한빛미디어

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."

이 책은 금융 분야에서의 머신러닝 활용 예시 및 접근 방법에 대해 서술하고 있다. 책을 보기 전에는 금융 지식도 필요할까 궁금했는데, 처음 접하는 개념들이 수식과 함께 나오는 경우도 있지만 기본적인 용어 및 개념 정도를 숙지하고 있으면서 주식 매매 경험이 있다면 충분하다고 본다. 생각보다 매우 광범위한 분야의 머신러닝 알고리즘들을 다룬다. 금융에서의 머신러닝이라고 하면 기본적으로 주가 전망을 떠올리기 마련이다. 따라서 시계열 예측을 주로 다루면서 여기에 필요한 머신러닝 및 신경망 알고리즘 정도를 다루고 끝날 것으로 예상했다. 하지만 막상 읽어보니 수익률 예측부터 포트폴리오 분배 및 헷징, 사기 탐지, 뉴스 및 SNS 분석 등의 다양한 주제를 다루고 있었다. 기술적인 측면에서도 기본적인 개념 설명부터 시작하여 시계열 예측, 군집화, 시각화, 강화학습, 그리고 자연어처리까지 다루고 있다. Computer vision 분야를 제외하고는 주요 머신러닝 개념과 사용법을 다루기 있기 때문에, 이 책을 통해서 분명 습득할 수 있는 기술이 많을 것으로 보인다. 하지만 약 450페이지라는 적지 않은 분량의 대부분의 예시가 금융 모델링 실습이므로, 본 책을 통해 머신러닝 자체를 공부하기보다는 이미 어느 정도 지식이 있는 독자가 금융 분석을 습득하는 것이 바람직할 것으로 보인다. 실습에서는 주가 예측이나 파생 상품 가격 책정 등의 문제를 다루며, 예측 모델을 만드는 것 이외에도 시각화 및 금융 지식을 기반으로 한 모델 튜닝을 다루는 점이 좋았다. 금융 분야 비전공자 입장에서는 파생 상품 가격 책정에 쓰이는 Black-Scholes 공식이나 이자율 모델링 등과 같은 금융 배경 설명이 매우 흥미로웠다. 이를 배경으로 하는 문제 설계를 통해, 특정 데이터가 모델링에 사용되는 이유를 이해할 수 있다. 또한 저자 및 한빛미디어 각각 GitHub을 통해 코드를 Nobebook 형태로 제공하며, 이를 통해 빠르게 실습할 수 있다는 장점도 있다. 두 코드를 비교한 결과 저자인 Hariom Tatsat과 한빛미디어의 내용은 동일한 것으로 보인다. 다소 어려운 개념인 강화학습이나 자연어 처리까지 금융 문제에 접목한 점이 흥미로웠으며, 특히 강화학습의 경우 문제 정의 및 실제 구현 예시를 통해 알고리즘의 이해와 포트폴리오 배분 등의 금융 전략을 동시에 익힐 수 있어서 유용했다. 내가 만약 금융 지식이 더 많았다면 나만의 시각 및 의견을 가지고 조금 더 비판적이고 즐겁게 책을 볼 수 있었을 것이다. 이 책의 내용이 여러분을 당장 머신러닝을 활용한 트레이더로 만들 수는 없겠지만, 해당 분야의 전문성을 가지기 위해 입문하는 사람이라면 한 번 읽어볼 것을 추천한다.

다만 아쉬운 점은 책에서 소개하는 예시는 Keras 라이브러리를 활용하였지만, 현재 Keras는 공식적으로 TensorFlow에 포함되었기 때문에, 추후 개정판에서는 코드 업데이트가 필요할 것으로 보인다. 하지만 저자의 GitHub도 업데이트가 되지 않았기 때문에, 국내 출판사 차원에서 작업을 해야할 것으로 보이지만 일부 라이브러리 등의 버전 차이로 인해 코드 내용이 일부 달라질 수도 있을 것으로 보인다. 또한 많은 용어를 한국어로 번역하는 과정에서 일부 매끄럽지 않은 번역도 있는데, 이러한 경우에는 이해를 위해 원래 용어를 사용하는 것이 자연스러울 것으로 보인다. 예를 들어 pip를 핍이라고 옮기는 것은 억지스러운 면이 있으며, 독자들에게 혼란을 줄 것으로 예상된다.