course thumbnail
  • 파이낸스
  • 중급, 고급

퀀트 머신러닝 : 데이터 사이언티스트가 알려주는 확실한 투자 전략

나만의 Advanced한 퀀트 전략을 가지고 싶은 예비 파이어족 투자자는 물론, 금융권 취업 포트폴리오를 제작하고자 하는 분들을 위한! 전통적인 투자 전략을 이기는 실전 퀀트 머신러닝

3기
22.11.13 ~ 23.01.15 (총 8회) 매주 일요일 10:00 ~ 13:00, 총 24시간

(12월 25일 휴강, 1월 1일 휴강)

퀀트 리서처 출신 금융 AI CEO 현강

퀀트 머신러닝 기초부터 해외 최신 논문까지
강화학습을 적용한 나만의 투자 전략 8주완성


확실한 수익을 창출하는 나만의 퀀트 전략 구현 첫걸음
지금 바로 함께하세요.

강의소개

퀀트 투자 전략에 머신러닝을 더하다!
금융 데이터 사이언티스트가 확실히 알려드립니다.

퀀트 머신러닝

01. 퀀트 투자로 실전 수익률을 높이고 싶은 분들을 위한 <이론 + 실습> 커리큘럼

멀티 팩터 모형, 자산 배분 등의 투자 알고리즘에 대한 이해부터 포트폴리오 최적화, 실전 트레이딩 프로젝트까지 진행합니다.

< AutoEncoder Asset Pricing Models: Line By Line>
< IPCA 기반 Multi-Factor Model 구현>
< Hierarchical Risk Parity 구현>, < AutoEncoder 기반 Deep Portfolio Optimization 구현>등을 직접 실습해보고 1:1로 피드백을 받을 수 있습니다.

02. 최신 연구 자료까지 다루는
퀀트 머신러닝의 A to Z

연간 수백만원 상당 & 총 10년치의 시장 데이터 뿐만 아니라 최신 연구 자료와 투자 동향까지 어디서도 듣기 힘든 정보들을 종강 후에도 커뮤니티 채널에서 빠르게 공유받을 수 있습니다.

03. 공학 출신 퀀트 리서처이자 데이터 과학 전문가와 함께 만드는 확실한 투자 포트폴리오.

직접 개발한 전략 운용 테스트에서 CAGR 19.01%, 실전 수익률 16.95%를 기록한 퀀트 공학 전문가가 함께 합니다.

 
 
 
 
온라인 강의 무료 제공

잠깐! 먼저 수강해야하는 온라인 강의가 있어요.

해당 분야에 대한 기초 지식이 부족하다면? 꼭 이 강의를 수강해야 해요!


본 강의에서
무엇을 얻어갈 수 있나요?

실제 수익률 17%, 공학 출신 퀀트 데이터 리서처의 노하우

  • 연 수백만원 상당의

    시장 데이터 제공

    단순 검색만으로는 금융 시장 데이터를 구하기는 어렵습니다. 퀀트 전략에 필요한 10년치 시장 데이터가 제공됩니다.

    퀀트 머신러닝
  • 실전에 바로 적용 가능한

    알고리즘 코드

    데이터가 있어도, 베이스 코드가 없어 내 전략을 세우기가 어려웠습니다. 본 강의에서 베이스 코드를 제작해보세요.

    퀀트 머신러닝
  • 국민연금이 만족한

    논문구현 및 적용

    퀀트 투자 기초부터 해외 주요 논문의 소스 구현까지 A to Z 모두 cover하는 국내 유일무의 강의!

    퀀트 머신러닝

르네상스 테크놀로지를 뛰어 넘는
나만의 머신러닝 퀀트 전략을 만들어 보세요!


본 강의가 특별한 이유는
무엇인가요?

1

핵심 내용과 최신 동향을 압축적으로 학습하는 8주 간의 마스터 코스!

르네상스 테크놀로지와 같이 성공적인 퀀트 머신러닝 알고리즘을 만들기 위해서는 퀀트 투자에 대한 근본적인 이해부터 머신러닝, 딥러닝 알고리즘의 이해, 그를 구현해낼 수 있는 스킬을 모두 동시에 갖추어야 합니다. 하지만 각각의 주제는 하나하나가 난이도가 높은 고급 주제입니다. 각각 따로 공부해서 어느 정도 경지에 도달했다 하더라도, 이를 연결지어 현실에서 진짜 결과를 만들어 내는 것과는 또 다른 문제입니다. 이 모든 내용을 동시에 배울 수 있는 유일한 강의입니다.

2

기초 이해부터 실습, 프로젝트, 네트워킹까지!
4-Step으로 구성된 커리큘럼

시장 및 퀀트 투자에 대한 이해는 물론, 전통적인 투자 전략과 대비되는 머신러닝 활용 전략의 차이를 모든 주차마다 간헐적으로 알려드립니다. 뿐만 아니라, 머리로만 이해했던 내용을 직접 내 손으로 실습도 해보고, 실전 프로젝트를 진행하여 수강생들끼리 네트워킹함으로써 예비 파이어족 간의 훌륭한 포트폴리오를 공유하실 수 있도록 커리큘럼을 구상했습니다.

3

2022년 상반기 결산 기준
실전 투자전략 수익률
16.95%!

2022년 상반기 결산 기준 실전 투자전략 수익률 16.95%, 시장 대비 초과수익률 약 30%의 실적을 보여주는 포트폴리오를 개발하신 강사님이 이 강의를 진행합니다. 컴퓨터 공학 박사 수료, 유명 게임사 N사와 에듀테크 스타트업의 데이터 사이언티스트를 거쳐 퀀트 플랫폼의 퀀트 리서쳐까지 경험하신 강사님으로부터 국민연금 임직원도 만족한 투자 노하우는 물론 금융공학적 스킬셋과 경험을 모두 가져가세요!

수강혜택

어디서도 들을 수 없는 이야기!
강사님과 실시간으로 소통하는 디스코드 커뮤니티 채널

1

30명이 넘는 기존 수강생분들이 이미 함께하고 있습니다. 퀀트 머신러닝, 더이상 혼자 고민하지 마세요!

2

러닝스푼즈 프라이빗 커뮤니티 채널, 오직 퀀트 머신러닝 수강생분들만 입장 가능합니다.

FAQ

강의에 대해
궁금한 점이 있으신가요?

Q. 오프라인으로만 진행하나요?

아뇨! 해당 과정은 오프라인 현장 강의와 온라인 라이브가 동시 진행됩니다.
소통 채널을 통해 녹화본도 함께 제공해드릴 예정입니다.
과정 진행 시간 동안 담당 매니저가 디스코드 채널을 운영할 예정이며, 강사님과도 디스코드 채널을 통해 언제든 소통하실 수 있습니다.

Q. 수강 시, 준비 사항은 어떤 것이 있을까요

실습을 위해 개인 PC가 꼭 필요합니다. OS는 Windows OS, Mac OS 모두 가능합니다.
또한 머신러닝 학습을 위해 파이썬 기초 문법 정도의 지식이 요구됩니다.
수강 전, 제공해드리는 무료 온라인 강의를 통해 파이썬 기초 문법 학습을 요청드립니다.

Q. 실제로 프로젝트도 같이 진행되는게 맞나요?

8주라는 시간동안 퀀트 머신러닝에 대한 다양한 학습을 압축하여 진행하다 보니, 프로젝트로 진행이 될 수 있습니다.
다만 강사님께서 제공해주시는 실습 자료와 지속적인 커뮤니케이션을 통해 충분히 만족스러운 결과를 가져가실 수 있을 것입니다.

수료하신 분들의 추가적인 후기는 어떤가요?

투자 분야에서 ML/DL이 어느정도까지 활용되고 있고, 최신 동향도 파악할 수 있는 좋은 시간이었습니다. 내용도 여러 차례 복습하고, Code도 꼼꼼히 살펴보고, 투자에서 접목해보겠습니다! 투자 철학과 네트워킹에 대한 대표님의 열정 또한 인상깊었습니다. 강의를 통해 저만의 research를 꾸려나갈 수 있게 된 것 같습니다. 감사히 잘 들었습니다.

박성민, AI 연구원

두 달이라는 짧은 시간 동안 핵심 적인 내용을 많이 배울 수 있어서 좋았습니다. 퀀트 머신러닝이라는 어려운 분야를 홀로 해보기에는 엄두가 안났었는데 이런 수준 높은 강의를 들을 수 있어서 매우 유익한 시간이었습니다. 배운 내용을 바탕으로 저만의 전략을 잘 만들어서 꼭 실전 투자까지 해보려고 합니다. 그동안 진심으로 감사했습니다!!

김민우, 직장인

"논문을 공부하는게 투자에 의미가 있을까?"라는 생각을 했었는데, 강사님께서 논문의 내용을 실 투자까지 연결하여 trial한 경험담을 들을 수 있었습니다. 또한 강사님 덕분에 퀀트와 머신러닝에 대한 틀이 잡혔습니다. 주신 자료를 바탕으로 각 ML을 이용한 퀀트전략을 더 깊게 공부해나갈 수 있을 것 같습니다. 방대한 내용을 최대한 쉽게 전달해주셔서 감사합니다 :)

강해진, 취준생

💡  본 강의를 수강하기 전, 안내사항

  • * 본 과정은 전체 오프라인 / 온라인 live 병행으로 진행되며, 녹화본은 제공되지 않습니다.
  • * 수강 신청 접수는 선착순으로 진행되며, 이후 과정이 조기 마감될 수 있습니다.
  • * 개강 안내는 모집 마감 2~3일 전 안내드립니다.
  • * 수강 시 개인 노트북이 필요합니다.
수강 대상

이런 분들은 꼭 들으셔야 해요!


직접 만든 advanced한 퀀트 전략으로 경제적 자유를 실천하고 싶은 분


투자 알고리즘 또는 트레이딩 프로그램을 만들고 싶으신 분


금융 데이터를 활용해 투자/취업 포트폴리오를 만들고 싶으신 분

강사소개

우리 강사님을 소개할게요!

퀀트 머신러닝
James Lee
이력사항
  • (현) 금융AI 스타트업 스토아컴퍼니 CEO
  • 머신러닝 기반 팩터 모델 연구 및 개발
  • 머신러닝 기반 포트폴리오 최적화 모델 연구 및 개발
  • 2022년 상반기 결산 기준 실전 투자전략 수익률 16.95% (시장 대비 초과수익률 약 30%)
  • (현) 숭실대학교 정보과학대학원 겸임교수
  • (전) 인텔리퀀트 퀀트 & 데이터사이언티스트
  • (전) 넥슨코리아 데이터사이언티스트
  • (전) Riiid! AI 사이언티스트
  • 성균관대학교 전자전기컴퓨터공학부 박사과정 수료

커리큘럼 (8)

  • 1회차. 퀀트 투자와 시장의 이해

    퀀트투자의 기초 개념에 대해 다룹니다. 퀀트의 종류는 매우 다양하고 방대합니다. 본 강의에서 다룰 퀀트투자의 범위와 개념에 대해 다룹니다.



    (이론)

    - 퀀트투자의 개념

    - 퀀트투자의 종류

    - 본 강의에서 주로 다룰 퀀트투자 기법의 소개

        - Multi-Factor Models

        - Asset Allocation

        - Macro / Micro forecast

        - Market anomalies

  • 2회차. 머신러닝과 딥러닝의 이해

    본격적으로 퀀트를 모델링하는 과정에 들어가기 앞 서, 먼저 머신러닝과 딥러닝 모델에 대한 기초적인 개념들을 학습할 필요가 있습니다. 이번 시간에는 머신러닝과 딥러닝의 기본 원리에 대해 알아보고, 본 강의에서 앞으로 다루게 될 조금 더 복잡한 모델들에 대해서도 간단히 알아본 이후, Colab 환경에서 실제 샘플 데이터 (주가차트)를 간단히 모델링 해보는 실습을 통해 머신러닝 구현과도 친숙해지는 시간을 가져보도록 합시다.



    (이론)

    - 머신러닝 / 딥러닝이란 무엇인가?

    - 머신러닝의 종류 – Supervised Learning, Un-Supervised Learning, Reinforcement Learning

    - discriminative model vs generative model

    - RNN, CNN이란 무엇인가?


    (실습)

    - Colab 환경에서 간단한 딥 뉴럴 네트워크 모델 구축해보기

    - 주가 차트 데이터에 RNN, CNN을 적용해보기

  • 3회차. Multi Factor Model

    멀티 팩터 (Multi-Factor) 모형은 주식의 수익률을 설명하는 팩터를 찾고, 해당 팩터들로 투자 대상을 선별하는 퀀트 알고리즘 입니다. 본 주차에서는 멀티 팩터 모형에 머신러닝을 접목하는 다양한 방법론들에 대해 학습합니다.



    (이론)

    - 멀티 팩터 모형의 이론적 배경  

    - 차원 축소 및 요약 알고리즘의 이론적 배경 (PCA / PIA / Auto-Encoder)

    - 차원 요약 알고리즘을 활용한 잠재 팩터의 추출

    - Autoencoder Asset Pricing Models


    (실습)

    - PCA / PIA 기반 멀티팩터 모형 구현

    - Autoencoder Asset Pricing Model 구현

  • 4회차. 추가 실습

    (실습)

    - AutoEncoder Asset Pricing Models: Line By Line 설명 및 고도화

    - IPCA 기반 Multi-Factor Model 구현

    - 실전 Multi-Factor 전략 구현

  • 5회차. 포트폴리오 이론과 최적화 알고리즘

    포트폴리오 이론 (Portfolio Theory)은 주어진 자산군들을 투자하는 최적의 투자 비중을 계산하는 방법론을 다룹니다. 본 주차에서는 포트폴리오 이론에 따른 최적화 알고리즘에 머신러닝을 접목시키는 다양한 방법론들에 대해 학습합니다.



    (이론)

    - 포트폴리오 이론에 대하여

    - 최적화 알고리즘에 대한 설명

         - 베이지안 최적화

    - AutoEncoder 기반의 포트폴리오 최적화 알고리즘

    - 강화학습 기반의 포트폴리오 최적화 알고리즘

    - Risk Parity 전략의 이해

    - Hierarchical Risk Parity에 대한 설명


    (실습) 

    - 베이지안 최적화 알고리즘을 통한 포트폴리오 최적화

    - AutoEncoder 알고리즘을 통한 포트폴리오 최적화

  • 6회차. 실전에서 사용하는 최적화와 트레이딩 알고리즘

    강화학습은 포트폴리오 최적화 이론 뿐 아니라 퀀트의 다양한 분야에서 활용되는 알고리즘 입니다. 본 주차에서는 강화학습의 이론적 배경과 포트폴리오 최적화 및 트레이딩 알고리즘에 어떻게 강화학습이 접목될 수 있는지 학습합니다.



    (이론)

    - 강화학습의 이론적 배경

    - 포트폴리오 최적화 이론에 대한 강화학습 접목

    - 트레이딩 파라미터 최적화에 대한 강화학습 접목


    (실습)

    - 강화학습을 통한 포트폴리오 최적화

    - 강화학습을 통한 트레이딩 파라미터 최적화

  • 7회차. 추가 실습

    (실습)

    - Hierarchical Risk Parity 상세 리뷰 및 구현

    - AutoEncoder 기반 Deep Portfolio Optimization 구현

    - Gerber Stats (By 해리 마코위츠) 구현

    - Gerber와 기존 머신러닝 (Risk-Parity, AE, 강화학습) 포트폴리오 최적화 접목

  • 8회차. 실전 투자 알고리즘 제작 프로젝트 & 네트워킹

    마지막 회차인 8주차에서는 실제 퀀트 투자 전략을 구현해보는 프로젝트를 진행합니다. 이후 해당 프로젝트 결과를 발표하고 피드백을 공유하는 시간을 통해 투자 경험을 향상시키는 시간을 가져봅니다.


    (실습) 

    - 실전 투자 전략 구현

        - 멀티팩터 모형 + 최적화 알고리즘 적용

        - 강화학습 기반 포트폴리오 및 파라미터 최적화

    - 실전 프로젝트 결과 발표 및 상호 피드백

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

오프라인 LIVE

퀀트 머신러닝 : 데이터 사이언티스트가 알려주는 확실한 투자 전략

매일 선착순 20명 한정! 할인가 확인하고 커리어 성장하세요!