(오프라인 > 데이터 사이언스) 인공지능 시스템 트레이딩2: 머신러닝기반 포트폴리오 관리

770,000

본 강의는 첨단의 Machine Learning(ML) 알고리듬을 각종 금융데이터 분석에 적용하여 다양한 시스템 트레이딩 모형을 구현하는 방법을 소개하기 위해 기획되었습니다. 학습 내용을 바로 실무에 적용하실 수 있도록 시스템 트레이딩에 관한 각종 이론 설명뿐만 아니라 Python을 이용한 데이터 분석 및 모형 구축 실습을 병행합니다. Python 입문에 대해서는 개강 전에 동영상 강의를 제공해드리고 오프라인 강의에서는 첨단 기계학습 알고리듬 구조 및 이를 활용한 트레이딩 모형 구축 설명에 집중하여 시간과 비용을 크게 줄였습니다. 주중 업무 부담으로 인해 강의 참석이 어려운 분들을 위해 강의는 일요일 오후 시간대에 진행됩니다. 오프라인 강의 종료 후 2개월간 녹화 동영상이 제공됩니다.

 

일자 (요일) 주제 강의 내용
사전교육 Python 입문 설치 및 기본적 사용법, 데이터 입출력
DAY 1 시스템 트레이딩 입문 ML활용한 투자전략, 알파 요소 탐색, 투자 전략 평가
DAY 2 Baysian Machine Learning(BML) Dynamic Sharpe ratio을 통한 성과 비교

확률적 변동성 추정

DAY 3 Decision Tree(DT),

Random Forest(RF)

DT의 우수한 예측 및 분류 기능 활용한 트레이딩 알고리듬 구현

RF를 이용한 DT 성능 개선

DAY 4 Gradient Boosting Machines(GBM) 예측 및 계산 속도 향상

GBM을 이용한 Feature engineering

DAY 5 Unsupervised Learning 과적합 문제 해결 위한 차원축소 기법

자산 배분에 클러스터링 기법 활용

카테고리:

설명

개강 미정
일정 미정
장소 미정
강사 한창호, 콴트글로벌 대표 / 경제학박사
문의 crm@quantglobal.co.kr, 02.761.8090
기타 실습을 위한 노트북 컴퓨터 지참 필수
특징 업무에 바로 적용 가능한 소스 코드(Python) 및 데이터 제공
사전교육 1 Python 입문 동영상 강의 제공

사후교육 강의 녹화 동영상 2개월간 제공. 강의 후 3일내 업로드됨

DAY 1: 시스템 트레이딩 입문

I 강의 주제 강의 내용
1 ML활용한 투자전략 데이터 마이닝을 통한 Feature 발굴
2 알파 요소 탐색 Factor 분류, zipline 이용한 시그널 탐색,

alpha렌즈를 이용한 노이즈 제거

3 투자전략 평가 zipline 이용한 포트폴리오 구축,  pyfolio 이용한 성과 평가

backtesting, 포트폴리오 관리

DAY 2: Baysian Machine Learning

II 강의 주제 강의 내용
1 BML 개요 베이지안 기계학습 작동 기제 설명
2 BML 구현 PyMC3 라이브러리 사용법 설명
3 Bayesian Sharpe ratio Dynamic Sharpe ratio를 통한 성과 비교
4 확률적 변동성 베이지안 시계열 모형을 이용한 확률적 변동성 추정

DAY 3: Decision Tree, Random Forest

III 강의 주제 강의 내용
1 DT모형 개요 DT 작동 기제 설명
2 DT모형 구현 및 활용 Regularization을 통한 과적합 해결, 파라미터 튜닝,

DT를 예측 및 데이터 분류에 적용

3 RF 모형 개요 앙상블 개념, Bagging을 통한 모형의 변동성 축소
4 RF 모형 활용 RF 모형 구축, 장단점 비교

DAY 4: Gradient Boosting Machines

IV 강의 주제 강의 내용
1 GBM 개요 GBM 작동 기제 설명
2 GBM 구현 모형 훈련 및 파라미터 최적화 기법
3 GBM 알고리듬 XGBoost,  LightGBM,  CatBoost
4 Feture engineering GBM 활용한 Feature 중요도 평가, Feature 간 상호작용 조사

DAY 5: Unsupervised Learning

V 강의 주제 강의 내용
1 차원축소 기법 개요 PCA, ICA 작동 기제 설명
2 차원축소 기법 활용 과적합 문제 해결하여 알고리듬 트레이딩 성능 향상
3 Clustering 기법 개요 Hierarchical Clustering, Density-based Clustering
4 Clustering 기법 활용 리스크 요소별 자산배분에 활용

한창호

2008.06~현재 콴트글로벌 대표
2018.09~현재 고려대학교 기술경영전문대학원 겸임교수
2015.10~2016.08 가톨릭대학교 산업수학센터 연구교수
2011.03~2015.09 가톨릭대학교 수학과 겸임교수
2013.03~2015.08 성균관대학교 경영대학 겸임교수
2004.10~2008.06 삼성금융연구소
2001.3~2004.10 (주)한국기업평가
1999.12~2001.3 에너지경제연구원
1999 University of California, San Diego, 경제학 박사(계량경제학 전공)
1991 서울대학교 대학원 졸업, 경제학 석사
1989 서울대학교 경제학과 졸업, 경제학 학사

<주요 학술 저술>

“The DNA of Security Return”, Quantitative Finance, vol.15, no.1, pp. 1-17. 2015
“수익률 DNA를 이용한 금융시장 분석 방법론”, 자산운용연구, vol 2, no.1, pp 82-106, 2014.
“Measuring the Dependency between Securities via Factor-ICA Models”, Journal of Applied
Finance and Banking, vol. 4, no. 1, 2014.
“금융경쟁력 결정요인에 대한 실증연구”, 국제경제연구, Vol. 13, No.3, pp. 53-75, 2007.
“NAFTA와 외환위기 이후 멕시코 금융산업”, 라틴아메리카연구, Vol II, No. 1, pp. 55-79, 2007.
기업신용위험분석, 금융연수원, 2002.
“Multi-Variate Estimation and Forecasting with Artificial Neural Networks”, 박사학위논문, UCSD, 1999.
“비모수적 분포무관인 구조변화 검증통계량”, 석사학위논문, 서울대학교, 1991.

<주요 업무 저술>

<주요 업무 경력>

現 콴트글로벌 대표
現 고려대학교 기술경영전문대학원 겸임교수(인공지능, 빅데이터 강의)
前 가톨릭대학교 산업수학센터 연구교수(산업수학 프로젝트)
前 성균관대학교 경영대학 겸임교수(계량경제학, 수리금융 강의)
前 가톨릭대학교 자연과학대학 수학과 겸임교수(금융공학 강의)
前 삼성금융연구소: 금융정책(자본시장통합법, 지급결제, 한-미 FTA) 및 전략 (전자금융, 모바일금융)
前 한국기업평가: 리스크관리 컨설팅, BASEL II 컨설팅, 구조화금융상품(CDO, MBS) 및 벤처기업 신용평가
前 에너지경제연구원: 국제유가 전망 및 동향 분석, WTO 에너지 서비스 협상

상품평

아직 상품평이 없습니다.

상품을 구매한 로그인 고객만 상품평을 남길 수 있습니다.