사전 지식이 전혀 없어도 수강 가능합니다. 복습 및 결석시 보강에 활용하실 수 있도록 강의녹화 동영상이 제공됩니다.

수강신청 클릭!!

품절

카테고리:

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

수강 신청을 먼저 하시고 결제는 개강 확정 이후에 하시면 됩니다.

수강신청서(인공지능을 이용한 주가예측, 2020/10/6 개강)
수강목적
사이트를 알게된 경로

 


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

<수업 대상>

  • 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.

상품평

아직 상품평이 없습니다.

상품을 구매한 로그인 고객만 상품평을 남길 수 있습니다.