1 min to read
<나는 리뷰어다> 금융 전략을 위한 머신러닝
Review
서평
최근들어 금융 머신러닝이 엄청난 데이터양과 저비용 처리속도 덕분에 더 탁월해지면서 금융 분야에서 데이터 분석과 머신러닝의 활용 사례는 폭발적으로 증가하고 있다.
이 책의 가장 큰 장점은 실제 금융 분야에서 활용되는 사례들로 문제를 구성했다는 점이다.
- 알고리즘 트레이딩
- 로보 어드바이저를 통한 포트폴리오 관리
- 이상 거래 탐지
- 대출/신용카드/보험 계약 심사
- 자산 가치 예측
이 외에도 자동화와 챗봇, 자산 가치 예측 등 실전력이 높은 문제들로 구성되어 있다. 즉 회귀부터 시계열, 강화학습 그리고 자연어 까지 많은 머신러닝 분야를 경험할 수 있다.
하지만 많은 테스크들을 다루는 만큼, 이론적인 부분에서는 친절하지 않을 수도 있다. 이는 책의 주요 독자를 금융권 데이터 사이언티스트, 퀀트 연구원 등 어느 정도의 배경 지식이 있는 사람을 대상으로 하기 때문이다.
그렇다고 실제 현업 종사자들에게 도움이 될 만한 책인지는 사실 의구심이 드는 내용이 일부 포함되어 있다.
- 회귀 문제에서 선형 모델에 비해 비선형 모델이 성능이 더 우수하다고 해서 입력 변수와 종속 변수사이에는 비선형적 관계가 있다라는 결론을 도출
- 이상 거래 테스크에서 자주 발생되는 클래스 불균형 문제에서 단순히 언더-샘플링을 사용하여 모델의 성능 개선을 이끌어냄.
결론의 옮고 그름을 떠나서 도출하게 되는 과정이 일부 편항되어졌다고 느껴졌다.
이는 풀고자 하는 테스크에 있어서 우리가 어떤 시야를 가지고 접근해야하는지, 현업의 관점에서 의미있는 특성들은 무엇이었는지, 왜 이렇게 전처리를 하였는지 등을 기대하는 편이 많기 때문이다.
따라서 이 책에 대한 포지션이 애매하다고 느껴졌다. 입문자와 전문가 그 사이에 있는 정도라고나 할 수 있을 것 같다. 필자 역시 금융 지식이 없다보니, 파생상품의 가격 책정 모델에 사용되는 블랙-슐츠 공식 등과 같은 책의 내용은 사전지식이 없어 이해하기 어려웠다.
개인적으로 최근 머신러닝 기술 서적들의 문제점들은 다양한 테스크들을 소개하기 위해 왜 이러한 모델을 사용하는지에 초점을 맞추기보다는 여러개의 모델링을 수행하여 성능이 짜~잔하고 나오는 반복적인 코드들로 책을 구성한다는 것이다. 물론 초심자에게서는 반복된 코드를 통해 문제에 집중할 수 있을지 모르지만 책에서 설정한 주요 독자의 관점에서는 의미있는 서적으로 다가오기 어렵지 않을까 싶다.
단순히 테스크 해결을 위해 코드들이 반복적인 프로세스로 구성되있다는 것은 아쉬운 점으로 남을 수 밖에 없다.
하지만 아쉬운 부분들은 개인적인 관점이며, 이 책은 다양한 사례에 초점을 맞추고 있는 만큼 풀고자 하는 문제에 발맞춰 어떤 방법들을 사용하고 있는지 알고자 한다면 충분히 도움될 수 있는 책이다. 특히 머신러닝을 어느 정도 알고 있지만, 금융권에서의 실제 업무 사례를 알고싶은 분들이라면 더욱 좋은 책으로 느껴질만 하다.
* 한빛미디어 [나는 리뷰어다] 활동을 위해서 책을 제공받아 작성된 서평입니다.
Comments