오늘은 강좌하나를 소개할까 합니다.


최근 빅데이터의 인기가 한창이지요. 이런곳에 빠질 수 없는 곳이 금융 데이터 시장이 아닐까 합니다.

지인분께서 금융 데이터들을 분석하는 이론적/실무적 접근에 관한 강좌를 개설하셔서 이곳에 소개해 드립니다. 

강의 내용에 대해 살펴보면,

R언어는 각광받는 데이터 분석 프로그램이니, 이쪽관련에서는 필수적인 것으로 보여집니다.

특히 whyDSP 블로그는 아무래도 신호처리 전공을 하고 있는 분들이 주로 많이 찾아주실텐데요,

강의내용을 보시면 random process, linear regression, time-series analysis, Kalman Filtering, Principle Component Analysis(PCA), Hidden Markov Model(HMM), Gaussian Mixture Model(GMM) 등 신호처리 전공자들도 이미 다 들어보았을 듯한 내용들 위주로 구성되어 있습니다.


금융권에 종사하시는 분 또는 신호처리 전공자 분들 중  금융권에 종사하고 싶은데 어떤 걸 공부해야 하는지 막막하셨던 분들에게 좋은 강의가 될 것 같습니다. 실제로 강사님께서도 신호처리를 전공하신 분으로, 이런 분야로의 진출에 대해 많은 조언도 해주실 수 있을 것 같습니다.


강의 신청이나 보다 자세한 문의사항은 

아래 강사님 메일로 연락 주시면 됩니다.


김도형 박사 ( kim.dohhyoung@gmail.com )


=== 


강좌명 : 금융 통계 및 시계열 분석

강의 내용 : 

  • 1회 : R의 소개
    • R과 RStudio 사용법
    • R 데이터구조 : 벡터, 리스트, 팩터, 데이터프레임
  • 2회 : R 스크립트 프로그래밍과 패키지 사용/제작법
    • 함수, 제어문, 디버깅, 예외처리, OOP
    • 스크립트 프로그래밍 방법
    • 패키지 사용 및 개발
    • 금융 관련 패키지의 소개
  • 3회 : 고급자료처리 및 기술통계
    • 자료형 변환
    • apply 이용
    • 기술 통계 : contingency table
  • 4회 : 확률분포
    • 확률론 기초
    • 대표적인 확률분포의 소개
    • 분포 추정
  • 5회 : 분포추정 및 가설검정
    • 모수/비모수 추정법의 개념
    • 가설검정의 이해
    • 각종 검정방법의 소개 및 활용
  • 6회 : 선형회귀분석 및 응용
    • 단순/다변수 선형회귀분석 방법
    • 모형 진단
    • 선형회귀의 응용
  • 7회 : 일반선형모형
    • 카운트(count) 자료와 포아송(Poisson) 모형
    • 로지스틱(logistic) 회귀분석
  • 8회 : 시계열분석 1
    • 시계열분석 방법론 소개
    • ARMA(autoregressive moving average)모형
  • 9회 : 시계열분석 2
    • 비정상(non-stationary)모형
    • 계절성(seasonality)
    • ARIMA(autoregressive integrated moving average)모형
    • 단위근 검정법(unit root test)
  • 10회 : 페어 트레이딩 (Pair Trading)
    • 다변량 분석
    • 공적분(cointerated) 모형
    • 페어 트레이딩
  • 11회 : 칼만 필터링 (Kalman Filtering)
    • 베이지안 추정 (Bayesian Estimation)
    • 동적 선형 모형 (Dynamic Linear Model)
    • 칼만필터링
  • 12회 : 변동성 모형
    • GARCH 모형
    • Stochastic Volatility 모형
  • 13회 : 옵션 변동성 트레이딩
    • 변동성 베팅 및 차익거래 (Volatility Betting/Arbitrage)
    • Variance Swap (VIX/V-KOSPI)
  • 14회 : 요인 분석 (factor analysis)
    • 시계열 회귀분석
    • 팩터 모형
    • 주성분 분석 (PCA: Principal Component Analysis)
  • 15회 : 시뮬레이션 기반 방법론
    • MCMC(Markov Chain Monte-Carlo)
  • 16회 : 히든 마코프 모형 (HMM: Hidden Markov Model)
    • Gaussian Mixture Model
    • Hidden Markov Model

강의 시간 : 

주당 2회, 회당 3시간, 총 16회로 구성






+ Recent posts