독자들이 머신러닝을 금융에 적용할 때 백테스트 과적합(backtest overfitting Financial)과 같은 난관을 어떻게 해결할 것인지 학습하길 바란다. 금융 머신러닝은 표준 머신러닝과 연계돼 있기는 하지만, 그 자체로 엄연히 분리된 하나의 영역이다. 이 책은 이런 점을 잘 설명해 줄 것이다.
이 책의 목적은 경제와 금융 이론을 개발하는 데 유용한 머신러닝 도구를 소개하는 것이다. 성공적인 투자 전략은 일반적 이론의 특수한 구현이다. 이론적 정당성이 부족한 투자 전략은 거짓일 가능성이 높다. 따라서 연구자는 잠재적 전략을 백테스트하는 것보다는 이론을 개발하는 데 집중해야만 한다.
머신러닝은 블랙박스도 아니고, 반드시 과적합을 하는 것도 아니다. 머신러닝 도구는 고전적 방법을 대체하기보다는 보완한다. 머신러닝의 강점은 (1) 분산 판정에 앞서는 샘플 외 예측력에의 초점 (2) (잠재적으로 비현실적인) 가정에 의존하는 것을 피하는 계산 방법의 사용 (3) 비선형, 계층적, 고차원 공간에서의 비연속적 상호작용 효과를 포함하는 복잡한 설정을 학습하는 능력 (4) 다중 공선성과 다른 대체 효과에 강건하도록 변수 탐색을 설정 탐색으로부터 분리하는 능력이다.
