트랙장 :
금융 서비스 분야는 방대한 데이터를 실시간으로 생성하며 데이터 해석에 따른 올바르고 신속한 판단 및 결정을 요구함. 머신러닝이 금융 서비스 산업의 모든 수직 분야에 상당한 영향을 미치고 있지만 알고리즘의 아이디어와 구현 사이에는 괴리가 있음. 따라서 이번 KHUDA 6기 금융트랙에서는 금융산업에서 중요한 머신러닝 기반 알고리즘을 구축하는 기술과 (로보어드바이저)기술을 활용하는데 중점을 두고 학습을 진행함.
시계열 알고리즘 구현
딥러닝 기법을 사용하여 금융 모델링 진행
해당 모델의 성능을 평가하고 분석하는 벡테스팅
각 금융 전략을 활용한 포트폴리오 전략 최적화
어려움 (딥러닝, 강화학습, NLP, 금융 전략을 모두 다룸)
++++++++++++++++++++++++++++++
Q. 그래서 금융트랙 뭐하나요?
→ 수리/통계적인 내용보다는 사용자 특성(재무 상태, 투자 성향 등) 및 거시경제 변수(GDP, 금리..), 금융지표(주가, 거래량, 이동평균선) 등의 feature를 선택, 생성하여 모델링(포트폴리오 조정 최적화, 리밸런싱 자동화)을 진행할 예정
“고객의 Financial Needs를 제한조건으로 하는 최적화 문제를 푸는 것”