UNIST 금융공학연구실에 들어오기 위해 공부해야 할 내용들과 들어와서 주로 공부하게 될 내용을 정리해 보았습니다. 기초적인 부분들은 학부 때 공부하고 들어오는 것이 좋고, 만약 그렇지 못했다면 대학원 수업 수강, 연구실 스터디, 또는 개별적으로 공부하게 될 것입니다.
인턴십 또는 연구실 진학에 관심있는 학생들은 최소한 기본적인 프로그래밍(Python, R, MATLAB 중 하나)으로 데이터 전처리, 모델링, 시각화를 어느 정도는 할 수 있어야 합니다. 그 외에는 아래의 domain, method에 있는 것을 모두 알 수는 없겠으나 몇 가지 정도는 관련 과목을 수강 한 뒤에 지원하는 것이 좋습니다.
Domain
- 투자론 (investment)
- 우리 연구실은 금융 안에서도 투자, 자산관리 분야를 중심으로 연구합니다. 투자가 무엇인지 이해하기 위해서는 현금흐름, 이자율에 대한 기본적인 이해부터 채권, 주식, 선물, 옵션 등 다양한 투자 자산 및 금융 시장에 대하여 공부해야 합니다.
- 관련과목: IE314 계량투자론, MTH343 금융수학, IE412 고급계량투자론
- 추천 책
- 코딩과 함께 실용적인 공부를 하고 싶은 경우
- 수학적으로 보다 깊게 이해하고 싶은 경우
- Link
Method
- 확률론 (probability theory)
- 금융 시장에서 불확실성(uncertainty)은 가장 중요한 특성이며, 이를 분석하기 위한 수학적 기반이 바로 확률론입니다. 기본적인 확률 & 통계는 물론 measure theory에 기반한 probability space에 대한 이해도 반드시 필요합니다.
- 관련과목: IE207 통계계산, MTH342 확률론, MTH503 확률및확률과정론
- Link
- 선형대수학 (linear algebra)
- 선형대수학은 multi-dimensional space를 다루는데 필수적입니다. 최적화와 기계학습을 공부하기 위한 준비과정이라고 할 수 있습니다.
- 관련과목: MTH203 응용선형대수
- 추천 책
- Link
- 수리적 최적화 (mathematical optimization)
- 수리적 최적화는 데이터를 기반으로 좋은 의사결정을 도출하기 위한 학문입니다. 우리 연구실에서는 특히 자산배분, 소비, 저축 등과 관련된 맞춤형 의사결정을 연구하고 있습니다.
- 관련과목: IE201 계량경영학 I, IE305 계량경영학 II, IE505 선형계획법, IE507 컨벡스 최적화
- 추천 책
- Link
- 시계열 분석 (time series analysis)
- 금융 데이터는 대부분 시간에 따라 시시각각 변합니다. 따라서 시계열 데이터가 어떠한 특성을 가지고 있고, 이를 분석하기 위해 모델링에서 어떤 부분이 중요한지를 잘 이해하는 것이 매우 중요합니다.
- 관련과목: IE313 시계열 분석
- 기계학습 / 인공지능 (machine learning / artificial intelligence)
- 기계학습 / 인공지능은 수많은 데이터 안에서 패턴을 찾고, 이를 통해 정보를 추출하고 의사결정에 활용하는데 매우 유용하게 쓰이고 있습니다. 활용할 수 있는 데이터가 점점 더 많아지고 있기 때문에 반드시 그 원리를 익혀야 할 것입니다.
- 관련과목: IE303 데이터 마이닝, IE406 기계학습 응용, IE408 딥러닝 원론, IE503 패턴인식 및 기계학습, IE511 딥러닝개론, IE513 신경망 학습이론, IE514 강화학습, IE515 인과학습 & 설명가능 AI
- 추천 책
- 코딩과 함께 기초를 공부하고 싶은 경우
- 수학적으로 보다 깊게 이해하고 싶은 경우
- Link
Programming
- 데이터를 다루기 위해서는 프로그래밍 언어를 어느정도는 능숙하게 다룰 수 있어야하며, 특히 오픈소스가 널리 퍼지고 있는 상황에서 다른 사람들이 작성한 코드를 이해하고 잘 활용하는 능력도 매우 중요합니다. 우리 연구실에서는 주로 Python을 활용하고 있으며, 가끔 R 또는 MATLAB도 사용합니다.
- Python
- 데이터구조 (pandas 등)
- 시각화 (matplotlib, seaborn 등)
- 분석 (scikit-learn, tensorflow, pytorch 등)