퀀트 투자를 위한 머신러닝 : 파이썬으로 배우는 머신러닝 기반 팩터 투자

기욤코케렛,토니귀다

저자:기욤코케렛
EM리옹경영대학(EMLyonBusinessSchool)의금융및데이터과학부교수다.최근연구는금융경제학에서의머신러닝응용을중심으로이뤄지고있다.

저자:토니귀다
RAM액티브인베스트먼트(RAMActiveInvestments)에서퀀트매크로부문의공동대표를맡고있다.또한,『BigDataandMachineLearninginQuantitativeInvestment』(Wiley,2018)의편집자이자공동저자다.

역자:김성진(퀀트대디)
현재하나증권글로벌마켓운용실에서퀀트트레이딩을총괄하고있는퀀트트레이더다.학생시절경제학을전공하고글로벌매크로에관심이많아채권과외환을다루는FICC트레이딩으로첫금융권커리어를시작했지만,이후철저히알고리듬과규칙에기반해매매를수행하는퀀트트레이딩에매료돼현재는퀀트트레이더의길을가고있다.
퀀트논문과장서를수집하는것이취미이며,촌각을다투는글로벌금융시장에서어떻게하면팩터포트폴리오라는견고한성채를쌓아올릴수있을지를매일고민하고있다.
‘퀀트대디’라는필명으로퀀트투자,알고리듬트레이딩,금융공학에관한쉽고직관적인글을쓰고자노력하고있으며,다양한곳에서퀀트와금융공학에관한강의를진행하고있다.

1부―소개
1장표기법과데이터
1.1표기법
1.2데이터셋

2장개요
2.1이책의맥락
2.2포트폴리오구축:작업의흐름
2.3머신러닝은요술봉이아니다

3장팩터투자와자산가격결정이상현상
3.1개요
3.2이상현상탐지
3.2.1도전
3.2.2단순포트폴리오정렬
3.2.3팩터들
3.2.4파마-맥베스회귀
3.2.5팩터경쟁
3.2.6고급기법들
3.3팩터혹은특성
3.4핫한주제들:모멘텀,타이밍,ESG
3.4.1팩터모멘텀
3.4.2팩터타이밍
3.4.3그린팩터
3.5머신러닝과의연결고리
3.5.1최근발표된참고문헌리스트
3.5.2자산가격결정모형과의명백한연결
3.6코딩예제

4장데이터전처리
4.1너의데이터를알라
4.2결측데이터
4.3이상치탐지
4.4특성공학
4.4.1특성선택
4.4.2예측인자스케일링
4.5레이블링
4.5.1단순레이블
4.5.2범주형레이블
4.5.3트리플배리어기법
4.5.4샘플필터링
4.5.5수익률의시간적구간
4.6지속성다루기
4.7확장
4.7.1특성변환
4.7.2거시경제변수
4.7.3능동학습
4.8추가코드및결과
4.8.1리스케일링효과:시각적표현
4.8.2리스케일링효과:토이예시
4.9코딩예제

2부―지도학습알고리듬
5장페널티회귀와최소분산포트폴리오를위한희소헤징
5.1페널티회귀
5.1.1단순회귀
5.1.2페널티의형태
5.1.3실제예시
5.2최소분산포트폴리오를위한희소헤징
5.2.1표현및전개
5.2.2예시
5.3예측회귀
5.3.1참고문헌리뷰및원칙
5.3.2코드및결과
5.4코딩예제

6장트리기반기법
6.1단순트리
6.1.1원칙
6.1.2분류에대한추가적인디테일
6.1.3가지치기의기준
6.1.4코드및해석
6.2랜덤포레스트
6.2.1원칙
6.2.2코드및결과
6.3부스트트리:에이다부스트
6.3.1방법론
6.3.2실제예시
6.4부스트트리:익스트림그래디언트부스팅
6.4.1손실관리
6.4.2페널티적용
6.4.3결합
6.4.4트리구조
6.4.5확장
6.4.6코드및결과
6.4.7인스턴스가중치부여
6.5논의
6.6코딩예제

7장신경망
7.1오리지널퍼셉트론
7.2다층퍼셉트론
7.2.1개요및표기법
7.2.2보편근사화
7.2.3역전파를통한학습
7.2.4분류에관한추가적인디테일
7.3신경망이얼마나깊어야하는지에대한문제그리고다른실무적이슈들
7.3.1구조선택
7.3.2가중치업데이트의빈도와학습듀레이션
7.3.3페널티와드롭아웃
7.4코드샘플및바닐라MLP에대한코멘트
7.4.1회귀예시
7.4.2분류예시
7.4.3커스텀손실
7.5순환신경망
7.5.1묘사
7.5.2코드및결과
7.6다른일반적구조
7.6.1생성형적대적네트워크
7.6.2오토인코더
7.6.3합성곱신경망에관한한마디
7.6.4고급아키텍처
7.7코딩예제

8장서포트벡터머신
8.1분류를위한SVM
8.2회귀를위한SVM
8.3연습
8.4코딩예제

9장베이지안기법
9.1베이지안프레임워크
9.2베이지안샘플링
9.2.1깁스샘플링
9.2.2메트로폴리스-헤이스팅스샘플링
9.3베이지안선형회귀
9.4나이브베이스분류기
9.5베이지안가법트리
9.5.1일반적인형태
9.5.2사전값
9.5.3샘플링및예측
9.5.4코드

3부―예측에서포트폴리오로
10장검증및튜닝
10.1학습지표
10.1.1회귀분석
10.1.2분류분석
10.2검증
10.2.1분산-편향트레이드오프:이론
10.2.2분산-편향트레이드오프:묘사
10.2.3과최적화의위험:원리
10.2.4과최적화의위험:몇가지해결책
10.3좋은하이퍼파라미터찾기
10.3.1방법론
10.3.2예시:격자탐색
10.3.3예시:베이지안최적화
10.4백테스팅검증에대한짧은논의

11장앙상블모델
11.1선형앙상블
11.1.1원리
11.1.2예시
11.2스택앙상블
11.2.1두단계학습
11.2.2코드및결과
11.3확장
11.3.1외생변수
11.3.2모델간상관계수축소
11.4연습문제

12장포트폴리오백테스팅
12.1프로토콜세팅
12.2신호를포트폴리오가중치로변환하기
12.3성과지표
12.3.1논의
12.3.2순수한성과및위험지표
12.3.3팩터기반평가
12.3.4위험조정지표
12.3.5거래비용및회전율
12.4일반적인오류및이슈
12.4.1미래참조데이터
12.4.2백테스트과최적화
12.4.3간단한방지책
12.5비정상성에대한암시:예측은어렵다
12.5.1일반적인코멘트
12.5.2공짜점심은없다
12.6첫번째예시:완전한백테스트
12.7두번째예시:백테스트과최적화
12.8코딩예제

4부―추가적인중요주제들
13장해석성
13.1전역적해석
13.1.1대리모델로서의단순모형
13.1.2트리기반변수중요도
13.1.3불가지론적변수중요도
13.1.4부분종속성플롯
13.2지역적해석
13.2.1LIME
13.2.2샤플리값
13.2.3분해

14장두가지주요개념:인과성과비정상성
14.1인과성
14.1.1그랜저인과성
14.1.2인과적가법성모델
14.1.3구조적시계열모델
14.2변화하는환경다루기
14.2.1비정상성:또다른예시
14.2.2온라인학습
14.2.3동질적전이학습

15장비지도학습
15.1상관관계가있는예측인자의문제점
15.2주성분분석과오토인코더
15.2.1아주조금의선형대수
15.2.2PCA
15.2.3오토인코더
15.2.4응용
15.3k-평균을통한클러스터링
15.4최근접이웃
15.5코딩예제

16장강화학습
16.1이론적구성
16.1.1일반적인프레임워크
16.1.2Q-러닝
16.1.3SARSA
16.2차원의저주
16.3정책경사
16.3.1원칙
16.3.2확장
16.4단순한예시
16.4.1시뮬레이션으로하는Q-러닝
16.4.2시장데이터와Q-러닝
16.5결론
16.6예제

5부―부록
17장데이터설명

18장예제정답
18.13장
18.24장
18.35장
18.46장
18.57장:오토인코더모델과보편근사화
18.68장
18.711장:앙상블신경망
18.812장
18.8.1동일가중포트폴리오
18.8.2고급가중함수
18.915장
18.1016장

이책의대상독자

이책은두가지부류의독자를대상으로한다.첫째,투자및자산운용을목표로계량금융을공부하고자하는대학원생이다.두번째대상은머신러닝에기반한자산배분방법으로피벗(pivot)하거나단순히이러한새로운도구에관심이있으면서자신의역량을업그레이드하고자하는자산운용업계의전문가다.이책은최근자산가격결정문제와자산운용에적용가능한머신러닝알고리듬에대한광범위한참고자료가필요한학자나연구자에게도도움을줄수있다.대부분일반적인방법을다루고있지만인과그래프(14장),베이지안가법성트리(9장),하이브리드오토인코더(7장)와같은좀더이색적인모델을구현하는방법도보여준다.
이책은대수학(algebra)(행렬조작),해석학(analysis)(함수미분,그래디언트),최적화(optimization)(1계및2계조건,이중형태),통계학(statistics)(분포,적률,검정,최우도같은간단한추정방법)에대한기본지식이있는독자를대상으로한다.최소한의금융도메인지식도필요하다.주식과회계수치(예를들어,장부가)와같은간단한개념은따로정의하지않는다.

이책의구성

1부에서는준비자료를수집하고표기법과데이터표현(1장)으로시작해개요(2장)를소개한다.3장에서는팩터투자의(이론적이고실증적인)경제학적기초를개괄하고관련된최근문헌을간략히요약한다.4장에서는데이터준비에대해다룬다.기본적인팁을빠르게리뷰하고몇가지주요이슈에대해경고한다.
2부에서는지도학습의예측알고리듬을다룬다.이러한알고리듬은수익률,변동성,샤프Sharpe비율등금융수치를예측하는데사용되는가장일반적인도구다.페널티가적용된회귀(5장)부터트리기법(6장),신경망(7장),서포트벡터머신(8장),베이지안접근법(9장)까지를아우르는다양한알고리듬을다룬다.
3부에서는이러한도구와금융응용분야간의간극을해소한다.10장에서는앞서정의한머신러닝엔진을평가하고개선하는방법을자세히설명한다.11장에서는모델을결합하는방법과그것이종종좋은생각이아닐수도있는이유를설명한다.마지막으로,가장중요한장중하나인12장에서는포트폴리오백테스팅의중요한단계들을검토하고이단계에서자주발생하는실수에대해언급한다.
4부에서는머신러닝과관련된다양한고급주제를보다구체적으로다룬다.첫번째주제는해석가능성(interpretability)이다.머신러닝모델은종종블랙박스로간주되며,이는신뢰문제를야기한다.머신러닝기반예측을어떻게신뢰할수있으며왜신뢰해야할까?13장에서는내부에서무슨일이일어나고있는지이해하는데도움이되는방법을제시한다.14장에서는상관관계보다훨씬더강력한개념이자최근인공지능(AI,ArtificialIntelligence)분야에서많은논의의핵심이되는인과성(causality)에초점을맞춘다.대부분의머신러닝도구는상관관계같은패턴에의존하는데,인과성과관련된기술의이점을강조하는것이중요하다.마지막으로,15장과16장에서는지도학습이아닌다른학습방식에대해다룬다.지도학습이아닌다른학습방식은유용할수있지만,이것을금융분야에적용할때는현명하고신중하게접근해야한다.