강의탐색

AI, 금융, 공학, 파이낸셜, 모델링, 헷징, 리스크, 투자, 관리, 생성형, 인공지능, 퀀트, 머신러닝, 파이썬, 토치, 파이, 강사, 김주철, 연세대, 런어스, 교수, 연세대학교

데이터사이언스
누구나 수강 가능

AI 금융공학 : 인공지능을 활용한 파생상품 가치평가와 헷징

이제 파이낸셜도 LLM을 적극 도입하고 있습니다. 연세대학교 김주철 교수님이 직접 알려주는 LLM을 활용한 파이낸셜 모델링!

바로 수강

수강 기한: 90일간 수강

온라인

총 24강, 약 11시간 45분

강의 특징

이 강의를
선택해야 하는 이유

전통적인 Black-Scholes부터
딥러닝으로 리스크를 최소화하는 Deep Hedging 전략까지

전통 금융 모델과 딥 헷징 전략에 대한 기본적인 이해 뿐만 아니라 옵션 가격 및 헷징 전략 모델을 설계합니다.

최신 금융 AI 모델링을 활용한
수익 예측 알고리즘 & 트레이딩 시스템 구현

검증된 금융 AI 기법을 직접 구현하며 시장 변동성과 극단적 손실 가능성까지 고려한 정교한 리스크 관리 및 트레이딩 전략을 설계할 수 있습니다.

수익률과 리스크를 PnL 시뮬레이션으로 검증하는 전략 평가 실습

단순히 이론 학습만 하는 것이 아닌 실제 코드를 통해 딥 헷징 전략을 다양한 옵션 구조에 적용해보는 실습을 진행합니다.

강사 소개

최고에게
배워 보세요.

김주철

연세대학교 경제학부 교수

안녕하세요. AI 기술이 금융공학과 만날 수 있다고 느낀 순간부터, 저는 기존 Black-Scholes 모델의 한계를 넘는 방법을 고민해왔고, 그 과정에서 딥러닝 기반의 Deep Hedging이라는 새로운 접근을 연구하고 실무 적용하는 데 집중해왔습니다.

이 강의에서는 단순히 이론을 전달하는 것을 넘어, 실제 금융 데이터 위에서 AI 모델을 어떻게 설계하고, 그 전략이 시장에서 어떻게 작동하는지를 코드와 시뮬레이션으로 직접 확인할 수 있도록 안내해드릴 예정입니다.

기타 활동

"RNN 을 활용한 주식 포트폴리오의 Value-at-Risk 추정." 금융공학연구 22.2 (2023): 37-57.
"거래량 기준 정보거래확률 모형과 정보비대칭에 관한 연구." 금융공학연구 17.2 (2018): 145-169.

커리큘럼 요약

커리어 성장에
꼭 필요해요.

Overview: 금융 모델 진화 흐름과 학습 방향 설정

전통 금융공학의 한계를 인식하고, Deep Hedging 개념의 등장 배경과 글로벌 적용 사례(J.P. Morgan, QC Ware 등)를 통해 딥러닝 기반 리스크 전략이 왜 필요한지를 명확히 이해합니다.

Warm-up: 금융 확률 모델링의 기초 다지기

변동성(Volatility)의 정의와 계산법, 실제 자산 가격 변화와의 관계를 이해하고, 랜덤워크(Random Walk)를 통해 주가의 확률적 움직임을 모델링합니다. 이 후 금융 시계열 데이터의 불확실성과 분산을 시각화 해보는 실습을 진행합니다.

Black-Scholes World: 전통 모델 이해와 Delta Hedging 전략

전통적인 금융 모형과 Delta Hedging 전략과 손익(PnL) 변화 구조를 이해하고, 실제로 pfhedge를 사용해 옵션 가격과 헷징 전략을 시뮬레이션할 수 있는 역량을 갖춥니다.

Neural Network 101: 딥러닝 기초

Softmax, Negative Log-Likelihood(NLL) 등의 개념을 학습하고, Deep Hedging 전략 구현에 필요한 브로드캐스팅, 벡터 연산, 자동 미분 등 기초 연산을 실습합니다.

Deep Hedging: 전략 설계와 리스크 최소화

리스크를 최소화하는 딥러닝 기반 전략을 Entropic Risk Measure 및 Loss Function을 통해 직접 설계합니다. prev_hedge 상태값과 GPU 환경을 활용해 실제 시장 제약(과거 포지션, 계산 효율성 등)을 반영한 모델을 구현합니다.

Applications: 금융 AI 전략의 실제 적용

Deep Hedging 전략을 다양한 옵션 구조에 적용해보고, 자산 시뮬레이션 및 시장 가격/모델 가격 간의 오차를 최소화하는 실습을 진행합니다.

수강대상

이런 분들에게
추천합니다.

퀀트 애널리스트 및 리스크 관리 실무자

전통 금융 모델의 한계를 뛰어넘는 모델을 구현하고자 하는 금융권 종사자

AI 기반 자동화 트레이딩 시스템을 설계하고자 하는 분

금융 AI 논문을 읽지만 구현/해석에 어려움을 겪는 대학원생/리서처

강의자료

이런 자료로
배울 거예요.

인공지능을 활용한 파생상품평가 이론 및 실습

Neural Network 101 - 딥러닝 수학 이해

AI + 주식 데이터로 가격 예측하기 (1)

AI + 주식 데이터로 가격 예측하기 (2)

수강혜택

연세대학교 총장 명의
런어스 수료증 발급!

개인정보 수집 및 이용에 대한 동의
1. 수집 목적 : 수료증 발급, 교육 과정 질의응답
2. 수집 항목 : 성함(국문, 영문), 이메일, 연락처, 생년월일
3. 보유 기간 및 이용 기간 : 런어스 회원탈퇴 시까지
수료증 발급은 [강의 안내문]에서 확인하실 수 있습니다.

자주 묻는 질문

궁금한 점을
알려드려요.

본 강의에서 배운 내용을 수강생분들이 어떻게 활용할 수 있을까요?

딥러닝 기반 파생상품 전략을 직접 설계하고, 실제 시장 데이터로 수익률과 리스크를 시뮬레이션할 수 있습니다.
강의에서는 어떤 툴을 사용하게 되나요?

주로 Google Colab을 사용할 예정입니다. PyTorch 기반의 pfhedge와 Micrograd를 활용해, 전략 설계부터 시뮬레이션까지 직접 실습합니다.
다른 강의와 어떤 차별점이 있나요?

이론에 그치지 않고, 실제 시장에서 작동하는 AI 기반 전략을 처음부터 끝까지 직접 구현합니다.
AI, 금융 둘 중 하나만 알거나 둘 다 몰라도 이 강의를 잘 수강할 수 있을까요?

기초 개념부터 실습까지 단계적으로 안내하므로, AI 또는 금융 중 하나만 알아도 따라오실 수 있습니다.

커리큘럼

꼭 필요한 내용만 담았어요.

총 24개의 커리큘럼

1. Overview

00:14:56

1. Overview

00:14:56
2. Warm-up

00:57:00

2-1. Volatility

00:27:43

2-2. Random Walk (1)

00:14:31

2-3. Random Walk (2)

00:14:46
3. Black-scholes World

03:18:38

3-1. Introduction to pfthedge

00:19:29

3-2. Brownian Motion

00:37:02

3-3. Black-scholes Formula

00:28:36

3-4. Delta Hedging

00:37:44

3-5. Torch Dataset (torch.utils.data.Dataset)

00:44:57

3-6. Black-scholes with Delta Hedging

00:30:50
4. Neural Network 101

02:05:01

4-1. Broadcasting and Softmax

00:36:46

4-2. Negative Log-likelihood (NLL) (1)

00:20:24

4-2. Negative Log-likelihood (NLL) (2)

00:28:59

4-3. Neural Network

00:38:52
5. Deep Hedging

01:47:37

5-1. torch.nn.Module

00:25:10

5-2. Loss Function

00:23:58

5-3. Entropic Risk Measure

00:09:24

5-4. prev_hedge

00:11:27

5-5. GPU

00:37:38
6. Applications

03:21:55

6-1. Micrograd(1)

00:51:14

6-1. Micrograd(2)

00:35:58

6-1. Micrograd(3)

00:55:33

6-2. Stochastic Differential Equations

00:21:32

6-3. Exotic Options

00:37:38