[동영상] (패키지) 요인모형과 포트폴리오 및 딥러닝과 요인모형
- 본 패키지는 조성현 강사님의 금융 딥러닝 융합과정 ‘요인모형과 포트폴리오’와 ‘딥러닝과 요인모형’을 함께 수강할 수 있는 패키지 강의 입니다.
Introduction
금융 딥러닝 융합과정 기초와 중급 과정을 할인 금액으로 한 번에 신청하세요!
(금융기초과정) 요인모형과 포트폴리오
1952년 해리 마코비츠 (Harry Max Markowitz)의 “포트폴리오 선택” 이론이 발표된 이후, 1960~1970년대에는 Sharp, Treynor등에 의한 CAPM (Capital Asset Pricing Model)이 등장했고, 1970~1980년대에는 Roll, Ross, Chen 등에 의한 요인모형 (Factor Model)과 APT (Arbitrage Pricing Theory)가 등장했습니다.
다수의 금융 자산들에 대해 위의 이론을 적용하려면 많은 계산이 필요합니다. 50~80년대에는 컴퓨팅 능력이 낮아 많은 조합으로 이루어진 다량의 계산이 어려웠습니다. 그러나 현재는 컴퓨팅 능력이 대단히 뛰어나기 때문에 많은 조합과 다양한 조건들에 대한 연산이 가능하고, 위의 이론들을 이용해서 시장을 이해하거나 투자 전략을 만드는 것이 수월해 졌습니다.
본 강의에서는 요인모형 (Factor Model)의 이론과 활용 방법을 다룹니다. 요인모형이란 몇 가지 요인 (factor)들로 자산들의 수익률을 설명하는 이론입니다. 요인모형을 구현하는 방법으로는 거시경제 지표 (GDP, 이자율 등)나 펀더맨탈 지표 (재무제표 등) 같은 외부 요인을 이용하는 방법이 있고 (ex : Fama-French three-factor model), 자산들의 수익률에 내포된 내재 요인들을 추정하는 방법이 있습니다 (내재요인모형 : Latent Factor Model). 본 강의에서는 후자인 내재요인모형을 다룹니다.
내재요인모형을 구현하는 방법으로는 통계적 접근 방법과 데이터 접근 방법이 있습니다. 기초 과정인 본 강의에서는 통계적 접근 방법인 PCA (주성분석)와 Factor Analysis (요인분석)를 다룹니다. 후자인 데이터 접근 방법은 머신러닝이나 딥러닝을 사용하는 방식입니다. 이 부분에 대해서는 중급과정인 “딥러닝과 요인모형 (Deep Learning & Factor Model”에서 다룹니다.
본 과정에서는 S&P500의 상위 50 종목의 실현 수익률을 측정하고, 각 수익률을 설명하는 요인 (factor)들과 민감도 (beta or factor loadings)를 추정합니다. 그리고 추정된 요인과 민감도를 해석하고 활용하는 방법을 다룹니다. 마지막으로는 추정된 요인과 민감도를 이용해서 포트폴리오를 최적화하고, 성능을 확인합니다.
(딥러닝-금융융합과정) 딥러닝과 요인모형
1952년 해리 마코비츠 (Harry Max Markowitz)의 “포트폴리오 선택” 이론이 발표된 이후, 1960~1970년대에는 Sharp, Treynor등에 의한 CAPM (Capital Asset Pricing Model)이 등장했고, 1970~1980년대에는 Roll, Ross, Chen 등에 의한 요인모형 (Factor Model)과 APT (Arbitrage Pricing Theory)가 등장했습니다.
본 강의에서는 요인모형 (Factor Model)의 이론과 활용 방법을 다룹니다. 요인모형이란 몇 가지 요인 (factor)들로 자산들의 수익률을 설명하는 이론입니다. 요인모형을 구현하는 방법으로는 거시경제 지표 (GDP, 이자율 등)나 펀더맨탈 지표 (재무제표 등) 같은 외부 요인을 이용하는 방법이 있고 (ex : Fama-French three-factor model), 자산들의 수익률에 내포된 내재 요인들을 추정하는 방법이 있습니다 (내재요인모형 : Latent Factor Model). 본 강의에서는 후자인 내재요인모형을 다룹니다.
요인모형에 대해서는 금융의 기초 과정에서 자세히 살펴 보았고, 통계적 분석 방법인 주성분분석 (PCA)과 요인분석 (Factor Analysis)을 이용해서 주가 수익률을 분석해 보았습니다. 본 강의에서는 학습 기반으로 요인모형을 분석합니다. 요인을 추정하는 방법론으로 경사하강법 (gradient descent)에 의한 행렬분해와 Keras의 embedding layer를 이용한 행렬분해를 다룹니다. 그리고 딥러닝 기반의 AutoEncoder와 LSTM으로 요인모형을 분석합니다.
본 과정에서는 S&P500의 상위 50 종목의 실현 수익률을 측정하고, 각 수익률을 설명하는 요인 (factor)들과 민감도 (beta or factor loadings)를 추정합니다. 그리고 추정된 요인과 민감도를 해석하고 활용하는 방법을 다룹니다. 마지막으로는 추정된 요인과 민감도를 이용해서 포트폴리오를 최적화하고, 성능을 확인합니다.
강의 난의도
본 과정에서는 실습을 위해 강사가 직접 작성한 파이썬 (Python) 코드를 사용해서 이론의 내용들을 일일이 구현해 봅니다.
데이터 수집부터, 요인/민감도 추정, 포트폴리오 구축 등의 파이썬 코드가 사용됩니다.
수강생들은 모두 파이썬에 대한 기초 지식을 갖추고 있다고 가정하고 진행되며 파이썬에 대한 기본적인 설명은 생략합니다.
Point
이 강의가 특별한 이유
- 강사가 직접 작성한 파이썬 코드를 사용해서 이론의 내용들을 일일이 구현!
- 추정된 요인과 민감도를 이용해서 포트폴리오 최적화 및 성능 확인!
- 오직 인사이트 캠퍼스에서만 만날 수 있는 강의!
Lesson
강의 상세내용
(금융기초과정) 요인모형과 포트폴리오
본 과정은 총 5개의 동영상으로 구성돼 있으며, 각 장의 내용은 아래와 같습니다.
1장에서는 본 과정을 이해하는데 필요한 요인모형의 이론과 수학적 표현을 다룹니다. 요인모형의 기본 모델과 주가 수익률을 분석하기 위한 시계열 모형을 다룹니다. 그리고 이의경 교수님의 “2005, 재무관리 3판”의 예제를 통해 이 모형을 적용하는 방법을 학습합니다.
2장에서는 내재요인모형의 요인과 민감도를 추정하는 방법을 다룹니다. 통계적 접근 방법 중 PCA (Principal Component Analysis)에 대한 이론과 실습을 다룹니다. 예시를 통해 PCA를 적용하고 요인과 민감도의 특성을 관찰합니다.
3장에서도 내재요인모형의 요인과 민감도를 추정하는 방법을 다룹니다. 3장에서는 통계적 접근 방법 중 Factor Analysis (요인분석)에 대한 이론과 실습을 다룹니다. 2장에서 사용한 예시에 Factor Analysis 방법을 적용하고 PCA 결과와 비교해 봅니다.
4장에서는 S&P500의 상위 50 종목의 실제 수익률 데이터에 요인모형을 적용합니다. PCA를 이용해서 실제 주식 수익률에 대한 내재 요인들과 민감도를 추정하고, 기간별 요인의 특성과, 종목별 민감도의 특성을 분석합니다. 그리고 추정된 요인과 민감도를 이용해서 각 종목의 주가를 추정합니다.
5장에서는 요인모형의 활용 방안을 다룹니다. 추정된 요인들의 시계열을 예측해서 각 종목의 주가를 예측하는 개념을 생각해 봅니다. 단, 시계열을 예측하기 위해서는 시계열 분석 (Time Series Analysis)이나 딥러닝 등의 기술이 필요한데, 이 부분에 대해서는 별도의 과정이 필요합니다. 여기에서는 시계열 예측 부분을 다루지는 않습니다. 마지막으로 요인모형을 이용해서 50 종목으로 구성된 포트폴리오를 최적화하고 성과를 분석합니다.
(딥러닝-금융융합과정) 딥러닝과 요인모형
본 과정은 총 8개의 동영상으로 구성돼 있으며, 각 장의 내용은 아래와 같습니다.
1장에서는 본 과정을 이해하는데 필요한 요인모형의 이론과 수학적 표현을 다룹니다. 그리고 요인모형의 기본 모델과 주가 수익률을 분석하기 위한 시계열 모형을 다룹니다. 또한 외부요인과 내부요인, 그리고 내재요인 (latent factor)에 대한 개념을 살펴봅니다. 금융 기초 과정에서 요인모형을 수강하신 분은 1장을 스킵해도 무방합니다.
2장에서는 영화 추천 시스템 (recommendation system) 중 잠재요인협업필터링 기법을 살펴봅니다. 추천 시스템과 요인모형은 밀접한 관계에 있습니다. 추천 시스템을 구현하는 방법을 알면 요인모형으로 주가 수익률을 분석할 수 있습니다. 여기서는 경사하강법을 이용해서 영화 평점 행렬을 요인행렬 (factor)과 민감도 행렬 (beta)로 분해하는 방법을 공부합니다.
3장에서는 Scree plot으로 적절한 요인의 개수를 결정하는 방법을 살펴봅니다. 그리고 추천시스템을 이용해서 S&P500의 상위 50 종목의 주가 수익률 행렬을 요인 행렬 (factor)과 민감도 행렬 (beta)로 분해하는 방법을 다룹니다. 또한 요인과 민감도로 추정한 주가와 실제 주가의 모습을 육안으로 비교해 봅니다.
4장에서는 추천시스템으로 추정한 요인과 민감도의 통계적 특성을 분석합니다. 요인의 상관 관계, 시계열, 분포, 누적 시계열을 관찰하고 특성을 분석합니다. 또한 종목별로 민감도의 크기를 관찰해서 어떤 요인에 더 민감한 지를 분석해 봅니다. 그리고 종목별로 추정 주가와 실제 주가의 모습을 관찰해 봅니다.
5장에서는 Keras의 embedding layer를 이용해서 추천시스템을 구현해 봅니다. 그리고 S&P500의 상위 50 종목의 수익률을 요인 행렬과 민감도 행렬로 분해하고, 추정 주가와 실제 주가의 모습을 비교해 봅니다.
6장에서는 AutoEncoder로 S&P500의 주가 수익률을 분석합니다. 요인과 민감도를 추정하고 추정 주가와 실제 주가의 모습을 비교해 봅니다.
7장에서는 AutoEncoder의 인코더 부분을 LSTM으로 대체해서 S&P500의 주가 수익률을 분석합니다. 학습 데이터를 3차원 구조로 변형해서 수익률의 과거 흐름이 반영된 요인과 민감도를 추정합니다. 그리고 이를 이용한 추정 주가와 실제 주가를 비교해 봅니다.
8장에서는 요인모형의 활용 방안을 다룹니다. 추정된 요인들의 시계열을 예측해서 각 종목의 주가를 예측하는 개념을 생각해 봅니다. 단, 시계열을 예측하기 위해서는 시계열 분석 (Time Series Analysis)이나 딥러닝 등의 기술이 필요한데, 이 부분에 대해서는 별도의 과정이 필요합니다. 여기에서는 시계열 예측 부분을 다루지는 않습니다. 마지막으로 AutoEncoder 요인모형을 이용해서 50 종목으로 구성된 포트폴리오를 최적화하고 성과를 분석합니다.
Example
예제 실습
■ S&P500 종목 분석
▲ Factor와 민감도를 이용한 주가 예측
#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
(금융기초과정) 요인모형과 포트폴리오
1장 | 요인모형 (이론)
- 1. 시장모형과 요인모형 (Factor Model)
- 2. 요인모형과 포트폴리오
- 3. 주가 수익률과 요인모형
- 4. 시계열 데이터와 요인모형
2장 | 요인추정 (PCA)
- 5. 요인과 민감도 추정 방식
- 6. 주성분분석(PCA)과 요인모형
- 7. PCA를 이용한 요인모형 (예시)
3장 | 요인추정 (FA)
- 8. 요인분석 (Factor Analysis)과 요인모형
- 9. Factor Analysis를 이용한 요인모형 (예시)
4장 | SP500 요인특성 분석
- 10. 주가 수익률에 대한 요인모형 분석 (S&P500)
- 11. 요인 개수 결정 (Scree plot)
- 12. 날짜별 Factor 흐름 분석
- 13. 종목별 민감도 (beta) 확인
- 14. Factor의 민감도로 추정한 주가 확인
5장 | SP500 포트폴리오
- 15. Factor의 민감도로 추정한 주가 예측
- 16. 요인모형을 이용한 최적 포트폴리오 구축
(딥러닝-금융융합과정) 딥러닝과 요인모형
1장 | 요인모형 (이론)
- 1. 시장모형과 요인모형 (Factor Model)
- 2. 주가 수익률과 요인모형
- 3. 시계열 데이터와 요인모형
- 4. 요인과 민감도 추정 방식
2장 | 추천시스템
- 5. 영화 추천 시스템 : 잠재요인 협업 필터링
- 6. Gradient Descent를 이용한 행렬 분해
3장 | 수익률 행렬분해
- 7. 주가 수익률 행렬 분해
- 8. 요인 개수 결정 : Scree plot
4장 | 요인특성 분석
- 9. 주가 수익률 행렬 분해 예시 : 학습, 평가, 결과 분석
5장 | 수익률 분해 (EMB)
- 10. 딥러닝을 이용한 행렬 분해 : 학습, 평가, 결과 분석
6장 | 수익률 분해 (AE)
- 11. AutoEncoder를 이용한 요인모형
7장 | 수익률 분해 (LSTM)
- 12. LSTM을 이용한 요인모형
- 13. Factor와 beta (민감도)를 이용한 주가 예측
- 14. 요인모형가 포트폴리오
- 15. S&P500의 50 종목에 대한 포트폴리오 최적화 예시
8장 | SP500 포트폴리오
- 13. Factor와 beta (민감도)를 이용한 주가 예측
- 14. 요인모형가 포트폴리오
- 15. S&P500의 50 종목에 대한 포트폴리오 최적화 예시
교재 및 실습파일
(기초) 1장 | 요인모형 (이론)
(기초) 2장 | 요인추정 (PCA)
(기초) 3장 | 요인추정 (FA)
(기초) 4장 | SP500 요인특성 분석
(기초) 5장 | SP500 포트폴리오
(중급) 1장 | 요인모형 (이론)
(중급) 2장 | 추천시스템
(중급) 3장 | 수익률 행렬분해
(중급) 4장 | 요인특성 분석
(중급) 5장 | 수익률 분해 (EMB)
(중급) 6장 | 수익률 분해 (AE)
(중급) 7장 | 수익률 분해 (LSTM)
(중급) 8장 | SP500 포트폴리오
결제 안내
- 세금계산서 발급 가능합니다. 담당자(bill@fininsight.co.kr)에게 연락주시면 더 자세히 안내해 드리겠습니다.
