🤖 머신러닝 트레이딩 실전

데이터 수집부터 실시간 배포까지, ML 트레이딩의 A to Z

📑 목차

1. 머신러닝 트레이딩의 기초
2. 데이터 수집과 피처 엔지니어링
3. 분류 모델을 활용한 방향 예측
4. 시장 레짐 탐지와 적응형 전략
5. 딥러닝을 활용한 시계열 예측
6. 백테스팅과 리스크 관리
7. 실전 배포와 모니터링
8. 고급 기법과 최신 트렌드

🎯 이런 분께 추천합니다

• 퀀트 트레이딩에 머신러닝을 적용하고 싶은 개발자
• 기존 규칙 기반 전략의 한계를 느끼는 트레이더
• 데이터 사이언스 지식을 금융에 활용하려는 분
• LightGBM, LSTM, Transformer 등 실전 코드가 필요한 분
• 백테스팅과 리스크 관리 체계를 갖추고 싶은 분

📖 주요 내용

• 피처 엔지니어링 — 기술적 지표, 온체인, 미시구조 피처 생성
• 삼중 장벽 라벨링 — 실전적인 타겟 변수 정의
• 워크포워드 CV — 시계열 데이터의 올바른 교차검증
• 레짐 탐지 — HMM/클러스터링으로 시장 상태 분류
• LSTM + Attention — 딥러닝 시계열 예측 모델
• 메타 라벨링 — 예측 신뢰도 필터링 기법
• 리스크 관리 — VaR, 서킷 브레이커, 적응형 포지션 사이징