연락처 정보

코스 개요

거래 및 자산 관리 분야에서 AI의 현황

  • 알고리즘 및 AI 기반 트레이딩의 트렌드
  • 정량 금융 워크플로우 개요
  • 주요 도구, 플랫폼 및 데이터 소스

Python으로 금융 데이터 처리하기

  • Pandas를 사용한 시계열 데이터 처리
  • 데이터 클리닝, 변환 및 특징 추출(FEATURE ENGINEERING)
  • 금융 지표 및 시그널 구성

트레이딩 시그널을 위한 지도 학습

  • 시장 예측을 위한 회귀 및 분류 모델
  • 예측 모델 평가 (예: 정확도, 정밀도, 샤프 비율)
  • 사례 연구: ML 기반 시그널 생성기 구축

비지도 학습과 시장 리짐(Regime)

  • 변동성 리짐을 위한 클러스터링
  • 패턴 발견을 위한 차원 축소
  • 바스켓 트레이딩 및 리스크 그룹핑에의 적용

AI 기법을 활용한 포트폴리오 최적화

  • 마코위츠(Markowitz) 프레임워크 및 그 한계
  • 리스크 패리티, 블랙-리터먼, ML 기반 최적화
  • 예측 입력값을 활용한 동적 리밸런싱

백테스팅 및 전략 평가

  • Backtrader 또는 자체 프레임워크 활용
  • 리스크 조정 수익률 지표
  • 과적합 및 선행 편향(Look-ahead bias) 방지

라이브 트레이딩에 AI 모델 배포하기

  • 트레이딩 API 및 실행 플랫폼과의 통합
  • 모델 모니터링 및 재학습 주기
  • 윤리적, 규제적 및 운영적 고려 사항

요약 및 다음 단계

요건

  • 기본 통계학 및 금융 시장 이해
  • Python 프로그래밍 경험
  • 시계열 데이터에 대한 친숙함

대상 독자층

  • 정량 분석가
  • 트레이딩 전문가
  • 포트폴리오 매니저
 21 시간

참가자 수


참가자별 가격

회원 평가 (1)

예정된 코스

관련 카테고리