• 다회차
  • 최대 4명

하루 1% 수익률 도전! 인공지능 주식 로봇 만들기

한창호 튜터 5.0(1)

클래스 전 숙지해주세요!

ZOOM 화상강의로 진행됩니다. 수업 시작 전에 이메일로 강의 자료와 연결 URL을 보내드립니다. 매회차 강의 종료 후 2일 이내에 녹화동영상을 시청하실 수 있는 URL도 보내드립니다.

튜터 공지

클래스 요약

퀀트 트레이딩 전략을 알파고와 같은 인공지능 로봇에게 학습시켜 스스로 최적의 타이밍을 포착하여 주식 매수/매도 시그널을 생성하는 시스템 구현 방법을 파이썬 코딩 실습을 통해 자세히 설명 드립니다.

이런 분들이 들으면 좋아요.

* 인공지능을 이용한 자동화된 주식트레이딩 시스템 개발에 관심을 가지신 분을 대환영합니다.

* 금융AI를 실무에 적극 활용하고 싶은 분: 금융데이터 분석 업무에 관련된 각종 전문 지식에 대해 조언해 드리겠습니다.

* 딥러닝 관련 학위 논문 작성 중인 분: 딥러닝 전반에 걸친 조언을 수업시간과 휴식시간을 통해서 해드리고 개인적으로도 적극 도와드리겠습니다.

* 전직 및 이직을 준비 중인 분: 인공지능, 데이터 사이언스 및 관련 분야에 대한 각종 정보와 전직 및 이직에 대한 조언을 해드리겠습니다.

* 금융공학, 계량경제학, 기계학습 분야에 조언이 필요한 분: 강사의 경험과 인적 네트워크를 활용하여 적극적으로 도와드리겠습니다.

튜터님을 소개합니다.

  • (학력인증추가)서울대학교 경제학 학사
  • (학력인증추가)서울대학교 경제학 석사
  • (학렬인증추가)University of California, San Diego 경제학 박사

현재 고려대학교 기술경영전문대학원 겸임교수(인공지능, 빅데이터 강의)
확인사이트 : <a href='https://mot.korea.ac.kr/members/list_hi.asp?board_name=faculty&gubun=K' target='_blank'>https://mot.korea.ac.kr/members/list_hi.asp?board_name=faculty&gubun=K</a>

가톨릭대학교 산업수학센터 연구교수(산업수학 프로젝트)
가톨릭대학교 수학과 겸임교수(계량경제학, 수리금융 강의)
성균관대학교 경영대학 겸임교수(금융공학 강의)
삼성금융연구소
(주)한국기업평가
에너지경제연구원
University of California, San Diego, 경제학 박사(계량경제학 전공)
서울대학교 대학원 졸업, 경제학 석사
서울대학교 경제학과 졸업, 경제학 학사

<관련 주요 학술 저술>
“The DNA of Security Return”, Quantitative Finance, vol.15, no.1, pp. 1-17. 2015
Quantitative Finance 2015년 1월 표제논문(Featured paper)으로 선정됨
<a href='https://www.tandfonline.com/doi/full/10.1080/14697688.2014.920100' target='_blank'>https://www.tandfonline.com/doi/full/10.1080/14697688.2014.920100</a>
“수익률 DNA를 이용한 금융시장 분석 방법론”, 자산운용연구, vol 2, no.1, pp 82-106, 2014.
“Measuring the Dependency between Securities via Factor-ICA Models”, Journal of AppliedFinance and Banking, vol. 4, no. 1, 2014.
“Multi-Variate Estimation and Forecasting with Artificial Neural Networks”,
(인공신경두뇌망을 이용한 다변량 추정 및 예측)
박사학위논문, UCSD, 1999.

어떤 클래스 인가요?

인간이 설계한 퀀트 트레이딩 전략을 알파고와 같은 인공지능 로봇에게 학습시켜 로봇이 스스로 최적의 타이밍을 포착하여 주식 거래를 할 수 있도록 파이썬 코딩을 통해 구현하는 방법을 실습을 통해 자세히 설명 드립니다.

일상생활에서 접하는 다양한 예제로 코딩에 필요한 모든 이론적 배경에 대해 직관적 설명을 제공해드리므로 초보자도 아무런 부담 없이 수강가능 합니다.

코딩 전과정을 단계별로 차근차근 설명 드리므로 파이썬에 대한 기초 지식만 가지고 있어도 인공지능 로봇 제작 가능합니다.

코로나 감염 걱정도 없고 졸음이 쏟아질 염려도 없는 ZOOM을 이용한 Online Live 방식으로 진행됩니다
매회차 강의 전에 이메일로 화상강의 URL과 강의 자료를 보내드립니다.
물론 녹화 동영상도 복습하시면서 보실 수 있도록 제공해드립니다(편집하여 매회 차 강의 후 2일 이내에 동영상 재생 URL 보내드립니다)

..................................................................................................................................................................................................................

인공지능 개발에 사용되는 대표적 방법론 중 하나인 기계학습(Machine Learning) 알고리즘은 크게 지도학습, 비지도학습, 강화학습으로 분류됩니다.
teacher input가 teacher out으로 구성된 훈련데이터를 이용하여 모형을 훈련시키는 방식이 지도학습알고리즘인데, 입력과 출력간의 함수관계를 훈련을 통해 알아냅니다.
이에 반해 비지도학습은 훈련데이터가 teacher input과 teacher out으로 나뉘어영역에서 져 있지는 않지만 적절한 방법으로 서로 동질적인 데이터들끼리 서로 뭉쳐 그룹을 형성하게함으로써 데이터 내부에 숨겨져 있는 구조를 밝혀내는 알고리즘입니다. 예를 들자면 파티에 모인 수많은 사람들을 호스트가 서로 짝지어주지 않아도 일정 시간이 흐르면 성향이 비슷한 사람들끼리 어울리게 되는 데 이런 게 바로 비지도학습입니다.
강화학습은 지도학습과 비지도학습의 중간 영역에 있습니다. 사람은 학교에서 배우는 지식이외에도 시행착오를 겪으면서 스스로 배워나가는 것들이 인생의 대부분을 차지하는데, 바로 이렇게 시행착오를 겪으면서 배워나가는 학습알고리즘이 강화학습입니다. 인간의 인지기능 발달 과정과 가장 유사한 학습알고리즘이라 최근 인공지능 개발 분야에서 가장 각광받고 있는 알고리즘입니다.

이번 강의에서는 강화학습 알고리즘 중에서 알파고를 만드는 데 사용되어 널리 알려진 Q-learning 알고리즘으로 딥러닝 모형을 훈련시켜 주식트레이딩에 활용하는 방법을 파이썬 코딩을 통해 구현하는 방법을 자세히 설명드립니다. 이론적으로 매우 복잡해 보여도 우리가 일상생활에서 늘 겪고 있는 시행착오 과정에 빗대어 생각하보면 아주 쉽게 이해 할 수 있습니다. 이런 직관적인 이해에 바탕하여 인공지능 로봇에게 인간이 개발한 퀀트 트레이딩 알고리즘을 이해시킨 후 최적의 타이밍을 포착하여 주식거래를 하도록 훈련시키면 인간이 달성가능한 수익을 상회하는 결과를 낳게 됩니다.

이 강의를 수강하시면 강화학습에 대한 기본적인 이해뿐만 아니라 실제 주식거래에 사용할 수 있는 인공지능 로봇 소스코드와 자세한 훈련 방법을 익히시게 됩니다. 코딩 실력은 크게 중요하지 않습니다. 각 과정을 단계별로 차근차근 설명드리므로 파이썬 초급 정도의 코딩 실력만 있으면 강의를 이해하시는 데 아무런 문제가 없습니다.

클래스 유의사항

1. 강의는 Zoom을 이용한 온라인 라이브로 진행됩니다.
2. 강의자료 및 소스코드는 이메일로 보내드립니다.
3. 수강 신청 후 문자 메세지로 이메일 주소를 요청드립니다.
4. Gmail은 소스코드가 들어 있는 자료를 차단하므로 Gmail 이외의 이메일 주소를 부탁드립니다.

클래스는 이렇게 진행됩니다.

1회차 커리큘럼

강화각습 입문

1. 인공지능 학습 알고리즘
- 지도학습/비지도학습/강화학습 정의 및 차이점

2. 강화학습의 차별성
- Observation/Reward, Exploit/Exploration, 지연된 보상
3. 강화학습 구성요소 1: Entity
- Agent, Environment

4. 강화각습 구성요소 2: Communication channel
- Action, Reward, Observation

2회차 커리큘럼

Markov decision process

1. Markov process
- Markov property 정의, 전이행렬, 상태 집합, 에피소드

2. Markov reward process
- Return 과 Reward 구별, 할인 계수, 에피소드의 수익

3. Markov Decision Process
- MRP에 Action space 추가

4. Policy
- RL에서 정책이 가지는 의미

3회차 커리큘럼

Q-learning

1. Value of state
- Value of state 정의, value 와 policy 간의 관계

2. Bellman Equation
- 확정적인 경우/확률적인 경우 Bellman 방정식 정의

3. Value of Action
- Value of Action 정의, Value Iteration Algorithm

4. Q-learning 예제
- Q-learning 알고리듬, R-matrix, Q-matrix

4회차 커리큘럼

트레이딩 로봇 구현 1

1. Deep Q-learning
- DQN을 이용한 주식트레이딩 로봇 기본 구조 설계

2. 트레이딩 전략 설계
- MACD를 이용한 이용한 트레이딩 전략 설계

3. 기술적 지표
- 입력변수로 사용할 각종 기술적 지표를 TA-Lib 이용하여 생성

4. 주식 데이터
- 데이터 입수 및 전처리

5회차 커리큘럼

트레이딩 로봇 구현 2

1. 트레이딩 로봇 세부 구조 코딩
- Agent, DQN, Remember, Experience replay, Act

2. 모형 훈련
- Hyperparameter 값을 다양하게 조정하면서 최적의 결과가 도출되도록 모형 훈련

3. 모형 성능 측정
- 테스터 데이터를 이용하여 confusion matrix 생성하여 모형 성능 측정

4. 마무리
- 향후 개발 방향에 대한 조언

실제 수강생의 리뷰입니다.

  • 커리큘럼5.0
  • 전달력5.0
  • 시간준수5.0
  • 준비성5.0
  • 친절도5.0

이 강의는 어떠세요?

클래스 일정

온라인 LIVE

49,000원 / 시간 490,000원 / 총 5회 10시간