자산운용을 위한 금융 머신러닝 (자산운용 매니저를 위한 머신러닝 지침서)

마르코스로페즈데프라도

MarcosM.LopezdePrado
코넬대학공과대학교교수,트루포지티브테크놀로지스(TPT,TruePositiveTechnologies)의최고정보관리책임자(CIO,ChiefInfomationOfficer)이다.머신러닝알고리즘과슈퍼컴퓨터의도움을받아20년넘게투자전략을개발한경험이있다.2019년에는「저널오브포트폴리오매니지먼트(TheJournalofPortfolioManagement)」에서‘올해의퀀트(Quant)상’을받았다.자세한내용은www.QuantResearch.org을참고하기바란다.

1장.들어가며

1.1동기부여
1.2이론이중요하다
1.2.1교훈1:이론이필요하다
1.2.2교훈2:머신러닝은이론을발견하는것을돕는다
1.3어떻게과학자들이머신러닝을이용하는가
1.4두가지형태의과적합
1.4.1훈련셋과적합
1.4.2테스트셋과적합
1.5개요
1.6청중
1.7다섯가지만연한금융머신러닝에대한잘못된개념
1.7.1머신러닝은성배대머신러닝은무용지물
1.7.2머신러닝은블랙박스
1.7.3금융은머신러닝을적용하기에는불충분한데이터를갖고있다
1.7.4금융에서신호대잡음비율이너무낮다
1.7.5금융에서과적합의위험은너무크다
1.8금융리서치의미래
1.9자주물어보는질문들
1.10결론
1.11연습문제

2장.잡음제거와주음제거

2.1동기부여
2.2마르첸코-파스퇴르정리
2.3신호가있는랜덤행렬
2.4마르첸코-파스퇴르PDF적합화
2.5잡음제거
2.5.1상수잔차고유값방법
2.5.2타깃축소
2.6주음제거
2.7실험결과
2.7.1최소분산포트폴리오
2.7.2최대샤프비율포트폴리오
2.8결론
2.9연습문제

3장.거리척도

3.1동기부여
3.2상관계수기반척도
3.3한계와결합엔트로피
3.4조건부엔트로피
3.5쿨백-라이블러발산
3.6교차엔트로피
3.7상호정보
3.8정보변분
3.9이산화
3.10두분할간의거리
3.11실험결과
3.11.1무관계
3.11.2선형관계
3.11.3비선형관계
3.12결론
3.13연습문제

4장.최적군집화

4.1동기부여
4.2근접성행렬
4.3군집화종류
4.4군집의수
4.4.1관측행렬
4.4.2기본군집화
4.4.3상위수준군집화
4.5실험결과
4.5.1랜덤블록상관관계행렬생성
4.5.2군집의수
4.6결론
4.7연습문제

5장.금융레이블

5.1동기부여
5.2고정-기간방법
5.3삼중배리어방법
5.4추세검색방법
5.5메타레이블링
5.5.1기대샤프비율에의한베팅크기
5.5.2앙상블베팅크기
5.6실험결과
5.7결론
5.8연습문제

6장.특성중요도분석

6.1동기부여
6.2p-값
6.2.1p값의몇가지결함
6.2.2수치예제
6.3특성중요도
6.3.1평균감소불순도
6.3.2평균감소정확도
6.4확률가중정확도
6.5대체효과
6.5.1직교화
6.5.2군집특성중요도
6.6실험결과
6.7결론
6.8연습문제

7장.포트폴리오구축

7.1동기부여
7.2볼록포트폴리오최적화
7.3조건수
7.4마코위츠의저주
7.5공분산불안정성의원천으로서의신호
7.6중첩군집최적화알고리즘
7.6.1상관군집화
7.6.2군집내비중
7.6.3군집간비중
7.7실험결과
7.7.1최소분산포트폴리오
7.7.2최대샤프비율포트폴리오
7.8결론
7.9연습문제

8장.테스트셋과적합

8.1동기부여
8.2정밀도와재현율
8.3다중테스트하의정밀도와재현율
8.4샤프비율
8.5‘거짓전략’정리
8.6실험결과
8.7축소샤프비율
8.7.1유효시행수
8.7.2시행간분산
8.8군별오차율
8.8.1시다크조정
8.8.2다중테스트하의1종오류
8.8.3다중테스트하의2종오류
8.8.41종과2종오류간의상호작용
8.9결론
8.10연습문제

부록A.합성데이터테스트
부록B.‘거짓전략’정리의증명

★이책의구성★

금융공분산행렬이잡음을갖고,이들은회귀분석을하거나최적포트폴리오를계산하기이전에정제돼야한다는것을배울것이다(2장).상관관계가상호연관성에대한매우좁은정의이고,다양한정보이론척도가더통찰력이있다는것을배울것이다(3장).기저(basis)를변경하지않고공간의차원을축소하는직관적인방법을배울것이다.주성분분석(PCA,PrincipalComponentAnalysis)과달리머신러닝기반의차원축소법은직관적결과를제공한다(4장).불가능한고정기간예측(fixed-horizonprediction)을목적으로하기보다는높은정확도로풀수있는금융예측문제를제안하는대안적방법들을배울것이다(5장).고전적p-값에대한현대적대안을배우고(6장)평균-분산투자포트폴리오에만연한불안정성문제를해결하는법을배울것이다(7장).그리고연구자의발견이다중테스트의결과로거짓일확률을평가하는법을배울것이다(8장).만약자산운용산업또는금융학문에서일을한다면이책은바로당신을위한것이다.

★옮긴이의말★

이책은퀀트금융의엘리먼트시리즈를통해서로페즈데프라도박사의이전의저서『실전금융머신러닝완벽분석(AdvancesinFinancialMachineLearning)』을보완한책이며,개념적으로는자산운용일반에도적용할수있다.특히퀀트매니저와퀀트분석가들에게지침이될수있는책이다.비록분량은짧지만머신러닝의금융응용에대한저자의생각을제시하고있으며,『실전금융머신러닝완벽분석』의내용을이해하기위한기초개념을더자세히설명하고관련된최근의연구를추가했으므로『실전금융머신러닝완벽분석』의자매서로적극권장한다.
이책을다읽은후에독자들은정보이론을기반으로하는거리개념,특히상호정보및정보변분의개념,최적군집수(ONC),계층적군집화를이용한상관계수행렬의블록화,추세를이용한레이블링,평균감소불순도(MDI),평균감소정확도,확률가중정확도,계층적리스크패리티를이용한포트폴리오구축및훈련셋뿐아니라테스트셋에서의과적합및거짓전략정리등의개념에익숙해질것이다.이들개념은머신러닝뿐아니라향후금융연구및금융전략개발을수행하는데있어서중요한토대가될것이다.덧붙이면,이책의개념을기반으로『실전금융머신러닝완벽분석』을다시읽어보면많은부분이하나로연결돼완결로수렴함을알수있을것이다.
역자는로페즈데프라도박사가한때몸을담았던퀀트펀드인AQR과개인적으로많은교류를했는데,어떻게보면가장스트리트스마트한영리적인투자회사임에도항상학계의새로운연구와인물들을적극고용하고협력하는것에많은감명을받았다.이러한문화와환경에서로페즈데프라도박사와같이금융실무와이론을겸비한학자가탄생하는것은매우자연스러운일인지도모른다.우리나라에서도산학협동이적극적으로이뤄져이런성격의사람들이많이배출됐으면하는소망으로말을마친다.