현 시대의 '금융공학'은 '머신러닝'이다
Machine Learning in Business
[Book]존헐의 비지니스 금융머신러닝
NICE피앤아이 홍창수 Ph.D
1. 전세계 '금융공학과 파생상품 교과서 시장'의 상당부분을 차지하고 있는 존 헐(John Hull)교수님의 머신러닝 책이다. 이전 글에서 몇 번 언급을 한 책이다. 2019년 1판에 이어 2020년 5월에 2판이 나왔다.(# 국내번역서는 에이콘 출판사에서 2021년 3월에 발간하였다. 아래 사진도서 참조) 250페이지 분량으로 금융사례가 포함되어 있다. 아마존에서 29달러로 팔고 있고, 국내인터넷서점인 알라딘에서는 3만5천원에 주문 가능하다. 환율을 고려했을때 아마존과 알라딘간 차이(수수료)가 거의 없다.(국내 번역서는 2만5천원으로 원서 보다 저렴하다.)
2. 몇 년 전 부터 존 헐 교수님과 제자들의 '머신러닝 및 딥러닝 금융논문'들이 나오기 시작했다. 금융분야에서도 머신러닝의 활용에 대해 존 헐 교수님이 일찍이 가능성을 생각해 두신 것으로 생각된다. 또한, 인공지능의 메카인 캐나다 '토론토'라는 지역이 금융과 파생상품 전문가인 존 헐 교수님이 이 책을 집필하는 데 동기를 제공했으리라 추측된다. 원서는 분량도 아주많지 않고 독립출판사에서 출판된 것으로 보아 좀 더 판이 업데이트 되면서 보강할 것으로 보이고, 학생들의 수요에 따라 더 좋은 책으로 거듭 날 것으로 생각된다.
3. 책의 분량을 보면 알겠지만 학습자가 혼자 공부하는 책이라기 보다는 강사가 강의하기에 좋은 책이라 생각한다. 그래도, 간결하게 정리되어 있다는 점이 장점으로, 핵심적인 개념을 공부하기에는 좋은 책이다. 대학교 경상계열 과목 중 머신러닝 교재로 사용하면 좋을 것 같다.이 책을 번역해볼까 생각 해봤는데, 이기홍 박사님이 현재 준비 중이다.(이글은 2020년 9월에 작성되었다 - 추가) 번역서가 조금 지나면 나오리라 생각된다. 아래 덧글에 존 헐 교수님의 '강의노트'와 '코드샘플자료'가 포함된 URL을 첨부한다. 참조하시면 좋겠다.
존헐교수님 비지니스 금융머신러닝 강의노트(2판)
3판 강의노트(코드) https://bit.ly/3yDqkEL
-------------------------------------------------------------------
---------------------------------------------------------------------
목차는 다음과 같다.
1장. 소개
1.1 본서와 부속 자료
1.2 머신러닝 모델의 종류
1.3 검증 및 테스트
1.4 데이터 정제
일관성이 없는 기록
원하지 않는 관측치
중복 관측치
특이치
결측 데이터
1.5 베이즈 정리
요약
짧은 개념 질문
연습문제
2장. 비지도학습
2.1 특성 스케일링
2.2 k - 평균 알고리즘
2.3 k 선택하기
2.4 차원의 저주
2.5 국가 위험
2.6 다른 군집화 접근 방식
2.7 주성분 분석
요약
짧은 개념 질문
연습문제
3장. 지도학습: 선형과 로지스틱 회귀
3.1 선형 회귀: 한 개의 특성
3.2 선형 회귀: 여러 특성
그래디언트 하강 알고리즘
다항식 회귀 분석
회귀 통계량
3.3 범주형 특성
더미변수 함정
3.4 규제화
3.5 릿지 회귀
3.6 라쏘 회귀
3.7 일래스틱넷 회귀
3.8 주택가격 데이터 결과
3.9 로지스틱 회귀
3.10 결정 기준
3.11 신용 결정에 대한 응용
3.12 k - 최근접 이웃 알고리즘
요약
짧은 개념 질문
연습문제
4장. 의사결정 트리
4.1 의사결정 트리의 성격
4.2 정보 이득 척도
4.3 신용결정에의 응용
4.4 나이브 베이즈 분류기
4.5 연속형 타깃변수
4.6 앙상블 학습
배깅
랜덤 포레스트
부스팅
요약
짧은 개념 질문
연습문제
5장. 지도학습: SVM
5.1 선형 SVM 분류
5.2 소프트 마진을 위한 수정
5.3 비선형 분리
5.4 연속변수 예측
요약
짧은 개념 질문
연습문제
6장. 지도학습: 신경망
6.1 단일층 ANN
6.2 다층 ANN
6.3 그래디언트 하강 알고리즘
다중 파라미터
6.4 기본방법의 변형
6.5 종료 규칙
6.6 블랙 - 숄즈 - 머튼 공식
6.7 확장
6.8 오토인코더
6.9 합성곱 신경망
6.10 순환 신경망
요약
짧은 개념 질문
연습문제
7장. 강화학습
7.1 멀티암드 밴딧 문제
7.2 변화하는 환경
7.3 님 게임
7.4 시차학습
7.5 딥 Q - 러닝
7.6 응용
요약
짧은 개념 질문
연습문제
8장. 자연어 처리
8.1 데이터 원천
8.2 전처리
8.3 단어 주머니 모델
8.4 나이브 베이즈 분류기의 적용
8.5 다른 알고리즘의 적용
8.6 정보 검색
8.7 다른 자연어 응용
요약
짧은 개념 질문
연습문제
9장. 모델 해석성
9.1 선형회귀
9.2 로지스틱 회귀 분석
9.3 블랙박스 모델
9.4 샤플리값
9.5 라임
요약
간단한 개념 질문
연습문제
10장. 금융에서의 응용
10.1 파생상품
10.2 델타
10.3 변동성 표면
10.4 변동성 표면 움직임의 이해
10.5 헷징을 위한 강화학습 사용
10.6 확장
10.7 기타 금융 애플리케이션
요약
짧은 개념 질문
연습문제
11장. 사회적 이슈
11.1 데이터 보안성
11.2 편향
11.3 윤리
11.4 투명성
11.5 적대적 머신러닝
11.6 법적 이슈
11.7 인간 대 머신
연습문제 해답
용어 사전
