[동영상] (중급) 딥러닝을 활용한 마코비츠의 포트폴리오 최적화
- 본 과정은 조성현 이사님의 금융 딥러닝 융합 과정의 STEP 2 강의입니다.
- STEP 1 ‘파이썬으로 배우는 마코비츠의 포트폴리오 최적화‘ 과정 수강 후, STEP 2 ‘딥러닝을 활용한 마코비츠의 포트폴리오 최적화‘ 과정 수강을 추천합니다.
Introduction
본 과정에서는 LSTM과 CNN을 이용한 딥러닝 네트워크에 마코비츠의 이론을 접목시킨 마코비츠-네트워크를 제안합니다!
투자 위험을 낮추고 장기간 안전한 투자를 위해서는 포트폴리오 투자가 필요합니다. 포트폴리오 이론으로 가장 널리 사용되는 것은 마코비츠의 포트폴리오 선택 이론 (Markowitz, 1952, Portfolio Selection Theory) 입니다. 마코비츠의 이론은 훌륭한 이론이지만 미래의 기대 수익률과 예상 위험을 추정해야 하는 문제 때문에 현실에 적용하기 어려운 측면이 있습니다. 개별 자산들의 미래 기대 수익률을 예측하는 것은 너무 어렵기 때문입니다.
딥러닝 기술을 이용하면 마코비츠 포트폴리오 이론의 문제점을 보완할 수 있습니다. 금융 이론은 미래를 예측하는 문제를 다루지 않습니다. 금융은 과거를 통해 현재의 현상을 설명하려는 모델을 주로 다루기 때문입니다. 딥러닝은 과거를 통해 현재를 학습하고, 현재를 통해 미래를 추정하는 능력이 뛰어납니다. 따라서 금융의 포트폴리오 모델과 딥러닝 기술을 결합하면 상호 문제점을 보완할 수 있고 현실에 적용이 가능한 포트폴리오 전략을 구축할 수 있습니다. 금융과 딥러닝의 융합이 필요한 부분입니다.
본 과정에서는 LSTM과 CNN을 이용한 딥러닝 네트워크에 마코비츠의 이론을 접목시킨 마코비츠-네트워크 (Markowitz Portfolio Network : MPN) 를 제안합니다. MPN을 통해 과거의 주가 수익률을 학습하고, 미래의 최적 투자 비율을 생성합니다. 최적 투자 비율은 미래의 투자 성과가 극대화되는 비율입니다. 본 과정에서는 S&P500의 상위 50 종목의 과거 수익률을 측정하고 MPN으로 실제 포트폴리오를 구축해서, 미래의 투자 성과가 우수하다는 것을 확인합니다.
본 과정에서는 강사가 직접 작성한 파이썬 (Python) 코드를 사용해서 이론의 내용들을 일일이 구현해 보고, 실제 투자에 적용할 수 있는 수준의 포트폴리오 전략을 만듭니다.
강의 난의도
본 과정은 마코비츠의 포트폴리오 이론과 딥러닝에 대해 어느 정도 기본 지식을 갖추고 있는 수강생을 대상으로 합니다. 두 부분에 대한 기본적인 설명보다는 서로 결합하는데 집중하기 때문입니다. 기초 부분에 대한 개략적인 설명은 포함돼 있지만 상세하게 다루지는 않습니다. 사전 지식이 필요하신 분들은 “[금융 기초 과정]의 마코비츠 포트폴리오 선택 이론” 과정을 수강하시길 추천합니다. 그리고 LSTM과 CNN에 대한 기초 지식도 필요합니다.
본 과정에는 파이썬 실습이 포함돼 있습니다. 수강생들은 모두 파이썬에 대한 기초 지식을 갖추고 있다고 가정하고 진행됩니다. 파이썬에 대한 기본적인 설명은 생략합니다.
Point
이 강의가 특별한 이유
- 강사가 직접 작성한 파이썬 코드를 사용해서 이론의 내용들을 일일이 구현!
- 실제 투자에 적용할 수 있는 수준의 포트폴리오 전략을 만듦!
- 오직 인사이트 캠퍼스에서만 만날 수 있는 강의!
Lesson
강의 상세내용
본 과정은 총 5개의 동영상과 5개의 파이썬 코드로 구성돼 있습니다. 각 장의 내용은 아래와 같습니다.
1장에서는 본 과정을 이해하는데 필요한 마코비츠의 포트폴리오 이론과 LSTM, CNN에 대한 기본적인 내용을 다룹니다. 개별 주가의 수익률과 위험을 측정하는 방법, 포트폴리오 전체의 수익률과 위험을 측정하는 방법을 이해합니다. 그리고 포트폴리오를 최적화하는 목표함수에 대해 학습합니다. 이 목표함수는 향후 LSTM과 CNN을 학습하는데 사용됩니다.
2장에서는 파이썬을 이용해서 S&P500의 상위 50 종목의 데이터를 수집하고, 주가 수익률과 위험 (변동성)을 측정합니다. 그리고 딥러닝을 학습할 학습 데이터와 평가 데이터를 생성합니다. 딥러닝의 입력 데이터인 과거 수익률 데이터를 생성하고, 마코비츠의 목표함수를 계산할 미래 수익률 데이터를 생성합니다.
3장에서는 마코비츠-네트워크 (Markwitz Portfolio Network : MPN)를 구성하고, 그 구조를 상세히 학습합니다. 그리고 2장에서 생성한 학습 데이터를 이용해서 MPN을 학습시키는 방법을 이해합니다. MPN은 비지도학습 (unsupervised learning) 방식이기 때문에 일반적인 LSTM, CNN과는 학습 방법이 약간 다릅니다. Keras를 이용해서 MPN을 구성하고 마코비츠의 목표함수를 loss function으로 사용해서 비지도학습 방식으로 MPN을 학습합니다.
4장에서는 학습이 완료된 MPN을 이용해서 가상투자 (back-test) 방식으로 포트폴리오의 성과를 분석합니다. LSTM으로 구성한 MPN과, CNN으로 구성한 MPN의 성과를 비교하고, benchmark인 CRP (constant rebalanced portfolio)의 성과와도 비교합니다.
5장에서는 MPN에 사용된 마코비츠 목표함수의 파라메터 (γ, λ)의 변화에 따른 포트폴리오 성과의 변화를 관찰합니다. γ, λ는 투자자의 위험회피 성향을 조절하는 조절변수입니다. γ, λ를 변화시켜 가면서 위험과 수익률의 상태공간에서 포트폴리오 성과가 어떻게 달라지는지 확인합니다. 이를 통해 투자자는 자신의 위험 수준과 효용에 맞는 γ와 λ를 선택할 수 있습니다.
Example
예제
■ 학습 데이터 생성
▲ 주가 데이터 수집 및 종목별 수익률 측정
■ 포트폴리오 성과 분석
▲ γ, λ에 따른 포트폴리오 성과의 변화
#포트폴리오관리 #파이썬 #데이터분석
For YOU
이런 분들께 추천드립니다!
실전 투자자
- 금융사 투자 관련 업무 종사자
- 프랍트레이더 및 일반트레이더
- 퀀트트레이딩에 관심있는 투자자
금융 IT 실무자
- 금융사 리스크 관리자
- 증권사, 운용사 종사자
- 금융권 IT 관련 업무 SW 개발자
학계 관련자
- 금융, 재무 전공 학생
- IT 관련 전공 학생
- 논문 리뷰를 해보고 싶으신 분
- 해당 논문을 파이썬으로 구현해보고자 하시는 분
Review
수강 후기
Professor
조성현
- 現 핀인사이트 사외이사 인사이트 캠퍼스 연구/강의 교수
- 現 아마추어퀀트 금융공학 전문 블로그 운영진
- 前 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, 약 5년 전부터 여의도 금융가와 강남 지역, 그리고 코스콤 등 기업체의 직원 연수교육의 금융 강사로 활동하고 있습니다.
Curriculum
커리큘럼
1장 | 기본 개념
- 1. 마코비츠의 포트폴리오 선택 이론
- 2. 마코비츠의 포트폴리오 최적화
- 3. LSTM (Long Short-Term Memory)
- 4. CNN (Convolutional Neural Network)
2장 | 학습 데이터
- 5. 주가 데이터 수집
- 6. 종목별 수익률 측정
- 7. 학습, 평가 데이터 생성
3장 | MPN 학습
- 8. Markowitz-Network (MPN) 구조
- 9. MPN – LSTM : 학습
- 10. MPN – CNN : 학습
- 11. MPN – 포트폴리오 성과 분석
- 9. MPN – LSTM : 학습
- 10. MPN – CNN : 학습
4장 | 성과 측정
- 11. MPN – 포트폴리오 성과 분석
5장 | 성과 분석
- 12. γ, λ에 따른 포트폴리오 성과의 변화
1장 | 기본개념
2장 | 학습데이터
3장 | MPN 학습
4장 | 성과측정
5장 | 성과분석
결제 안내
- 세금계산서 발급 가능합니다. 담당자(bill@fininsight.co.kr)에게 연락주시면 더 자세히 안내해 드리겠습니다.
인터넷 결제환경 안내
- Windows 7, 크롬 브라우저에 최적화 되어있습니다. 인터넷 익스플로러는 버전 9 이상을 권장합니다.
- iOS에서는 현재 결제가 불가합니다. 타 방식 이용을 권해 드립니다.
- 맥북에서는 Safari(사파리)에서 결제가 가능합니다.
