파이썬은 금융에서 가장 보편적으로 사용되는 언어이면서 방대한 라이브러리를 갖고 있다. 금융 데이터를 다운로드하는 다양한 방법과 모델링을 위해 준비하는 기법을 알려준다.
기술분석에 사용되는 볼린저 밴드, MACD, RSI 그리고 백테스트를 이용한 자동 거래 전략 등의 보편적 지표를 계산해 본다. 다음으로 지수 평활, ARIMA 및 GARCH (다변량 사양 포함), 인기 있는 CAPM과 파마-프렌치 3 팩터 모델 등의 시계열 분석과 모델을 다룬다.
그런 다음 자산 할당을 최적화하는 방법 알아보고 몬테 카를로 시뮬레이션을 사용해 미국 옵션 가격 계산과 VaR을 추정해 본다. 또한 금융 영역에서 전체 데이터 과학 프로젝트, 신용 카드 사기와 디포트를 해결하는 방법을 고급 분류기인 랜덤 포레스트, XGBoost, LightGBM 그리고 스택된 모델을 사용해 해결해 본다.
그 뒤 모델의 초매개변수를 조정하고 부류 불균형을 다루고, 마지막으로 금융에 딥러닝을 사용하는 방법에 집중한다. 이 책을 읽고 나면 레시피에 기반한 접근을 통해 금융 데이터를 효과적으로 분석하는 방법을 알게 될 것이다.

[목 차]

1장. 금융 데이터와 전처리
__야후 파이낸스에서 데이터 가져오기
____작동 방법
____작동 원리
____추가 사항
__퀀들로 데이터 받기
____준비하기
____작동 방법
____작동 원리
____추가 사항
____참고 문서
__Intrinio에서 데이터 구하기
____준비하기
____작동 방법
____작동 원리
____추가 정보
__주가를 수익률로 변환
____작동 방법
____작동 원리
____추가 정보
__빈도 변경
____준비 작업
____작동 방법
____작동 원리
__시계열 데이터 시각화
____준비하기
____작동 방법
________pandas의 plot 메서드
________plotly와 cufflinks
____작동 원리
________pandas plot 메서드
________plotly와 cufflinks
____추가 사항
____참고 문헌
__특이값 식별
____준비하기
____작동 방법
____작동 원리
____추가 사항
__자산 수익의 정형화된 사실 조사
____준비하기
____작동 방법
________수익률의 비정규 분포성
________변동성 클러스터링
________수익률의 자기 상관 부재
________제곱/절대 수익률에서의 작고 감소하는 자기 상관
________레버리지 효과
____작동 원리
________사실 1
________사실 2
________사실 3
________사실 4
________사실 5
____추가 사항
____참고 문헌

2장. 파이썬에서의 기술적 분석
__촛대 차트 만들기
____준비하기
____작동 방법
____작동 원리
____추가 문헌
__단순 이동 평균을 기반으로 전략 백테스팅
____작동 방법
________신호
________전략
____작동 원리
________공통 요소
________신호
________전략
____추가 사항
____참고 문헌
__볼린저 밴드 계산과 매수/매도 전략 테스트
____작동 방법
____작동 원리
__상대 강도 지수 계산 및 롱/숏 전략 테스트
____작동 방법
____작동 원리
__TA용 대화형 대시보드 작성
____준비하기
____작동 방법
____작동 원리
____추가 사항

3장. 시계열 모델링
__시계열 분해
____작동 방법
____작동 원리
____참고 문헌
__페이스북의 Prophet을 사용한 시계열 분해
____작동 방법
____작동 원리
____추가 사항
__시계열의 정상성 테스트
____준비하기
____작동 방법
____작동 원리
__시계열의 정상성 교정
____작동 방법
____작동 원리
____추가 사항
__지수 평활법을 사용한 시계열 모델링
____준비하기
____작동 방법
____작동 원리
____추가 사항
__ARIMA 클래스 모델을 사용한 시계열 모델링
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__ARIMA 클래스 모델을 사용한 예측
____준비하기
____작동 방법
____작동 원리
____추가 사항

4장. 다팩터 모델
__파이썬으로 CAPM 구현
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__파이썬으로 파마-프렌치 3-팩터 모델 구현
____작동 방법
____작동 원리
____추가 사항
____참고 사항
__자산 포트폴리오에 롤링 3-팩터 모델 구현
____작동 방법
____작동 원리
__파이썬으로 4-팩터와 5-팩터 모델 구현
____작동 방법
____작동 원리
____참고 문헌

5장. GARCH 클래스 모델을 사용한 변동성 모델링
__ARCH 모델을 사용한 주식 수익률의 변동성 설명
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__GARCH 모델을 사용한 주식 수익률의 변동성 설명
____작동 방법
____작동 원리
____추가 사항
________조건부 평균 모델
________조건부 변동성 모델
________오차의 분배
____참고 문헌
__다변량 변동성 예측을 위한 CCC-GARCH 모델 구현
____작동 방법
____작동 원리
____참고 문헌
__DCC-GARCH를 사용한 조건부 공분산 행렬 예측
____준비하기
____작동 방법
____작동 원리
____추가 사항
____참고 문헌

6장. 금융에서의 몬테카를로 시뮬레이션
__기하 브라운 운동을 사용한 주가 역학 시뮬레이션
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__시뮬레이션을 사용한 유럽 옵션 가격 결정
____작동 방법
____작동 원리
____추가 사항
__최소 자승 몬테카를로를 사용해 미국 옵션 가격 결정
____작동 방법
____작동 원리
____참고 문헌
__Quantlib를 사용한 미국 옵션 가격 결정
____작동 방법
____작동 원리
____추가 사항
__몬테카를로를 사용해 VAR 추정
____작동 방법
____작동 원리
____추가 사항

7장. 파이썬으로 자산 배분
__기본 1/n 포트폴리오의 성능 평가
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__몬테카를로 시뮬레이션을 사용해 효율적 경계선 찾기
____작동 방법
____작동 원리
____추가 사항
__scipy 최적화로 효율적 경계선 찾기
____준비하기
____작동 방법
____작동 원리
____추가 사항
__cvxpy 컨벡스 최적화로 효율적 경계선 찾기
____준비하기
____작동 방법
____작동 원리
____추가 사항

8장. 머신러닝으로 디폴트 찾기
__데이터로드 및 데이터 유형 관리
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__탐색적 데이터 분석
____작동 방법
____작동 원리
____추가 사항
__훈련 및 테스트 집합으로 데이터 분할
____작동 방법
____작동 원리
____추가 사항
__결측값 처리
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__범주형 변수 인코딩
____작동 방법
____작동 원리
____추가 사항
________원-핫 인코딩에 pandas.get_dummies 사용
________OneHotEncoder에 가능한 범주 지정
________Category Encoders 라이브러리
____참고 문헌
__의사결정 트리 분류기 적합화
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__scikit-learn의 파이프라인 구현
____작동 방법
____작동 원리
____추가 사항
__그리드 검색 및 교차 검증을 사용해 초매개 변수 조정
____준비하기
____작동 방법
____작동 원리
____추가 사항
____참고 문헌

9장. 금융에서의 고급 머신러닝 모델
__고급 분류기 조사
____준비하기
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__성능 향상을 위한 스태킹 사용
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__특징 중요도 조사
____준비하기
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__불균형 데이터 처리에 대한 다양한 접근 방식
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__베이즈 초매개 변수 최적화
____작동 방법
____작동 원리
____추가 사항
____참고 문헌

10장. 금융에서의 딥러닝
__테이블 데이터를 사용한 딥러닝
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__시계열 예측을 위한 다층 퍼셉트론
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__시계열 예측을 위한 컨볼루션 신경망
____작동 방법
____작동 원리
____추가 사항
____참고 문헌
__시계열 예측을 위한 재현 신경망
____작동 방법
____작동 원리
____추가 사항
____참고 문헌

★ 이 책에서 다루는 내용 ★

■ 다양한 소스의 금융 데이터 다운로드와 전처리
■ 실제 자동 거래 전략에 대한 백테스팅
■ 파이썬으로 계량 경제학 모델 추정하고 결과 해석
■ 몬테 카를로 시뮬레이션을 사용한 다양한 파생상품 가격산정과 리스크 평가
■ 최신 파이썬 라이브러리를 사용한 금융 모델 성능 개선
■ 머신러닝과 딥러닝 기술을 다양한 금융문제 해결에 적용
■ 금융 시계열 데이터 모델에 사용되는 다양한 기법 이해

★ 이 책의 대상 독자 ★

금융에서 광범위한 작업을 구현하는 방법을 배우려는 재무 분석가, 데이터 분석가/과학자, 파이썬(Python) 개발자를 대상으로 한다. 효율적인 재무 분석을 수행하고자 지능형 금융 전략을 고안하려는 데이터 과학자에게도 도움이 된다. 이 책을 읽으려면 파이썬 프로그래밍 언어의 실무 지식은 필수다

★ 이 책의 구성 ★

1장, ‘금융 데이터와 전처리’ 머신러닝 작업에 일반적으로 사용되는 여러 유형의 데이터와 금융 데이터가 어떻게 다른지 살펴본다. 제공된 함수를 사용해 여러 소스(예: Yahoo Finance 및 Quandl)에서 재무 데이터를 다운로드하고 추가 분석을 위해 전처리할 수 있다. 마지막으로 데이터가 자산의 정형화 사실을 따르는지 조사하는 방법을 학습한다.
2장, ‘파이썬에서의 기술적 분석’ 기본적인 기술 분석의 기초와 파이썬에서 근사한 대시보드를 빠르게 만드는 방법을 보여 준다. 가장 일반적으로 사용되는 척도(예: MACD 및 RSI)에서 나오는 패턴에 대한 통찰력을 얻을 수 있다.
3장, ‘시계열 모델링’ 시계열 모델링의 기본 사항(시계열 분해와 통계적 정상성 포함)을 소개한다. 그런 다음 가장 널리 사용되는 두 가지 시계열 모델링 접근법인 지수 평활법과 ARIMA 클래스 모델을 살펴본다. 마지막으로 페이스북의 Prophet 라이브러리의 가법 모델을 사용해 시계열을 모델링하는 새로운 방법을 제시한다.
4장, ‘다팩터 모델링’ 다양한 팩터 모델을 추정하는 방법을 보여 준다. 가장 간단한 단일 요소 모델부터 시작해 고급 3-팩터, 4-팩터, 5-팩터 모델을 추정하는 방법을 설명한다.
5장, ‘GARCH 클래스 모델을 사용한 변동성 모델링’ (G)ARCH 클래스 모델을 사용한 변동성 예측 개념, 가장 적합한 모델을 선택하는 방법 및 결과 해석 방법을 소개한다.
6장, ‘금융에서의 몬테카를로 시뮬레이션’ 몬테카를로 시뮬레이션의 개념과 주가 시뮬레이션, 유럽/미국 옵션 평가 및 VaR 계산에 사용하는 방법을 소개한다.
7장, ‘파이썬으로 자산 배분’ 현대 포트폴리오 이론의 개념을 소개하고 파이썬에서 효율적 경계선을 얻는 방법을 보여 준다. 그런 다음 최소 분산 또는 최대 샤프 비율과 같은 특정 포트폴리오를 식별하는 방법을 살펴본다. 또한 이러한 포트폴리오의 성능을 평가하는 방법도 보여 준다.
8장, ‘머신러닝으로 디폴트 찾기’ 디폴트 예측을 위해 머신러닝을 사용하는 경우를 설명한다. 최신 분류 알고리즘을 배우고 모델의 초매개 변수를 조정하는 방법을 배우고, 불균형 데이터의 문제를 처리할 수 있게 된다.
9장, ‘금융에서의 고급 머신러닝 모델’ 다양한 고급 분류기(여러 모델 스태킹 포함)를 소개한다. 또한 부류 불균형을 처리하고 초매개 변수 튜닝에 베이즈 최적화를 사용하고, 모델에서 특징의 중요도를 검색하는 방법을 살펴본다.
10장, ‘금융에서의 딥러닝’ 데이터 작업에 딥러닝 기술을 사용하는 방법을 보여 준다. 네트워크는 파이토치를 사용해 훈련된다(GPU 가속 가능).

★ 옮긴이의 말 ★

금융에 특화된 파이썬(Python) 책은 흔치 않다. 그런 관점에서 이 책은 금융에 관련된 다양한 파이썬 라이브러리는 물론 최근의 딥러닝 기법까지 같이 소개하고 있다. 이 책 한 권이면 금융 데이터의 처리와 기술분석부터 시작해 시계열을 모델링하는 방법을 배울 수 있다. 이와 함께 다팩터 모델은 물론 변동성을 모델링하는 GARCH와 자산을 배분하는 방법도 파이썬을 통해 실습해 볼 수 있다.
각 장별로 코드를 따라 하다 보면 금융과 관련된 다양한 지식을 파이썬과 동시에 습득할 수 있게 되는 것은 물론 머신리닝 기법을 사용해 신용불량 예측을 수행해 보는 실습을 할 수 있다.
이 책의 후반부에는 금융에 사용되는 다양한 딥러닝 기법도 소개하고 있다. 금융과 직접 연계된 실습을 따라 해 볼 수 있는 흔치 않은 기회가 될 것이다

작가의 말

재무 데이터를 다운로드하고 모델링을 준비하는 다양한 방법을 탐색하는 것으로 시작한다. 자산 가격과 수익의 기본 통계 속성을 확인하고, 이른바 정형화된 사실의 존재를 조사한다. 그런 다음 기술 분석에 사용되는 인기 지표(예: 볼린저 밴드, 이동 평균 수렴 발산(MACD, Moving Average Convergence Divergence), 상대 강도 지수(RSI, Relative Strength Index))를 계산하고, 이를 바탕으로 구축된 자동 거래 전략을 백테스트한다.
다음 절에서는 시계열 분석을 소개하고 지수 평활화, ARIMA(AutoRegressive Integrated Moving Average), GARCH(Generalized Autoregressive Conditional Heteroskedasticity)(다변량 사양 포함)와 같은 인기 모델을 탐색한다. 또한 유명한 자본 자산 가격 책정 모델(CAPM, Capital Asset Pricing Model), 파마-프렌치(Fama-French) 3단계 모델을 포함한 요인 모델을 소개한다. 그리고 자산 배분을 최적화하는 다양한 방법을 보여 줌으로써 ‘들어가며’를 끝내고, 미국 옵션 가격 계산 또는 VaR(Value at Risk) 추정과 같은 작업에 몬테카를로(Monte Carlo) 시뮬레이션을 사용한다.
이 책의 마지막 부분에서는 금융 영역에서 전체 데이터 과학 프로젝트를 수행한다. 랜덤 포레스트, XG부스트(XGBoost), LightGBM, 스택 모델 등과 같은 고급 분류기를 사용해 신용 카드 사기/디폴트 문제에 접근한다. 또한 모델의 초매개 변수(베이즈 최적화 포함)를 조정하고 부류 불균형을 처리한다. 딥러닝(파이토치 사용)이 수많은 재정 문제를 해결할 수 있는 방법을 시연하며 이 책을 마무리한다.

에릭 르윈슨 Eryk Lewinson
로테르담 에라스무스 대학교(EUR, Erasmus University Rotterdam)에서 정량 금융 석사 학위를 받았다. 2개의 ‘Big 4’ 회사와 더치 핀테크(Dutch FinTech)의 확장을 위해 일하면서 데이터 과학 기법의 실제 적용에 대한 경험을 얻었다. 머신러닝을 사용해 회사의 비즈니스 가치를 제고하는 데 중점을 뒀다. 여가 시간에는 데이터 과학, 비디오 게임, 여자 친구와의 여행 관련 주제로 글쓰는 것을 좋아한다.