[책소개] 금융 AI의 이해
신용 평가, 사기 탐지, 퀀트투자, 생성형 AI를 활용한 실전 금융 AI
현 시대의 금융공학은 금융 AI이다
금융 AI의 이해, 김태헌, 제이펍
금융AI쪽으로 좋은 책이 나왔다. 알파고가 세상에 충격을 준 이래로 개인적으로 ‘퀀트의 세계’, ‘퀀트투자를 위한 머신러닝 딥러닝 알고리즘 트레이딩(번역서)’, ‘데이터분석을 위한 챗GPT’와 같은 여러 책을 쓰면서 금융공학이 가격결정이론(QUANT1.0)에서 퀀트투자(QUANT2.0)로 그리고 금융AI(QUANT3.0)로 넘어가고 있음을 이야기 했다.
이 책은 본인이 쓴 책은 아니지만 금융과 인공지능(AI)의 융합을 심도 있게 탐구한 종합적인 안내서로, 금융 분야에서 AI가 어떤 역할을 하고 있는지에 대한 소개와 실무 적용까지 폭넓게 다루고 있다. 아울러, 금융과 핀테크에서의 AI개념에 대해 국내외 트렌드를 소개하며, 신용 평가, 금융투자, 사기 탐지, 생성형 AI 등 다양한 분야에서의 AI 활용 사례를 파이썬 코드로 보여주며 구체적으로 제시해주고 있어 금융 전문가와 AI에 관심 있는 학습자들에게 유용한 지침서가 될 것으로 생각된다.
주말에 책을 보았는데 ‘금융투자영역에서의 AI’, 'AI 프로덕트의 전반적인 관리 방법', ‘금융에서의 생성형 AI활용’ 부분을 특히 재미있게 보았다. 최신 트렌드와 실무 지식을 모두 포함하고 있는 이 책은 빠르게 변화하는 금융 산업에서 AI의 잠재력을 이해하고 활용하는 데 큰 도움이 될 것으로 생각된다. 아울러, 금융 분야에서 AI 전문성을 높이고자 하는 이들에게 필독서로 추천해 주고 싶다.
관련 화일:
https://github.com/datakim/AI_FOR_FINANCE
저자 김태헌
외국계 IT 기업, 국내 금융사 AI 연구소, 외국계 소비재 기업 등에서 다양한 AI 프로젝트 경험을 쌓고 현재는 이커머스 기업의 핀테크 조직에서 시니어 데이터 과학자이자 머신러닝 알고리즘 엔지니어로 일하고 있다. 베이징 대학 졸업 후 캘리포니아 대학교 샌디에이고(UCSD)에서 국제경제 석사학위를 받았다. 또한, 세계 최대 데이터 과학 커뮤니티이자 경진대회 플랫폼인 캐글에서 그랜드마스터로 활동하고 있다. 저서로는 《AI 소사이어티》(2022, 미래의창/2022년 세종도서 교양부문 선정), 《퀀트 전략을 위한 인공지능 트레이딩》(2020, 한빛미디어)이 있으며, 역서로는 《그림으로 배우는 StatQuest 머신러닝 강의》, 《단단한 머신러닝》, 《데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집》(이상 제이펍) 등이 있다.
목차
추천의 글 ix
머리말 xi
이 책에 대하여 xiii
CHAPTER 1 금융과 핀테크에서의 AI 1
1.1 금융이란 무엇인가? 3
1.2 금융을 다루는 기관들 4
__1.2.1 은행(제1금융기관) 4
__1.2.2 비은행예금취급기관(제2금융기관) 4
__1.2.3 보험회사 5
__1.2.4 금융투자업자 5
__1.2.5 기타금융기관(카드사 포함) 5
__1.2.6 공적금융기관 5
__1.2.7 핀테크 6
1.3 AI와 그 주변 용어들 6
1.4 금융과 AI 8
__1.4.1 국내 금융 분야 AI 시장 규모 9
__1.4.2 금융 산업에 대한 AI의 영향력이 큰 이유 10
__1.4.3 금융 AI 트렌드 13
__1.4.4 금융 서비스에서 AI의 핵심 가치 15
__1.4.5 금융 서비스 분야에서 AI의 도입 장벽 16
1.5 금융 AI의 주요 활용 분야 18
__1.5.1 신용 평가에서 AI와 대체 데이터의 활용 19
__1.5.2 사기 탐지 및 방지: 디지털 시대의 필수 요소 21
__1.5.3 고객 서비스 26
__1.5.4 투자와 트레이딩 28
__1.5.5 준법 감시와 규제 29
__1.5.6 프로세스 자동화 31
1.6 금융 AI 핵심 문제 정의 33
1.7 금융 AI 전망과 도전적 과제들 35
__1.7.1 양질의 데이터 확보 36
__1.7.2 규제 및 보안 이슈 37
__1.7.3 기존 레거시 시스템의 한계 37
__1.7.4 윤리적 고려의 중요성 38
1.8 마무리 39
CHAPTER 2 금융 투자 영역에서의 AI 41
2.1 대표적인 금융 투자 방식 43
__2.1.1 퀀트의 기원과 AI 시대 44
__2.1.2 성장하는 알고리즘 트레이딩 시장 46
2.2 금융 투자 영역에서 AI가 각광받는 이유 46
2.3 AI를 접목한 투자의 장점과 단점 47
2.4 금융 투자 데이터 유형 49
2.5 데이터 소스 선택 51
2.6 전통적인 퀀트 투자 vs. AI 기반의 계량 투자 52
__2.6.1 전통적인 퀀트 투자 전략 54
__2.6.2 AI 기반 투자 전략 55
2.7 AI를 금융 투자에 활용할 때 주의해야 할 점 56
2.8 실제 투자 영역에서의 AI 응용 사례 57
2.9 마무리 60
실습 1 금융 시계열 및 파이썬을 활용한 전통 퀀트 방법 구현 60
실습 2 머신러닝을 이용한 투자 전략 75
실습 3 딥러닝을 이용한 투자 전략 98
CHAPTER 3 AI 기반의 신용 리스크 모델링 113
3.1 신용 리스크 관리 개요 115
__3.1.1 신용 리스크 관리의 중요성 116
__3.1.2 신용 리스크 관리의 필수성 116
__3.1.3 신용 리스크 관리의 실천 방안 116
3.2 신용 평가 모델의 활용 117
__3.2.1 신용 평가 모델의 다양한 활용 사례 117
__3.2.2 여러 나라의 신용 평가 시스템 118
__3.2.3 핀테크에서의 신용 평가 모델 활용 119
3.3 신용 리스크 관리 체계 123
__3.3.1 데이터 체계 125
__3.3.2 전략 체계 126
__3.3.3 모델 체계 128
3.4 AI 적용 관점에서의 신용 리스크 관리 영역 특징 129
3.5 신용 평가 모델 평가 지표 130
__3.5.1 K-S 통계량 130
__3.5.2 PSI 131
__3.5.3 정밀도와 재현율 132
__3.5.4 AUC-ROC 134
3.6 신용 평가 모델 개발을 위한 사전 지식 135
__3.6.1 연체 기간 136
__3.6.2 관찰 시점 137
__3.6.3 관찰 기간 137
__3.6.4 성능 기간 137
__3.6.5 종속변수 138
__3.6.6 성능 기간 설정과 빈티지 분석 139
__3.6.7 데이터 분할 전략 141
3.7 머신러닝 기반 신용 평가 모델 개발 142
__3.7.1 데이터 준비 143
__3.7.2 데이터 가공(피처 엔지니어링) 147
__3.7.3 모델링 154
__3.7.4 스코어링 155
__3.7.5 모델의 해석력 158
__3.7.6 모델 배포 159
__3.7.7 모니터링 161
3.8 마무리 161
실습 1 밑바닥부터 시작하는 머신러닝 기반 신용 평가 모델 개발 162
실습 2 OptBinning 라이브러리를 활용한 신용 평가 모델 개발 184
CHAPTER 4 AI를 활용한 금융 사기 거래 탐지 및 예방 201
4.1 금융 사기 거래 탐지의 중요성과 AI 203
4.2 이상 탐지와 사기 거래 탐지 205
4.3 금융 사기 유형 206
4.4 금융 사기의 특성 207
4.5 사기 거래 탐지와 진화하는 AI 기술 209
4.6 금융 사기 거래 탐지 및 예방 210
__4.6.1 사기 거래 탐지 및 예방 시장 규모 211
__4.6.2 금융 사기 예방 방법 212
4.7 사기 거래 탐지 및 예방 리스크 관리 전략 개발 프로세스 215
__4.7.1 리스크 관리 전략 개발 프로세스 215
__4.7.2 리스크 분석 216
__4.7.3 전략 설계 및 프로세스 디자인 217
__4.7.4 전략 효과 평가 및 진단 조율 217
__4.7.5 지속적인 개선과 최적화 217
4.8 마무리 218
실습 1 사기 거래 탐지를 위한 가장 기본적인 방법: 규칙 기반 탐지 219
실습 2 머신러닝 기반의 신용카드 사기 거래 탐지 모델 개발 223
실습 3 딥러닝 기반의 신용카드 사기 거래 탐지 모델 개발 248
실습 4 그래프 데이터를 활용한 금융 사기 거래 탐지 및 예방 259
CHAPTER 5 금융 AI 프로덕트 관리 277
5.1 데이터 파이프라인 구축 280
5.2 데이터 파이프라인 예시 282
5.3 SQL과 에어플로를 활용한 배치 처리 데이터 파이프라인 예시 284
5.4 모델 패키징 및 배포 289
__5.4.1 모델 패키징하기 289
__5.4.2 배포하기 290
5.5 프로덕션 환경에서의 모델 테스트 방법 291
5.6 AI 프로덕트 성능 모니터링 292
__5.6.1 공변량 시프트 293
__5.6.2 개념 드리프트 294
__5.6.3 모델 성능 저하를 불러오는 변화 유형 294
__5.6.4 데이터 분포 시프트를 감지하는 방법 294
5.7 AI 프로덕트의 모델 재학습 주기 296
5.8 AI 프로덕트 성과 및 가치 측정 297
__5.8.1 비즈니스 관점 297
__5.8.2 시스템적 관점 298
__5.8.3 체계적이고 정량적인 지표를 제공하자 299
5.9 마무리 300
실습 1 Evidently AI를 활용한 모니터링 301
CHAPTER 6 금융에서의 생성형 AI 활용 309
6.1 생성형 AI의 핵심 원리와 사용 방안 312
__6.1.1 데이터 수집 및 변환 315
__6.1.2 임베딩 315
__6.1.3 질의와 문서 임베딩 비교 316
__6.1.4 프롬프트 보강 316
6.2 LLM 애플리케이션을 만들기 위한 도구들 317
__6.2.1 RAG 317
__6.2.2 공통 도구 318
__6.2.3 미세 조정 319
6.3 금융에서의 생성형 AI 활용 방안 319
6.4 생성형 AI에 대한 오해와 진실 323
__6.4.1 생성형 AI 기술은 새롭다 323
__6.4.2 기반 모델이 기존의 머신러닝을 완전히 대체할 것이다 323
__6.4.3 환각 현상 때문에 생성형 AI 응용이 불가능하다 324
__6.4.4 생성형 AI가 모든 문제를 해결할 것이다 324
6.5 마무리 325
찾아보기 327
