인사이트캠퍼스
572
2018-11-13 20:56:47 작성 2018-11-13 20:57:20 수정됨
0
152

R을 활용한 금융 데이터 마이닝 8기 (주중반) 모집


R을 활용한 금융 데이터 마이닝 8기 (주중반) 신청링크 바로가기\



▶강의 소개

본 교육 과정은 금융데이터마이닝 과정으로 통계학, 시계열분석, 금융공학 이론을 토대로 금융 상품의 구조와 공정 가치를 이해하고, 위험을 관리하는 기법들을 학습하여 합리적인 투자 의사 결정 능력을 배양하도록 구성되었습니다.
 
수학적으로 기술되는 어려운 금융 이론들을 비전공자도 쉽게 이해할 수 있도록 하였고, 수식 자체에 얽매이기 보다는 직관적으로 이해해서 실무에 적용할 수 있도록 하였습니다. 또한, 이론에 그치지 않고 실제 시장 데이터를 이용하여 실질적인 결과를 도출할 수 있는 실습 과정을 포함하고 있습니다.
 
실습은 R-패키지를 이용하여 진행합니다. R은 오픈 소스 프로그래밍 언어로 SPSS, SAS 등과 같은 통계패키지 기능은 물론, 수치 해석, 그래픽 시각화에서부터 기계학습/인공지능 분석까지 매우 다양한 기능을 가지고 있으며, 여러 사람들에 의해 라이브러리가 계속 공개되고 있어, 다양한 분야에서 활용되고 있습니다. 특히, RPython과 더불어 금융 분야에서 매우 각광받고 있습니다.

수강 대상

-증권, 운용사 실무자

: 금융 데이터 마이닝이 필수적으로 필요한 로보어드바이저 프로젝트는 진행할 예정인 기획자, 개발자 분들

 

-데이터 마이닝 입문자

: 금융에 특화된 데이터 마이닝 입문부터 실습까지 심도깊게 배우고 싶은 입문자

 

-실무 데이터 분석가

: 엑셀VBA에서 하기엔 버거운 금융 빅데이터 분석을 오픈소스 R을 사용하여 현업에 도입하고 싶은 실무자

 

수강 후 얻어갈 결과물

-최적 포트폴리오의 필수 요소

-고빈도 매매 전략부터 텍스트 마이닝까지 실무에 활용 가능한 핀테크 기법

-데이터 분석에 꼭 필요한 R 프로그래밍

 

강의 교수 소개

 

조성현 강의교수님

 

핀인사이트 인사이트 캠퍼스 연구/강의 교수

아마추어퀀트 금융공학 전문 블로그 운영진

Lucent Technologies, Bell-Labs Innovations 수석 연구원

 

조성현 강의교수님은 물리학을 전공하고 KT에 입사하여 망관리센터 및 연구개발센터의 통신운용연구단에서 약 8년간 근무하다가, AT&T, Lucent Technologies로 이직하여 수석 연구원으로 10년간 종사한 통신 소프트웨어 전문가 입니다. 미국 Bell-lab에서 차세대 네트워크 구축에 대한 Training, 국내 KT, SKT 등의 국가기간망 구축 사업 분야에 종사했으며, 국제보안전문가 (CISSP)로 국내 VoIP 망의 보안 컨설팅 프로젝트를 수행 했습니다.

 

이후 금융 분야에 진출하여 금융공학, 시장미시구조론, 알고리즘 트레이딩, 페어트레이딩, 금융 데이터마이닝 (기계학습), 강화학습 분야를 연구하고 있습니다. 물리학과 미국 Bell-Lab의 소프트웨어 기술에 금융 이론을 접목하여 금융 관련 시스템을 개발하고, 블로그를 통해 외국의 최신 투자 기법을 다룬 논문들의 내용을 소개하고 있습니다. 외환 전문인 갤럭시투자자문사에서 환위험관리 및 외환차익거래 시스템을 개발한 바 있으며, 5년 전부터 여의도 금융가와 강남 지역, 그리고 코스콤 등 기업체의 직원 연수교육의 금융 강사로 활동하고 있습니다.


커리큘럼 및 강의교재 다운로드

커리큘럼 링크 바로가기

강의교재 다운 바로가기

Part 1 | R 프로그래밍 기초

1-1. R, R-Studio 설치 및 사용자 인터페이스
1-2. R 기본 명령어 구조
1-3. R 기본 자료형 (벡터, 행렬, 리스트, 데이터 프레임)
1-4. R 기본 문법 (조건문, 반복문)
1-5. R 확장 자료형 (시계열 자료형, xls)
1-6. R quantmod 패키지 사용 예시
1-7. [실습] 주가의 기술적 분석 시험 예시

Part 2 | 빅데이터와 금융 데이터마이닝

2-1. 데이터 과학의 개요 (빅데이터, 기계학습, 데이터마이닝)
2-2. 데이터마이닝 프로세스금융 데이터마이닝을 위한 가정 사항 (EMH, Random Walk의 가정)
2-3. 금융 데이터의 종류 (시장 데이터, 공공 데이터, 소셜 데이터 등)

Part 3 | 금융 데이터 학습 개요

3-1. 학습 데이터 유형 (학습용, 평가용, 시험용 데이터 세트)
3-2. 데이터 학습 유형 (지도학습, 비지도학습, 강화학습)
3-3. 금융 데이터마이닝 프로세스
3-4. 데이터 전처리 (Preprocessing)
3-5. 데이터 표준화 (Normalization)
3-6. [실습] 학습용 데이터 세트 생성 실습

Part 4 | 분류 기법 (Classification)

4-1. KNN (k-Nearest Neiborhood) 분류기법
4-2. Decision Tree (의사결정 나무) 분류 기법
4-3. SVM (Support Vector Machine) 분류 기법
4-4. 의사결정 경계면과 비선형 분리 (Kernel Trick)
4-5. [실습] KNN에 의한 주가의 방향 예측 실습
4-6. [실습] Decision Tree에 의한 주가의 방향 예측 실습
4-7. [실습] SVM에 의한 주가의 방향 예측 실습

Part 5 | 군집 분석 (Clustering)

5-1. K-Means 클러스터링
5-2. 계층 군집 분석 (Hierarchical Clustering : H-Cluster)
5-3. [실습] K-Means Clustering을 활용한 주가의 패턴 분석 실습
5-4. [실습] H-Cluster를 이용한 주가의 패턴 분석 실습

Part 6 | 연관 분석 (Association)

6-1. 연관 규칙 (Association Rule)
6-2. 연관 규칙의 강도 척도 (지지도, 신뢰도, 향상도)
6-3. Apriori 알고리즘 개요
6-4. [실습] Apriori 알고리즘을 이용한 외국인, 기관, 개인의 거래 패턴 연관 분석

Part 7 | 앙상블 기법

7-1. 과잉 적합 문제와 Regularization
7-2. Cross Validation 시험
7-3. 앙상블 기법 (배깅, 부스팅, 랜덤 포레스트 등)
7-4. [실습] 앙상블 기법을 활용한 주가의 방향 예측 실습

Part 8 | 인공신경망 (Artifitial Neural Network)

8-1. 인공신경망 개요 및 역사
8-2. 인공신경망 동작 원리 (분류, 군집)
8-3. 학습 규칙 (델타, 오류 역전파 알고리즘)
8-4. Instar 규칙, 경쟁학습모델 (Competitive learning model), 자기조직지도모델 (SOM)
8-5. [실습] 경쟁 및 자기조직지도 (SOM) 알고리즘
8-6. Global Optimization 문제
8-7. 딥러닝 패키지 (Keras)
8-8. [실습] 당일 시가의 기술적 지표를 이용한 당일 종가의 방향 예측
8-9.[실습] 다중 분류 실습 (Multi Classification)
8-10. 순환 신경망 (RNN)
8-11. 순환 신경망 (LSTM)
8-12. [실습] LSTM을 이용한 Pairs Trading 스프레드 예측

Part 9 | 은닉 마코프 모델 (Hidden Markov Model)

9-1. 마코프 체인과 은닉 마코프 모델 개요
9-2. 주가의 은닉 상태 (잠재 상태)
9-3. 은닉 상태를 가진 주사위 추론 문제 예시
9-4. 다항 분포 샘플링
9-5. 은닉 상태의 주사위 실험 및 추론
9-6. 주식 시장에 던져지는 주사위 유형
9-7. [실습] 주가의 은닉 상태 추론 실습

Part 10 |  텍스트 마이닝 (Text Mining)

10-1. Text Mining 개요 및 용어
10-2. 텍스트 데이터 계량화 : TF, IDF 및 TF-IDF 척도 계산
10-3. [실습] TF-IDF 척도를 이용한 웹 문서 검색 순위 결정 및 분류 실습
10-4. [실습] 트위터 검색 및 워드 크리우드 작성 실습
10-5. 토픽 모델링 (Topic Model) 개요
10-6. Latent Dirichlet Allocation (LDA) 알고리즘 개요
10-7. [실습] LDA에 의한 문서 생성 실습
10-8. [실습] LDA에 의한 토픽 추론 예시
10-9. [실습] 트위터 검색 및 LDA에 의한 토픽 추론 실습
10-10. 금융 뉴스 분석 트레이딩 시스템 사례

Part 11 |  기술적 분석과 데이터마이닝

11-1. 기술적 지표의 특성 분석 및 속성 (Feature)
11-2. 학습 성과 개선 방법 (Rule based training)
11-3. Clustering과 Classification 혼합 기법 (Hybrid)
11-4. Bayesian Changing Point를 활용한 Early Warning Signal

Part 12 |  포트폴리오 최적화 (Portfolio Optimization)

12-1. 포트폴리오 이론 (Portfolio Selection Theory) 개요
12-2. 최적 포트폴리오 구성 방법 (EF, MVP, S/R)
12-3. Regularization에 의한 최적 포트폴리오
12-4. Cross Validation 시험에 의한 최적 포트폴리오

Part 13 |  데이터 마이닝과 고빈도 매매 (HFT)

13-1. 고빈도 매매 전략 (HFT) 개요
13-2. 미시시장의 특성 개요 및 속성 (Features) 집합 생성
13-3. 호가창의 균형과 패턴 분석
13-4. 호가창의 균형을 이용한 주가의 단기 방향 예측

Part 14 |  딥러닝에 의한 옵션 가격 결정 모형

14-1. 블랙-숄즈 옵션 가격 결정 모형
14-2. [실습] 블랙-숄즈 옵션 가격 산출 연습
14-3. 모수적 방법론과 비모수적 방법론
14-4. [실습] 딥러닝을 활용한 옵션 가격 결정 네트워크
14-5. 관련 논문 리뷰

▶강의 일정
– 2019년 1월 8일 (화) – 1월 29일 (화) / 매주 화,목 19시 – 22시

(* 마지막 강의는 2시간입니다.)

 ▶강의 시간 
–  총 20시간

 ▶강의 장소
–  서울시 강남구 선릉로 614-1 1층 (삼성동, 나라빌딩) 인사이트 캠퍼스 제1강의장

 ▶수강 인원
–  15명 제한

  • 대학(원)생/단체/기수강생 할인 가능합니다. (*타쿠폰과 중복할인은 불가)
  • 얼리버드 1차 20% 할인 개강 2주전까지 / 2차 10% 할인 개강 1주전까지
  • 카드 결제시 최대 6개월 무이자 할부 가능합니다.
  • 세금계산서 발급 가능합니다. 하단 세금계산서 신청 버튼을 클릭하시고, 필요한 서류를 보내주세요! 담당자 (bill@fininsight.co.kr) 연락주시면 더 자세히 안내해 드리겠습니다.
  • 인사이트 캠퍼스 지기가 되시면 무료 수강의 혜택이 있습니다


신청링크 바로가기


0
0
  • 댓글 0

  • 로그인을 하시면 댓글을 등록할 수 있습니다.