크레마클럽

추천사 프롤로그 1장 퀀트와 팩터 포트폴리오1.1 퀀트 투자의 목표 1.1.1 팩터, 그게 뭐지 1.1.2 팩터의 결합, 팩터 포트폴리오 1.1.3 왜 팩터 포트폴리오인가 1.2 팩터 포트폴리오, 퀀트의 퍼즐 맞추기 게임 1.3 왜 퀀트 투자인가 1.4 퀀트 투자에 대한 오해와 진실 1.4.1 퀀트는 미래를 예측한다 1.4.2 퀀트의 모델은 블랙박스다 1.4.3 퀀트는 알고리즘이 다 한다 1.4.4 퀀트는 전부 똑같다 1.5 퀀트 투자의 리스크 1.5.1 모델 리스크 1.5.2 국면 전환 리스크 1.5.3 포화 리스크 1.5.4 전염 리스크 1.6 퀀트 투자를 위한 7가지 빌딩블록 2장 심리와 메타인지2.1 투자의 8할은 심리다 2.1.1 투자에 최적화되어 있지 못한 인간의 뇌 2.1.2 인지와 실천의 괴리 2.1.3 퀀트는 왜 퀀트를 하는가 2.2 시장 효율성과 인간의 비이성적 마인드 2.2.1 인간의 본성, 퀀트가 먹히는 이유 2.2.2 시장 효율성을 바라보는 세 가지 관점 2.2.3 시장 효율성에 대한 퀀트의 시각 2.3 강건한 투자 심리를 위한 7가지 계명 2.3.1 절대 예측하지 마라 2.3.2 시장 앞에 겸손하라 2.3.3 아무것도 증명하지 마라 2.3.4 감정적으로 반응하지 마라 2.3.5 자신의 투자 결과에 책임을 져라 2.3.6 자신을 객관적으로 관찰하라 2.3.7 원칙을 세우고 꾸준히 지속하라 2.4 철저한 심리훈련과 엄격한 자기규율만이 올바른 투자를 만든다 3장 금융시장3.1 퀀트의 본질, 금융시장 3.2 금융시장과 리스크 3.3 금융시장의 구조 3.3.1 장내시장과 장외시장 3.3.2 발행시장과 유통시장 3.3.3 자금시장과 자본시장 18 3.4 금융시장의 플레이어 3.4.1 바이사이드 3.4.2 셀사이드 3.5 금융상품 3.5.1 퀀트의 스펙트럼에는 한계가 없다 3.5.2 자산가격 결정원리 3.5.3 금리 3.5.4 주식 3.5.5 통화 3.5.6 원자재 3.6 결국은 도메인 지식 4장 자산배분4.1 자산배분, 생존의 도구 4.2 상관계수와 분산투자 효과 4.3 포트폴리오 이론의 시작 4.3.1 해리 마코위츠, 포트폴리오 최적화의 문을 열다 4.3.2 시장 포트폴리오와 자본시장선 4.3.3 MVO의 한계 4.4 분산투자와 자금관리의 콜라보 4.4.1 분산투자: 횡적 배분 모델 4.4.2 자금관리: 종적 배분 모델 4.4.3 포트폴리오 구성 프로세스 4.5 모두가 출구를 향해 달릴때, 자산배분을 넘어 5장 팩터 모델링5.1 팩터, 투자의 사고를 확장하다 5.2 팩터의 역사 5.2.1 CAPM과 베타의 탄생 5.2.2 APT와 멀티팩터 5.2.3 파마-프렌치 3-팩터 모델 5.2.4 팩터 모델링의 발전 5.2.5 팩터 모델링의 접근 방식 5.3 팩터와 위험 프리미엄 5.4 백테스팅 5.5 팩터 유니버스 5.5.1 크로스에셋 & 멀티팩터 5.5.2 제네시스 팩터, 베타 5.5.3 마태효과, 모멘텀 5.5.4 달도 차면 기울고, 밸류 5.5.5 시간의 가치, 캐리 5.5.6 팩터의 분산투자 효과 5.6 팩터와 시장 국면 분석 5.7 팩터 포트폴리오의 완성 6장 시스템 구현6.1 이론에서 현실로 6.2 현대 금융시장의 모습 6.3 시장미시구조 6.3.1 호가창 6.3.2 주문 방식 6.3.3 틱데이터 6.3.4 HFT 6.4 거래비용 6.4.1 명시적 비용 6.4.2 암묵적 비용 6.5 트레이딩 시스템 개발 6.5.1 트레이딩 시스템이 필요한 이유 6.5.2 트레이딩 시스템의 구조 6.5.3 트레이딩 시스템의 오퍼레이션 위험 6.6 퀀트, 이상을 꿈꾸는 지독한 현실주의자 7장 금융공학7.1 금융공학이란 7.1.1 금융공학, 금융 문제를 풀다 7.1.2 프라이싱과 헤징 7.2 파생상품 7.2.1 선도 7.2.2 선물 7.2.3 스왑 7.2.4 옵션 7.3 퀀트 투자 관점에서의 금융공학 7.3.1 변동성 프리미엄 7.3.2 옵션 감마와 주식시장 7.3.3 모멘텀과 옵션 스트래들 7.4 시야를 좁히는 지식의 편식을 경계하라 8장 금융 머신러닝8.1 빅데이터라는 새로운 비둘기의 출현 8.1.1 빅데이터와 대체 데이터 8.1.2 빅데이터 혁명을 가능케 한 세 가지 트렌드 8.1.3 빅데이터와 시장의 알파 8.2 머신러닝 프레임워크 8.2.1 머신러닝의 정의 8.2.2 머신러닝의 분류 8.2.3 인공 신경망과 딥러닝 8.2.4 공짜 점심은 없다 8.3 퀀트 투자와 금융 머신러닝 8.3.1 주성분 분석을 활용한 통계적 팩터 3498.3.2 계층적 리스크 패리티 8.3.3 특성 공학과 특성 중요도 분석 8.4 금융 머신러닝의 한계와 도메인 지식 8.5 대결보다는 협업의 구도로 에필로그 찾아보기

펼쳐보기접어보기

상세 이미지

저자 소개 (1명)

저 : 김성진 (퀀트대디)

관심작가 알림신청

현재 하나증권 글로벌마켓운용실에서 퀀트 트레이딩을 총괄하고 있는 퀀트 트레이더다. 학생 시절 경제학을 전공하고 글로벌 매크로에 관심이 많아 채권과 외환을 다루는 FICC 트레이딩으로 첫 금융권 커리어를 시작했지만, 이후 철저히 알고리즘과 규칙에 기반해 매매를 수행하는 퀀트 트레이딩에 매료되어 현재는 퀀트 트레이더의 길을 가고 있다. 퀀트 논문과 장서를 수집하는 것을 취미로 하고 있고, 촌각을 다투는 글로벌 금융시장에서 어떻게 하면 팩터 포트폴리오라는 견고한 성채를 쌓아올릴 수 있을지를 매일 고민하고 있다. 퀀트대디라는 필명으로 퀀트 투자, 알고리즘 트레이딩, 금융공학에 관한 쉽고... 현재 하나증권 글로벌마켓운용실에서 퀀트 트레이딩을 총괄하고 있는 퀀트 트레이더다. 학생 시절 경제학을 전공하고 글로벌 매크로에 관심이 많아 채권과 외환을 다루는 FICC 트레이딩으로 첫 금융권 커리어를 시작했지만, 이후 철저히 알고리즘과 규칙에 기반해 매매를 수행하는 퀀트 트레이딩에 매료되어 현재는 퀀트 트레이더의 길을 가고 있다. 퀀트 논문과 장서를 수집하는 것을 취미로 하고 있고, 촌각을 다투는 글로벌 금융시장에서 어떻게 하면 팩터 포트폴리오라는 견고한 성채를 쌓아올릴 수 있을지를 매일 고민하고 있다. 퀀트대디라는 필명으로 퀀트 투자, 알고리즘 트레이딩, 금융공학에 관한 쉽고 직관적인 글을 쓰고자 노력하고 있으며, 다양한 곳에서 퀀트와 금융공학에 관한 강의를 진행하고 있다.

펼쳐보기접어보기