최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
통계학과
데이터 사이언스와 인공지능의 붐에 힘입어 금융수학/공학에서도 인공지능과 데이터 사이언스 기법을 이용하는 다양한 시도들이 펼쳐지고 있다. 이 과목에서는 전통적인 금융수학/공학으로부터 시작하여 다양한 인공지능 방법들과 그 방법들이 현재 금융시장에서 어떻게 응용되고 있는지를 중점으로 다룬다. 초단타매매, 알고리듬 매매, 딥러닝, 강화 학습, 자연어 처리 등 기계학습/인공지능의 주제와 market microstructure, high frequency data, limit order book, optimal execution 등의 금융의 주제를 함께 공부한다.
loading...
대상: 서울대학교 중앙도서관의 승인을 받은 서울대학교 연구 관련 담당자 (교직원 등)
아래 기능을 클릭해 보세요
서울대학교 연구 성과 분석 대시보드
연구 성과 데이터를 통합 분석하여 기관 차원의 연구 경쟁력 진단 및 전략적 의사결정이 필요할 때
데이터 사이언스와 인공지능의 붐에 힘입어 금융수학/공학에서도 인공지능과 데이터 사이언스 기법을 이용하는 다양한 시도들이 펼쳐지고 있다. 이 과목에서는 전통적인 금융수학/공학으로부터 시작하여 다양한 인공지능 방법들과 그 방법들이 현재 금융시장에서 어떻게 응용되고 있는지를 중점으로 다룬다. 초단타매매, 알고리듬 매매, 딥러닝, 강화 학습, 자연어 처리 등 기계학습/인공지능의 주제와 market microstructure, high frequency data, limit order book, optimal execution 등의 금융의 주제를 함께 공부한다.
Information and Communication Technology for Development for Africa : Second International Conference, ICT4DA 2019, Bahir Dar, Ethiopia, May 28-30, 2019, Revised Selected Papers
Mathematica beyond mathematics : the Wolfram language in the real world
150 most frequently asked questions on Quant interviews
금융시장론 =
A portrait of state-of-the-art research at the Technical University of Lisbon
Mastering Python for finance : implement advanced state-of-the-art financial statistical applications using Python
Business innovation and development in emerging economies : Sebelas Maret International Conference on Business, Economics and Social Sciences (Smicbes 2018)
Mathematical handbook of formulas and tables
데이터 과학자를 위한 금융 분석 총론 : R로 학습하는 핵심 금융 분석의 이론과 실제
Statistics and finance : an introduction
Automotive, mechanical and electrical engineering : proceedings of the 2016 International Conference on Automotive Engineering, Mechanical and Electrical Engineering (AEMEE 2016), Hong Kong, China, 9-11 December 2016
AI를 위한 필수 수학 : [AI 시스템에 쓰이는 통계학, 선형 대수학, 미적분학]
Mathematical formulas for economists
Numerical methods in computational finance : a partial differential equation (PDEFDM) approach
금융수학개론 : 연습문제 풀이 수록
Financial signal processing and machine learning
(이론에서 실전까지) 금융 머신러닝
이우식 · 2025
차세대컨버전스정보서비스기술논문지
Harish Kumar; Anuradha Taluja; Parsanjeet Kumar · 2024
International Journal of Financial Engineering
Lipinski, P. · 2012
IEEE Computational Intelligence Magazine, Computational Intelligence Magazine, IEEE, IEEE Comput. Intell. Mag.
潘杰; 洪磊 · 2018
现代职业教育 / Modern Vocational Education
손판도 · 2013
경영사연구
Sebastien Lleo · 2020
Quantitative Finance
Karim, M.A. · 2021
Journal of Physics: Conference Series
谭春枝; 谢军; 莫国莉 · 2021
广西教育学院学报 / Journal of Guangxi College of Education
최재길; 심상길 · 2024
교양교육연구
Yang, Xiaogang · 2017
Modern Economy
Søren Feodor Nielsen · 2012
Journal of Applied Statistics
沈璐敏; 杨永亮; 韩雷; SHEN Lumin; YANG Yongliang; HAN Lei · 2024
金融理论与教学 / Finance Theory and Teaching
Özge Akkuş; Atilla Göktaş · 2021
Journal of Applied Statistics
王岩 · 2017
房地产导刊 / Real Estate Biweekly
孙越 · 2017
现代经济信息 / Modern Economic Information
李哲; 易志高; 成春林 · 2023
中国大学教学 / China University Teaching
方杰; 刘俊棋; 李杰辉 · 2021
金融理论与教学 / Finance Theory and Teaching
Grabinska, Barbara; Andrzejewski, Mariusz; Grabinski, Konrad · 2021
E-MENTOR
Jae Gil Choi; Sang Kil Shim · 2024
The Korean Association of General Education
Jawadi, Fredj · 2019
Computational Economics
전선 / 학사
이 과목에서는 금융수학을 이해하고 적용하기 위한 기본 이론과 방법론을 공부하며 그 응용으로 블랙-숄즈 이론을 배운다. 특히 복제포트폴리오, 차익거래가격결정이론, 측도론에 입각한 확률론 입문, 마팅게일 측도와 이의 파생상품 가격결정에의 응용, 브라운 운동, 이토 적분론, 이토 공식, 블랙-숄즈 시장 모형, 블랙-숄즈 공식, 편미분방정식의 수치해법 등을 배운다.전선 / 학사
본 과목은 자연과학대학 학부생을 대상으로 하여, 세부 학부/학과에 관계없이 자연과학대학 학부생이 함양해야 하는 프로그래밍 및 인공지능 지식을 갖추도록 돕는 것을 목표로 합니다. 특히 프로그래밍 및 인공지능과 관련된 방대한 내용 중 자연과학을 전공하는 데 실질적으로 필요한 전산학, 계산과학, 통계학, 심층신경망 분야의 기초지식을 습득하고, 그에 대한 실습을 직접 해보도록 하는 데 초점을 맞춥니다. 이는 자연과학대학의 기존 인공지능/계산과학/데이터과학 전공과목의 수강에 앞서, 학부생들이 프로그래밍 능력과 함께 이를 자연과학의 문제에 직접 적용할 수 있는 능력을 갖추도록 하기 위함입니다. 본 과목에서는 이론과 실습을 병행하여, 향후 자연과학 연구에서 맞닥뜨릴 수 있는 실제 문제와 데이터를 인공지능을 이용하여 다루고 해결해 볼 수 있는 기회를 학부생들에게 제공하고자 합니다. 기초 수준의 컴퓨팅/프로그래밍 능력을 갖춘 학생은 본 과목을 이수한 후, 자연과학의 세부 분야에서 인공지능과 프로그래밍이 어떻게 활용되는지 이해하고, 향후 연구에 직접 활용할 수 있는 능력을 함양하게 될 것입니다.전선 / 학사
이 과목은 금융수학1의 지식을 바탕으로 다음과 같은 주제 중 적절한 것을 선별하여 공부한다: 미국식옵션 및 이색옵션, 이자율 모형, 리스크 관리, 기타 강사가 정한 토픽.전선 / 학사
인공지능은 수학교육의 내용과 방법에 영향을 미치고 있다. 이 과목은 인공지능의 수학적 원리와 인공지능과 융합된 수학 교육에 대해 배우고, 인공지능을 활용한 수학교육의 가능성을 탐색한다. 텍스트 분석, 이미지 분류 문제에 사용되는 수학적 모델의 원리, 데이터로부터 회귀분석과 기계학습을 이용해 예측 모델을 구성하는 방법, 인공신경망과 경사하강법에 대해 배우고 데이터를 사용한 인공지능 구현 프로젝트를 수행한다. 수학교육과 관련된 문제에 인공지능 관련 기술이 어떻게 적용될 수 있는지도 탐색해 본다.전선 / 학사
이 강의에서는 실질적 문제해결을 위한 다양한 자료 분석 방법론의 이해와 적용을 경험한다. 해결하고자 하는 문제의 구체화를 포함하여, 데이터의 수집 및 정리, 탐색적 데이터분석, 시각화, 통계적 추론 및 예측 그리고 의사결정의 핵심 원리를 배운다. 정형 데이터뿐만 아니라 비정형 데이터(텍스트 데이터, 공간 데이터, 네트워크 데이터) 분석 방법도 다루며, 이러한 데이터에 적합한 시각화 및 분석 기법을 학습한다. 학생들은 다양한 데이터의 구조를 이해하고 적절한 자료 분석 방법을 선택하며, 실습을 통해 배운 내용을 실제 문제에 적용하여 해결하는 전 과정을 경험한다. 이를 통해 문제해결 능력과 실무에서 활용 가능한 분석 역량을 효과적으로 향상시킨다.전선 / 학사
데이터 리터러시의 개념과 데이터마이닝에 사용되는 다양한 종류의 방법론을 배운다. 본 강의는 3부로 나누어진다. 제1부에서는 데이터 리터러시에 대해서 배우고, 제2부에서는 데이터마이닝을 위한 다양한 방법론을 소개한다. 특히, 상관관계부터 인과관계까지 데이터 기반 관계를 이해하는 방법을 배우고, 선형회귀모형부터 신경망모형까지의 예측모형 구축방법과 모형을 해석하는 방법, 그리고 군집분석/연관성분석 등 데이터탐색 방법을 다룬다. 제3부는 실제 예제를 분석하는 것으로 수강 학생들의 팀 프로젝트 발표로 이루어진다. 본 강의는 이론 2시간 실습 2시간으로 이루어진다. 본 과목의 필수 선수과목은 <회귀분석 및 실습>이다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 대학원
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 대해서 논의한다.전선 / 학사
본 교과목은 다변량 통계 분석의 이론과 응용을 다루며, 학생들이 다변량 데이터를 효과적으로 분석하고 해석할 수 있는 능력을 기르는 것을 목표로 한다. 주요 내용으로 다변량 정규분포 및 관련 분포 이론을 학습하고, 다변량 가설검정을 통한 그룹 비교 및 통계적 유의성 분석을 수행한다. 또한, 주성분 분석(PCA)과 요인 분석(Factor Analysis) 등 다양한 다변량 통계 기법들을 배우며, 구조방정식 모델(Structural Equation Modeling, SEM)을 활용하여 변수 간의 관계를 분석하는 방법을 익힌다. 마지막으로, 분류(Classification) 기법을 통해 데이터의 패턴을 분류하고 예측하는 방법을 학습한다. 이를 통해 학생들은 다양한 다변량 데이터 분석 기법을 실습하고 실전 문제에 적용할 수 있는 역량을 갖추게 된다.전선 / 학사
최근 수십 년간의 컴퓨터 기술의 발전으로 인해 통계분석가는 이전에는 상상할 수 없었던 복잡한 통계모형들을 사용할 수 있게 되었다. 따라서 현대의 복잡하고 다양한 통계모형들을 분석하기 위해서는 컴퓨터를 이용한 여러 가지 통계계산 방법들을 습득하는 것이 필수 불가결한 과제가 되었다. 이 과목에서는 모수론적 통계와 베이지안 통계에 필요한 통계계산 방법들을 배우고 이를 실제 컴퓨터로 구현해 보는 것을 목표로 한다. 모수론적 통계 분석을 위해서는 우도함수를 최적화 할 때 쓰는 뉴튼 랩슨 방법을 비롯한 각종 최적화 방법들을 배운다. 베이지안 통계분석을 위해서는 깁스 표본추출, 메트로폴리스 알고리듬 등 마코프 사슬 몬테 카를로 기법을 다룬다. 이외에도 통계계산에 필요한 자료구조와 행렬계산 등 다양한 계산 알고리즘들을 다룬다.전선 / 학사
데이터에 대한 탐색과 통계적 탐구를 수행하는 방법을 배운다. 데이터의 종류와 특성을 이해하고, 적절한 시각화와 분석을 통해 데이터에 숨은 정보를 찾아내고 근거에 기반을 둔 합리적인 의사결정을 하는 방법을 배운다. 데이터에 존재하는 관계성을 찾아 수학적으로 모델링하는 방법으로써 상관관계의 분석과 회귀분석, 클러스터링 기법 등을 배운다. 데이터를 이용한 통계적 탐구를 지도하는 방법을 배운다.전선 / 학사
계산물리학은 최근 급격하게 발전하여, 물리학의 기존 난제들을 해결하는데 크게 기여하고 있다. 이는 컴퓨터 하드웨어 및 소프트웨어의 진보뿐만 아니라 물리에 바탕을 둔 계산 방법론의 개발에 힘입은 것이다. 또한 기계학습의 발전 덕분에 복잡한 데이터로부터 숨은 물리학적 원리를 발견하는 데이터 기반 접근법이 가능해졌다. 이 과목에서는 계산물리학과 기계학습을 이용하여 물리학의 문제를 해결하는 방법을 배우며, 기계학습의 원리를 정보이론 및 물리적 관점에서 설명한다.전선 / 학사
이 과목에서는 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 특히 이러한 목적을 위한 기계 학습의 실용적인 기초와 새로운 패러다임을 소개하여 여러 실제 세계 도메인 응용에 어떻게 적용하는지 학습한다.전선 / 학사
경제 분석에 있어 데이터 사이언스의 중요도는 갈수록 증대되고 있다. 이 과목에서는 데이터 사이언스의 다양한 개념 및 방법론을 소개하고, 학생들로 하여금 이를 실생활에 응용하는 기회를 제공한다. 구체적으로 기초 통계학/계량경제학의 내용들을 바탕으로 베이지안 통계학, 빅데이터 분석, Deep Learning, Contextual Bandit Problem 등의 이론을 살펴보고, 실생활에 응용한 사례들을 탐구하여 데이터 사이언스의 활용 가능성을 모색한다. 학생들은 이 과목을 통해 기존 데이터 사이언스 방법론에 담긴 아이디어를 개선하거나, 기존의 아이디어를 구체적인 경제 분석에 응용하는 훈련을 하게 된다.전선 / 학사
베이즈 추론은 베이즈 정리를 이용하여 불확실성을 가진 정보를 확률로 표현하고 이를 이용하여 추론을 하는 방법이다. 이 과목에서는 베이즈 추론의 역사적 배경, 베이즈 추론의 기본 요소를 다루고, 현실적인 베이즈 추론을 위해 필요한 베이즈 계산 방법들, 즉 마르코프 체인 몬테 카를로와 변분방법 등을 다룬다. 또한 베이즈 추론을 이표본 검정, 선형 회귀모형, 로지스틱 회귀모형 등 기본적인 통계모형에 적용하여 데이터 분석하는 방법을 배운다.전선 / 학사
이 강좌는 자료분석을 위해서 사용하는 다양한 고급 통계 방법에 관한 교육을 목표로 한다. 회귀분석에서 소개된 선형모형의 이론과 응용을 보다 일반적인 경우로 확장하고 각 방법들에 대한 직관적인 설명과 한계에 대해서 알아본다. 또한 실제 문제에서 이러한 방법을 적용하기 위한 프로그래밍을 통한 구현 방법을 학습한다. 이 강좌를 이수한 후 수강생들은 새로운 자료 분석 문제를 마주쳤을 때 (1) 적절한 통계 분석 방법을 선택하고 (2) 이러한 방법들을 통계 소프트웨어를 이용하거나 프로그래밍을 통하여 구현하고 (3) 분석 결과를 통계학 전공이 아닌 사람들에게 설명할 수 있어야 한다.전선 / 학사
본 과목에서는 인공지능 기술을 활용하여 경제 데이터를 분석하고 예측하는 방법을 학습한다. 다음은 본 강좌의 주요 학습내용이다: (1) 인공지능과 머신러닝의 기본 원리를 이해하고, 경제 데이터 분석에 적용하는 방법, (2) 다양한 인공지능 기술을 활용하여 경제 데이터를 분석하고, 경제 현상을 예측하는 모델을 구축, (3) 실제 경제 데이터를 사용하여 인공지능 기반의 분석 및 예측 프로젝트를 수행하고, 결과 해석. 본 과정을 통해 학생들은 데이터 기반의 경제학적 의사결정을 내리는 데 필요한 실용적 경험을 갖게 되고, 미래의 데이터 과학자 및 경제 분석가로서의 역량을 기를 수 있다.전선 / 학사
이 과목은 수리적인 모형들을 통하여 파생상품을 포함한 다양한 자산들의 가치평가 방법론에 대하여 이해하는 것을 목적으로 한다. 과목 전반부에 다루는 내용은 본 과목을 이해하는데 필요한 기본적인 수학적인 테크닉에 대한 준비를 포함한다. 주요한 내용으로서는 차익거래모형을 이용하여 다양한 파생상품 계약들을 가치평가하고 또한 그러한 금융계약들을 설계하는 것을 다룬다. 응용 분야로는 선물, 옵션과 같은 기본적인 파생상품을 비롯하여 신용파생상품이나 전환사채와 같은 다양한 상품들을 포함한다. 또한 연속시간모형을 활용하여 균형 하에서의 자산가치 평가에 대하여 다룬다. 응용 분야로는 이자율 기간구조 모형 등을 포함한다.전선 / 대학원
이 과목에서는 베이즈 통계학의 이론에 대해서 공부한다. 다루는 내용은 비모수 베이즈 통계학, 베이즈 점근적 이론, 베이즈 계산의 이론, 무정보 사전분포 등을 다룬다.