이 강의들을 수강한 후, 전문적인 시각화와 대시보드를 자신 있게 만들 수 있게 되었습니다
Shoebur Rahman구매 담당자, Giz Bangladesh
강의 설명
정량적 리스크 관리로 리스크를 관리하는 일은 은행, 보험, 자산 운용 업계 전반에서 매우 중요합니다. 금융 리스크 분석가, 규제 기관, 보험계리사는 리스크 노출에 비해 보상을 정량적으로 균형 있게 평가할 수 있어야 합니다.이 강의에서는 2007—2008년 금융 위기와 그 여파를 Goldman Sachs, J.P. Morgan 같은 투자은행 사례로 살펴보며 금융 포트폴리오 리스크 관리를 소개합니다. Python을 사용해 Value at Risk와 Conditional Value at Risk 지표로 리스크 노출을 계산·완화하고, Monte Carlo 시뮬레이션 같은 기법으로 리스크를 추정하며, 신경망과 같은 최신 기술로 실시간 포트폴리오 리밸런싱을 수행하는 방법을 배우게 됩니다.
선수 과목
커리큘럼
강의 개요
1
리스크와 수익률 복습
리스크 관리는 리스크와 수익률의 이해에서 시작합니다. 리스크와 수익률의 상관관계를 복습하고, 리스크 요인을 파악한 뒤, 이를 활용해 2007-2008년 글로벌 금융 위기에 적용된 현대 포트폴리오 이론을 다시 살펴보겠습니다.
2
목표 지향적 리스크 관리
이제 Value at Risk(VaR), Conditional Value at Risk(CVaR) 같은 리스크 지표로 포트폴리오 최적화 도구를 확장해 볼 시간입니다. 이를 위해 pandas, scipy, pypfopt 등 특화된 Python 라이브러리를 사용합니다. 또한 Black-Scholes 모형을 활용해 옵션 포트폴리오를 헤지하여 리스크 노출을 완화하는 방법도 배우게 됩니다.
3
리스크 추정과 식별
이번 장에서는 모수적 추정과 실제 역사적 데이터를 사용해 리스크 지표를 추정합니다. 이어서 Monte Carlo 시뮬레이션이 불확실성 예측에 어떻게 도움이 되는지 알아봅니다. 마지막으로 구조적 변화를 이해하고 식별하는 방법을 통해, 글로벌 금융 위기가 무작위성 자체의 변화 신호였음을 학습합니다.
4
고급 리스크 관리
이제 더 일반적인 리스크 관리 도구를 살펴봅니다. 이러한 고급 기법은 금융 위기 동안 발생한 손실과 같은 극단적 사건이나, 전통적 추정 기법으로는 설명하기 어려운 복잡한 손실 분포를 이해할 때 핵심적입니다. 또한 신경망을 사용해 손실 분포를 근사하고, 실시간 포트폴리오 최적화를 수행하는 방법도 배웁니다.
Python을 활용한 정량적 리스크 관리
강의
완료
