재무 데이터를 다운로드하고 모델링을 준비하는 다양한 방법을 탐색하는 것으로 시작한다. 자산 가격과 수익의 기본 통계 속성을 확인하고, 이른바 정형화된 사실의 존재를 조사한다. 그런 다음 기술 분석에 사용되는 인기 지표(예: 볼린저 밴드, 이동 평균 수렴 발산(MACD, Moving Average Convergence Divergence), 상대 강도 지수(RSI, Relative Strength Index))를 계산하고, 이를 바탕으로 구축된 자동 거래 전략을 백테스트한다.
다음 절에서는 시계열 분석을 소개하고 지수 평활화, ARIMA(AutoRegressive Integrated Moving Average), GARCH(Generalized Autoregressive Conditional Heteroskedasticity)(다변량 사양 포함)와 같은 인기 모델을 탐색한다. 또한 유명한 자본 자산 가격 책정 모델(CAPM, Capital Asset Pricing Model), 파마-프렌치(Fama-French) 3단계 모델을 포함한 요인 모델을 소개한다. 그리고 자산 배분을 최적화하는 다양한 방법을 보여 줌으로써 '들어가며'를 끝내고, 미국 옵션 가격 계산 또는 VaR(Value at Risk) 추정과 같은 작업에 몬테카를로(Monte Carlo) 시뮬레이션을 사용한다.
이 책의 마지막 부분에서는 금융 영역에서 전체 데이터 과학 프로젝트를 수행한다. 랜덤 포레스트, XG부스트(XGBoost), LightGBM, 스택 모델 등과 같은 고급 분류기를 사용해 신용 카드 사기/디폴트 문제에 접근한다. 또한 모델의 초매개 변수(베이즈 최적화 포함)를 조정하고 부류 불균형을 처리한다. 딥러닝(파이토치 사용)이 수많은 재정 문제를 해결할 수 있는 방법을 시연하며 이 책을 마무리한다.
