◈ 이 책에서 다루는 내용 ◈

◆ 딥러닝 모델로 기존 시계열 애플리케이션을 검토, 비교
◆ 서포트 벡터 회귀, 신경망, 딥러닝을 사용한 위험도 측정을 위한 변동성 모델링 탐색
◆ 머신러닝 기술과 유동성 차원을 사용해 시장 위험 모델링(VaR 및 ES) 및 개선
◆ 군집화와 베이즈를 사용한 신용 위험 분석 개발 기법
◆ 가우스 혼합 모델과 코풀라 모델로 유동성 위험의 다양한 측면 포착
◆ 사기 탐지를 위한 머신러닝 모델 사용
◆ 머신러닝 모델을 사용해 주가 폭락을 예측하고 결정 요인을 식별

◈ 이 책의 대상 독자 ◈

모수적 모델에 크게 기반을 둔 현재의 금융 위험 관리 환경을 바꾸는 것을 목표로 하는 책이다. 머신러닝 모델을 기반으로 하는 매우 정확한 재무 모델이 최근 개발되면서 이러한 변화가 일어났다. 따라서 재무와 머신러닝에 대한 초기 지식이 있는 독자를 대상으로 하며, 이러한 주제를 간략하게 설명한다.
따라서 재무 위험 분석가, 재무 엔지니어, 위험 관련자, 위험 모델러, 모델 검증자, 정량적 위험 분석가, 포트폴리오 분석, 재무 그리고 데이터 과학에 관심이 있는 사람들이 읽기 적합하다.

◈ 이 책의 구성 ◈

1장, ‘리스크 관리의 기초’에서는 위험 관리의 주요 개념을 소개한다. 먼저 위험이 무엇인지 정의한 후 위험 유형(예: 시장, 신용, 운영 및 유동성)을 알아본다.
2장, ‘시계열 모델링 소개’에서는 이동 평균 모델, 자기 회귀 모델, 자기 회귀 통합 이동 평균 모델과 같은 기존 모델을 사용하는 시계열 애플리케이션을 보여준다.
3장, ‘시계열 모델링을 위한 딥러닝’에서는 시계열 모델링을 위한 딥러닝 도구를 소개한다.
4장, ‘머신러닝 기반 변동성 예측’에서는 서포트 벡터 회귀, 신경망, 딥러닝, 베이즈 접근 방식을 기반으로 하는 새로운 변동성 모델링을 다룬다. 성능 비교를 위해 기존의 ARCH, GARCH 유형의 모델도 사용한다.
5장, ‘시장 리스크 모델링’에서는 기존 시장 위험 모델, 즉 예상최대위험(VaR), 예상평균최대위험(ES)의 추정 성능을 높이는 데 사용되는 머신러닝 기반 모델에 대해 설명한다.
6장, ‘신용 위험 추정’에서는 신용 위험을 추정하는 포괄적인 머신러닝 기반 접근 방식을 소개한다.
7장, ‘유동성 모델링’에서는 가우스 혼합 모델을 사용해 위험 관리에서 간과되는 차원으로 여겨지는 유동성을 모델링한다.
8장, ‘운영 위험 모델링’에서는 회사의 내부 약점으로 인해 실패로 이어질 수 있는 운영 위험을 다룬다.
9장, ‘기업 지배 구조 리스크 측정: 주가 폭락’에서는 기업 지배 구조 위험을 모델링하는 완전히 새로운 접근 방식인 주가 폭락을 소개한다.
10장, ‘금융의 합성 데이터 생성과 은닉 마르코프 모델’에서는 다양한 재무 위험을 추정하기 위해 합성 데이터를 사용한다.

◈ 옮긴이의 말 ◈

이 책은 금융에서 발생하는 위기를 체계적으로 정량화하고 관리하는 방법에 머신러닝을 어떻게 적용하는지에 관한 내용을 담았다. 위험이란 전략 실행을 방해하거나 금전적으로 부정적인 영향을 끼칠 수 있는 모든 것을 의미하며, 재무 위험과 시장 위험, 신용 위험, 유동성 위험, 운영 위험, 마지막으로 금융 붕괴를 예측하는 방법론까지 상세히 설명하고 있다. 각 위험은 그 개념의 설명과 함께 파이썬을 통한 실습을 곁들이며, 전통적인 관리 방법과 머신러닝을 적용한 방법 사이의 비교를 통해 실전에 어떻게 접목할 수 있는지 잘 설명한다. 이 책을 읽고 나면 금융 재무 관리에 있어서 위험 관리를 할 수 있는 체계적인 무기를 하나 얻게 될 것이다.