금융 분석에 필요한 핵심 이론과 예제 코드로 구성된 책이다. 이론 설명에 수학적 증명이 포함돼 있어 깊이 있게 학습할 수 있고, R 코드로 구현해 이론을 직접 확인할 수도 있다. 시카고대학교와 아이오와대학교의 커리큘럼과 수업 교재를 기반으로 집필했다. 이 책에 담긴 금융 분석의 이론과 코드를 학습해 응용하면 데이터 과학자로서 자신만의 금융 분석 플랫폼을 구축할 수 있을 것이다.

[목 차]

1장. 분석적 사고

1.1 금융 분석의 개요
1.2 데이터 과학자를 위한 금융 분석
1.3 R을 활용한 고급 분석
1.4 연습 문제

2장. 금융 분석 전문 언어, R

2.1 R 시작하기
2.2 언어 특성: 함수, 할당, 인수, 타입
2.3 언어 특성: 바인딩과 배열
2.4 에러 처리
2.5 숫자, 통계, 문자 함수
2.6 데이터프레임과 입출력
2.7 리스트
2.8 연습 문제

3장. 금융 통계

3.1 확률
-베이즈 규칙
-베이즈 규칙의 확장
3.2 조합론
-순열
-조합
3.3 수학적 기댓값
3.4 표본평균, 표준편차, 분산
3.5 표본 왜도와 첨도
3.6 표본분산과 상관관계
3.7 금융 수익
3.8 자본자산가격결정모형
3.9 연습 문제

4장. 금융 증권

4.1 채권 투자
4.2 주식 투자
4.3 서브프라임 모기지 사태
4.4 유럽 경제위기
4.5 증권 데이터집합과 시각화
4.6 주식분할 조정
4.7 인수합병 조정
4.8 여러 시계열의 그래프 비교
4.9 증권 데이터 가져오기
4.10 증권 데이터 정제
4.11 증권 시세 검색
4.12 연습 문제

5장. 데이터집합 분석과 리스크 측정

5.1 로그 수익률로부터 가격 생성
5.2 가격 변동의 정규 혼합모형
5.3 스위스, 최저환율제 포기 선언
5.4 연습 문제

6장. 시계열 분석

6.1 시계열 조사
6.2 정상 시계열
6.3 자기회귀이동평균 과정
6.4 멱변환
6.5 TSA 패키지
6.6 자기회귀누적이동평균 과정
6.7 사례 연구: 존슨앤존슨의 순이익
6.8 사례 연구: 월간 항공기 탑승 승객 수
6.9 사례 연구: 전력 생산량
6.10 일반화된 자기회귀 조건부 이분산성
6.11 사례 연구: 구글 주식 수익률의 변동성
6.12 연습 문제

7장. 샤프 비율

7.1 샤프 비율 공식
7.2 기간과 연율화
7.3 투자 후보 순위 결정
7.4 quantmod 패키지
7.5 손익계산서 증가율 측정
7.6 손익계산서 증가율의 샤프 비율
7.7 연습 문제

8장. 마코위츠 평균-분산 최적화

8.1 두 위험자산의 최적 포트폴리오
8.2 이차계획법
8.3 포트폴리오 최적화를 이용한 데이터 마이닝
8.4 제약, 페널티, 라쏘
8.5 고차원으로의 확장
8.6 사례 분석: 2003년부터 2008년까지 S&P 500 지수에 생존한 주식
8.7 사례 분석: 2008년부터 2014년까지의 수천 개 후보 주식
8.8 사례 분석: ETF
8.9 연습 문제

9장. 군집 분석

9.1 K-평균 군집 분석
9.2 K-평균 알고리즘 분석
9.3 무방향 그래프의 희소성과 연결성
9.4 공분산과 정밀 행렬
9.5 공분산 시각화
9.6 위샤트분포
9.7 글라쏘: 무방향 그래프의 페널티
9.8 글라쏘 알고리즘 실행
9.9 수년간의 가치주 추적
9.10 연도별 희소성의 회귀분석
9.11 분기별 희소성의 회귀분석
9.12 월별 희소성의 회귀분석
9.13 아키텍처와 확장
9.14 연습 문제

10장. 시장 심리 측정

10.1 마르코프 국면전환 모형
10.2 시장 데이터 읽기
10.3 베이지안 추론
10.4 베타분포
10.5 사전분포와 사후분포
10.6 상관관계를 위한 로그 수익률 검사
10.7 모멘텀 그래프
10.8 연습 문제

11장. 거래 전략 시뮬레이션

11.1 외환 시장
11.2 차트 분석
11.3 시작과 마무리
11.4 모멘텀 지표
11.5 포지션 내에서 베이지안 추론
11.6 진입
11.7 청산
11.8 수익성
11.9 단기 변동성
11.10 상태 기계
11.11 시뮬레이션 요약
11.12 연습 문제

12장. 펀더멘털을 이용한 데이터 탐색

12.1 RSQLite
12.2 시가 대 장부가 비율 구하기
12.3 reshape2 패키지
12.4 사례 연구: 구글
12.5 사례 연구: 월마트
12.6 가치 투자
12.7 연구 과제: 시장을 이겨라
12.8 연구 과제: 재무 건전성
12.9 연습 문제

13장. 펀더멘털을 이용한 예측

13.1 최상의 손익계산서 포트폴리오
13.2 손익계산서 증가율 수치 재설정
13.3 가격 통계 얻기
13.4 손익계산서와 가격 통계의 결합
13.5 분류 트리와 재귀 분할을 이용한 예측
13.6 분류기들 간의 예측률 비교
13.7 연습 문제

14장. 옵션의 이항모형

14.1 금융공학에서의 적용
14.2 리스크 중립 가격결정과 무차익
14.3 높은 무위험 수익률 환경
14.4 이항 데이터에 대한 이항모형의 수렴
14.5 풋-콜 패리티
14.6 이항에서 로그 정규로
14.7 연습 문제

15장. 블랙-숄즈 모형과 옵션 내재 변동성

15.1 기하 브라운 운동
15.2 기하 브라운 운동에 대한 몬테카를로 시뮬레이션
15.3 블랙-숄즈 유도
15.4 내재 변동성에 관한 알고리즘
15.5 내재 변동성의 구현
15.6 Rcpp 패키지
15.7 연습 문제

부록. 확률분포와 통계 분석

A.1 분포
A.2 베르누이분포
A.3 이항분포
A.4 기하분포
A.5 포아송분포
A.6 연속분포함수
A.7 균등분포
A.8 지수분포
A.9 정규분포
A.10 로그정규분포
A.11 tv 분포
A.12 다변량 정규분포
A.13 감마분포
A.14 최대우도추정
A.15 중심극한정리
A.16 신뢰구간
A.17 가설검정
A.18 회귀분석
A.19 모형 선택 기준
A.20 필수 패키지

이 책을 읽기 전에 통계 분석, 확률과 통계, 혹은 수리 통계 과정을 수강하는 것이 가장 이상적이지만, 필요한 자료의 상당 부분은 본문과 부록에 수록돼 있다. C, C++, 자바, C#, 파이썬, 매트랩(Matlab)과 같은 하나 이상의 과학적 기반 프로그래밍 언어를 이용한 배열 처리에 익숙해지려면 학부 수준의 미적분, 선형 대수, 컴퓨터 과학 지식이 필요하다. 금융 배경지식은 필요치 않다. R을 사용해봤다면 더욱 수월하게 이해할 수 있을 것이다.

전반에 걸쳐 컴퓨터 시뮬레이션을 다룬다. 컴퓨터 시뮬레이션은 성공적으로 자리잡았고, '이론'과 '물리적 실험'에 이어 세 번째 과학적인 방법으로 널리 받아들여지고 있다. 이 책은 금융 시뮬레이션 연구소를 구축할 때도 사용할 수 있다. 이 책은 시카고대학교 그래함 스쿨 분석 석사 프로그램(the Graham School at the University of Chicago Master of Science in Analytics program)의 대학원 금융 분석 과정과 아이오와대학교 티피 경영대학(the Tippie College of Business at the University of Iowa)의 금융학과에서 학부 투자 과정에 대한 연구 과제로 개발됐다. 단과 대학이나 종합 대학의 대학원 교재로도 유용할 것이다. 수학과 컴퓨터 과학에 대한 적절한 배경지식이 있다면 고급 학부 과정에서도 사용할 수 있다.
R 언어로 하는 금융 컴퓨터 시뮬레이션은 스프레드시트 작성보다 더 복잡하고 난해할 수 있다. 정량적 옵티마이저(quantitative optimizer)는 로직이 주변 프로그램 코드에서 명백하게 드러날 때 잘 제어되고 조정될 수 있다. 견고하고 정교한 플랫폼을 구축하기 위해서는 많은 컴퓨터 과학 지식을 보유해야 하며, 이면의 컴파일러와 실시간 시스템을 잘 알고 있다면 더 깊이 이해할 수 있다. 하지만 작업을 완료하면 금융 분석 개발자, 운영자, 학생은 통계 시뮬레이션을 위해 설계된 언어로 시뮬레이션을 수행하는 것이 왜 좋은지 인식하기 시작할 것이다. 시뮬레이터를 구축하고 관찰하며 얻을 수 있는 통찰력은 향후 전문 분야를 깊이 이해하는 데 도움이 된다.
각 장의 연습 문제에서 데이터 과학은 통계와 전산 모형의 연구를 포함한다. 이는 금융 시장에 존재하는 경제적 가치를 밝히는 것을 의미한다. 데이터 공학은 파일과 프로그램 로직, 테스트, 지속적 개선을 이용해서 대용량 데이터집합에 적용하고 컴퓨터에서 모형을 구현하는 프로세스다. 연습 문제에서 앞서 배운 데이터 과학 원리를 활용해 금융 연구소를 설계하고 구축한다.
연습 문제를 풀다 보면 다양한 R 패키지를 수시로 설치해야 할 수도 있다. 인터넷에서 검색하면 R 패키지 로딩이나 수행할 때 발생하는 다양한 문제의 해결 방안을 찾을 수 있다. 이 해결책은 수많은 패키지, 조건, 사례에 반복적으로 활용할 수 있다.
연습 문제는 다양한 구성 요소에 개별적으로 초점을 맞추고 있어서 로직과 데이터를 이해하는 데 도움이 된다. 각각의 새로운 구성 요소는 정교한 수준의 금융 분석을 수행하기 위해 이전 구성 요소를 기반으로 한다.

마크 베넷(Mark J. Bennett)
주요 투자 은행의 선임 데이터 과학자로, 시카고대학교의 석사과정에서 분석학을 강의한다. 아르곤 국립 연구소(Argonne National Laboratory), 유니시스(Unisys Corporation), AT&T 벨 연구소(Bell Laboratories), 노스롭 그루먼(Northrop Grumman), XR 트레이딩 시큐리티(XR Trading Securities)에서 소프트웨어를 담당했다.

옮긴이 홍영표
카이스트 경영대학에서 정보경영 석사과정을 졸업했다(최우등 졸업). 현재 금융회사에서 IT 전략기획과 아키텍처 업무를 담당하고 있다. 옮긴 책으로는 에이콘출판사에서 출간한 [아이폰&아이패드 인 액션](2011), [Professional iPhone and iPad Database Application Programming 한국어판](2012), [HTML5+CSS3+자바스크립트의 정석](2012), [HTML& CSS](2012), [The Modern Web](2014)과 [스프링 인 액션 제3판](제이펍. 2012), [제이콥 닐슨의 모바일 사용성 컨설팅 보고서](제이펍, 2013) 등이 있다.