저자 소개
들어가며
추천사
감사의 말

Chapter 1 파이썬과 금융 데이터
1. 파이썬 프로그래밍
1) 파이썬의 주요 특징
2) 파이썬의 장점
3) 파이썬의 활용 분야

2. 아나콘다 파이썬
1) 아나콘다의 주요 특징
2) 아나콘다에 포함된 주요 도구
3) 아나콘다를 사용하는 이유

3. 파이썬 설치하기
1) 아나콘다 파이썬 설치하기
2) Jupyter Notebook 실행하기

4. 변수란 무엇인가?
1) 파이썬에서 변수 사용하기
2) 변수 명명 규칙

5. 주석이란 무엇인가?
1) 파이썬에서 주석 사용하기
2) 주석의 좋은 사용 예

6. 숫자형 자료형
1) 정수형
2) 부동소수점형
3) 숫자형 자료형의 연산

7. 문자열 자료형
1) 문자열 정의 및 생성
2) 문자열 연산
3) 문자열 메서드
4) 문자열 포매팅

8. 리스트 자료형
1) 리스트 생성 및 접근
2) 리스트 수정 및 조작
3) 리스트 연산
4) 리스트 슬라이싱

9. 튜플 자료형
1) 튜플 생성 및 접근
2) 튜플의 변경 불가능성
3) 튜플 연산
4) 패킹
5) 언패킹
6) 확장된 언패킹
7) 튜플과 유용성

10. 딕셔너리 자료형
1) 딕셔너리 생성 및 접근
2) 딕셔너리 수정 및 조작
3) 딕셔너리 메서드
4) 딕셔너리 컴프리헨션

11. 집합 자료형
1) 집합 생성 및 접근
2) 집합 연산
3) 집합 메서드

12. 함수
1) 함수 정의 및 호출
2) 인자와 매개변수
3) 기본값 매개변수
4) 가변 인자
5) 반환 값
6) 람다

13. 조건문 if 문
1) 기본 if 문
2) if-else 문
3) if-elif-else 체인
4) 중첩 if 문
5) 조건식 간소화

14. 반복문 while 문
1) 기본 while 문 구조
2) break와 continue 사용하기
3) while-else 구조
4) 무한 루프

15. 반복문 for 문
1) 기본 for 문 구조
2) 다양한 시퀀스와의 사용
3) 반복문 제어: break와 continue
4) for-else 구조
5) range를 활용한 for 문
6) 리스트 컴프리헨션

16. 예외 처리
1) 예외 처리 구조
2) 여러 예외 동시 처리
3) 예외 객체 사용

17. 라이브러리
1) 라이브러리의 구조
2) 라이브러리 사용 방법
3) 몇 가지 유명한 파이썬 라이브러리
4) 라이브러리 설치

Chapter 2 데이터 수집 및 분석
1. 주식분석 프로젝트
1) 데이터 처리 능력
2) 금융 데이터 접근성
3) 자동화와 실시간 분석
4) 시각화 도구
5) 기술적 분석과 통계 모델링

2. 저평가 주식 종목 발굴하기
1) 국내 주식 종목 정보 가져오기

3. 주가 수익 비율이 낮은 주식 찾기
1) PER의 계산식
2) PER의 해석
3) PER의 중요성

4. 자기 자본 이익률이 높은 주식 찾기
1) ROE의 계산식
2) ROE의 해석
3) ROE의 중요성

5. 고배당주 찾기
1) 배당주의 주요 특징
2) 배당주의 장점
3) 배당주의 단점
4) 배당주의 예시
5) 4년 연속 배당금이 상승한 종목 찾기

Chapter 3 주식 선별 전략
1. 주식 가격 데이터 불러오기
1) FinanceDataReader 설치하기
2) 주요 특징 및 기능
3) 활용 분야

2. 이동 평균선
1) 이동 평균선의 장점
2) 단순 이동 평균
3) 지수 이동 평균
4) EMA를 활용해서 추천 종목 발굴하기

3. 상대 강도 지수
1) 계산 방법
2) RSI 값 해석
3) 투자 신호
4) RSI를 활용해서 추천 종목 발굴하기

4. 볼린저 밴드
1) 구성 요소
2) 작동 원리
3) 투자 신호
4) 볼린저 밴드를 활용해서 추천 종목 발굴하기

5. 포트폴리오 이론
1) 수익률의 표준 편차

6. 효율적 투자선
1) 효율적 투자선의 구성
2) 효율적 투자선의 특징
3) 효율적 투자선의 시각적 표현

7. 최고의 투자 비율 찾기

8. 몬테카를로 시뮬레이션
1) 몬테카를로 시뮬레이션의 주요 개념
2) 포트폴리오 최적화에서의 적용

9. 샤프 지수
1) 샤프 지수의 의미

Chapter 4 기술적 분석
1. 인공지능 주가 예측
1) 인공지능 주가 예측의 핵심 구성 요소
2) 인공지능 주가 예측의 사례
3) 머신러닝의 주요 유형
4) 분류/회귀 모델
5) 머신러닝의 일반적인 단계

2. 미래 주식 가격 예측하기

3. K 최근접 이웃 모델
1) KNN의 작동 방식
2) K 최근접 이웃 모델의 장단점

4. 결정 트리 모델
1) 결정 트리의 구성 요소
2) 결정 트리의 작동 방식
3) 결정 트리의 장단점

5. 랜덤 포레스트 모델
1) 랜덤 포레스트의 구성 요소
2) 랜덤 포레스트의 장단점

6. XGBoost 모델
1) XGBoost의 구성 요소
2) XGBoost의 작동 방식
3) XGBoost 모델의 장단점

7. 미래 국내 주식 가격 예측하기

8. 하루 5% 이상 급등하는 종목 찾기
1) 정확도(Accuracy)
2) 정밀도(Precision)
3) 재현율(Recall)

9. 모델 성능 높이기

10. 강화 학습을 활용한 상승 추세 종목 발굴하기
1) 엡실론-그리디 알고리즘
2) 탐험과 활용의 문제
3) 알고리즘 과정

마치며