NEW
개발 · 프로그래밍

/

데브옵스 · 인프라

(2024년) 파이썬 알고리즘 트레이딩 파트3: 거래 자동화

이 강의는 알고리즘 트레이딩을 로컬 컴퓨터와 클라우드 환경에서 자동화하는 과정을 다루며 실습을 중심으로 진행됩니다.

6

이 수강하고 있어요.

Thumbnail

중급자를 위해 준비한
[퀀트, github-actions] 강의입니다.

이런 걸
배워요!

  • GitHub action

  • Windows Scheduler

  • Crontab

  • Windows registry

  • IBC (Interactive Brokers Controller)

클라우드와 로컬환경에서 실현하는 알고리즘 트레이딩 자동화!
알고리즘 투자 전략과 MLOps의 만남

수강 전 참고사항 📢

강의 목적 및 안내 사항

이 강의는 투자 전략 및 자동화시뮬레이션을 통해 학습하는 것이 주 목적입니다. 실제 투자 목적이 아닌, 프로그래밍과 알고리즘을 활용한 퀀트 트레이딩 전략 개발에 중점을 둔 개발자 및 데이터 분석가를 위한 교육 과정입니다.

주의 사항:

  • 본 강의는 투자 계좌 개설, 법적 절차, 세금 관련 절차와 같은 투자 실행에 필요한 실제 절차에 대해 다루지 않습니다.

  • 한국 또는 기타 국가에서의 투자 관련 법적 이슈, 예를 들어 Pairs Trading과 같은 특정 전략의 합법성 여부에 대해서도 본 강의에서는 다루지 않습니다.

  • 강의 내 모든 시뮬레이션은 학습 목적으로만 제공되며, 실제 자산 투자와 관련된 조언이나 권고는 포함되지 않습니다.

수강생 여러분은 본 강의의 내용이 실제 투자를 다루는 것이 아님을 인지하시고, 투자 실행에 대한 조언이나 법적 상담이 필요하다면, 관련 전문가에게 문의하시기 바랍니다.


[파이썬 알고리즘 트레이딩 강의]는 총 3부작이며, 본 강의는 '파트3' 입니다.

  • 파트 2의 내용은 본 강의를 수강하기 위한 필수 전제 조건입니다.

  • 파트 1권장 사항이지만, 필수는 아닙니다.

  • 만약 이전 퀀트 강의를 수강하지 않으셨더라도 GitHub Action클라우드 자동화 부분에만 초점을 맞추고 수강하실 수 있습니다. 다만, 이러한 경우 일부 내용이 어려울 수 있습니다.

강의 구성:

  • 파트 1: '알고리즘 트레이딩을 위한 파이썬 데이터 분석'

  • 파트 2: 'Interactive Brokers API를 활용한 실시간 알고리즘 트레이딩'

  • 파트 3: '클라우드 거래 자동화' (본 강의)

파트 3에서는 클라우드 자동화를 통해 주식 거래 스케줄에 맞춰 가상 머신을 자동으로 구동하는 방법을 학습합니다.


수강평 이벤트

  • 수강평 이벤트가 있습니다. 파트 2 강의의 수강평을 남겨주시고 이메일 (daniel@datarian.education)으로 연락주시면, 할인 쿠폰을 발급해드립니다. 

    • 얼리버드 할인기간 : 50% 할인 쿠폰 (서둘러 주세요!)

    • 얼리버드 할인기간 종료 후 : 2만원 할인 쿠폰


자동화 거래에서 보안상의 이유로 시스템에서 로그 아웃이 되었다면 계속 거래를 할 수 있나요 ? 🤔

인터넷 환경이 일시적으로 불안정한 경우 거래를 이어나갈 수 있을까요

알고리즘 자동거래를 클라우드에서 실현할 수 있을까요

비용을 최소화하기 위해서 클라우드 컴퓨터를 스케줄에 맞추어서 ON OFF 할 수 있을까요

트레이딩을 위한 클라우드 컴퓨터의 가장 적절한 사양은 무엇일까요

혹시 취업을 위한 퀀트 포트폴리오를 만들 수 있을까요

MLOps나 GitHub Action 같은 표현이 생소한가요

...

위 질문들이 궁금하시다면, 아래 강의 소개 내용을 읽어보세요!

첫째, IBC를 통한 스트레스 테스트 통과!

대부분의 거래 플랫폼들은 보안의 문제로 장시간 로그온 된 상태를 허용하지 않습니다. 이는 인터랙티브 브로커스(IBKR) API의 경우도 마찬가지이며 자동화 거래의 큰 장애물이 됩니다.

여러분들은 IBC (Interactive Brokers Controller)를 적용하여 TWS API (거래 시스템)에서 장시간 로그온 상태를 유지하는 방법을 학습하시게 될 것입니다.

둘째, GitHub Action!

최근 데이터 분야에서는 Ops의 중요성이 더욱 부각되고 있습니다. 이제 전통적인 데이터 사이언티스트도 자동화 및 MLOps를 이해하고 활용하지 않으면 경쟁력을 갖기 어려운 시대입니다.

이 강의에서는 github-actions을 활용해 가상 머신을 제어하고 관리하는 방법을 배웁니다. 이를 통해 수강생 여러분은 보다 효율적인 데이터 워크플로우 자동화와 클라우드 환경에서의 운영 능력을 강화할 수 있을 것입니다.

아래는 github-actions을 통하여 클라우드 컴퓨터를 스케줄링 또는 메뉴얼 방식으로 스타트하는 내용입니다.



셋째, 최적화된 클라우드 사용

  • 클라우드 자동화 거래를 위한 컴퓨팅 사양은 최소한의 사양에 맞추어져 있습니다. (비용 최적화)

  • 또한 클라우드에서 아나콘다를 이용하여 분석 환경을 구성합니다.



넷째, Windows Scheduler와 Mac Crontab

Windows에서는 Task Scheduler, Mac에서는 crontab을 사용하여 자동화된 스크립트 실행을 설정할 수 있습니다. 이 강의에서는 각 운영체제별로 스케줄러를 활용해 파이썬 스크립트 및 거래 프로세스를 자동화하는 방법을 배울 수 있습니다. 이를 통해 반복적인 작업을 자동화하고, 거래 워크플로우의 효율성을 높일 수 있습니다.


다섯째, Windows Registry를 활용한 자동 로그인 설정

자동 로그인 설정:: 가상 머신 시작 시 자동 로그인 설정 방법 학습

편리성 향상: 매번 수동 로그인을 하지 않고, 분석 환경 자동 준비

핵심 내용:

  • Windows Registry 수정

  • 자동 로그인 설정을 위한 키 값 입력


여섯째, 클라우드 보안 고려 사항: 터널 방식을 통한 보안 강화

  • RDP 제거: RDP 연결 대신 VS Code Remote Tunnels 사용으로 보안 강화

  • 보안 취약점 감소: RDP 포트를 열지 않아 공격 벡터 최소화

  • 암호화된 연결: GitHub 인증을 통해 안전하고 암호화된 접속 제공

  • 접속 관리 간소화: GitHub 기반 인증으로 간편한 권한 관리

  • 추가 보안: VPN 등 추가 보안 방법과 함께 사용할 수 있음

💡 다른 파이썬 데이터 분석 강의와 차별되는 요소

  • MLOps/DataOps 실전 적용: 이 강의는 단순한 개념 설명을 넘어, MLOps와 DataOps를 실제 환경에 적용하는 방법을 다룹니다.

  • 가상 머신 제어: 클라우드와 온프레미스에서 가상 머신을 실질적으로 제어하는 방법을 배우게 됩니다.

  • 실제 프로젝트 기반 강의: 본 강의는 실제 퀀트 회사에 제출한 포트폴리오 프로젝트에 기반을 두고 있으며, 이론에 그치지 않고 실제 적용된 사례를 다룹니다.

이런 분들께 추천해요

클라우드에서 퀀트 자동 거래를 실현하고자 하는 분

MLOps 또는 DataOps를 실전 포트폴리오를 통해서 구현하고자 하는 분

파이썬 알고리즘 트레이딩 파트2 기수강자

수강 전 참고 사항

실습 환경

  • 이 강의에서는 Azure에서 Windows OS 기반의 가상 머신을 생성하고, 아나콘다를 활용하여 파이썬 Python 분석 환경을 구축해 실습을 진행합니다.

  • 또한 MacWindows 로컬 환경에서도 자동화 구현이 가능하도록 가이드를 제공합니다.


학습 자료

  • 모든 강의 자료는 강의 자료에 첨부되어 있으며 메인 스크립트 노트북은 케글 플랫폼을 통해서도 접근하실 수 있습니다.

이런 분들께
추천드려요!

학습 대상은
누구일까요?

  • 선택: 파이썬 알고리즘 트레이딩 파트1 기수강자

  • 필수: 파이썬 알고리즘 트레이딩 파트2 기수강자

선수 지식,
필요할까요?

  • Python과 GitHub 사용법

  • 서울대학교 기계항공 공학부 졸업

  • 영국 크랜필드 대학교 기계항공 석사 졸업

  • 독일 함부르크 공대 기계공학 박사 수료

  • 독일 Nordex Wind Senior Data Scientist

  • 영국 Wood Energy Data Analysis Senior Consultant

  • Databricks Data Engineering Project

  • Kaggle Stock Trading Competition top 3%

  • 현 AI 스타트업 (MUSTai) 개발팀장

커리큘럼

전체

24 ∙ 3시간 43분

수업 자료

가 제공되는 강의입니다.

강의 게시일: 2024년 09월 19일
마지막 업데이트일: 2024년 09월 19일

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!