암호화폐의 변동성이 크다는 점과, time-series momentum에 기반한 trend-based trading 전략은 extreme market에서 수익이 크다는 점을 착안하여, cryptocurrency market에서 time-series momentum 전략을 시행하는 시스템을 개발함. AWS-S3에 data lake를, AWS-EC2 서버에 위치한 MariaDB에 data store을 구축하고, 이런 자동화 된 data pipeline을 기반으로 현물과 선물 거래를 통해 리스크 대비 포트폴리오를 구축함.

Rock, Paper, Scissors를 베이스로 한 강화학습/머신러닝/통계 대결 Kaggle Competition에서 상위권 참가자 중 유일하게 quantitative finance 기반 이론을 베이스로 한 알고리즘으로 상위 2%로 마무리함. 시합 구조가 시장 효율성 이론과 밀접한 관계가 있음을 파악하고, 여러가지 계량금융 모델들을 시험, 결국 mean-variance portfolio optimization theory를 앙상블 구조로 체택하여 좋은 성적을 거둠.

Aldridge, Irene E. and Marco Avellaneda. “Neural Networks in Finance: Design and Performance.” (2019) 라는 논문을 재구성하고 확장하기 위한 프로젝트. 이선민 팀원이 리서치를 담당하고, 코딩과 데이터 분석, AI 적용 등 그 외 모든 부문은 김석준 팀원이 담당함. 꽤 의미 있는 결과를 도출하고, 해당 프로젝트를 Medium의 TDS라는 publication에 출판 하는데 성공함.

Coursera에 DeepLearning.ai가 주도하는 5개의 deep learning specialization courses를 끝마침. 기본적인 CNN, RNN, LSTM 등의 인공신경망 구조 뿐 아니라 hyper-parameter tuning, problem structuring 등 관련된 여러 사항들에 대한 프로젝트들을 완료함.

Udacity Deep Learning Nanodegree 프로그램에 참여하여 SGD, FNN, CNN, RNN 등의 기본 구조에 대해 배우고, 관련된 프로젝트 서너개를 성공적으로 끝냈음.