초록 열기/닫기 버튼
본 연구는 금융 분야에서 활용되는 기계학습 모형을 설명하고, 기존연구를 활용 분야별로 체계적으로 정리한다. 금융자산의 가격예측, 시장 이상현상의 탐지, 자산투자, 포트폴리오 관리에 기계학습 모형을 활용한 다양한 연구가 이루어지고 있다. 기계학습 모형은 거시경제변수, 금융자산의 가격정보 등 기존 금융 분야에서 주로 사용한 데이터뿐만 아니라, 이미지와 텍스트 데이터 등 새로운 형태의 데이터를 이용한 연구가 가능하게 했다. 하지만, 기계학습 모형의 빠른 발전에 비해 금융경제학과 금융공학 분야에서 기계학습 최신모형을 활용하는 연구는 적극적으로 이루어지지 않고 있다. 반면 인공지능 기계학습 분야에서는 최신모형의 도입은 빠르게 이루어지나, 경제학과 금융시장에 대한 깊은 이해 없이 기계학습 모형을 적용한 연구가 많다. 기계학습 모형을 활용한 연구는 계속 증가하고 있으며, 양 분야에 대한 폭넓은 이해를 바탕으로 한 통합연구가 필요하다. 본 문헌조사 연구는 전통적인 계량경제학 모형이 아닌 기계학습 모형을 활용해 새로운 연구를 진행하는 재무금융 연구자에게 참고자료가 될 것이다.
This study mainly explains the use of machine learning (ML) models in financial research and systematically categorizes literature based on their application domains. Diverse research utilizing ML models covers areas such as price prediction, market anomaly detection, and portfolio management. ML enables researchers to analyze not only traditional financial data like macroeconomic variables and historical asset prices but also new types of data such as images and text data. Despite the rapid advancements observed in the ML field, the application of state-of-the-art ML models is not actively pursued in the traditional finance community. Other academic communities, such as applied mathematics, statistics, and computer science, demonstrate a rapid adoption of cutting-edge ML models without considering economic implications. As the field of ML continues to grow, there is a demand for research that provides a comprehensive understanding of both ML and the financial sector. Consequently, this research can serve as a reference for interdisciplinary researchers applying ML models in the field of finance.
키워드열기/닫기 버튼
Deep Learning, Financial Engineering, Interdisciplinary Research, Literature Review, Machine Learning
