소득공제
파이썬으로 배우는 포트폴리오
금융공학/퀀트 투자의 기초부터 투자 모델, 머신 러닝까지!
- 베스트
- OS/데이터베이스 top100 18주
이미 소장하고 있다면 판매해 보세요.
- 국내배송만 가능
- 최저가 보상
- 문화비소득공제 신청가능
이 상품의 태그
상세 이미지
책소개
목차
|
1장 파이썬과 재무 기초 지식
__1.1 파이썬 시작하기 ____1.1.1 파이썬 도구의 선택 ____1.1.2 구글 코랩 ____1.1.3 구글 코랩 시작하기 ____1.1.4 파이썬의 여섯 가지 핵심 사항 __1.2 현금흐름, 이자율과 시간 가치 __1.3 NPV와 IRR ____1.3.1 NPV ____1.3.2 IRR __1.4 수익률 대 수익률 ____1.4.1 수익률과 할인율의 개념 ____1.4.2 기간 수익률의 평균, 산술평균과 기하평균 ____1.4.3 지배원리 __1.5 자주 사용하는 통계량: 기댓값, 분산, 공분산, 상관계수 ____1.5.1 평균과 기댓값 ____1.5.2 이동평균 ____1.5.3 가중(산술)평균 ____1.5.4 분산과 표준편차 ____1.5.5 정규분포에서 표준편차와 평균 ____1.5.6 자유도 ____1.5.7 공분산과 상관계수 2장 투자와 자산배분 __2.1 자산배분과 포트폴리오 __2.2 포트폴리오 성과의 결정 요인들 __2.3 포트폴리오 성과 측정 삼총사 ____2.3.1 샤프지수 ____2.3.2 젠센알파지수 ____2.3.3 트레이너지수 ____2.3.4 정보비율 ____2.3.5 최대 낙폭 3장 평균-분산 포트폴리오 이론 __3.1 포트폴리오의 기대수익률과 위험 ____3.1.1 두 개 주식으로 구성된 포트폴리오 ____3.1.2 n개 주식으로 만든 포트폴리오 __3.2 최소분산포트폴리오 __3.3 체계적 위험과 비체계적 위험 __3.4 무위험자산과 최적 자산배분 ____3.4.1 효율적 포트폴리오 ____3.4.2 기대효용과 무차별곡선 ____3.4.3 최적 포트폴리오의 선택 ____3.4.4 무위험자산+위험자산 ____3.4.5 무위험자산+위험자산+효율적 투자선(자본배분선) ____3.4.6 최적 포트폴리오 선택 4장 자본자산가격결정모델 __4.1 기본 가정 ____4.1.1 동일한 기대와 시장포트폴리오, 그리고 자본시장선 ____4.1.2 포트폴리오 베타 __4.2 증권시장선과 자본시장선 ____4.2.1 증권시장선과 자본시장선 ____4.2.2 위험프리미엄 __4.3 포트폴리오 최적화 ____4.3.1 최적화 패키지 scipy.optimize 알아보기 ____4.3.2 간단한 최적화 알아보기 ____4.3.3 최적화 알고리즘 SLSQP ____4.3.4 포트폴리오 최적화(최소분산포트폴리오 및 샤프비율) __4.4 현실에 응용하기 5장 블랙-리터만 모델 __5.1 피셔 블랙과 블랙-리터만 모델 __5.2 간단히 알아보는 베이지안 확률 __5.3 역최적화로 구하는 균형기대수익률 ____5.3.1 균형기대수익률(Π) ____5.3.2 위험회피계수(λ) ____5.3.3 자산의 공분산 행렬(Σ) ____5.3.4 자산시가총액 비중(W mkt ) __5.4 투자자 전망 __5.5 블랙-리터만 공식 __5.6 위험조정상수(τ) __5.7 균형기대수익률과 투자자 전망 결합 __5.8 세 가지 자산을 가정한 예시 __5.9 블랙-리터만 모델 최적화 __5.10 현업에서의 블랙-리터만 모델 6장 파마-프렌치 3요인 모델 __6.1 효율적 시장 가설과 유진 파마 __6.2 베타는 죽었다 __6.3 파마-프렌치 3요인 모델 __6.4 프렌치 교수가 제공하는 요인 데이터 __6.5 파이썬을 이용한 요인 데이터 구하기와 회귀분석 ____6.5.1 요인 데이터 구하기 ____6.5.2 펀드 수익률과 요인 데이터 회귀분석 7장 금융산업과 머신 러닝 __7.1 머신 러닝 시작하기 __7.2 머신 러닝 맛보기, 선형 회귀 ____7.2.1 비용함수와 경사하강법 ____7.2.2 K-최근접 이웃 알고리즘 __7.3 K-최근접 이웃 알고리즘을 이용한 회귀 ____7.3.1 라이브러리 임포트 ____7.3.2 주가지수 데이터 가져오기 ____7.3.3 예측변수 설정 ____7.3.4 목표변수 설정 ____7.3.5 데이터셋 분할 ____7.3.6 KNN 모델 설정 ____7.3.7 모델을 바탕으로 전략 실행 ____7.3.8 샤프비율 계산 __7.4 로지스틱 회귀 ____7.4.1 라이브러리 임포트 ____7.4.2 데이터 가져오기 ____7.4.3 예측변수/독립변수 설정 ____7.4.4 목표변수/종속변수 설정 ____7.4.5 데이터셋 분할 ____7.4.6 로지스틱 회귀 모델의 설정 및 훈련 ____7.4.7 클래스 확률 예측 ____7.4.8 모델 평가 ____7.4.9 매매 전략 8장 Yahoo_fin 패키지를 사용해 재무 데이터 가져오기 __8.1 설치 및 업그레이드 __8.2 stock_info 모듈 ____8.2.1 패키지 임포트 ____8.2.2 get_analysts_info(ticker) ____8.2.3 get_balance_sheet(ticker) ____8.2.4 get_cash_flow(ticker) ____8.2.5 get_data( ) ____8.2.6 get_day_gainers( ) ____8.2.7 get_day_losers( ) ____8.2.8 get_day_most_active( ) ____8.2.9 get_holders(ticker) ____8.2.10 get_live_price(ticker) ____8.2.11 get_quote_table(ticker, dict_result = True) ____8.2.12 get_top_crypto( ) ____8.2.13 get_stats(ticker) ____8.2.14 get_stats_valuation(ticker) ____8.2.15 종목 티커 관련 함수 __8.3 재무 정보 가져오기(Yahoo_fin 패키지) ____8.3.1 패키지 임포트 ____8.3.2 재무비율 구하기: 주가수익률 비율 ____8.3.3 한 번에 여러 종목의 재무비율 구하기 ____8.3.4 여러 종목의 기타 통계 구하기 __8.4 재무제표 다루기 ____8.4.1 재무상태표 다루기 ____8.4.2 손익계산서 다루기 ____8.4.3 현금흐름표 부록 파이썬 라이브러리 삼총사 __A.1 수학 및 과학 연산, NumPy와 SciPy ____A.1.1 배열과 행렬 만들기 ____A.1.2 배열과 행렬의 속성 ____A.1.3 연산 ____A.1.4 인덱싱/슬라이싱 ____A.1.5 난수 만들기 __A.2 미술 담당, Matplotlib ____A.2.1 차트 도해 ____A.2.2 라인 차트 ____A.2.3 분산형 차트 ____A.2.4 히스토그램 __A.3 데이터 담당, Pandas ____A.3.1 데이터프레임 ____A.3.2 데이터프레임 만들기: DataFrame ____A.3.3 데이터프레임 합치기: concat과 merge ____A.3.4 인덱스 새로 만들기: reset_index ____A.3.5 데이터프레임 컬럼 삭제: drop ____A.3.6 컬럼을 행으로 모으기: melt ____A.3.7 정렬하기: sort_values ____A.3.8 쿼리하기: query ____A.3.9 데이터프레임 컬럼명 바꾸기: rename ____A.3.10 중복된 데이터 지우기: drop_duplicates ____A.3.11 데이터프레임 앞부분, 뒷부분 살짝 보기: head, tail 참고문헌 찾아보기 |
저자 소개1
저곽승주
관심작가 알림신청
한양대학교 경제학 석사를 받았으며 은행과 자산운용사의 리스크, 컴플라이언스, 헤지펀드 부서에서 리스크 및 펀드성과 리포팅, 주식 및 선물운용 및 계량분석, ELS 평가 및 백테스팅, 백오피스 업무자동화 등을 위한 업무와 소프트웨어를 개발하였다. 현재는 두 명의 동료와 함께 딥러닝 기술을 이용한 증권분석 및 추천시스템, 금융회사의 ERP 및 업무자동화 서비스 개발에 참여하고 있다. 그의 개인적인 활동은 블로그(deeplearners.wordpress.com, timebird.egloos.com)에서 볼 수 있다.
곽승주의 다른 상품
관련 분류
품목정보
- 발행일
- 2021년 03월 15일
- 쪽수, 무게, 크기
- 336쪽 | 183*235*18mm
- ISBN13
- 9791165214869
출판사 리뷰
|
알아두면 피가 되고 살이 되는 투자의 기초
포트폴리오, 자산배분과 분산 투자를 배우자 '나무만 보고 숲은 보지 못한다'라는 말이 있다. 투자 종목이 나무라면 포트폴리오는 숲이다. 나무를 잘 키운다 해도 한 그루만으로 숲을 만들 수는 없을 것이다. 이 책은 '포트폴리오 이론을 현실에서 활용할 수 있을까?'라는 지적 호기심에서 출발했다. 평균-분산 포트폴리오 이론, 자본자산가격결정모델, 블랙-리터만 모델, 파마-프렌치 3요인 모델의 이론과 수식을 살펴보고 파이썬을 활용해 계산해보자. 자산배분의 중요성을 이해하고, 최적 포트폴리오 계산 방법을 배워보자. 금융의 기초, NPV vs. IRR부터 시작하자 포트폴리오 이론으로 들어가기에 앞서 금융 분야에서 일하거나 투자를 할 때 알아둬야 할 기반 지식을 간단히 다룬다. 필요한 재무 지식(이자율, NPV, IRR, 공분산, 상관계수 등)을 배우면서 기초를 튼튼히 다진 뒤 이후 내용을 학습하자. 개념만 소개하는 것이 아니라 그림, 수식, 파이썬 코드를 충분히 활용하여 지루하지 않고 명확히 설명하고자 했다. 프로그래밍은 필수! 파이썬으로 시작하자 금융과 IT 기술의 접점은 앞으로 더욱 확대될 것이다. 프로그래밍은 누구나 배워서 자신의 분야에 적용할 수 있는 기술이다. 재무 기초 지식을 파이썬 코드로 계산하면서 재무 기초와 파이썬의 기초를 함께 배우자. 포트폴리오 이론을 파이썬 코드로 옮겨 적으며 이론을 더 명확하게 이해하자. 파이썬에서 가장 많이 사용하는 NumPy, MatplotLib, Pandas는 별도로 더 설명하고 사용법도 소개했다. 지은이 서문 이 책은 현재 포트폴리오 이론을 공부하고 있거나, 나처럼 아주 오래전에 공부한 뒤 잊고 사는 사람들을 위한 것이다. 따라서 포트폴리오 이론을 위한 기초 지식, 여러 포트폴리오 이론, 이론을 만든 학자들 이야기, 그 이론들을 파이썬으로 조립해보는 내용으로 구성돼 있다. 게다가 지루한 활자에 눈이 지치지 않도록 설명을 보조하는 그림도 잔뜩 담았다. 책에 사용할 파이썬 코드를 만들면서 가장 중점을 둔 부분은 코드 실행을 위한 준비를 줄이는 것이다. 자칫하면 준비하다가 진이 빠질 수도 있기 때문이다. 이 책의 파이썬 코드는 구글의 코랩에서 작성하고 실행한 것이다. 구글 계정만 있다면 파이썬을 설치할 필요 없이 무료로 활용할 수 있다. 이 책을 계기로 독자 여러분이 프로그래밍과 포트폴리오 이론에 관심을 갖게 된다면 매우 기쁠 것이다. - 지은이 서문 중에서 |
추천평
|
금융의 기초와 파이썬 기초를 연결해 상호보완적으로 이해를 돋운다. 기초는 물론이고 포트폴리오 구축, 블랙-리터만과 파마-프렌치 요인 분석의 고급 이론을 소개하고, 다양하고 심도 있는 재무 데이터를 어떻게 추출해 사용하는지 예시를 통해 살펴본다. 금융에 손을 못 대고 있는 사람, 파이썬을 어떻게 학습할지 고민하는 사람들에게 이론과 실무를 조합한 최적의 책이 될 것이다. - 이기홍 (피츠버그 대학교 Finance Ph.D, CFA, FRM, 금융투자 전문가)
|
|
금융공학적 측면에서 경제 모델을 배우면서 테스트해보고, 포트폴리오를 체계적으로 운용하는 방법을 살펴볼 수 있습니다. - 송재훈 (디블랩(D*BLOCK LAB) 트레이더)
|
|
투자나 금융 관련 책은 수학 개념이 잡혀 있지 않으면 보기 어려운데 이 책은 파이썬과 금융을 함께 다뤄 이해하기 쉬웠습니다. 파이썬과 금융의 조합이 매우 좋았습니다. - 전은영 (삼양그룹 보안담당자)
|
|
이 책은 금융공학을 기초부터 알려주면서 직접 구현해볼 수 있으므로 데이터 애널리스트, 퀀트가 꿈인 학생들에게 권하고 싶습니다. 입문자도 알기 쉽게 파이썬 구문을 해설해주고, 경제학에 문외한인 저도 이해할 수 있도록 금융공학을 친절히 설명해주며, 펀드가 어떻게 자산을 배분하는지 수식과 경제학 지식을 바탕으로 정확히 알려줍니다. 또한, 금융 데이터를 불러와서 인공지능 알고리즘을 통한 주식 거래 과정도 맛보기로 살펴볼 수 있습니다. - 나영준 (연세대학교 의과대학 의학과 1학년)
|
23,400원
총 1개
23,400원
