알고리즘 트레이딩 전략

기존의 알고리즘 트레이딩 시스템에서는 투자전략을 금융사가 제공하는 프로그램밍 언어와 API들을 사용하여 사용자가 직접 프로그래밍 하여야 했기에 일반 투자자들이 사용하기에는 많은 어려움이 있어왔다. 따라서 본 논문에서는 사용자가 프로그래밍에 대한 지식이 없어도 손쉽게 자신의 투자전략을 사용자 인터페이스를 통하여 제시하면 이를 통하여 알고리즘이 형성되어 시스템 트레이딩이 수행되도록 하는 사용자 친화적인 트레이딩 시스템을 개발하는 것을 목적으로 한다. 본 시스템은 금융회사의 서버와 주식 정보를 송수신하고 매매를 수행하는 서버 부분과 투자전략을 설정하기 위한 보조지표들로 이루어진 사용자 인터페이스, 이를 알고리즘 트레이딩 전략 기반으로 알고리즘이 생성되는 부분 등으로 구성되어진 클라이언트로 구성되어진다. 제안된 시스템은 모의 투자 실행을 통하여 사용자가 설정한 투자전략에 따라 설정된 알고리즘에 의하여 자동으로 매매가 이루어짐을 통하여 성능을 검증하였다.

In current algorithm trading system, general users need to program 알고리즘 트레이딩 전략 their algorithms using programing language and APIs provided from financial companies. Therefore, such environment keeps general personal investors away from using algorithm trading. Therefore, this paper focuses on developing user-friendly algorithm trading system which enables general investors to make their own trading algorithms without knowledge on program language and APIs. In the system, investors input their investment criteria through user interface and this automatically creates their own trading algorithms. The proposed system is composed with two parts: server intercommunicating with financial company server to send and to receive financial informations for trading, and client including user convenience-based user interface representing secondary indexes and strategies, and a part generating algorithm. The proposed system performance is proven through simulated-investment in which user sets up his investment strategy, algorithm is generated, and trading is performed based on the algorithm

알고리즘 트레이딩 -->

> > This page is based on a Wikipedia article written by contributors (read/edit).
Text is available under the CC BY-SA 4.0 license; additional terms may apply.
Images, videos and audio are available under their respective licenses.

Tell your friends about Wikiwand!

Suggest as cover photo

Would you like to suggest this photo as the cover photo for this article?

Thank you for helping!

Your input will affect cover photo selection, along with input from other users.

Thanks for reporting this video!

This browser is not supported by Wikiwand :(
Wikiwand requires a browser with modern capabilities in order to provide you with the best reading experience.
Please download and use one of the following browsers:

An extension you use may be preventing Wikiwand 알고리즘 트레이딩 전략 articles from loading properly.

If you're using HTTPS Everywhere or you're unable to access any article on Wikiwand, please consider switching to HTTPS (https://www.wikiwand.com).

An extension you use may be preventing Wikiwand 알고리즘 트레이딩 전략 articles from loading properly.

If you are using an Ad-Blocker, it might have mistakenly blocked our content. You will need to temporarily disable your Ad-blocker to view this page.

Please click the "Downloads" icon in the Safari toolbar, open the first download in the list,
then click Install

알고리즘 트레이딩 전략

투표 참여 회원 전원에게 1천원 YES상품권을 드리고, 젊은 작가 영업왕에게는 작가 사인 도서와 YES상품권을 드립니다. 작가와 함께하는 특별한 만남에도 초대해요!

2022년 07월 11일 ~ 2022년 08월 11일

국내도서/외국도서/직배송 GIFT 5만원 이상 구매 시, 스트링백, 간식 접시 머그, 타포린 보냉백, 타포린백 선착순 증정(택1,포인트차감, 한정수량)

2022년 08월 01일 ~ 2022년 08월 12일

『혼자 공부하는 파이썬』 개정판 구매 시 전용 북커버 증정(1권당 1개, 최대 알고리즘 트레이딩 전략 10개 증정 가능/사은품 개당 포인트 차감, 한정수량)

2022년 06월 13일 ~ 한정 수량

이벤트 페이지 내 도서 포함, IT 모바일 도서 3만원 이상 구매 시 'ML & DL LANDSCAPE 마우스패드' 증정 (한정수량, 포인트 차감)

2022년 07월 05일 ~ 한정 수량

8월의 개발자 조민호님의 대표도서와 추천도서를 만나보세요!

2022년 07월 29일 ~ 2022년 08월 31일

이달의 주목신간 & 추천도서 포함 국내도서 3만원 이상 구매 시 '귀여운 방해꾼 배지' 선착순 증정(포인트 차감)

2022년 08월 01일 ~ 2022년 08월 31일

이벤트 대상 도서 포함 IT 모바일 도서 3만원 이상 구매 시 리딩펫 쿨매트 증정 (한정수량, 포인트 차감)

2022년 05월 04일 ~ 2022년 12월 31일

수험서, 자격증, 외국어, 대학교재, 참고서 등을 더욱 가볍고 편하게 만나보세요!

2017년 09월 06일 ~ 한정 수량

• 책의 일부 내용을 미리 읽어보실 수 있습니다. 미리보기

상세 이미지

저자 소개 (3명)

트레이데어(Tradair)의 최고 기술 책임자로 이 기술을 선도하는 책임을 맡고 있다. HC테크놀로지스의 소프트웨어 엔지니어링 팀장, 선 트레이딩(Sun Trading)의 계량적 트레이딩 전략 소프트웨어 개발업체인 고빈도 FX사의 파트너 겸 기술 이사로 재직하면서 국방부의 프로젝트 리더로 일하는 등 매우 다양한 전문 경험을 갖고 있다. 프랑스에 있는 동안 Bull SAS와 소시에테 제네랄(Societe Gener. 트레이데어(Tradair)의 최고 기술 책임자로 이 기술을 선도하는 책임을 맡고 있다. HC테크놀로지스의 소프트웨어 엔지니어링 팀장, 선 트레이딩(Sun Trading)의 계량적 트레이딩 전략 소프트웨어 개발업체인 고빈도 FX사의 파트너 겸 기술 이사로 재직하면서 국방부의 프로젝트 리더로 일하는 등 매우 다양한 전문 경험을 갖고 있다. 프랑스에 있는 동안 Bull SAS와 소시에테 제네랄(Societe Generale)의 IT 신용 리스크 관리자(Credit Risk Manager)로서 연구한 경험이 있다. 지난 10년 동안 시카고 대학교, 뉴욕 대학교, 컬럼비아 대학교에서 다양한 컴퓨터 과학 과정을 가르쳤다. 주로 기술을 다루는 알고리즘 트레이딩 전략 것에 열정을 갖고 있으며, 스쿠버 다이빙 강사면서 경험 많은 암벽 등반가이기도 하다.

지난 10년 동안 몇몇 독점적인 고빈도 알고리즘 트레이딩 회사에서 일했다. 전 세계 여러 자산 클래스에 걸쳐 트레이딩 거래소를 위한 매우 낮은 지연 시간과 높은 처리량의 자동 트레이딩 시스템을 구축했다. 시장 조성을 위한 통계적 차익 거래와 가장 유동적인 글로벌 선물 계약의 거래 전략을 전문으로 한다. 시카고의 한 트레이딩 회사에서 정량적 개발자로 일하고 있다. 서던캘리포니아 대학교에서 컴퓨터 과학 석사 학위를 . 지난 10년 동안 몇몇 독점적인 고빈도 알고리즘 트레이딩 회사에서 일했다. 전 세계 여러 자산 클래스에 걸쳐 트레이딩 거래소를 위한 매우 낮은 지연 시간과 높은 처리량의 자동 트레이딩 시스템을 구축했다. 시장 조성을 위한 통계적 차익 거래와 가장 유동적인 글로벌 선물 계약의 거래 전략을 전문으로 한다. 시카고의 한 트레이딩 회사에서 정량적 개발자로 일하고 있다. 서던캘리포니아 대학교에서 컴퓨터 과학 석사 학위를 받았다. 관심 분야는 컴퓨터 아키텍처, 핀테크, 확률 이론과 확률적 프로세스, 통계적 학습과 추론 방법, 자연어 처리 등이다.

카네기멜론대학교에서 석사 학위를 받았고, 피츠버그대학교의 Finance Ph.D, CFA, FRM이자 금융, 투자, 경제분석전문가다. 삼성생명, HSBC, 새마을금고중앙회, 한국투자공사 등과 같은 국내 유수의 금융기관, 금융 공기업에서 자산 운용 포트폴리오 매니저로 근무했으며 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서로는 『엑셀 VBA로 쉽게 배우는 금. 카네기멜론대학교에서 석사 학위를 받았고, 피츠버그대학교의 Finance Ph.D, CFA, FRM이자 금융, 투자, 경제분석전문가다. 삼성생명, HSBC, 새마을금고중앙회, 한국투자공사 등과 같은 국내 유수의 금융기관, 금융 공기업에서 자산 운용 포트폴리오 매니저로 근무했으며 현재 딥러닝과 알고리즘 트레이딩 전략 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 에이콘출판사에서 출간한 『실용 최적화 알고리즘』(2020), 『초과 수익을 찾아서 2/e』(2020), 『자산운용을 위한 금융 머신러닝』(2021), 『실전 알고리즘 트레이딩 배우기』(2021), 『존 헐의 비즈니스 금융 머신러닝 2/e』(2021), 『퀀트 투자를 위한 머신러닝?딥러닝 알고리듬 트레이딩 2/e』(2021), 『자동머신러닝』(2021), 『금융 머신러닝』(2022) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

만든 이 코멘트

출판사 리뷰

★ 이 책에서 다루는 내용 ★

■ 현대 알고리즘 트레이딩 시스템과 전략의 구성 요소 이해
■ 파이썬을 이용한 머신러닝의 알고리즘 트레이딩 시그널과 전략에의 적용
■ 평균 회귀, 추세 추종, 경제 지표 발표 등을 기반으로 한 트레이딩 전략의 구축, 시각화, 분석
■ 파이썬 트레이딩 전략을 위한 위험 관리 시스템의 계량화 및 구축
■ 트레이딩 봇의 성과를 향상시키고자 트레이딩 전략을 시뮬레이션하는 백테스터 구축
■ 라이브 시장에 트레이딩 전략을 배포하고 수익성 유지와 개선을 위한 운영

★ 이 책의 대상 독자 ★

소프트웨어 엔지니어, 금융 거래자, 데이터 분석가, 기업가, 알고리즘 거래의 탐구를 시작하고 싶어 하는 모든 사람을 위한 책이다. 알고리즘 트레이딩이 어떻게 작동하는지, 트레이딩 시스템의 모든 구성 요소가 무엇인지, 블랙박스와 그레이박스 거래에 필요한 프로토콜과 알고리즘, 완전히 자동화되고 수익성 있는 트레이딩 비즈니스 구축 방법을 알고 싶다면 이 책이 꼭 필요하다.

1장, ‘알고리즘 트레이딩의 기초’에서는 알고리즘 트레이딩이 무엇이며 알고리즘 트레이딩이 고빈도수 또는 낮은 지연 시간 거래와 어떻게 관련돼 있는지 설명한다. 규칙 기반에서 AI로 이어지는 알고리즘 거래의 진화를 살펴본다. 알고리즘 거래 개념, 자산 분류 및 계기 등 본질적인 내용을 다룰 것이다. 어떻게 알고리즘을 결정하는가를 배운다.
2장, ‘기술적 분석을 통한 시장 해석’에서는 몇 가지 인기 있는 기술적 분석 방법을 다루며, 시장 데이터의 분석에 적용하는 방법을 보여 준다. 시장 추세, 지지, 저항을 활용한 기초 알고리즘 트레이딩을 실시한다.
3장, ‘기초 머신러닝을 통한 시장 예측’에서는 여러 가지 간단한 회귀 및 분류 방법을 검토하고 구현하며, 트레이딩에 지도 통계적 학습 방법을 적용하는 것의 장점을 설명한다.
4장, ‘인간의 직관에 의한 고전적 트레이딩 전략’에서는 몇 가지 기본적인 알고리즘 전략(모멘텀, 추세, 평균회귀)을 살펴보고, 그 작동과 장단점을 설명한다.
5장, ‘고급 알고리즘 전략’에서는 좀 더 진보된 접근 방식(통계적 차익 거래, 페어 상관관계)과 그들의 장단점을 검토해 기본적인 알고리즘 전략을 통합한다.
6장, ‘알고리즘 전략의 위험 관리’에서는 알고리즘 전략에서 위험(시장 위험, 운영 위험, 소프트웨어 구현 버그)을 측정하고 관리하는 방법을 설명한다.
7장, ‘파이썬 트레이딩 시스템 구축’에서는 앞에서 만들어진 알고리즘에 기초해 거래 전략을 지원하는 기능적 구성 요소를 설명한다. 파이썬을 이용해 작은 트레이딩 시스템을 구축할 것이며, 앞에서 나온 알고리즘을 사용해 거래할 수 있는 트레이딩 시스템을 구축할 것이다.
8장, ‘트레이딩 거래소 연결’에서는 트레이딩 시스템의 통신 구성 요소를 설명한다. 파이썬에 있는 퀵픽스 라이브러리를 사용해서 거래 시스템을 실제 교환에 연결할 것이다.
9장, ‘파이썬 백테스트 시스템 구축’에서는 트레이딩 봇의 성능을 검증하고자 대량의 데이터로 테스트를 실행해 트레이딩 알고리즘을 향상시키는 방법을 설명한다. 모델이 구현되면 트레이딩 로봇이 트레이딩 인프라에서 예상대로 동작하는지 테스트(구현 관련 실수 확인)해야 한다.
10장, ‘변화하는 시장 참여자와 시장 조건 적응’에서는 실시간 거래 시장에 배포할 때 전략이 예상대로 수행되지 않는 이유를 논의하고, 전략 자체 또는 기본적인 가정 내에서 문제를 해결하는 예를 제공한다. 또한 잘 수행되고 있는 전략이 왜 성능 면에서 서서히 악화되는지를 논의하고, 이것을 어떻게 해결할 것인지 설명하는 몇 가지 간단한 예를 소개할 것이다.

오늘날에는 정교한 거래 신호, 예측 모델, 전략에 의존한다는 의미로 타인에 비해 빠르기만 해서는 유의한 경쟁 우위를 확보하기 점점 더 어려워지고 있다. 이 책에서는 광범위한 청중에게 현대 전자 거래 시장과 시장 참가자들의 운영 방식과 또한 파이썬을 사용해 실용적이고 수익성이 높은 알고리즘 거래 사업을 구축하는 모든 구성 요소를 설계, 구축, 운영하는 방법을 잘 이해하는 데 필요한 지식과 실제 경험을 제공한다.
책 전반에 걸쳐 작업을 수행하는 데 필요한 알고리즘 거래와 환경 설정을 소개한다. 자동화된 거래 프로젝트를 시작하기 전에 여러분이 필요로 하는 알고리즘 거래 사업의 핵심 요소와 질문들을 배운다.
후반에서는 계량적 거래 신호와 거래 전략이 어떻게 개발되는지 알게 될 것이다. 몇몇 잘 알려진 트레이딩 전략의 작동 방식과 구현법을 이해하게 될 것이다. 또한 변동성 전략, 경제지표 발표 전략, 통계적 차익 거래를 포함한 더 정교한 거래 전략을 이해하고, 실행하고, 분석할 것이다. 앞부분에서 구축한 알고리즘을 사용해 트레이딩 봇을 만드는 방법을 처음부터 배울 수 있다.
이제 여러분은 시장에 연결돼 라이브 시장에서 알고리즘 트레이딩 전략을 연구하고, 구현하고, 평가하고, 안전하게 운용할 준비가 돼 있을 것이다.

이 책은 실전 알고리즘 트레이딩을 위한 기초 환경, 지식과 함께 백테스트 및 리스크 관리에 대한 기법과 노하우, 실전에서의 유의 사항을 전달한다. 또한 파이썬을 기반으로 간단한 트레이딩 시그널부터 시작해서 경제 이벤트 기반 및 변동성 조정의 알고리즘 트레이딩 전략 고급 기법을 활용하는 방법을 알려 주고, 이들을 머신러닝 기법과 어떻게 결합하는가에 이르기까지 보여 준다.
본래 알고리즘 트레이딩은 투자은행 트레이딩 부서에서 쓰이는 업계 전문용어이며, 주어진 주문을 시장 충격을 최대로 줄이면서 거래 비용을 최소화하는 거래 기법을 일컬었으나, 최근에는 기술적 알고리즘 트레이딩 전략 지표를 중심으로 하는 시스템 트레이딩도 포함해 광의의 뜻으로 사용되기도 한다. 이 책에서의 알고리즘 트레이딩은 시스템 트레이딩의 의미로 사용된다. 하지만 이 책이 기본적으로 기술적 지표를 이용한 전략을 설명하고 있음에도 이들 시그널을 트레이딩에 적용하는 여러 지침 및 주의 사항은 다른 어떠한 트레이딩 시그널을 실전에 적용해 거래할 때도 큰 도움이 될 것이다. 이 책은 알고리즘 트레이딩 또는 퀀트 투자를 처음 접하는 사람들이 트레이딩이나 투자에 대한 큰 지식이 없어도 읽을 수 있는 좋은 입문서라 생각하며, 다음 단계로 나가기 위한 디딤돌이 되리라 기대한다. 이 책에서 사용되는 프로그램들은 깃허브에 대부분 제공되고 있으며, 이들 프로그램들을 자신의 목적에 맞춰 수정하는 연습을 하면 실력 향상에 큰 도움이 될 것이다.

회원리뷰 (0건)

매주 10건의 우수리뷰를 선정하여 YES포인트 3만원을 드립니다.
3,000원 이상 구매 후 리뷰 작성 시 일반회원 300원, 마니아회원 600원의 YES포인트를 드립니다.
(CD/LP, DVD/Blu-ray, 패션 및 판매금지 상품, 예스24 앱스토어 상품 제외) 리뷰/한줄평 정책 자세히 보기 리뷰쓰기

실전 알고리즘 트레이딩 배우기 [파이썬으로 시작하는 알고리즘 트레이딩의 기초와 실전 전략]

■ 현대 알고리즘 트레이딩 시스템과 전략의 구성 요소 이해
■ 파이썬을 이용한 머신러닝의 알고리즘 트레이딩 시그널과 전략에의 적용
■ 평균 회귀, 추세 추종, 경제 지표 발표 등을 기반으로 한 트레이딩 전략의 구축, 시각화, 분석
■ 파이썬 트레이딩 전략을 위한 위험 관리 시스템의 계량화 및 구축
■ 트레이딩 봇의 성과를 향상시키고자 트레이딩 전략을 시뮬레이션하는 백테스터 구축
■ 라이브 시장에 트레이딩 전략을 배포하고 수익성 유지와 개선을 위한 운영

소프트웨어 엔지니어, 금융 거래자, 데이터 분석가, 기업가, 알고리즘 거래의 탐구를 시작하고 싶어 하는 모든 알고리즘 트레이딩 전략 사람을 위한 책이다. 알고리즘 트레이딩이 어떻게 작동하는지, 트레이딩 시스템의 모든 구성 요소가 무엇인지, 블랙박스와 그레이박스 거래에 필요한 프로토콜과 알고리즘, 완전히 자동화되고 수익성 있는 트레이딩 비즈니스 구축 방법을 알고 싶다면 이 책이 꼭 필요하다.

1장, ‘알고리즘 트레이딩의 기초’에서는 알고리즘 트레이딩이 무엇이며 알고리즘 트레이딩이 고빈도수 또는 낮은 지연 시간 거래와 어떻게 관련돼 있는지 설명한다. 규칙 기반에서 AI로 이어지는 알고리즘 거래의 진화를 살펴본다. 알고리즘 거래 개념, 자산 분류 및 계기 등 본질적인 내용을 다룰 것이다. 어떻게 알고리즘을 결정하는가를 배운다.
2장, ‘기술적 분석을 통한 시장 해석’에서는 몇 가지 인기 있는 기술적 분석 방법을 다루며, 시장 데이터의 분석에 적용하는 방법을 보여 준다. 시장 추세, 지지, 저항을 활용한 기초 알고리즘 트레이딩을 실시한다.
3장, ‘기초 머신러닝을 통한 시장 예측’에서는 여러 가지 간단한 회귀 및 분류 방법을 검토하고 구현하며, 트레이딩에 지도 통계적 학습 방법을 적용하는 것의 장점을 설명한다.
4장, ‘인간의 직관에 의한 고전적 트레이딩 전략’에서는 몇 가지 기본적인 알고리즘 전략(모멘텀, 추세, 평균회귀)을 살펴보고, 그 알고리즘 트레이딩 전략 작동과 장단점을 설명한다.
5장, ‘고급 알고리즘 전략’에서는 좀 더 진보된 접근 방식(통계적 차익 거래, 페어 상관관계)과 그들의 장단점을 검토해 기본적인 알고리즘 전략을 통합한다.
6장, ‘알고리즘 전략의 위험 관리’에서는 알고리즘 전략에서 위험(시장 위험, 운영 위험, 소프트웨어 알고리즘 트레이딩 전략 구현 버그)을 측정하고 관리하는 방법을 설명한다.
7장, ‘파이썬 트레이딩 시스템 구축’에서는 앞에서 만들어진 알고리즘에 기초해 거래 전략을 지원하는 기능적 구성 요소를 설명한다. 파이썬을 이용해 작은 트레이딩 시스템을 구축할 것이며, 앞에서 나온 알고리즘을 사용해 거래할 수 있는 트레이딩 시스템을 구축할 것이다.
8장, ‘트레이딩 거래소 연결’에서는 트레이딩 시스템의 통신 구성 요소를 설명한다. 파이썬에 있는 퀵픽스 라이브러리를 사용해서 거래 시스템을 실제 교환에 연결할 것이다.
9장, ‘파이썬 백테스트 시스템 구축’에서는 트레이딩 봇의 성능을 검증하고자 대량의 데이터로 테스트를 실행해 트레이딩 알고리즘을 향상시키는 방법을 설명한다. 모델이 구현되면 트레이딩 로봇이 트레이딩 인프라에서 예상대로 동작하는지 테스트(구현 관련 실수 확인)해야 한다.
10장, ‘변화하는 시장 참여자와 시장 조건 적응’에서는 실시간 거래 시장에 배포할 때 전략이 예상대로 수행되지 않는 이유를 논의하고, 전략 자체 또는 기본적인 가정 내에서 문제를 해결하는 예를 제공한다. 또한 잘 수행되고 있는 전략이 왜 성능 면에서 서서히 악화되는지를 논의하고, 이것을 어떻게 해결할 것인지 설명하는 몇 가지 간단한 예를 소개할 것이다.

오늘날에는 정교한 거래 신호, 예측 모델, 전략에 의존한다는 의미로 타인에 비해 빠르기만 해서는 유의한 경쟁 우위를 확보하기 점점 더 어려워지고 있다. 이 책에서는 광범위한 청중에게 현대 전자 거래 시장과 시장 참가자들의 운영 방식과 또한 파이썬을 사용해 실용적이고 수익성이 높은 알고리즘 거래 사업을 구축하는 모든 구성 요소를 설계, 구축, 운영하는 방법을 잘 이해하는 데 필요한 지식과 실제 경험을 제공한다.
책 전반에 걸쳐 작업을 수행하는 데 필요한 알고리즘 거래와 환경 설정을 소개한다. 자동화된 거래 프로젝트를 시작하기 전에 여러분이 필요로 하는 알고리즘 거래 사업의 핵심 요소와 질문들을 배운다.
후반에서는 계량적 거래 신호와 거래 전략이 어떻게 개발되는지 알게 될 것이다. 몇몇 잘 알려진 트레이딩 전략의 작동 방식과 구현법을 이해하게 될 것이다. 또한 변동성 전략, 경제지표 발표 전략, 통계적 차익 거래를 포함한 더 정교한 거래 전략을 이해하고, 실행하고, 분석할 것이다. 앞부분에서 구축한 알고리즘을 사용해 트레이딩 봇을 만드는 방법을 처음부터 배울 수 있다.
이제 여러분은 시장에 연결돼 라이브 시장에서 알고리즘 트레이딩 전략을 연구하고, 구현하고, 평가하고, 안전하게 운용할 준비가 돼 있을 것이다.

저자/역자 소개

오늘날에는 정교한 거래 신호, 예측 모델, 전략에 의존한다는 의미로 타인에 비해 빠르기만 해서는 유의한 경쟁 우위를 확보하기 점점 더 어려워지고 있다. 이 책에서는 광범위한 청중에게 현대 전자 거래 시장과 시장 참가자들의 운영 방식과 알고리즘 트레이딩 전략 또한 파이썬을 사용해 실용적이고 수익성이 높은 알고리즘 거래 사업을 구축하는 모든 구성 요소를 설계, 구축, 운영하는 방법을 잘 이해하는 데 필요한 지식과 실제 경험을 제공한다.
책 전반에 걸쳐 작업을 수행하는 데 필요한 알고리즘 거래와 환경 설정을 소개한다. 자동화된 거래 프로젝트를 시작하기 전에 여러분이 필요로 하는 알고리즘 거래 사업의 핵심 요소와 질문들을 배운다.
후반에서는 계량적 거래 신호와 거래 전략이 어떻게 개발되는지 알게 될 것이다. 몇몇 잘 알려진 트레이딩 전략의 작동 방식과 구현법을 이해하게 될 것이다. 또한 변동성 전략, 경제지표 발표 전략, 통계적 차익 거래를 포함한 더 정교한 거래 전략을 이해하고, 실행하고, 분석할 것이다. 앞부분에서 구축한 알고리즘을 사용해 트레이딩 봇을 만드는 방법을 처음부터 배울 수 있다.
이제 여러분은 시장에 연결돼 라이브 시장에서 알고리즘 트레이딩 전략을 연구하고, 구현하고, 평가하고, 안전하게 운용할 준비가 돼 있을 것이다.

세바스티앙 도나디오(Sebastien Donadio)

트레이데어(Tradair)의 최고 기술 책임자로 이 기술을 선도하는 책임을 맡고 있다. HC테크놀로지스의 소프트웨어 엔지니어링 팀장, 선 트레이딩(Sun Trading)의 계량적 트레이딩 전략 소프트웨어 개발업체인 고빈도 FX사의 파트너 겸 기술 이사로 재직하면서 국방부의 프로젝트 리더로 일하는 등 매우 다양한 전문 경험을 갖고 있다. 프랑스에 있는 동안 Bull SAS와 소시에테 제네랄(Societe Generale)의 IT 신용 리스크 관리자(Credit Risk Manager)로서 연구한 경험이 있다. 지난 10년 동안 시카고 대학교, 뉴욕 대학교, 컬럼비아 대학교에서 다양한 컴퓨터 과학 과정을 가르쳤다. 주로 기술을 다루는 것에 열정을 갖고 있으며, 스쿠버 다이빙 강사면서 경험 많은 암벽 등반가이기도 하다.

수라브 고쉬(Sourav Ghosh)

지난 10년 동안 몇몇 독점적인 고빈도 알고리즘 트레이딩 회사에서 일했다. 전 세계 여러 자산 클래스에 걸쳐 트레이딩 거래소를 위한 매우 낮은 지연 시간과 높은 처리량의 자동 트레이딩 시스템을 구축했다. 시장 조성을 위한 통계적 차익 거래와 가장 유동적인 글로벌 선물 계약의 거래 전략을 전문으로 한다. 시카고의 한 트레이딩 회사에서 정량적 개발자로 일하고 있다. 서던캘리포니아 대학교에서 컴퓨터 과학 석사 학위를 받았다. 관심 분야는 컴퓨터 아키텍처, 핀테크, 확률 이론과 확률적 프로세스, 통계적 학습과 추론 방법, 자연어 처리 등이다.

이 책은 실전 알고리즘 트레이딩을 위한 기초 환경, 지식과 함께 백테스트 및 리스크 관리에 대한 기법과 노하우, 실전에서의 유의 사항을 전달한다. 또한 파이썬을 기반으로 간단한 트레이딩 시그널부터 시작해서 경제 이벤트 기반 및 변동성 조정의 고급 기법을 활용하는 방법을 알려 주고, 이들을 머신러닝 기법과 어떻게 결합하는가에 이르기까지 보여 준다.
본래 알고리즘 트레이딩은 투자은행 트레이딩 부서에서 쓰이는 업계 전문용어이며, 주어진 주문을 시장 충격을 최대로 줄이면서 거래 비용을 최소화하는 거래 기법을 일컬었으나, 최근에는 기술적 지표를 중심으로 하는 시스템 트레이딩도 포함해 광의의 뜻으로 사용되기도 한다. 이 책에서의 알고리즘 트레이딩은 시스템 트레이딩의 의미로 사용된다. 하지만 이 책이 기본적으로 기술적 지표를 이용한 전략을 설명하고 있음에도 이들 시그널을 트레이딩에 적용하는 여러 지침 및 주의 사항은 다른 어떠한 트레이딩 시그널을 실전에 적용해 거래할 때도 큰 도움이 될 것이다. 이 책은 알고리즘 트레이딩 또는 퀀트 투자를 처음 접하는 사람들이 트레이딩이나 투자에 대한 큰 지식이 없어도 읽을 수 있는 좋은 입문서라 생각하며, 다음 단계로 나가기 위한 디딤돌이 되리라 기대한다. 이 책에서 사용되는 프로그램들은 깃허브에 대부분 제공되고 있으며, 이들 프로그램들을 자신의 목적에 맞춰 수정하는 연습을 하면 실력 향상에 큰 도움이 될 것이다.

카네기멜론 대학교에서 석사 학위를 받았고, 피츠버그 대학교 Finance Ph.D, CFA, FRM이며 금융, 투자, 경제분석 전문가다. 삼성생명, HSBC, 새마을금고 중앙회, 한국투자공사 등과 같은 국내 유수의 금융 기관, 금융 공기업에서 자산운용 포트폴리오 매니저로 근무했으며, 현재 딥러닝과 강화학습을 금융에 접목시켜 이를 전파하고 저변을 확대하는 것을 보람으로 삼고 있다. 저서(공저)로는 『엑셀 VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초 해석학』(길벗, 2018)과 에이콘출판사에서 펴낸 『핸즈온 머신러닝•딥러닝 알고리즘 트레이딩』(2019), 『실용 최적화 알고리즘』(2020), 『초과 수익을 찾아서 2/e』(2020), 『자산운용을 위한 금융 머신러닝』(2020) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

ScienceON Chatbot

본 연구는 다수 트레이딩 전략으로 구성된 포트폴리오에서의 손익 예측모델을 통한 전략 선정 알고리즘에 관한 연구이다. 최근 주식시장의 방향성 및 변동성을 예측하기 위해 기계학습을 통한 모델 수립 및 활용에 관한 연구가 활발히 진행이 되고 있다. 그러나 개별 전략의 손익 데이터를 통해 각 전략만의 특성을 활용하여 포트폴리오에 일별 편입 여부를 결정하는 연구는 미흡하였다. 이에 본 연구에서는 기계학습을 통해 전략 포트폴리오 내에서 개별 전략의 일별 편입을 결정하는 모델을 개발하고자 한다. 기계학습 예측 모델 중 지도 학습 모델로서 의사결.

본 연구는 다수 트레이딩 전략으로 구성된 포트폴리오에서의 손익 예측모델을 통한 전략 선정 알고리즘에 관한 연구이다. 최근 주식시장의 방향성 및 변동성을 예측하기 위해 기계학습을 통한 모델 수립 및 활용에 관한 연구가 활발히 진행이 되고 있다. 그러나 개별 전략의 손익 데이터를 통해 각 전략만의 특성을 활용하여 포트폴리오에 일별 편입 여부를 결정하는 연구는 미흡하였다. 이에 본 연구에서는 기계학습을 통해 전략 포트폴리오 내에서 개별 전략의 일별 편입을 결정하는 모델을 개발하고자 한다. 기계학습 예측 모델 중 지도 학습 모델로서 의사결정 트리의 과대적합의 문제가 개선된 랜덤 포레스트(Random Forest) 모델과 분류 예측 방법론에서 일반화 능력이 우수하다고 평가 받는 서포트 벡터 머신(SVM)기법을 활용하여 전략 포트폴리오 구성에 있어서, 각 모델의 장점을 활용할 수 있도록 하는 연구를 수행하였다. 트레이딩 전략은 정해진 규칙의 특성에 따라 투자시장의 변동에 영향을 받아 손익이 결정되므로 전략에는 시장의 정보가 내재되어 있다고 가정한다. 전략의 과거 손익 데이터를 분석함으로서 다음날의 손익을 예측하고, 나아가 전략의 일별 사용 여부를 결정하도록 한다. 최종적으로 선정된 전략으로만 이루어진 포트폴리오로 수익을 향상시키고, 리스크 노출 감소 및 여분 투자금의 분산 투자를 더욱 용이하게 할 수 있는 트레이딩 시스템 개발이 목적이다. 본 연구는 이러한 의사결정을 돕기 위해 KOSPI200 선물 데이트레이딩 전략의 2000년부터 2015년까지의 손익 데이터를 수집하였으며, 통계분석 툴인 R을 활용하여 연구를 수행하였다. 랜덤 포레스트(Random Forest)및 서포트 벡터 머신(SVM)모델을 활용한 결과는 개별 전략의 일별 편입 여부를 결정한 동적인 전략 포트폴리오가 기존 정적인 전략 포트폴리오 방식에 비해 거래일수와 표준편차, 최대 손실폭은 감소하였고, 손익과 승률, Sharp Ratio는 증가 하였다.

Abstract
▼

This research studies a strategy selection algorithm through profit or loss prediction model in a trade portfolio with multiple strategies. Recently, studies on designing and utilizing machine learning models to predict the direction and the volatility of the stock market have been actively performe.

This research studies a strategy selection algorithm through profit or loss prediction model in a trade portfolio with multiple strategies. Recently, studies on designing and utilizing machine learning models to predict the direction and 알고리즘 트레이딩 전략 the volatility of the stock market have been actively performed. However, researches to decide whether to include a strategy to their strategy portfolios everyday using profit and loss data of individual strategies, the characteristics of each strategy, were not sufficient. Therefore, the aim of this study is designing the optimal model to daily determine adding individual strategies to the strategies portfolio through machine learning. Among the machine learning prediction models, Random forest model improved an excessive adaptation problems in the decision tree induction and Support Vector Machine techniques to be evaluated for a better generalization performance in the classification of forecasting techniques, were selected for this research in order to take advantage of the benefits of each model in formulating portfolio strategies. It is assumed that market information was imbedded in the trading strategy because determination of profit and loss is influenced by the market variation. Analyzation on the historical profit and loss data in the strategy predicts the gain or loss on the following day, and determines everyday whether to use strategies or not. Finally, it is the aim of this research to enhance trading 알고리즘 트레이딩 전략 system that can reduce risk exposure and facilitate greater portfolio diversification. Profit and loss data of KOSPI200 Futures Day Trading Strategy from 2000 to 2015 were collected and R, a statistical analysis tool, is used for analyzing. This paper using Random Forest and the SVM model shows that trading frequency, standard deviation, and maximum drawdown reduced; income, Percent Profitable and Sharp Ratio in the dynamic strategy portfolio increased compared to traditional static strategy portfolio approach.