금융 AI의 이해

AI, 금융을 바꾸다

 

ChatGPT가 보여준 놀라운 성과는 모든 산업에 혁신적인 변화를 불러왔다. 금융계도 예외는 아니다. 이 책은 핀테크, 금융 투자, 신용 리스크, 금융 사기 탐지 및 방지, 프로덕트 관리, 생성형 AI로 나눠 금융계에서 AI를 활용하는 방법을 다양한 사례와 함께 알아본다. 또한, 파이썬 라이브러리인 NetworkX, OptBinning, 케라스를 활용해 실제 금융 데이터 기반인 예제를 체계적으로 실습한다. 금융과 AI의 만남을 살펴보면서 금융 AI의 전략적 방향성과 금융 AI에 대한 인사이트를 얻을 수 있을 것이다.

 

도서구매 사이트(가나다순)

[교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [인터파크]  [쿠팡]

 

출판사 제이펍
저작권사 제이펍
원서명 (없음)
도서명 금융 AI의 이해
부제 신용 평가, 사기 탐지, 퀀트 투자, 생성형 AI를 활용한 실전 금융 AI 가이드
지은이 김태헌
옮긴이 (없음)
감수자 (없음)
시리즈 (없음)
출판일 2024. 08. 29
페이지 352쪽
판 형 46배판변형(188*245*21.3)
제 본 무선(soft cover)
정 가 32,000원
ISBN 979-11-93926-47-5 (93000)
키워드 파이썬, 머신러닝, 딥러닝, RAG, 파인튜닝, LLM, 트레이딩, 증권, 블록체인, 핀테크
분 야 컴퓨터 공학 / 인공지능

 

관련 사이트
■  (없음)

 

관련 시리즈

■ (없음)

 

관련 포스트

■ [출간 전 책 소식] - 똑똑해진 AI, 금융계에서도 활약 중

 

관련 도서

■ 파이썬을 이용한 퀀트 투자 포트폴리오 만들기

■ 챗GPT로 만드는 주식 & 암호화폐 자동매매 시스템

 

관련 파일 다운로드

■ https://github.com/datakim/AI_FOR_FINANCE

 

강의 보조 자료(교재로 채택하신 분들은 메일(textbook@jpub.kr)을 보내주시면 다음 자료를 보내드립니다.)
■ 본문의 그림과 표

 

미리보기(추천의 글, 머리말, 이 책에 대하여, 본문 일부)

 

정오표 페이지
■ (등록되는 대로 링크를 걸겠습니다.)

 

도서구매 사이트(가나다순)

[교보문고]  [도서11번가]  [알라딘]  [예스이십사]  [인터파크]  [쿠팡]

 

도서 소개

다양한 사례와 데이터로 배우는 금융 AI의 모든 것

금융 분야는 수많은 데이터와 복잡한 거래 패턴으로 이루어져 있다. 최근 몇 년 동안 AI가 급속도로 발전하면서 금융 서비스 방식을 혁신한 것은 물론 사기 탐지, 리스크 관리 등 금융 분야의 복잡함을 풀어내는 결정적인 역할을 하고 있다. AI 기술을 효과적으로 활용하려면 금융 도메인 지식과 AI 기술에 모두 능숙해야 한다. 단순히 기술적인 지식이 아닌 실제 금융 현장의 문제점과 필요성을 파악하고, 이를 AI 기술로 해결하는 능력이 필요하다.

 

총 6장으로 구성된 이 책은 다양한 데이터를 통해 금융계에서의 AI 활용법을 알아보고 전략을 제시하며, 금융 도메인 전문성을 갖춘 데이터 과학자가 되기 위한 핵심적인 내용을 체계적으로 담았다. 1장에서는 금융 분야에서의 AI 중요성과 그 영향력을 조명하고, AI 기술이 금융 서비스와 거래 방식에 미치는 긍정적인 변화와 가능성을 살펴본다. 2장에서는 금융 투자 영역에서의 AI 활용법과 다양한 투자 전략에서 AI가 어떻게 핵심 역할을 하는지를 다룬 후 파이썬 주요 라이브러리로 머신러닝/딥러닝을 활용한 퀀트 투자 전략을 알아본다.

 

3장에서는 머신러닝 기반 신용 평가의 중요성과 함께 최신 신용 평가 방법론을 자세히 알아본 후 Optbinning과 TOAD 라이브러리를 활용한 신용 평가 모델 개발 방법을 실습해본다. 4장에서는 AI 기반의 사기 탐지 방법론과 그 효과에 대해 상세하게 설명한다. 지도학습/비지도학습을 활용한 신용카드 사기 탐지 모델 사례를 살펴본 후 파이썬 라이브러리인 NetworkX로 그래프 데이터를 직접 분석한다.

 

5장에서는 AI 프로덕트의 전반적인 관리 방법을 탐구한다. 데이터/머신러닝 파이프라인의 구축부터 배포, 모니터링, 성과 측정 방법론까지, AI 프로덕트의 전 생애 주기를 관리하는 방법을 소개하고, Evidently 라이브러리를 활용해 데이터의 품질과 변화를 모니터링하는 방법을 학습한다. 6장에서는 생성형 인공지능의 핵심 원리와 금융 분야에서의 실질적 활용 방안을 탐구하며, LLM과 같은 최신 AI 기술을 금융 서비스에 통합하는 방법에 대해 자세히 살펴본다.

 

금융과 AI가 만나는 지점에서 혁신적인 가능성을 발견할 수 있다. 이 책을 통해 금융 AI의 전략적 방향성과 미래 전망은 물론 금융 AI의 깊은 세계에 한 발짝 더 다가갈 수 있을 것이다.

 

주요 내용

• 금융계에서의 AI 위치와 중요성
• 파이썬 라이브러리와 머신러닝, 딥러닝을 활용한 투자 전략
• 신용 리스크의 개념과 AI를 통한 신용 리스크 모델링
• AI를 활용한 금융 사기 탐지 및 방지하는 방법
• AI 프로덕트 관리 전략과 방법론
• RAG, 파인튜닝 등 최신 AI 기술을 금융 서비스에 통합하는 방법

지은이 소개

김태헌

외국계 IT 기업, 국내 금융사 AI 연구소, 외국계 소비재 기업 등에서 다양한 AI 프로젝트 경험을 쌓고 현재는 이커머스 기업의 핀테크 조직에서 시니어 데이터 과학자이자 머신러닝 알고리즘 엔지니어로 일하고 있다. 베이징 대학 졸업 후 캘리포니아 대학교 샌디에이고(UCSD)에서 국제경제 석사학위를 받았다. 또한, 세계 최대 데이터 과학 커뮤니티이자 경진대회 플랫폼인 캐글에서 그랜드마스터로 활동하고 있다. 저서로는 《AI 소사이어티》(2022, 미래의창/2022년 세종도서 교양부문 선정), 《퀀트 전략을 위한 인공지능 트레이딩》(2020, 한빛미디어)이 있으며, 역서로는 《그림으로 배우는 StatQuest 머신러닝 강의》, 《단단한 머신러닝》, 《데이터 과학자와 데이터 엔지니어를 위한 인터뷰 문답집》(이상 제이펍) 등이 있다.

 

차례

추천의 글 ix

머리말 xi

이 책에 대하여 xiii

 

CHAPTER 1 금융과 핀테크에서의 AI 1

1.1 금융이란 무엇인가? 3

1.2 금융을 다루는 기관들 4

__1.2.1 은행(제1금융기관) 4

__1.2.2 비은행예금취급기관(제2금융기관) 4

__1.2.3 보험회사 5

__1.2.4 금융투자업자 5

__1.2.5 기타금융기관(카드사 포함) 5

__1.2.6 공적금융기관 5

__1.2.7 핀테크 6

1.3 AI와 그 주변 용어들 6

1.4 금융과 AI 8

__1.4.1 국내 금융 분야 AI 시장 규모 9

__1.4.2 금융 산업에 대한 AI의 영향력이 큰 이유 10

__1.4.3 금융 AI 트렌드 13

__1.4.4 금융 서비스에서 AI의 핵심 가치 15

__1.4.5 금융 서비스 분야에서 AI의 도입 장벽 16

1.5 금융 AI의 주요 활용 분야 18

__1.5.1 신용 평가에서 AI와 대체 데이터의 활용 19

__1.5.2 사기 탐지 및 방지: 디지털 시대의 필수 요소 21

__1.5.3 고객 서비스 26

__1.5.4 투자와 트레이딩 28

__1.5.5 준법 감시와 규제 29

__1.5.6 프로세스 자동화 31

1.6 금융 AI 핵심 문제 정의 33

1.7 금융 AI 전망과 도전적 과제들 35

__1.7.1 양질의 데이터 확보 36

__1.7.2 규제 및 보안 이슈 37

__1.7.3 기존 레거시 시스템의 한계 37

__1.7.4 윤리적 고려의 중요성 38

1.8 마무리 39

 

CHAPTER 2 금융 투자 영역에서의 AI 41

2.1 대표적인 금융 투자 방식 43

__2.1.1 퀀트의 기원과 AI 시대 44

__2.1.2 성장하는 알고리즘 트레이딩 시장 46

2.2 금융 투자 영역에서 AI가 각광받는 이유 46

2.3 AI를 접목한 투자의 장점과 단점 47

2.4 금융 투자 데이터 유형 49

2.5 데이터 소스 선택 51

2.6 전통적인 퀀트 투자 vs. AI 기반의 계량 투자 52

__2.6.1 전통적인 퀀트 투자 전략 54

__2.6.2 AI 기반 투자 전략 55

2.7 AI를 금융 투자에 활용할 때 주의해야 할 점 56

2.8 실제 투자 영역에서의 AI 응용 사례 57

2.9 마무리 60

실습 1 금융 시계열 및 파이썬을 활용한 전통 퀀트 방법 구현 60

실습 2 머신러닝을 이용한 투자 전략 75

실습 3 딥러닝을 이용한 투자 전략 98

 

CHAPTER 3 AI 기반의 신용 리스크 모델링 113

3.1 신용 리스크 관리 개요 115

__3.1.1 신용 리스크 관리의 중요성 116

__3.1.2 신용 리스크 관리의 필수성 116

__3.1.3 신용 리스크 관리의 실천 방안 116

3.2 신용 평가 모델의 활용 117

__3.2.1 신용 평가 모델의 다양한 활용 사례 117

__3.2.2 여러 나라의 신용 평가 시스템 118

__3.2.3 핀테크에서의 신용 평가 모델 활용 119

3.3 신용 리스크 관리 체계 123

__3.3.1 데이터 체계 125

__3.3.2 전략 체계 126

__3.3.3 모델 체계 128

3.4 AI 적용 관점에서의 신용 리스크 관리 영역 특징 129

3.5 신용 평가 모델 평가 지표 130

__3.5.1 K-S 통계량 130

__3.5.2 PSI 131

__3.5.3 정밀도와 재현율 132

__3.5.4 AUC-ROC 134

3.6 신용 평가 모델 개발을 위한 사전 지식 135

__3.6.1 연체 기간 136

__3.6.2 관찰 시점 137

__3.6.3 관찰 기간 137

__3.6.4 성능 기간 137

__3.6.5 종속변수 138

__3.6.6 성능 기간 설정과 빈티지 분석 139

__3.6.7 데이터 분할 전략 141

3.7 머신러닝 기반 신용 평가 모델 개발 142

__3.7.1 데이터 준비 143

__3.7.2 데이터 가공(피처 엔지니어링) 147

__3.7.3 모델링 154

__3.7.4 스코어링 155

__3.7.5 모델의 해석력 158

__3.7.6 모델 배포 159

__3.7.7 모니터링 161

3.8 마무리 161

실습 1 밑바닥부터 시작하는 머신러닝 기반 신용 평가 모델 개발 162

실습 2 OptBinning 라이브러리를 활용한 신용 평가 모델 개발 184

 

CHAPTER 4 AI를 활용한 금융 사기 거래 탐지 및 예방 201

4.1 금융 사기 거래 탐지의 중요성과 AI 203

4.2 이상 탐지와 사기 거래 탐지 205

4.3 금융 사기 유형 206

4.4 금융 사기의 특성 207

4.5 사기 거래 탐지와 진화하는 AI 기술 209

4.6 금융 사기 거래 탐지 및 예방 210

__4.6.1 사기 거래 탐지 및 예방 시장 규모 211

__4.6.2 금융 사기 예방 방법 212

4.7 사기 거래 탐지 및 예방 리스크 관리 전략 개발 프로세스 215

__4.7.1 리스크 관리 전략 개발 프로세스 215

__4.7.2 리스크 분석 216

__4.7.3 전략 설계 및 프로세스 디자인 217

__4.7.4 전략 효과 평가 및 진단 조율 217

__4.7.5 지속적인 개선과 최적화 217

4.8 마무리 218

실습 1 사기 거래 탐지를 위한 가장 기본적인 방법: 규칙 기반 탐지 219

실습 2 머신러닝 기반의 신용카드 사기 거래 탐지 모델 개발 223

실습 3 딥러닝 기반의 신용카드 사기 거래 탐지 모델 개발 248

실습 4 그래프 데이터를 활용한 금융 사기 거래 탐지 및 예방 259

 

CHAPTER 5 금융 AI 프로덕트 관리 277

5.1 데이터 파이프라인 구축 280

5.2 데이터 파이프라인 예시 282

5.3 SQL과 에어플로를 활용한 배치 처리 데이터 파이프라인 예시 284

5.4 모델 패키징 및 배포 289

__5.4.1 모델 패키징하기 289

__5.4.2 배포하기 290

5.5 프로덕션 환경에서의 모델 테스트 방법 291

5.6 AI 프로덕트 성능 모니터링 292

__5.6.1 공변량 시프트 293

__5.6.2 개념 드리프트 294

__5.6.3 모델 성능 저하를 불러오는 변화 유형 294

__5.6.4 데이터 분포 시프트를 감지하는 방법 294

5.7 AI 프로덕트의 모델 재학습 주기 296

5.8 AI 프로덕트 성과 및 가치 측정 297

__5.8.1 비즈니스 관점 297

__5.8.2 시스템적 관점 298

__5.8.3 체계적이고 정량적인 지표를 제공하자 299

5.9 마무리 300

실습 1 Evidently AI를 활용한 모니터링 301

 

CHAPTER 6 금융에서의 생성형 AI 활용 309

6.1 생성형 AI의 핵심 원리와 사용 방안 312

__6.1.1 데이터 수집 및 변환 315

__6.1.2 임베딩 315

__6.1.3 질의와 문서 임베딩 비교 316

__6.1.4 프롬프트 보강 316

6.2 LLM 애플리케이션을 만들기 위한 도구들 317

__6.2.1 RAG 317

__6.2.2 공통 도구 318

__6.2.3 미세 조정 319

6.3 금융에서의 생성형 AI 활용 방안 319

6.4 생성형 AI에 대한 오해와 진실 323

__6.4.1 생성형 AI 기술은 새롭다 323

__6.4.2 기반 모델이 기존의 머신러닝을 완전히 대체할 것이다 323

__6.4.3 환각 현상 때문에 생성형 AI 응용이 불가능하다 324

__6.4.4 생성형 AI가 모든 문제를 해결할 것이다 324

6.5 마무리 325

 

찾아보기 327

 

 

제이펍 소식 더 보기(제이펍의 소통 채널에서 더욱 다양한 소식을 확인하세요!)

포스트  유튜브  인스타그램  트위터  페이스북