분야스마트팩토리/인공지능
강의자김주철
수료증발급
신청기간2025-03-31 ~ 2026-02-28
학습기간2025-03-31 ~ 2026-05-31
학습언어한국어 (ko)
<강좌 개요>
파생상품 시장은 복잡성과 변동성이 높은 특성을 가지며, 정교한 가치평가 및 리스크 관리가 필수적입니다. 기존의 전통적인 모델을 넘어, 인공지능(AI)을 활용한 정량적 분석 및 헷징 전략이 금융 업계에서 점점 더 중요해지고 있습니다.
이 강의에서는 AI와 머신러닝 기법을 활용하여 파생상품의 가치를 평가하고, 효과적인 헷징 전략을 수립하는 방법을 학습합니다.
금융권 종사자, 퀀트 트레이더, 데이터 사이언티스트, 리스크 매니저 등 AI를 활용한 금융 데이터 분석 및 헷징 전략 수립에 관심이 있는 학습자를 대상으로 하며, 실전 중심의 강의를 통해 AI 기반의 금융 리스크 관리 역량을 키울 수 있도록 돕습니다.
<강좌 목적>
- 인공지능을 활용한 파생상품의 가치평가 및 예측 모델 학습
- 머신러닝 및 강화학습을 활용한 최적의 헷징 전략 구축
- 실제 금융 데이터를 활용한 실전 모델링 및 시뮬레이션 실습
<상세 커리큘럼>
|
주차 |
주차명 |
차시명 |
콘텐츠 분량 |
|
1 |
1. Overview |
1-1. Overview |
00:14:52 |
|
2 |
2. Warm-up |
2-1. Volatility |
00:27:44 |
|
2-2. Random Walk (1) |
00:14:32 |
||
|
2-3. Random Walk (2) |
00:14:46 |
||
|
3 |
3. Black-Scholes World |
3-1. Introduction to pfthedge |
00:19:29 |
|
3-2. Brownian Motion |
00:37:02 |
||
|
3-3. Black-scholes Formula |
00:28:37 |
||
|
3-4. Delta Hedging |
00:37:44 |
||
|
3-5. Torch Dataset (torch.utils.data.Dataset) |
00:44:58 |
||
|
3-6. Black-scholes with Delta Hedging |
00:30:51 |
||
|
4 |
4. Neural Network 101 |
4-1. Broadcasting and Softmax |
00:36:47 |
|
4-2. Negative Log-likelihood (NLL) |
00:49:03 |
||
|
4-3. Neural Network |
00:39:12 |
||
|
5 |
5. Deep Hedging |
5-1. torch.nn.Module |
00:25:10 |
|
5-2. Loss Function |
00:23:59 |
||
|
5-3. Entropic Risk Measure |
00:09:24 |
||
|
5-4. prev_hedge |
00:11:27 |
||
|
5-5. GPU |
00:37:39 |
||
|
6 |
6. Applications |
6-1. Micrograd (1) |
00:51:15 |
|
6-2. Micrograd (2) |
00:36:00 |
||
|
6-3. Micrograd (3) |
00:55:34 |
||
|
6-4. Stochastic differential equations |
00:21:33 |
||
|
6-5. Exotic options |
00:33:14 |
||
|
|
|
|
총 분량: 11:40:52 |
[문의]
연세대학교 LearnUs 추진팀 (learnus_office@yonsei.ac.kr)
포인트 사용
3,500포인트 적립
- 이수조건각 영상 80%이상 시청
- 수료조건영상 80% 시청 + 설문 응시
분야스마트팩토리/인공지능
강의자김주철
수료증발급
학습시간11시간 40분
신청기간2025-03-31 ~ 2026-02-28
학습기간2025-03-31 ~ 2026-05-31
(수강신청일 또는 학습시작일로부터 +90일까지)
※ 학습종료일 이후에는 기간이 남았더라도 입장할 수 없습니다.
학습언어한국어 (ko)