재테크 금융
AI 주식예측 승률 높이는 법
숫자생활연구소, AI
작가와
0 (0명)
4명이 읽었어요
유료 작품은 원스토리 앱에서 이용 할 수 있어요.
- 소장
- 6,900 ⓒ
| 듣기기능 | TTS지원 | 파일정보 | EPUB |
|---|---|---|---|
| 총 용량 | 0.4 MB | 이용기기 | |
| ISBN | 9791143822123 | ||
책 소개
본 도서는 AI를 활용했으며 편집과 검토를 거쳐 완성했습니다.
AI가 더 많은 뉴스와 공시를 읽고 더 빠르게 숫자를 계산한다면 주식 예측의 승률도 자연스럽게 높아질까. 이 책은 그 기대를 곧바로 받아들이지 않는다. 예측 모델의 성능보다 먼저 데이터의 시점이 맞는지, 라벨이 미래 정보를 몰래 포함하지 않았는지, 훈련에 쓰지 않은 구간에서도 결과가 유지되는지, 거래비용과 체결 지연을 넣은 뒤에도 의미가 남는지를 묻는다. 그래서 제목의 승률은 단순 적중률이 아니라 예측이 얼마나 정직하게 검증되고 실패 조건이 얼마나 분명하게 기록되어 있는지를 뜻한다.
본문은 시장 데이터의 첫 단추에서 시작해 피처와 라벨링, 모델 선택, 백테스트와 검증, LLM을 활용한 문서 읽기, 리스크와 포지션 사이징, 거버넌스와 윤리로 이동한다. 특히 대형 언어모델은 가격을 대신 맞히는 기계가 아니라 공시와 긴 문서를 분류하고 비교하는 읽기 도구로 제한해 다룬다. 모델의 출력은 투자 명령이 아니라 검증해야 할 입력이며, 사람이 최종 판단과 책임을 내려놓지 않는 구조를 반복해서 강조한다.
이 책은 어떤 종목이 오를지 알려 주는 추천서가 아니다. 예측을 만들고 시험하고 버리는 기준을 세우려는 독자, AI를 투자에 활용하되 과신과 과최적화를 피하고 싶은 독자에게 필요한 점검 순서를 제공한다. 맞힌 횟수보다 무너지는 조건을 먼저 보는 습관이 장기적으로 더 중요한 이유를 데이터와 절차의 언어로 정리한 실전 교양서다.
AI가 더 많은 뉴스와 공시를 읽고 더 빠르게 숫자를 계산한다면 주식 예측의 승률도 자연스럽게 높아질까. 이 책은 그 기대를 곧바로 받아들이지 않는다. 예측 모델의 성능보다 먼저 데이터의 시점이 맞는지, 라벨이 미래 정보를 몰래 포함하지 않았는지, 훈련에 쓰지 않은 구간에서도 결과가 유지되는지, 거래비용과 체결 지연을 넣은 뒤에도 의미가 남는지를 묻는다. 그래서 제목의 승률은 단순 적중률이 아니라 예측이 얼마나 정직하게 검증되고 실패 조건이 얼마나 분명하게 기록되어 있는지를 뜻한다.
본문은 시장 데이터의 첫 단추에서 시작해 피처와 라벨링, 모델 선택, 백테스트와 검증, LLM을 활용한 문서 읽기, 리스크와 포지션 사이징, 거버넌스와 윤리로 이동한다. 특히 대형 언어모델은 가격을 대신 맞히는 기계가 아니라 공시와 긴 문서를 분류하고 비교하는 읽기 도구로 제한해 다룬다. 모델의 출력은 투자 명령이 아니라 검증해야 할 입력이며, 사람이 최종 판단과 책임을 내려놓지 않는 구조를 반복해서 강조한다.
이 책은 어떤 종목이 오를지 알려 주는 추천서가 아니다. 예측을 만들고 시험하고 버리는 기준을 세우려는 독자, AI를 투자에 활용하되 과신과 과최적화를 피하고 싶은 독자에게 필요한 점검 순서를 제공한다. 맞힌 횟수보다 무너지는 조건을 먼저 보는 습관이 장기적으로 더 중요한 이유를 데이터와 절차의 언어로 정리한 실전 교양서다.
목차
프롤로그. 예측기가 아니라 의사결정 시스템을 만든다는 것
1장. 승률이라는 말을 다시 정의하다
1. 적중률이 높아도 돈을 잃는 이유
2. 분류·회귀·순위화 중 무엇을 풀 것인가
3. 확률과 기대값, 손실 크기를 함께 읽기
4. 아무것도 하지 않는 선택의 가치
5. 연구 질문 선언서 작성법
6. 문제 정의가 남겨야 할 한 장
2장. 데이터에는 두 개의 시계가 있다
1. 발생 시각과 이용 가능 시각
2. 가격·공시·뉴스·기업행사의 다른 시간
3. 포인트인타임과 생존편향
4. 데이터 계약과 버전 이력
5. 권리·보안·재현성까지 데이터 품질이다
3장. 라벨링은 미래를 정의하는 일이다
1. 하루 뒤 등락이라는 함정
2. 트리플 배리어와 사건 기반 라벨
3. CUSUM과 표본을 만드는 시계
4. 겹치는 사건, 퍼징, 엠바고
5. 메타라벨링과 불균형 데이터
4장. 피처 엔지니어링과 누수 차단
1. 가격·거래량·미시구조 피처
2. 재무·거시·기업행사 피처
3. 텍스트·감성·임베딩 피처
4. 변환기는 훈련 구간 안에서만 배운다
5. 피처 안정성과 드리프트 감시
5장. 기준선이 복잡한 모델을 심판한다
1. 로지스틱 회귀와 단순 규칙의 힘
2. 부스팅 모델을 쓸 때의 조건
3. 복잡성 예산과 운영 비용
4. 하이퍼파라미터 탐색도 실험이다
5. 모델 선택 문서의 최소 항목
6. 기준선 리뷰 회의
6장. 시계열 딥러닝을 쓸 때와 쓰지 않을 때
1. 순환신경망과 TCN
2. DeepAR와 N-BEATS
3. TFT·Informer·PatchTST
4. 체제 변화와 비정상성
5. 데이터 규모·지연·재학습 비용으로 선택하기
7장. LLM으로 금융 문서를 읽는 법
1. FinBERT와 범용 LLM의 역할 차이
2. BloombergGPT와 FinGPT가 보여 준 것
3. RAG와 근거 문장 보존
4. 프롬프트·모델 버전·출력 형식 관리
5. 텍스트 신호를 가격 모델에 결합하기
8장. 검증과 백테스트를 다시 정의하다
1. 워크포워드와 롤링 기원 평가
2. 퍼지드 K-폴드와 CPCV
3. PBO와 다중검정의 문턱
4. 비용·지연·시장충격을 반영한 백테스트
5. 부트스트랩과 불확실성 구간
6. 검증 보고서의 첫 페이지
9장. 확률 보정과 앙상블
1. 정확도와 확률 정합성은 다르다
2. 브라이어 점수·로그손실·보정 곡선
3. 플랫 스케일링과 아이소토닉 회귀
4. 아웃오브폴드 스태킹
5. 모델 불일치와 판단 보류
6. 확률표를 운영 언어로 만드는 법
10장. 포지션 사이징과 리스크 예산
1. 기대값보다 먼저 손실 분포를 본다
2. 켈리 기준과 분수 켈리
3. 변동성 타기팅과 상관 관리
4. 기대손실과 꼬리 위험
5. 포지션 크기를 확신이 아니라 위험으로 정하기
11장. 실행과 시장 미시구조
1. 스프레드·호가 깊이·시장충격
2. 임플리멘테이션 쇼트폴
3. 지연과 신호 감쇠
4. 주문 분할과 체결 실패
5. 사후 거래비용 분석
12장. 모니터링·드리프트·재학습
1. 데이터 드리프트와 개념 드리프트
2. 보정 붕괴와 성능 저하
3. 경보·킬스위치·재가동 기준
4. 챔피언-챌린저 운영
5. 사고 회고와 학습 기록
6. 재학습은 사건이지 습관이 아니다
13장. 평가 지표를 의사결정으로 바꾸는 법
1. 분류 지표는 비용표와 함께 읽는다
2. 회귀 지표는 방향과 크기를 나누어 본다
3. 순위화 지표와 포트폴리오 연결
4. 손익 지표는 경로와 꼬리를 포함한다
5. 의사결정 대시보드의 최소 구성
6. 지표 사전과 의사결정 규칙
14장. 실험 파이프라인 구현 패턴
1. 설정과 코드를 분리한다
2. 시간 안전한 파이프라인
3. 아티팩트와 계보 저
1장. 승률이라는 말을 다시 정의하다
1. 적중률이 높아도 돈을 잃는 이유
2. 분류·회귀·순위화 중 무엇을 풀 것인가
3. 확률과 기대값, 손실 크기를 함께 읽기
4. 아무것도 하지 않는 선택의 가치
5. 연구 질문 선언서 작성법
6. 문제 정의가 남겨야 할 한 장
2장. 데이터에는 두 개의 시계가 있다
1. 발생 시각과 이용 가능 시각
2. 가격·공시·뉴스·기업행사의 다른 시간
3. 포인트인타임과 생존편향
4. 데이터 계약과 버전 이력
5. 권리·보안·재현성까지 데이터 품질이다
3장. 라벨링은 미래를 정의하는 일이다
1. 하루 뒤 등락이라는 함정
2. 트리플 배리어와 사건 기반 라벨
3. CUSUM과 표본을 만드는 시계
4. 겹치는 사건, 퍼징, 엠바고
5. 메타라벨링과 불균형 데이터
4장. 피처 엔지니어링과 누수 차단
1. 가격·거래량·미시구조 피처
2. 재무·거시·기업행사 피처
3. 텍스트·감성·임베딩 피처
4. 변환기는 훈련 구간 안에서만 배운다
5. 피처 안정성과 드리프트 감시
5장. 기준선이 복잡한 모델을 심판한다
1. 로지스틱 회귀와 단순 규칙의 힘
2. 부스팅 모델을 쓸 때의 조건
3. 복잡성 예산과 운영 비용
4. 하이퍼파라미터 탐색도 실험이다
5. 모델 선택 문서의 최소 항목
6. 기준선 리뷰 회의
6장. 시계열 딥러닝을 쓸 때와 쓰지 않을 때
1. 순환신경망과 TCN
2. DeepAR와 N-BEATS
3. TFT·Informer·PatchTST
4. 체제 변화와 비정상성
5. 데이터 규모·지연·재학습 비용으로 선택하기
7장. LLM으로 금융 문서를 읽는 법
1. FinBERT와 범용 LLM의 역할 차이
2. BloombergGPT와 FinGPT가 보여 준 것
3. RAG와 근거 문장 보존
4. 프롬프트·모델 버전·출력 형식 관리
5. 텍스트 신호를 가격 모델에 결합하기
8장. 검증과 백테스트를 다시 정의하다
1. 워크포워드와 롤링 기원 평가
2. 퍼지드 K-폴드와 CPCV
3. PBO와 다중검정의 문턱
4. 비용·지연·시장충격을 반영한 백테스트
5. 부트스트랩과 불확실성 구간
6. 검증 보고서의 첫 페이지
9장. 확률 보정과 앙상블
1. 정확도와 확률 정합성은 다르다
2. 브라이어 점수·로그손실·보정 곡선
3. 플랫 스케일링과 아이소토닉 회귀
4. 아웃오브폴드 스태킹
5. 모델 불일치와 판단 보류
6. 확률표를 운영 언어로 만드는 법
10장. 포지션 사이징과 리스크 예산
1. 기대값보다 먼저 손실 분포를 본다
2. 켈리 기준과 분수 켈리
3. 변동성 타기팅과 상관 관리
4. 기대손실과 꼬리 위험
5. 포지션 크기를 확신이 아니라 위험으로 정하기
11장. 실행과 시장 미시구조
1. 스프레드·호가 깊이·시장충격
2. 임플리멘테이션 쇼트폴
3. 지연과 신호 감쇠
4. 주문 분할과 체결 실패
5. 사후 거래비용 분석
12장. 모니터링·드리프트·재학습
1. 데이터 드리프트와 개념 드리프트
2. 보정 붕괴와 성능 저하
3. 경보·킬스위치·재가동 기준
4. 챔피언-챌린저 운영
5. 사고 회고와 학습 기록
6. 재학습은 사건이지 습관이 아니다
13장. 평가 지표를 의사결정으로 바꾸는 법
1. 분류 지표는 비용표와 함께 읽는다
2. 회귀 지표는 방향과 크기를 나누어 본다
3. 순위화 지표와 포트폴리오 연결
4. 손익 지표는 경로와 꼬리를 포함한다
5. 의사결정 대시보드의 최소 구성
6. 지표 사전과 의사결정 규칙
14장. 실험 파이프라인 구현 패턴
1. 설정과 코드를 분리한다
2. 시간 안전한 파이프라인
3. 아티팩트와 계보 저