AI 퀀트 트레이딩 트레이닝 캠프 12주 전 과정 실전 튜토리얼 – 2026 최신 가이드

📅 발표 시간:
2026년 09월 21일

📚 과정 유형:
AI 퀀트 트레이딩 12주 전 과정 트레이닝 캠프

👥 대상:
초보 투자자, 퀀트 애호가, 금융 종사자, 프로그래밍 기초가 있는 기술자

🎯 학습 목표:
AI 퀀트 트레이딩 전 과정을 습득하고 자동화 트레이딩 및 리스크 관리 체계 구축

⏳ 과정 기간:
12주 체계적 심화

🧰 제공 자료:
소스 코드, 업계 리서치 보고서, 전용 학습 자료 및 사후 Q&A

전통적인 수동 주식 투자의 맹목적 조작에서 벗어나 지능형 퀀트 트레이딩의 핵심 역량을 습득하고 싶으신가요? Geek Time AI 퀀트 트레이딩 트레이닝 캠프는 12주 체계적 심화 과정을 통해 제로 기초부터 AI 퀀트 트레이딩에 입문하여 전용 자동화 트레이딩 체계를 구축하도록 안내합니다. 과정은 단계적으로 진행되며 금융 기초, 트레이딩 지표, 기본적 및 기술적 분석으로 기반을 다진 후 AI 프로그래밍 도구, 시세 리서치 데이터 수집, 데이터베이스 구축 등 실무 기술을 직접 가르칩니다. MACD, 챈론, 그리드, 터틀 트레이딩, 다중 팩터 주식 선별 등 고전 전략을 심층 분석하고 전문 백테스트 엔진을 통해 전략의 실현 가능성을 검증합니다. 심화 단계에서는 RAG 벡터 데이터베이스, 머신러닝, 강화학습 등 고급 기술을 습득하고 AI 트레이딩 에이전트 구축, 이벤트 기반 분석, 실거래 리스크 관리, 섹터 로테이션 판단 등 핵심 내용을 실전 연습합니다. 과정은 전체 소스 코드, 업계 리서치 보고서, 전용 학습 자료 및 사후 Q&A를 제공하여 제로 기초 입문과 고급 역량 향상을 모두 지원합니다. 전 과정 실전 중심으로 공허한 이론을 배제하여 학습자가 AI 퀀트 트레이딩 전 과정을 완전히 이해하고 기술로 투자 결정을 강화하도록 돕습니다.

과정은 재사용 가능한 연구 프로세스와 엔지니어링 구현 능력을 강조합니다. 시세, 재무, 뉴스, 리서치 보고서 등의 데이터를 통합 분석 프레임워크에 연결하는 방법, 백테스트 지표로 전략을 선별하는 방법, 머신러닝과 강화학습으로 신호 품질을 향상하는 방법, 에이전트, RAG, Langgraph로 투자 연구 워크플로를 구성하는 방법을 배웁니다. 학습 후에는 데이터 수집, 팩터 구축, 전략 백테스트, 성과 귀인부터 리스크 관리와 모의 트레이딩까지 전체 링크를 독립적으로 완성할 수 있으며 실거래 연동, 주문 분할, 서킷 브레이커 재시도 및 모바일 협업의 핵심 세부 사항도 이해할 수 있습니다. 체계적으로 퀀트 트레이딩으로 전환하거나 투자 연구 효율을 높이거나 AI 트레이딩 도구를 개발하려는 학습자에게 적합합니다.

안내: 과정은 지식 학습용일 뿐 투자 조언을 구성하지 않습니다. 투자에는 위험이 따르며 시장 진입 시 신중해야 합니다.

[개강 및 퀀트 기초]

1.개강 라이브 다시보기
2.퀀트 트레이딩이란 무엇인가
3.금융 상품 이해
4.퀀트 전략 첫걸음
5.금융 기초 개념
6.기술적 분석 vs 기본적 분석
7.기술 지표의 핵심 논리

[AI 프로그래밍과 데이터 엔지니어링]

8.AI 프로그래밍 및 관련 도구
9.QMT 사용 설명
10.데이터 수집
11.재무 지표가 퀀트 트레이딩을 어떻게 이끄는가
12.데이터베이스 구축
13.시세 및 재무 데이터 수집
14.거시경제 데이터와 뉴스 이벤트 수집
15.기관 리서치 보고서와 경제 캘린더 수집
16.대규모 모델 기반 촉매 이벤트

[백테스트 엔진과 클래식 전략]

17.백테스트 엔진이란 무엇인가
18.백테스트 평가 지표
19.사례 분석: MACD 전략, RSI 전략, 볼린저 밴드 전략
20.사례 분석: 이격도 전략, 모멘텀 전략 등
21.수업 후 Q&A
22.TA-Lib란 무엇인가
23.고전 지표의 한계
24.전통 지표 강화

[OpenClaw와 터틀 트레이딩]

25.OpenClaw 설치
26.OpenClaw에 퀀트 도구 구성
27.스킬 만드는 방법
28.터틀 트레이딩 법칙 핵심 원리
29.터틀 트레이딩 전략 사례
30.생각과 Q&A

[찬론, 그리드와 멀티팩터 종목 선정]

31.고전 찬론 퀀트 전략
32.찬론 매매점 실전 및 사례
33.찬론 강화 전략
34.수업 후 Q&A
35.클래식 그리드 거래 전략
36.다중 팩터 주식 선별

[팩터 연구와 머신러닝]

37.팩터 분류 체계
38.화타이증권 금융공학 연구 프레임워크
39.머신러닝 기초
40.주식 시장에서의 머신러닝 적용 사례
41.논문 재현 5단계 방법
42.master 논문 해석
43.사례 분석

[성과 분석과 RAG 기술]

44.QuantStats 지표 체계
45.행렬 분해
46.행렬 분해의 시나리오 적용
47.실거래 성과 분석
48.RAG란 무엇인가
49.Embedding
50.벡터 데이터베이스

[AI 투자 리서치와 이벤트 드리븐]

51.국태군안 5단계 방법
52.AI 투자 리서치 보고서 작성
53.DeepAgent 프레임워크
54.여론 수집과 금융 감정 분석
55.이벤트 드리븐과 공포 지수 분석
56.다차원 의사결정
57.수업 후 Q&A

[실전 프레임워크와 강화학습]

58.Xtquant 실전
59.Nanobot 실전
60.Nanobot 프로그래밍 인터페이스
61.강화학습이란 무엇인가
62.Q-learning에서 DQN까지
63.지능형 주문 분할

[강화학습 심화와 리스크 관리 체계]

64.DQN의 학생: 교사 이중 네트워크 메커니즘
65.고빈도 마켓 메이킹과 주력 행동 식별
66.리스크 관리 체계
67.ATR 리스크 관리
68.이벤트 리스크 관리 실전
69.Langgraph 핵심 5종 세트
70.트레이딩 팀 워크플로
71.리스크 관리 차단과 서킷 브레이커 재시도

[투자 리서치 조회와 실전 매매]

72.투자 조회 시나리오
73.멀티 팩터 종목 선정
74.섹터 로테이션 분석
75.투자 조회 워크플로
76.실전 매매
77.CEO 콘솔과 리더 전법

[귀인 검증과 시스템 총결]

78.BHB 귀인 모델
79.전진식 검증
80.수강생 공유
81.퀀트 트레이딩 시스템

[부속 자료]

주간 자료 압축 파일, 업종 리서치 보고서 모음, 액티브 포트폴리오 관리, 팩터 투자: 방법과 실전, 재무제표 읽기 실습, 퀀트 트레이딩, 퀀트 투자 시스템화 학습 노트, 스마트 리서치 보고서 생성 PDF, 강의 코드, AI 퀀트 트레이딩 학습과 QA, 관련 소프트웨어 사용 등.

💡 학습 팁:튜토리얼 내용은 발표 당시의 업계 실무를 기반으로 하며, 학습 시 현재 플랫폼의 최신 규칙을 함께 참고하는 것을 권장합니다.

다운로드