- 리뷰
- 리스트
- 구매
실전 금융 머신러닝 완벽 분석
- 글쓴이
- 마르코스 로페즈 데 프라도 저
- 출판사
- 에이콘출판사
- 출판일
- 2018년 11월 30일
읽고있어요
다 읽었어요
읽고싶어요
저자
마르코스 로페즈 데 프라도
코넬대학 공과대학교 교수, 트루 포지티브 테크놀로지스(TPT, True Positive Technologies)의 최고정보관리책임자(CIO, Chief Infomation Officer)이다. 머신러닝 알고리즘과 슈퍼 컴퓨터의 도움을 받아 20년 넘게 투자 전략을 개발한 경험이 있다. 2019년에는 「저널 오브 포트폴리오 매니지먼트(The Journal of Portfolio Management)」에서 ‘올해의 퀀트(Quant)상’을 받았다.
머신 러닝과 슈퍼컴퓨팅을 이용해 수십억 달러의 기금을 운용하고 있다. 구겐하임 파트너의 정량 금융 투자 전력(QIS) 사업을 설립해 뛰어난 리스크 조정 수익률을 지속적으로 가져다준 고용량 전략을 개발했다. 130억 달러의 자산을 운용한 후 QIS를 인수하고 2018년 구겐하임에서 스핀아웃했다.
2010년부터 로렌스 버클리 국립 연구소(미 에너지 성, 과학국)의 연구원으로 일하고 있다. 금융에서 가장 많이 읽은 10대 도서의 저자(SSRN 순위 기준)로, 머신 러닝과 슈퍼컴퓨팅에 관련된 수십 편의 논문을 썼고, 알고리즘 거래에 대한 다수의 국제 특허를 갖고 있다.
1999년에 스페인 국립 학문상을 수상했고, 2003년에는 금융 경제학으로 박사 학위를 받았으며, 2011년에는 마드리드 대학에서 수학적 금융으로 두 번째 박사 학위를 받았다. 박사 후 과정을 하버드와 코넬 대학에서 마쳤으며, 공학부에서 금융 머신 러닝 과정을 가르쳤다. 미국 수학 학회에 따른 에르도스 2(Erdos #2)와 아인슈타인 4(Einstein #4)를 갖고 있다.
자세한 내용은 www.QuantResearch.org에서 확인할 수 있다.
머신 러닝과 슈퍼컴퓨팅을 이용해 수십억 달러의 기금을 운용하고 있다. 구겐하임 파트너의 정량 금융 투자 전력(QIS) 사업을 설립해 뛰어난 리스크 조정 수익률을 지속적으로 가져다준 고용량 전략을 개발했다. 130억 달러의 자산을 운용한 후 QIS를 인수하고 2018년 구겐하임에서 스핀아웃했다.
2010년부터 로렌스 버클리 국립 연구소(미 에너지 성, 과학국)의 연구원으로 일하고 있다. 금융에서 가장 많이 읽은 10대 도서의 저자(SSRN 순위 기준)로, 머신 러닝과 슈퍼컴퓨팅에 관련된 수십 편의 논문을 썼고, 알고리즘 거래에 대한 다수의 국제 특허를 갖고 있다.
1999년에 스페인 국립 학문상을 수상했고, 2003년에는 금융 경제학으로 박사 학위를 받았으며, 2011년에는 마드리드 대학에서 수학적 금융으로 두 번째 박사 학위를 받았다. 박사 후 과정을 하버드와 코넬 대학에서 마쳤으며, 공학부에서 금융 머신 러닝 과정을 가르쳤다. 미국 수학 학회에 따른 에르도스 2(Erdos #2)와 아인슈타인 4(Einstein #4)를 갖고 있다.
자세한 내용은 www.QuantResearch.org에서 확인할 수 있다.
책 소개
분야IT 모바일
머신러닝을 금융에 적용하는 방법을 알려주며, 이론 연구를 넘어선 실전 경험을 바탕으로 어떠한 장점과 위험이 존재하는 것인지 빠짐없이 설명한다. 저자가 20년 간 금융에서 실제로 적용해 본 머신러닝 기법에 대해 각각의 장단점과 함께 개별 기법들을 상세히 설명한다. 또 금융에 맞는 데이터 구조, 모델링, 백테스팅, 유용한 금융적 특징, 고성능 컴퓨팅에 이르기까지 최고 전문가의 시각에서 전달해 주는 실전 지식을 빠짐없이 나열한다.
대부분의 금융 머신러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신러닝 프로젝트를 위해서 어떠한 요소가 갖춰져야 하는지 설명하고 있다. 특히 대부분 프로젝트가 저지르는 백테스팅의 오류를 심도 있게 설명한다.
메타-전략 패러다임의 효용성과 중요성을 설명해 주며, 대부분 성공한 프로젝트가 활용하고 있는 메타-전략 패러다임을 예제와 함께 잘 설명한다. 이 책은 그 깊이로 인해 머신러닝과 금융에 대한 최소한의 지식을 갖춰야 이해할 수 있지만, 최소한의 지식이 바탕이 되고 나면 책에서 다루고 있는 깊이 있고 실용적인 내용으로부터 많은 도움을 받을 수 있다.
대부분의 금융 머신러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신러닝 프로젝트를 위해서 어떠한 요소가 갖춰져야 하는지 설명하고 있다. 특히 대부분 프로젝트가 저지르는 백테스팅의 오류를 심도 있게 설명한다.
메타-전략 패러다임의 효용성과 중요성을 설명해 주며, 대부분 성공한 프로젝트가 활용하고 있는 메타-전략 패러다임을 예제와 함께 잘 설명한다. 이 책은 그 깊이로 인해 머신러닝과 금융에 대한 최소한의 지식을 갖춰야 이해할 수 있지만, 최소한의 지식이 바탕이 되고 나면 책에서 다루고 있는 깊이 있고 실용적인 내용으로부터 많은 도움을 받을 수 있다.
전체 리뷰 (0)
최근 작성 순