본문 바로가기

추천 검색어

실시간 인기 검색어

금융 머신러닝

이론에서 실전까지
에이콘출판 · 2022년 01월 11일 출시
10.0 (1개의 리뷰)
추천해요 (100%의 구매자)
  • 금융 머신러닝 대표 이미지
    금융 머신러닝 대표 이미지
  • A4
    사이즈 비교
    210x297
    164x243
    단위 : mm
MD의 선택 무료배송 사은품 이벤트 소득공제
10% 54,000 60,000
적립/혜택
3,000P

기본적립

5% 적립 3,000P

추가적립

  • 5만원 이상 구매 시 추가 2,000P
  • 3만원 이상 구매 시, 등급별 2~4% 추가 최대 3,000P
  • 리뷰 작성 시, e교환권 추가 최대 300원
배송안내
무료배송
배송비 안내
국내도서 / 외국도서
도서만 1만 원 이상 구매 시 무료배송
도서 + 잡지 / 만화 / :K컬렉션을 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

잡지 / 만화 / :K컬렉션 (교보배송)
각각 구매하거나 함께 2만 원 이상 구매 시 무료배송

2만원 미만 시 2,000원 배송비 부과

해외주문 서양도서 / 해외주문 일본도서 (교보배송)
각각 구매하거나 함께 1만 원 이상 구매 시 무료배송

1만원 미만 시 2,000원 배송비 부과

업체배송 상품 (전집, GIFT, 음반 / DVD 등)
중고장터 상품
해당 상품 상세페이지 "배송비" 참고 (업체 별/판매자 별 무료배송 기준 다름)
바로드림 오늘배송
업체에서 별도 배송하여 1Box당 배송비 2,500원 부과

1Box 기준 : 도서 10권

그 외 무료배송 기준
바로드림, eBook 상품을 주문한 경우, 플래티넘/골드/실버회원 무료배송쿠폰 이용하여 주문한 경우, 무료배송 등록 상품을 주문한 경우
주문정보를 불러오는 중입니다.
서울시 종로구 종로 1

알림 신청하시면 원하시는 정보를
받아 보실 수 있습니다.

해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.

패키지

북카드

키워드 Pick

키워드 Pick 안내

관심 키워드를 주제로 다른 연관 도서를 다양하게 찾아 볼 수 있는 서비스로, 클릭 시 관심 키워드를 주제로 한 다양한 책으로 이동할 수 있습니다.
키워드는 최근 많이 찾는 순으로 정렬됩니다.

금융 머신러닝 상세 이미지
머신러닝 방법을 금융에 도입하는 혁신적인 방법을 보여준다. 총 3부로 구성되며 각각 이론과 실전 응용을 다룬다. 1부는 베이지안과 빈도주의 각각의 관점에서 횡단면 데이터 분석을 위한 지도학습 방법론을 설명하고, 고급 기법인 가우시안 프로세스 및 딥러닝을 투자 관리와 파생상품 모델링에 적용하는 예제를 보여준다. 2부는 금융 시계열 데이터에 대한 다양한 지도학습 방법을 트레이딩과 확률적 변동성 및 고정소득 분석에 적용하는 것을 알려준다. 마지막으로 3부에서는 최첨단의 강화학습 및 역강화학습의 트레이딩, 투자 및 자산관리에의 응용을 제시한다. 결정적으로 마지막 장에서 미래 연구를 위해 금융에서의 머신러닝의 최첨단 분야를 제시하며 물리학과의 대통합을 시도한다. 이해를 돕기 위해 파이썬 코드 예제들을 제공한다.
선정 및 수상내역
2022년 대한민국학술원 우수학술도서 선정도서

작가정보

저자(글) 매튜 딕슨

Matthew F. Dixon
일리노이 공과대학의 응용수학 조교수다. 인텔에서 지원하는 금융을 위한 컴퓨터 방법을 연구하고 있다. 계량 트레이딩과 위험 모델링에 관한 학문과 금융 기관을 위한 컨설팅을 하기 전에는 런던에 있는 리먼 브라더스에서 신용거래 구조화 업무를 했다. 임페리얼 칼리지에서 응용수학 박사 학위를 취득했으며, 스탠포드 대학교와 UC 데이비스에서 박사후 교수와 초빙 교수로 임용됐다. 머신러닝과 금융 모델링에 관한 동료 리뷰 출판물을 20여 편 출판했고, 블룸버그 마켓과 파이낸셜타임스에서 핀테크 전문가로 꼽혔으며 실리콘밸리와 월스트리트에서 자주 초청받는 강연자로 활동하고 있다. R 패키지를 공개하고 Google Summer of Code에서 멘토도 활동했으며 탈레시안사(Thalesians Ltd.)의 공동 설립자다.

저자(글) 이고르 핼퍼린

Igor Halperin
NYU의 금융공학 연구 교수며, 피델리티 인베스트먼트(Fidelity Investment)의 AI 연구원이다. 이전에 JP모건에서 거의 15년 동안 퀀트 리서치의 전무이사였다. 텔아비브 대학교에서 이론 물리학 박사 학위를 받았다. 금융 산업에 합류하기 전에 테크니온과 브리티시컬럼비아 대학교에서 이론 물리학 박사 학위를 받았다.

저자(글) 폴 빌로콘

Paul Bilokon
탈레시안사의 CEO이자 설립자로, 여러 자산 클래스에 걸친 전자 및 알고리듬 트레이딩 전문가이며, 도이체뱅크와 씨티그룹에서 이러한 사업을 구축하는 데 도움을 줬다. 전자 트레이딩에 집중하기 전에는 파생상품에 관해 일했으며 노무라, 리먼 브라더스, 모건 스탠리에서 퀀트 역할을 해왔다. 크라이스트 처치 대학(Christ Church College), 옥스포드(Oxford), 임페리얼 칼리지(Imperial College)에서 교육을 받았다. 수학 및 계량 금융뿐만 아니라 머신러닝과 수학 논리에 관심이 많다.

번역 이기홍

카네기멜론 대학교에서 석사학위를 받았고, 피츠버그 대학교의 Finance Ph.D, CFA, FRM이며,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 『엑셀VBA로 쉽게 배우는 금융공학 프로그래밍』(한빛미디어, 2009)이 있으며, 번역서로는 『포트폴리오 성공 운용』(미래에셋투자교육연구소, 2010), 『딥러닝 부트캠프 with 케라스』(길벗, 2017), 『프로그래머를 위한 기초해석학』(길벗, 2018)과 에이콘출판사에서 출간한 『실용 최적화 알고리즘』(2020), 『초과수익을 찾아서2/e』(2020), 『자산운용을 위한 금융 머신러닝』(2021), 『실전 알고리즘 트레이딩 배우기』(2021), 『존 헐의 비즈니스 금융 머신러닝 2/e』(2021), 『퀀트 투자를 위한 머신러닝ㆍ딥러닝 알고리듬 트레이딩 2/e』(2021) 등이 있다. 누구나 자유롭게 머신러닝과 딥러닝을 자신의 연구나 업무에 적용해 활용하는 그날이 오기를 바라며 매진하고 있다.

작가의 말

금융에서의 머신러닝은 패턴 인식, 금융 계량경제학, 통계 컴퓨팅, 확률 프로그래밍, 동적 프로그래밍을 포함한 다수의 새로운 분야의 교차점에 위치한다. 계산 자원과 대규모 데이터 세트가 증가하는 추세와 함께 머신러닝은 오픈소스 머신러닝 툴킷으로 제공되는 플러그앤플레이 알고리듬에 중점을 두고 컴퓨팅 엔지니어링 분야의 핵심으로 성장했다. 알고리듬 거래와 같은 알고리듬에 초점을 맞춘 금융 영역이 주로 머신러닝 기술을 채택했지만 공학에 기반을 둔 연구 단체와 기업 활동의 영역을 벗어나면 머신러닝의 많은 부분은 여전히 미스터리로 남아 있다. 공학을 전공하지 않은 학생과 실무자의 머신러닝을 이해하는 데 있어 핵심적인 장벽은 금융 시계열 분석에 적합한, 잘 확립된 이론과 개념이 없다는 것이다. 이것들은 금융 모델링 직관과 과학적 추론의 발전에서 기초 역할을 한다. 더욱이 머신러닝은 공학 실재론(ontology)에 크게 정착돼 있어 수학, 통계, 물리학, 경제 같은 계량적 분야의 학생, 학자, 금융 실무자들이 어느 정도 지적 접근을 할 수 없게끔 만든다. 결과적으로 이 분야에 필요한 능력에 대해 많은 오해가 있으며 이해하더라도 제한적이다. 머신러닝 기법은 종종 효과적이지만 여전히 제대로 이해되지 않고 종종 수학적으로 받아들여지기 어렵다. 시계열 분석, 계량경제학, 수학 통계에서 좀 더 기초적인 이론의 맥락에서 머신러닝 분야의 핵심 개념을 어떻게 배치할 것인가? 심층 신경망과 같은 고급 머신러닝 기법이 선형회귀와 같은 잘 알려진 통계 모델과 수학적으로 동등한 조건인 것은 어느 조건에서인가? 서로 다른 금융 애플리케이션에 대한 좀 더 전통적인 계량경제학 방법에 비해 머신러닝 학습 방법을 사용함으로써 얻을 수 있는 이익에 대해 어떻게 추론해야 하는가? 어떤 이론이 금융 모델링 문제에 머신러닝의 적용을 지원하는가? 강화학습은 파생상품 가격 결정을 위한 블랙-숄즈-머튼(Black-Scholes-Merton) 모델에 모델 독립적 접근 방식을 어떻게 제공하고 있는가? Q 러닝은 금융에서 이산 시간 확률적 제어 문제를 어떻게 일반화하는가? 이 책은 계량 금융 분야의 퀀트와 데이터 과학자 외에 금융 경제학, 경영학, 응용통계학 분야의 고급 대학원생과 학자를 대상으로 작성됐다. 우리는 머신러닝을 데이터, 정규화, 편향-분산 트레이드오프를 제어하기 위한 기법의 새로운 알고리듬 표현에 중점을 두고 금융 경제학과 동적 프로그래밍 같은 계량경제학의 다양한 주제에 대한 비선형 확장으로 제시해 표본 외 예측 개선을 유도한다. 이 책은 이론과 응용을 다루는 세 부분으로 나눠져 있다. 첫 번째 부분은 베이지안과 빈도주의의 관점에서 횡단면 데이터에 대한 지도학습을 제시한다. 좀 더 진보된 내용으로 투자 관리 및 파생상품 모델에 대해 가우시안 프로세스뿐 아니라 딥러닝을 포함한 신경망의 중요성을 강조한다. 두 번째 부분에서는 시계열 데이터에 대한 지도학습을 다룬다. 이는 거래, 확률적 변동성, 고정 소득 모델링의 예에서 보듯이 금융에 사용되는 가장 일반적인 데이터 유형이다. 마지막으로 세 번째 부분에서는 강화학습과 트레이딩, 투자, 자산 관리에 대한 응용을 다룬다. 이 책은 방법론과 애플리케이션에 대한 독자의 이해를 돕고자 파이썬 코드 예를 제공한다. 이 새로운 분야의 연구를 위한 가교로, 이 책은 연구자의 관점에서 금융에서의 머신러닝의 최전선 경계를 제시해 통계 물리학에서 잘 알려진 개념들이 금융에서 머신러닝을 위한 연구 주제로 얼마나 많이 등장할 가능성이 있는지를 강조한다.

목차

  • 1부. 횡단면 데이터를 사용한 머신러닝

    1장. 정보 이론 입문
    1. 배경
    1.1 빅데이터: 금융 분야의 빅 컴퓨팅
    1.2 핀테크
    2. 머신러닝과 예측
    2.1 엔트로피
    2.2 신경망
    3. 통계 모델링과 머신러닝
    3.1 모델링 패러다임
    3.2 금융 계량경제학과 머신러닝
    3.3 과적합
    4. 강화학습
    5. 지도 머신러닝 실제 사례
    5.1 알고리듬 트레이딩
    5.2 고빈도 트레이드 실행
    5.3 모기지 모델링
    6. 요약
    7. 연습문제
    부록
    참고 문헌

    2장. 확률 모델링
    1. 서론
    2. 베이지안 대 빈도주의 추정
    3. 데이터로부터 빈도주의 추정
    4. 추정량의 품질 평가: 편향과 분산
    5. 추정량에 대한 편향-분산 트레이드오프(딜레마)
    6. 데이터로부터 베이지안 추론
    6.1 더 정보성이 큰 사전분포: 베타 분포
    6.2 순차적 베이지안 업데이트
    6.3 고전적 또는 베이지안 추정 프레임워크 선택의 실무적 의미
    7. 모델 선택
    7.1 베이지안 추론
    7.2 모델 선택
    7.3 많은 모델이 있을 때 모델 선택
    7.4 오캠의 면도날
    7.5 모델 평균화
    8. 확률적 그래프 모델
    8.1 혼합 모델
    9. 요약
    10. 연습문제
    부록
    참고 문헌

    3장. 베이지안 회귀와 가우시안 프로세스
    1. 서론
    2. 선형회귀를 활용한 베이지안 추론
    2.1 최대 우도 추정
    2.2 베이지안 예측
    2.3 슈어 항등식
    3. 가우시안 프로세스 회귀
    3.1 금융에서 가우시안 프로세스
    3.2 가우시안 프로세스 회귀와 예측
    3.3 하이퍼파라미터 튜닝
    3.4 계산 특성
    4. 대규모 확장 가능 가우시안 프로세스
    4.1 구조 커널 보간(SKI)
    4.2 커널 근사
    5. 예제: 단일 GP를 활용한 가격 결정과 그릭 계산
    5.1 그릭 계산
    5.2 메시 프리 GP
    5.3 대규모 확장 가능 GP
    6. 다중 반응 가우시안 프로세스
    6.1 다중 출력 가우시안 프로세스 회귀와 예측
    7. 요약
    8. 연습문제
    8.1 프로그래밍 연관 문제
    부록
    참고 문헌

    4장. 순전파 신경망
    1. 서론
    2. 순전파 구조
    2.1 예비지식
    2.2 순전파 네트워크의 기하학적 해석
    2.3 확률적 추론
    2.4 딥러닝을 활용한 함수 근사*
    2.5 VC 차원
    2.6 신경망이 스플라인인 경우
    2.7 왜 심층 네트워크를 사용하는가?
    3. 볼록성과 부등식 제약식
    3.1 MLP와 다른 지도학습기와의 유사성
    4. 훈련, 검증, 테스트
    5. 확률적 그래디언트 하강법(SGD)
    5.1 역전파
    5.2 모멘텀
    6. 베이지안 신경망*
    7. 요약
    8. 연습문제
    8.1 프로그래밍 연관 문제*
    부록
    참고 문헌

    5장. 해석 가능성
    1. 서론
    2. 해석 가능성에 대한 배경
    2.1 민감도
    3. 신경망의 설명력
    3.1 다중 은닉층
    3.2 예제: 스텝 테스트
    4. 상호작용 효과
    4.1 예제: 프리드만 데이터
    5. 자코비안 분산에 대한 상한
    5.1 체르노프 상한
    5.2 시뮬레이션 예제
    6. 팩터 모델링
    6.1 비선형 팩터 모델
    6.2 펀더멘털 팩터 모델링
    7. 요약
    8. 연습문제
    8.1 프로그래밍 연관 문제
    부록
    참고 문헌


    2부. 순차적 학습

    6장. 시퀀스 모델링
    1. 서론
    2. 자기회귀 모델링
    2.1 예비지식
    2.2 자기회귀 프로세스
    2.3 안정성
    2.4 정상성
    2.5 편자기상관관계
    2.6 최대 우도 추정
    2.7 이분산성
    2.8 이동 평균 프로세스
    2.9 GARCH
    2.10 지수 평활화
    3. 시계열 모델 적합화: 박스-젠킨스 접근법
    3.1 정상성
    3.2 정상성을 보장하는 변환
    3.3 식별
    3.4 모델 진단
    4. 예측
    4.1 예측 이벤트
    4.2 시계열 교차 검증
    5. 주성분 분석
    5.1 주성분 투영
    5.2 차원 축소
    6. 요약
    7. 연습문제
    부록
    참고 문헌

    7장. 확률적 시퀀스 모델
    1. 서론
    2. 은닉 마르코프 모델링
    2.1 비터비 알고리듬
    2.2 상태-공간 모델
    3. 입자 필터링
    3.1 순차적 중요도 리샘플링(SIR)
    3.2 다항 리샘플링
    3.3 응용: 확률적 변동성 모델
    4. 확률적 필터의 점 보정
    5. 확률적 필터의 베이지안 보정
    6. 요약
    7. 연습문제
    부록
    참고 문헌

    8장. 고급 신경망
    1. 서론
    2. 순환 신경망
    2.1 RNN 메모리: 편자기공분산
    2.2 안정성
    2.3 정상성
    2.4 일반화된 신경망(GRNN)
    3. GRU
    3.1 α-RNNs
    3.2 신경망 지수 평활화
    3.3 LSTM
    4. 파이썬 노트북 예제
    4.1 비트코인 예측
    4.2 지정가 주문 호가창으로부터 예측
    5. 합성곱 신경망
    5.1 가중 이동 평균 평활기
    5.2 2D 합성곱
    5.3 풀링
    5.4 팽창 합성곱
    5.5 파이썬 노트북
    6. 오토인토더
    6.1 선형 오토인코더
    6.2 선형 오토인코더와 PCA의 동등성
    6.3 딥 오토인코더
    7. 요약
    8. 연습문제
    8.1 프로그래밍 관련 질문*
    부록
    참고 문헌


    3부. 순차적 데이터와 의사결정

    9장 강화학습 소개
    1. 서론
    2. 강화학습의 요소
    2.1 보상
    2.2 가치와 정책 함수
    2.3 관측 가능 대 부분 관측 가능 환경
    3. 마르코프 의사결정 프로세스
    3.1 의사결정 정책
    3.2 가치 함수와 벨만 방정식
    3.3 최적 정책과 벨만 최적성
    4. 동적 프로그래밍 방법
    4.1 정책 평가
    4.2 정책 반복
    4.3 가치 반복
    5. 강화학습법
    5.1 몬테카를로 방법
    5.2 정책 기반 학습
    5.3 시간 차이 학습
    5.4 SARSA와 Q 러닝
    5.5 확률 근사와 배치 모드 Q 러닝
    5.6 연속 공간에서의 Q 러닝: 함수근사
    5.7 배치 모드 Q 러닝
    5.8 최소 자승 정책 반복
    5.9 심층 강화학습
    6. 요약
    7. 연습문제
    부록
    참고 문헌

    10장. 강화학습 응용
    1. 서론
    2. 옵션 가격 결정을 위한 QLBS
    3. 이산 시간 블랙-숄즈-머튼 모델
    3.1 헷징 포트폴리오 평가
    3.2 최적 헷징 전략
    3.3 이산 시간에서의 옵션 가격 결정
    3.4 BS 극한에서의 헷징과 가격 결정
    4. QLBS 모델
    4.1 상태 변수
    4.2 벨만 방정식
    4.3 최적 정책
    4.4 DP 해: 몬테카를로 구현
    4.5 QLBS에 대한 RL 해: 적합화된 Q 반복(FQI)
    4.6 예제
    4.7 옵션 포트폴리오
    4.8 가능한 확장
    5. 주식 포트폴리오를 위한 G-러닝
    5.1 서론
    5.2 투자 포트폴리오
    5.3 최종 조건
    5.4 자산 수익률 모델
    5.5 시그널 동학과 상태 공간
    5.6 1기간 보상
    5.7 다기간 포트폴리오 최적화
    5.8 확률적 정책
    5.9 준거 정책
    5.10 벨만 최적 방정식
    5.11 엔트로피 규제화 벨만 최적성 방정식
    5.12 G-함수: 엔트로피 규제화 Q 함수
    5.13 G-러닝과 F-러닝
    5.14 시장 충격을 가진 포트폴리오 동학
    5.15 제로 함수 극한: 엔트로피 규제화를 가진 LQR
    5.16 영이 아닌 시장 충격: 비선형 동학
    6. 자산 관리를 위한 RL
    6.1 머튼 소비 문제
    6.2 확정 기여형 퇴직 플랜을 위한 포트폴리오 최적화
    6.3 은퇴 플랜 최적화를 위한 G-러닝
    6.4 논의
    7. 요약
    8. 연습문제
    부록
    참고 문헌

    11장. 역강화학습과 모방학습
    1. 서론
    2. 역강화학습
    2.1 RL 대 IRL
    2.2 IRL의 성공 기준은 무엇인가?
    2.3 진정으로 전이 가능한 보상 함수가 IRL로 학습될 수 있을까?
    3. 최대 엔트로피 역강화학습
    3.1 최대 엔트로피 원리
    3.2 최대 인과 엔트로피
    3.3 G-러닝과 소프트 Q 러닝
    3.4 최대 엔트로피 IRL
    3.5 분배 함수 추정
    4. 예제: 소비자 선호 추론을 위한 MaxEnt IRL
    4.1 IRL과 소비자 선택 문제
    4.2 소비자 효용 함수
    4.3 소비자 효용을 위한 최대 엔트로피 IRL
    4.4 데이터가 얼마나 필요한가? IRL과 관측 잡음
    4.5 반사실적 시뮬레이션
    4.6 MLE 추정량의 유한-샘플 속성
    4.7 논의
    5. 적대적 모방학습과 IRL
    5.1 모방학습
    5.2 GAIL: 적대적 생성 모방학습
    5.3 IRL에서 RL을 우회하는 기술로서의 GAIL
    5.4 GAIL에서의 실제적 규제화
    5.5 GAIL에서의 적대적 학습
    5.6 다른 적대적 접근법*
    5.7 f-발산 훈련*
    5.8 와서스타인 GAN*
    5.9 최소 제곱 GAN*
    6. GAIL을 넘어: AIRL, f-MAX, FAIRL, RS-GAIL 등*
    6.1 AIRL: 적대적 역강화학습
    6.2 전방 KL 또는 후방 KL?
    6.3 f-MAX
    6.4 순방향 KL: FAIRL
    6.5 리스크 민감 GAIL(RS-GAIL)
    6.6 요약
    7. 가우시안 프로세스 역강화학습
    7.1 베이지안 IRL
    7.2 가우시안 프로세스 IRL
    8. IRL은 교사를 능가할 수 있을까?
    8.1 실패로부터의 IRL
    8.2 학습 선호
    8.3 T-REX: 경로-순위 보상 외삽
    8.4 D-REX: 교란-기반 보상 외삽
    9. 금융 절벽 걷기를 위한 IRL의 시도
    9.1 최대 인과 엔트로피 IRL
    9.2 실패로부터 IRL
    9.3 T-REX
    9.4 요약
    10. IRL의 금융 응용
    10.1 알고리듬 트레이딩 전략 식별
    10.2 옵션 가격 결정을 위한 역강화학습
    10.3 G-러닝과 포트폴리오 투자가의 IRL
    10.4 감성 기반 트레이딩 전략을 위한 IRL과 보상학습
    10.5 IRL과 ‘보이지 않는 손’ 추론
    11. 요약
    12. 연습문제
    부록
    참고 문헌

    12장. 머신러닝과 금융의 최전선
    1. 서론
    2. 시장 동학, 역강화학습과 물리학
    2.1 ‘퀀텀 균형-불균형’(QED) 모델
    2.2 랑주뱅 방정식
    2.3 랑주뱅 방정식으로서 GBM 모델
    2.4 랑주뱅 방정식으로서 QED 모델
    2.5 금융 모델링에 대한 통찰력
    2.6 머신러닝에 대한 통찰력
    3. 물리학과 머신러닝
    3.1 딥러닝과 물리학에서의 계층적 표현
    3.2 텐서 네트워크
    3.3 불균형 환경에서의 제한된 합리적 에이전트
    4. 머신러닝의 ‘대통합’
    4.1 인지-행동 주기
    4.2 정보 이론과 강화학습의 접점
    4.3 강화학습과 지도학습: 예측, MuZero와 다른 새로운 아이디어
    참고 문헌

출판사 서평

◈ 이 책의 대상 독자 ◈

계량 금융, 데이터 과학, 분석, 핀테크 분야의 경력을 쌓으려는 데이터 과학, 수학 금융, 금융 공학, 경영 과학 연구 분야의 대학원생을 대상으로 한다. 선형 대수학, 다변량 미적분학, 고급 확률 이론, 확률 과정, 시계열 통계학(계량경제학)의 고학년 학부 과정을 이수하고 수치 최적화와 계산 수학에 대해 기본적으로 이해하고 있어야 한다. 이 책의 후반부에 있는 강화학습은 투자 과학에 대한 약간의 배경지식만 있다면 더 쉽게 접근할 수 있다. 또한 파이썬 프로그래밍에 대한 사전 경험이 있어야 하며, 이상적으로는 컴퓨터 금융 및 입문 머신러닝에 대한 강의를 듣는 것이 좋다. 이 책의 자료는 머신러닝에 대한 대부분의 과정보다 수학적이고 공학에 덜 집중돼 있으며, 이러한 이유로 길버트 스트랭(Gilbert Strang)의 최신 서적인 『딥러닝을 위한 선형대수학(Linear Algebra and Learning from Data)』을 기본으로 읽을 것을 추천한다.

◈ 이 책의 구성 ◈

1장
금융 산업의 머신러닝 필요성과 채택에 대한 고유한 장벽을 형성한 중요한 사건을 논의하며 금융 머신러닝의 산업 맥락을 짚는다. 머신러닝의 특성과 머신러닝이 실제로 어떻게 사용되는지를 보여주는 몇 가지 수학적 핵심 예를 살펴본다.

2장
확률적 모델링을 소개하고 베이지안 추론, 모델 선택, 온라인 학습, 베이지안 모델 평균화와 같은 베이지안 계량학의 기본 개념을 검토한다.

3장
베이지안 회귀분석을 소개하고 이전 장의 많은 개념을 어떻게 확장하는지 보여준다. 커널 기반 머신러닝 방법(특히 베이지안 머신러닝 방법의 중요한 클래스인 가우시안 프로세스 회귀)을 개발하고 파생상품 가격의 모델을 ‘대리’하기 위한 이들의 적용을 입증한다.

4장
지도학습, 딥러닝, 신경망에 대해 좀 더 심층적으로 설명하며, 기초적인 수학과 통계 학습 개념을 제시하고 이들이 트레이딩, 위험 관리, 투자 관리에서 실제 사례와 어떻게 관련돼 있는지 설명한다.

◈ 옮긴이의 말 ◈

금융업에 종사하면서 세계의 많은 석학과 유명 펀드 매니저들을 만났다. 특히 금융 퀀트 부문의 리서처와 매니저들을 접할 수 있는 기회가 있었다. 거듭 느끼는 것이지만 분야를 막론하고 투자 철학이 중요하며 그러한 투자 철학을 갖게 한 경험과 전통이 중요하다는 것을 깨닫는다. 한국인이 (최고로) 잘할 수 있는 분야가 자산 운용, 그중에서도 퀀트 분야라고 생각한다. 자유로이 연구하고 운용할 자원이 부족하며 전통과 경험이 미천하다는 약점 역시 존재한다. 이러한 상황을 타파하고자 독자들이 전통과 경험을 단기간에 뛰어넘기 위한 학습에 도움을 줄 수 있는 ‘금융 퀀트 머신러닝 융합’ 시리즈를 기획했다.
이 시리즈는 세 개의 기둥을 갖는데, 이 책은 그중 마지막 단계이자 세 번째 기둥이 돼 줄 작품이다. 첫 번째 기둥이 스테판 젠슨의 『퀀트 투자를 위한 머신러닝?딥러닝 알고리듬 트레이딩 2/e』이며 두 번째 기둥은 마르코스 로페즈 데 프라도 교수의 『실전 금융 머신러닝 완벽 분석』과 『자산 운용을 위한 금융 머신러닝』이다. 첫 번째 기둥이 일반적인 머신러닝/딥러닝 기법을 금융에 그대로 적용하고자 하는 시도를 담은 책이라면 두 번째 기둥은 머신러닝 자체보다는 머신러닝이 금융에 도입될 때 생겨날 수 있는 많은 문제를 다루며, 머신러닝적 사고를 통해 금융의 특수한 설정을 잘 반영함으로써 금융과 머신러닝의 결합이 더욱 유용할 수 있다는 것을 강조하고 있다.
세 번째 기둥은 오히려 고전적 경제학 및 금융의 입장에서 머신러닝과 딥러닝을 도입해 머신러닝을 오히려 금융적 관점에 해석하고 기존 금융 경제학을 발전시키고자 한다. 많은 머신러닝/딥러닝 및 심지어 물리학 개념이 도입됐음에도 불구하고 오히려 금융 경제학에 뿌리를 두고 있는 독자는 무엇인가 더 친근함을 느낄 것이다. 동시에 기존 금융 경제학이 머신러닝을 반영하면서 이런 방향으로 뻗어나가고 있구나 하는 것을 실감할 수 있을 것이다. 더 나아가서 고전 경제학과 금융이 기반을 두고 있는 물리학과 통계학의 많은 기존 개념 및 최신 이론을 머신러닝에 더욱 가미해서 금융적 맥락에서 성능을 더욱 발휘하게 만든다. 이번 기둥은 그야말로 ‘통합의 길’을 제시하고 있다. 이 시리즈의 완성본이라고도 할 수 있을 것이다. 기본적인 머신러닝과 딥러닝을 익힌 독자는 이 세 기둥을 통해 진정한 금융 퀀트의 길에 접어든다고 할 수 있다. 너무나 유익하고 재미있는 앞으로의 항로에 기대를 건다.


5장
신경망 설계에 최소한의 제한을 가하는 신경망 해석 방법을 제시한다. 특성 중요도에 순위를 매기는 방법을 포함해 순전파 신경망을 해석하는 기법을 시연한다.

6장
금융 계량경제학에서 가장 중요한 모델링 개념에 대한 개요를 제공한다.

7장
재무 데이터에 대한 강력한 종류의 확률적 모델을 제시한다. 다양한 알고리듬으로 금융에서의 은닉 마르코프 모델과 입자 필터의 간단한 예를 제시한다.

8장
금융 시계열 분석을 위한 다양한 신경망 모델을 제시하며, 이러한 모델이 금융 계량경제학에서 잘 알려진 기술과 어떻게 관련되는지 보여주는 예를 제공한다. 또한 시계열 데이터를 필터링하고 데이터의 다른 척도를 활용하기 위한 합성곱 신경망(CNN)도 제시한다. 마지막으로 오토인코더가 정보를 압축하고 주성분 분석을 일반화하는 데 어떻게 사용되는지 보여준다.

9장
마르코프 의사결정 프로세스와 동적 프로그래밍의 고전적인 방법을 소개하고 강화학습의 아이디어와 MDP를 해결하기 위한 다른 근사 방법을 제공한다. Q 러닝으로 이동하기 전에 벨만 최적성, 반복 가치와 정책 업데이트를 설명한 후 탐욕, 배치 학습, Q 러닝과 같은 주요 계산 개념을 다루면서 주제에 대한 좀 더 엔지니어링 스타일의 설명으로 빠르게 진행한다.

10장
앞서 제시한 이론을 발전시키고 더불어 금융에 대한 강화학습을 실제로 적용해본다. 기존의 블랙-숄즈 모델을 Q 러닝을 이용한 데이터 중심 접근법으로 일반화하는 옵션 가격 결정 강화학습 접근법을 소개한다. 그런 다음 G-러닝이라는 Q 러닝의 확률론적 확장을 제시하고 동적 포트폴리오 최적화에 어떻게 사용할 수 있는지를 보여준다.

11장
역강화학습(IRL)과 모방학습(IL)의 가장 인기 있는 방법에 대한 개요를 살펴본다. 그런 다음 트레이딩 전략 식별, 감성 기반 트레이딩, 옵션 가격 결정, 포트폴리오 투자자의 추론, 시장 모델링에 대한 애플리케이션을 포함하는 계량 금융에서 IRL의 사용 사례를 살펴본다.

12장
계량 금융과 머신러닝에서 새롭게 부상하는 연구 주제를 설명한다. 에이전트의 인지-행동 주기의 두 가지 작업으로 지도학습과 강화학습의 통합을 다루며, 시장 역학 모델을 구성하고자 강화학습 방법을 사용하는 것도 다룬다. 또한 이러한 RL에서 영감을 받은 시장 모델에 대한 계산을 위한 몇 가지 고급 물리학 기반 접근법을 소개한다.

기본정보

상품정보
ISBN 9791161755939 ( 1161755934 )
쪽수 804쪽
크기
164 * 243 * 45 mm / 1341 g
총권수 1권
원서명/저자명 Machine Learning in Finance/Dixon, Matthew F.

Klover

Klover 리뷰 안내
교보를 애용해 주시는 고객님들이 남겨주신 평점과 감상을 바탕으로, 다양한 정보를 전달하는 교보문고의 리뷰 서비스입니다.
리워드 안내
구매 후 90일 이내에 평점과 10자 이상의 리뷰 작성 시 e교환권 200원을 적립해 드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다.
리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 리뷰 종류별로 구매한 아이디당 한 상품에 최초 1회 작성 건들에 대해서만 제공됩니다.
한달 후 리뷰
구매 후 30일~ 120일 이내에 작성된 두 번째 구매리뷰에 대해 한 달 후 리뷰로 인지하고 e교환권 100원을 추가 제공합니다.
운영 원칙 안내
Klover 리뷰를 통한 리뷰를 작성해 주셔서 감사합니다. 자유로운 의사 표현의 공간인 만큼 타인에 대한 배려를 부탁합니다.
일부 타인의 권리를 침해하거나 불편을 끼치는 것을 방지하기 위해 아래에 해당하는 Klover 리뷰는 별도의 통보 없이 삭제될 수 있습니다.
  • 도서나 타인에 대해 근거 없이 비방을 하거나 타인의 명예를 훼손할 수 있는 리뷰
  • 도서와 무관한 내용의 리뷰
  • 인신공격이나 욕설, 비속어, 혐오발언이 개재된 리뷰
  • 의성어나 의태어 등 내용의 의미가 없는 리뷰
신고하기
다른 고객이 작성리뷰에 대해 불쾌함을 느끼는 경우 신고를 할 수 있으며, 신고 자가 일정수준 이상 누적되면 작성하신 리뷰가 노출되지 않을 수 있습니다.

구매 후 리뷰 작성 시, e교환권 200원 적립

문장수집

문장수집 안내
문장수집은 고객님들이 직접 선정한 책의 좋은 문장을 보여주는 교보문고의 새로운 서비스입니다. 마음을 두드린 문장들을 기록하고 좋은 글귀들은 "좋아요“ 하여 모아보세요. 도서 문장과 무관한 내용 등록 시 별도 통보 없이 삭제될 수 있습니다.
리워드 안내
구매 후 90일 이내에 문장수집 작성 시 e교환권 100원을 적립해드립니다.
e교환권은 적립 일로부터 180일 동안 사용 가능합니다. 리워드는 작성 후 다음 날 제공되며, 발송 전 작성 시 발송 완료 후 익일 제공됩니다.
리워드는 한 상품에 최초 1회만 제공됩니다.
주문취소/반품/절판/품절 시 리워드 대상에서 제외됩니다.

구매 후 리뷰 작성 시, e교환권 100원 적립

이 책의 첫 기록을 남겨주세요

교환/반품/품절 안내

상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)

이벤트
TOP

저자 모두보기

매장별 재고 및 위치

할인쿠폰 다운로드

  • 쿠폰은 주문결제화면에서 사용 가능합니다.
  • 다운로드한 쿠폰은 마이 > 혜택/포인트 에서 확인 가능합니다.
  • 도서정가제 적용 대상 상품에 대해서는 정가의 10%까지 쿠폰 할인이 가능합니다.
  • 도서정가제 적용 대상 상품에 10% 할인이 되었다면, 해당 상품에는 사용하실 수
    없습니다.

적립예정포인트 안내

  • 통합포인트 안내

    • 통합포인트는 교보문고(인터넷, 매장), 핫트랙스(인터넷, 매장), 모바일 교보문고 등 다양한 곳에서 사용하실 수 있습니다.
    • 상품 주문 시, 해당 상품의 적립률에 따라 적립 예정 포인트가 자동 합산되고 주문하신 상품이 발송완료 된 후에 자동으로 적립됩니다.
    • 단, 쿠폰 및 마일리지, 통합포인트, e교환권 사용 시 적립 예정 통합포인트가 변동될 수 있으며 주문취소나 반품시에는 적립된 통합포인트가 다시 차감됩니다.
  • 통합포인트 적립 안내

    • 통합포인트는 도서정가제 범위 내에서 적용됩니다.
    • 추가적립 및 회원 혜택은 도서정가제 대상상품(국내도서, eBook등)으로만 주문시는 해당되지 않습니다.
  • 기본적립) 상품별 적립금액

    • 온라인교보문고에서 상품 구매시 상품의 적립률에 따라 적립됩니다.
    • 단 도서정가제 적용 대상인 국내도서,eBook은 15%내에서 할인율을 제외한 금액내로 적립됩니다.
  • 추가적립) 5만원 이상 구매시 통합포인트 2천원 추가적립

    • 5만원 이상 구매시 통합포인트 2천원 적립됩니다.
    • 도서정가제 예외상품(외서,음반,DVD,잡지(일부),기프트) 2천원 이상 포함시 적립 가능합니다.
    • 주문하신 상품이 전체 품절인 경우 적립되지 않습니다.
  • 회원혜택) 3만원이상 구매시 회원등급별 2~4% 추가적립

    • 회원등급이 플래티넘, 골드, 실버 등급의 경우 추가적립 됩니다.
    • 추가적립은 실결제액 기준(쿠폰 및 마일리지, 통합포인트, e교환권 사용액 제외) 3만원 이상일 경우 적립됩니다.
    • 주문 후 취소,반품분의 통합포인트는 단품별로 회수되며, 반품으로 인해 결제잔액이 3만원 미만으로 변경될 경우 추가 통합포인트는 전액 회수될 수 있습니다.

제휴 포인트 안내

제휴 포인트 사용

  • OK CASHBAG 10원 단위사용 (사용금액 제한없음)
  • GS&POINT 최대 10만 원 사용
더보기

구매방법 별 배송안내

배송 일정 안내

  • 출고 예정일은 주문상품의 결제(입금)가 확인되는 날 기준으로 상품을 준비하여 상품 포장 후 교보문고 물류센터에서 택배사로 전달하게 되는 예상 일자입니다.
  • 도착 예정일은 출고 예정일에서 택배사의 배송일 (약1~2일)이 더해진 날이며 연휴 및 토, 일, 공휴일을 제외한 근무일 기준입니다.
배송 일정 안내
출고예정일 도착예정일
1일이내 상품주문 후 2~3일 이내
2일이내 상품주문 후 3~4일 이내
3일이내 상품주문 후 4~5일 이내
4일이내 상품주문 후 5~6일 이내

연휴 및 토, 일, 공휴일은 제외됩니다.

당일배송 유의사항

  • 수도권 외 지역에서 선물포장하기 또는 사은품을 포함하여 주문할 경우 당일배송 불가
  • 회사에서 수령할 경우 당일배송 불가 (퇴근시간 이후 도착 또는 익일 배송 될 수 있음)
  • 무통장입금 주문 후 당일 배송 가능 시간 이후 입금된 경우 당일 배송 불가
  • 주문 후 배송지 변경 시 변경된 배송지에 따라 익일 배송될 수 있습니다.
  • 수도권 외 지역의 경우 효율적인 배송을 위해 각 지역 매장에서 택배를 발송하므로, 주문 시의 부록과 상이할 수 있습니다.
  • 각 지역 매장에서 재고 부족 시 재고 확보를 위해 당일 배송이 불가할 수 있습니다.

일반배송 시 유의사항

  • 날씨나 택배사의 사정에 따라 배송이 지연될 수 있습니다.
  • 수도권 외 지역 바로배송 서비스의 경우 경품 수령 선택 여부에 따라 도착 예정일이 변경됩니다.
  • 출고 예정일이 5일 이상인 상품의 경우(결제일로부터 7일 동안 미입고), 출판사 / 유통사 사정으로 품/절판 되어 구입이 어려울 수 있습니다. 이 경우 SMS, 메일로 알려드립니다.
  • 선물포장 주문 시 합배송 처리되며, 일부상품 품절 시 도착 예정일이 늦어질 수 있습니다.
  • 분철상품 주문 시 분철 작업으로 인해 기존 도착 예정일에 2일 정도 추가되며, 당일 배송, 해외 배송이 불가합니다.

해외주문 시 유의사항

  • 해외주문도서는 해외 거래처 사정에 의해 품절/지연될 수 있습니다.

Special order 주문 시 유의사항

  • 스페셜오더 도서나 일서 해외 주문 도서와 함께 주문 시 배송일이 이에 맞추어 지연되오니, 이점 유의해 주시기 바랍니다.

바로드림존에서 받기

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상 시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함 되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해 주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반 코너에서 수령확인이 가능합니다
  • 선물 받는 분의 휴대폰번호만 입력하신 후 결제하시면 받는 분 휴대폰으로 선물번호가 전달됩니다.
  • 문자를 받은 분께서는 마이 > 주문관리 > 모바일 선물내역 화면에서 선물번호와 배송지 정보를 입력하시면 선물주문이 완료되어 상품준비 및 배송이 진행됩니다.
  • 선물하기 결제하신 후 14일까지 받는 분이 선물번호를 등록하지 않으실 경우 주문은 자동취소 됩니다.
  • 또한 배송 전 상품이 품절 / 절판 될 경우 주문은 자동취소 됩니다.

바로드림 서비스 안내

  1. STEP 01
    매장 선택 후 바로드림 주문
  2. STEP 02
    준비완료 알림 시 매장 방문하기
  3. STEP 03
    바로드림존에서 주문상품 받기
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.
  1. STEP 01
    픽업박스에서 찾기 주문
  2. STEP 02
    도서준비완료 후 휴대폰으로 인증번호 전송
  3. STEP 03
    매장 방문하여 픽업박스에서 인증번호 입력 후 도서 픽업
  • 바로드림은 전국 교보문고 매장 및 교내서점에서 이용 가능합니다.
  • 잡지 및 일부 도서는 바로드림 이용이 불가합니다.
  • 각 매장 운영시간에 따라 바로드림 이용 시간이 달라질 수 있습니다.

수령 안내

  • 안내되는 재고수량은 서비스 운영 목적에 따라 상이할 수 있으므로 해당 매장에 문의해주시기 바랍니다.
  • 바로드림 주문 후 재고가 실시간 변동되어, 수령 예상시간에 수령이 어려울 수 있습니다.

취소/교환/반품 안내

  • 주문 후 7일간 찾아가지 않으시면, 자동으로 결제가 취소됩니다.
  • 취소된 금액은 결제수단의 승인취소 및 예치금으로 전환됩니다.
  • 교환/반품은 수령하신 매장에서만 가능합니다.

사은품 관련 안내

  • 바로드림 서비스는 일부 1+1 도서, 경품, 사은품 등이 포함되지 않습니다.

음반/DVD 바로드림시 유의사항

  • 음반/DVD 상품은 바로드림 주문 후 수령점 변경이 불가합니다. 주문 전 수령점을 꼭 확인해주세요.
  • 사은품(포스터,엽서 등)은 증정되지 않습니다.
  • 커버이미지 랜덤발매 음반은 버전 선택이 불가합니다.
  • 광화문점,강남점,대구점,영등포점,잠실점은 [직접 찾아 바로드림존 가기], [바로드림존에서 받기] 로 주문시 음반코너에서 수령확인이 가능합니다.

도서 소득공제 안내

  • 도서소득공제란?

    • 2018년 7월 1일 부터 근로소득자가 신용카드 등으로 도서구입 및 공연을 관람하기 위해 사용한 금액이 추가 공제됩니다. (추가 공제한도 100만원까지 인정)
      • 총 급여 7,000만 원 이하 근로소득자 중 신용카드, 직불카드 등 사용액이 총급여의 25%가 넘는 사람에게 적용
      • 현재 ‘신용카드 등 사용금액’의 소득 공제한도는 300만 원이고 신용카드사용액의 공제율은 15%이지만, 도서·공연 사용분은 추가로 100만 원의 소득 공제한도가 인정되고 공제율은 30%로 적용
      • 시행시기 이후 도서·공연 사용액에 대해서는 “2018년 귀속 근로소득 연말 정산”시기(19.1.15~)에 국세청 홈택스 연말정산간소화 서비스 제공
  • 도서 소득공제 대상

    • 도서(내서,외서,해외주문도서), eBook(구매)
    • 도서 소득공제 대상 상품에 수반되는 국내 배송비 (해외 배송비 제외)
      • 제외상품 : 잡지 등 정기 간행물, 음반, DVD, 기프트, eBook(대여,학술논문), 사은품, 선물포장, 책 그리고 꽃
      • 상품정보의 “소득공제” 표기를 참고하시기 바랍니다.
  • 도서 소득공제 가능 결제수단

    • 카드결제 : 신용카드(개인카드에 한함)
    • 현금결제 : 예치금, 교보e캐시(충전에한함), 해피머니상품권, 컬쳐캐쉬, 기프트 카드, 실시간계좌이체, 온라인입금
    • 간편결제 : 교보페이, 네이버페이, 삼성페이, 카카오페이, PAYCO, 토스, CHAI
      • 현금결제는 현금영수증을 개인소득공제용으로 신청 시에만 도서 소득공제 됩니다.
      • 교보e캐시 도서 소득공제 금액은 교보eBook > e캐시 > 충전/사용내역에서 확인 가능합니다.
      • SKpay, 휴대폰 결제, 교보캐시는 도서 소득공제 불가
  • 부분 취소 안내

    • 대상상품+제외상품을 주문하여 신용카드 "2회 결제하기"를 선택 한 경우, 부분취소/반품 시 예치금으로 환원됩니다.

      신용카드 결제 후 예치금으로 환원 된 경우 승인취소 되지 않습니다.

  • 도서 소득공제 불가 안내

    • 법인카드로 결제 한 경우
    • 현금영수증을 사업자증빙용으로 신청 한 경우
    • 분철신청시 발생되는 분철비용

알림 신청

아래의 알림 신청 시 원하시는 소식을 받아 보실 수 있습니다.
알림신청 취소는 마이룸 > 알림신청내역에서 가능합니다.

금융 머신러닝
이론에서 실전까지
한달 후 리뷰
/ 좋았어요
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 올해 주식 투자를 시작했다. 아무것도 모르고 초심자의 행운으로 분유값 정도를 벌고 나니, 조금 더 공부해보고 싶어져서 『초격차 투자법』을 구매했다.
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
기대가됩니다~
기대가됩니다~
기대가됩니다~
이 구매자의 첫 리뷰 보기
/ 좋았어요
하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까 예견해 본다. 책한권으로 등의 근육들이 오그라진 느낌에 아직도 느껴진다. 하루밤 사이 책한권을 읽은게 처음이듯 하다. 저녁나절 책을 집어든게 잘못이다. 마치 게임에 빠진 아이 처럼 잠을 잘수없게 만든다. 결말이 어쩌면 당연해보이는 듯 하여도 헤어나올수 없는 긴박함이 있다. 조만간 영화화되어지지 않을까..
작년까지만 해도 주식은 커녕 재테크에 관해 아무것도 모르다가 구매했어요! 저도 공부하고 싶어서 구매했어요~ 다같이 완독 도전해봐요! :)
기대가됩니다~
신고

신고 사유를 선택해주세요.
신고 내용은 이용약관 및 정책에 의해 처리됩니다.

허위 신고일 경우, 신고자의 서비스 활동이 제한될 수 있으니 유의하시어
신중하게 신고해주세요.

판형알림

  • A3 [297×420mm]
  • A4 [210×297mm]
  • A5 [148×210mm]
  • A6 [105×148mm]
  • B4 [257×364mm]
  • B5 [182×257mm]
  • B6 [128×182mm]
  • 8C [8절]
  • 기타 [가로×세로]