PART 1 프레임워크

CHAPTER 1 금융 머신러닝

1.1 현재와 미래의 금융 머신러닝 활용
1.2 인공지능, 머신러닝, 딥러닝, 데이터 과학
1.3 머신러닝의 다양한 유형
1.4 자연어 처리
1.5 맺음말

CHAPTER 2 머신러닝 모델 개발

2.1 왜 파이썬인가?
2.2 머신러닝을 위한 파이썬 패키지
2.3 모델 개발 단계
2.4 맺음말

CHAPTER 3 인공 신경망

3.1 구조, 학습, 하이퍼파라미터
3.2 인공 신경망 모델 생성
3.3 맺음말

PART 2 지도 학습

CHAPTER 4 지도 학습: 모델 및 개념

4.1 지도 학습 모델: 개념
4.2 모델 성능
4.3 모델 선택
4.4 맺음말

CHAPTER 5 지도 학습: 회귀(시계열 모델)

5.1 시계열 모델
5.2 실전 문제 1: 주가 예측
5.3 실전 문제 2: 파생상품 가격책정
5.4 실전 문제 3: 투자자 위험 감수 및 로보 어드바이저
5.5 실전 문제 4: 수익률 곡선 예측
5.6 맺음말
5.7 연습 문제

CHAPTER 6 지도 학습: 분류

6.1 실전 문제 1: 사기 탐지
6.2 실전 문제 2: 채무 불이행 확률
6.3 실전 문제 3: 비트코인 거래 전략
6.4 맺음말
6.5 연습 문제

PART 3 비지도 학습

CHAPTER 7 비지도 학습: 차원 축소

7.1 차원 축소 기술
7.2 실전 문제 1: 포트폴리오 관리(고유 포트폴리오 찾기)
7.3 실전 문제 2: 수익률 곡선 구축 및 이자율 모델링
7.4 실전 문제 3: 비트코인 거래(속도와 정확성 향상)
7.5 맺음말
7.6 연습 문제

CHAPTER 8 비지도 학습: 군집화

8.1 군집화 기술
8.2 실전 문제 1: 쌍 거래를 위한 군집화
8.3 실전 문제 2: 포트폴리오 관리(투자자 군집화)
8.4 실전 문제 3: 계층적 위험 패리티
8.5 맺음말
8.6 연습 문제

PART 4 강화 학습과 자연어 처리

CHAPTER 9 강화 학습

9.1 강화 학습: 이론 및 개념
9.2 실전 문제 1: 강화 학습 기반 거래 전략
9.3 실전 문제 2: 파생상품 헤징
9.4 실전 문제 3: 포트폴리오 배분
9.5 맺음말
9.6 연습 문제

CHAPTER 10 자연어 처리

10.1 자연어 처리: 파이썬 패키지
10.2 자연어 처리: 이론 및 개념
10.3 실전 문제 1: NLP 및 감정 분석 기반 거래 전략
10.4 실전 문제 2: 챗봇-디지털 어시스턴트
10.5 실전 문제 3: 문서 요약
10.6 맺음말
10.7 연습 문제