English version

고등학생 16주 연구 스튜디오

AI + Finance코드에서 근거까지.

데이터 시점, 비교 기준, 비용, 오류와 위험을 먼저 점검한 뒤 금융 AI의 성능을 해석하는 16주 연구 과정입니다.

MIT · Harvard · Stanford · Wharton · Chicago공식 강의, 교수 연구 코드, 대학 연계 공개 프로젝트를 자료의 성격과 관계에 따라 구분해 활용하는 CIT 독립 과정입니다.

연구와 시뮬레이션 전용실제 돈, 거래 계정, 개인 금융 정보, 종목 추천을 사용하지 않습니다. 투자, 세무, 법률, 신용 조언을 제공하는 과정이 아닙니다.

과정 상담 신청 16주 커리큘럼 보기
시장 차트와 연구 노트를 함께 검토하는 AI 금융 연구 스튜디오 학생들
예측값을 보기 전에 데이터 시점과 비교 기준을 검토합니다.

핵심 질문이 결과를 과거 시점에서도, 비용을 넣고도, 다시 얻을 수 있는가?

16주주 1회 연구실
72시간지도 수업과 독립 연구
4경로준비도별 깊이

금융 AI는
예측 대회가 아닙니다.

좋은 결과는 높은 점수 하나가 아니라, 틀릴 수 있는 조건까지 드러낸 연구 기록입니다.

학생은 공개 또는 합성 금융 데이터를 읽고 단순한 비교 방법을 만든 뒤 머신러닝, 최적화, 자연어 처리(NLP), 에이전트 시뮬레이션을 비교합니다. 모든 결론에는 데이터 시점, 거래 비용, 반복 범위, 실패 사례와 사람의 검토가 함께 제시됩니다.

35%데이터, 금융 개념
35%AI, 코드, 시뮬레이션
30%평가, 재현성, 책임
  1. 질문예측, 설명, 최적화, 시뮬레이션 구분
  2. 시점언제 관측했고 언제 알 수 있었는지 기록
  3. 비교같은 기간과 비용으로 단순한 방법부터 계산
  4. AI 실험반복, 오류, 하위 조건, 시장 영향 측정
  5. 결정주장과 한계, 중단 조건, 다음에 확인할 근거 설명

근거 자료 지도

대학 이름보다
관계의 강도를 표시합니다.

공식 강의, 교수 연구 코드, 대학과 연결된 공개 프로젝트를 같은 것으로 보지 않습니다. 학생은 각 자료가 어디에서 왔고 어떤 조건으로 사용할 수 있는지 먼저 확인합니다.

출처 01

공식 대학 강의와 저장소

출처 02

교수 연구와 연구 보조 코드

출처 03

대학과 연결된 공개 프로젝트

CIT는 위 대학이나 프로젝트의 공식 파트너, 인증 제공자, 학점 기관이 아닙니다. 링크는 교육과정 근거와 공개 코드의 출처를 투명하게 밝히기 위해 제공합니다.

준비도별 네 경로

학년보다
연구 준비도로 시작합니다.

모든 경로는 같은 16주 핵심 질문과 안전 기준을 따릅니다. 학생의 준비도에 맞춰 코드 구현, 원문 읽기와 독립 연구의 깊이만 조정합니다.

9-12학년은 권장 학년입니다. 시작 전 진단으로 경로를 정하고, 학기 중에도 준비도에 따라 옮길 수 있습니다.

Foundation

금융 데이터 문해력

제공된 분석 노트에서 데이터 시점, 수익률, 위험과 단순 비교 방법을 재현하고 2분 안에 설명합니다.

결과물 데이터 설명서, 비교 분석 노트, 2분 설명
Applied

금융 머신러닝 실험

시간 분할, 비용, 작은 모델과 최적화를 같은 평가표에서 비교합니다.

산출물 백테스트 감사, 모델 비교, 위험 메모
Research

대학 연구 코드 재현

공개 연구 질문을 작은 규모로 재현하고 난수 시드, 비용과 세부 조건을 바꿨을 때 결론이 얼마나 달라지는지 분석합니다.

결과물 축소 재현, 반복 평가, 논문형 보고서
Studio

독립 AI 금융 연구

다시 실행할 수 있는 저장소를 만들고 취약점 점검과 외부 검토를 거쳐 최종 연구의 근거와 한계를 설명합니다.

결과물 저장소, 평가 보고서, 포스터, 발표 자료

16주 교육과정

읽고, 재현하고,
반박하는 16주

매주 180분의 지도 연구와 90분의 독립 작업을 진행합니다. 도구나 원문에 접속할 수 없을 때도 특정 시점에 저장한 데이터와 합성 대체 자료로 같은 연구 판단을 끝까지 수행합니다.

W01-04

질문, 데이터, 비교 기준, 누수

  1. W01연구 질문과 금융 안전 경계
  2. W02FRED·SEC 데이터의 시점과 계보
  3. W03수익률, 위험과 단순 비교 방법
  4. W04백테스트 감사와 데이터 누수
W05-08

연구 코드, 최적화, 가계, 공정성

  1. W05Chicago 자산가격 머신러닝 축소 재현
  2. W06Stanford 비용 제약 포트폴리오
  3. W07HARK 가계 위험 시뮬레이션
  4. W08MIT 금융 머신러닝 공정성과 설명
W09-12

시장 에이전트와 금융 언어 모델

  1. W09ABIDES 시장 미시구조
  2. W10FinRL 보상과 시장 상호작용
  3. W11FinGPT 문서 자연어 처리와 주장 추적
  4. W12FinRobot 근거 중심 연구 에이전트
W13-16

재현 패키지와 최종 연구 발표

  1. W13Wharton 데이터 접근과 공개·합성 대체 자료
  2. W14최종 연구 프로젝트의 첫 재현 실행
  3. W15NIST 기반 취약점 점검과 중단 결정
  4. W16연구 포스터와 6분 발표·질의응답

수익 곡선보다
연구 흔적을 남깁니다.

최종 결과는 높은 숫자 하나가 아닙니다. 다른 사람이 다시 실행해도 결론의 근거와 한계를 확인할 수 있는 연구 자료 묶음입니다.

  1. 데이터 증거출처, 단위, 관측일, 공개일, 저장 시점과 변환 과정을 기록한 데이터 설명서
  2. 평가 증거시간 분할, 단순한 비AI 비교 방법, 비용, 오류, 반복 범위와 민감도 분석
  3. 코드 증거실행 환경과 난수 시드를 고정한 저장소, 실행 순서, 예상 결과와 대체 실행 방법
  4. 책임 증거모델 설명서, 근거 없는 주장 거절, 취약점 점검 결과와 중단 조건
  5. 소통 증거연구 포스터, 6분 발표, AI 도움과 외부 코드 사용 기록, 한계 보고서

다섯 가지 최종 연구 주제

관심 주제는 달라도,
증거 기준은 같습니다.

  • 비용을 반영한 가상 포트폴리오 연구
  • 자산가격 기계학습 축소 재현
  • 여러 에이전트의 가상 시장 시뮬레이션
  • 공개 공시와 뉴스의 근거 중심 연구 도우미
  • 합성 가구의 경제 충격 정책 시뮬레이션

모든 주제는 공개 또는 합성 데이터만 사용합니다. 실제 종목 추천, 실시간 거래와 개인 금융 판단은 최종 연구 범위에 포함하지 않습니다.

AI 금융 최종 연구 프로젝트의 차트와 코드, 연구 포스터를 검토하는 학생들
학생은 최고 점수뿐 아니라 실패한 조건과 중단 결정을 설명합니다.

반드시 지키는 안전 경계

금융을 배우되,
학생의 돈으로 시험하지 않습니다.

실제 거래를 하지 않아야 실패를 숨기지 않고 모델, 시장과 윤리를 더 깊게 탐구할 수 있습니다.

  1. 실제 돈과 계정 0중개 계정, 거래 API, 레버리지, 실시간 주문, 계정 공유를 사용하지 않습니다.
  2. 개인 금융 정보 0학생과 가족의 소득, 신용, 계좌, 거래 이력, 부채를 수집하지 않습니다.
  3. 투자 지시 0종목 추천, 매수 또는 매도 시점, 보장 수익, 긴급 행동 요구를 만들지 않습니다.
  4. 과장된 대학 관계 0대학 이름은 출처 표시이며 제휴, 인증, 학점, 입학 혜택을 뜻하지 않습니다.
  5. 숨은 AI 기여 0AI 도움, 외부 코드, 라이선스를 기록하고 학생이 핵심 코드를 직접 설명합니다.

주요 원자료

링크할 수 없는 주장은
수업의 근거가 아닙니다.

대학 강의를 복제하지 않습니다. 공식 페이지와 공개 저장소에서 질문, 도구 경계, 이용 조건을 확인하고 CIT가 고등학생용 설명, 합성 데이터, 실습, 평가표를 새로 작성합니다.

최종 검토: 2026-08-27 / 수업 전 저장소 버전, 링크, 라이선스, API 조건 재확인

대학 공식 강의

MIT와 Harvard

교수 연구

Stanford, Wharton, Chicago

대학 연계 공개 소프트웨어

Columbia, Georgia Tech, Johns Hopkins

  • Columbia CDFT software directoryFinRL, FinGPT, FinRobot의 대학 연계 근거공식 대학 연구센터 페이지
  • Georgia Tech ML4T course projectABIDES를 활용한 학생 연구의 연결 근거공식 대학 수업 사이트
  • Johns Hopkins computational economics syllabusHARK를 수업 도구로 명시한 근거교수 강의계획서
  • FinRL금융 강화학습 연구 환경Columbia 공식 소프트웨어 페이지 연결
  • FinGPT금융 언어 모델과 데이터 처리 과정Columbia 공식 소프트웨어 페이지 연결
  • FinRobot근거 중심 금융 연구 도우미Columbia 공식 소프트웨어 페이지 연결
  • ABIDES외부 시장과 연결하지 않는 에이전트 기반 시장 시뮬레이션Georgia Tech 연구와 수업 연결
  • HARK서로 다른 가구의 경제 선택 모델Johns Hopkins 교수 연구 연결
공공 데이터와 안전 기준

공공 데이터와 위험 기준

  • FRED API경제 시계열, 공개 시점, 설명과 저장 시점Federal Reserve 공식 데이터
  • SEC EDGAR APIs공개 공시와 Company Facts 데이터SEC 공식 API 문서
  • NIST AI RMF관리, 맥락 파악, 측정과 대응공식 위험관리 체계
  • Investor.gov scam warnings보장 수익, 압박, 소외 불안(FOMO)과 AI 과장 경고SEC 투자자 교육 자료

관계 고지: 이 페이지의 대학명과 프로젝트명은 공개 교육 및 연구 자료의 출처를 나타냅니다. CIT 과정은 각 대학의 공식, 제휴, 인증, 학점 과정이 아니며 해당 기관의 보증을 받지 않았습니다.

시작 전에
확인할 질문

학생의 Python과 통계 경험, 관심 있는 금융 연구 질문, 독립 작업 습관을 확인하면 시작 경로를 정할 수 있습니다.

01실제로 주식이나 가상자산을 거래하나요?

아닙니다. 실제 돈, 중개 계정, 거래 API, 레버리지, 실시간 주문을 사용하지 않습니다. 특정 시점에 저장한 공개 데이터와 합성 시장에서 연구와 시뮬레이션만 수행합니다.

02MIT, Harvard, Stanford 등의 공식 과정인가요?

아닙니다. 공식 강의, 교수 연구 코드, 대학과 연결된 공개 프로젝트를 관계 수준별로 구분해 참고한 CIT 독립 과정입니다. 대학 제휴, 인증, 학점, 보증을 뜻하지 않습니다.

03Python이나 금융을 처음 배워도 되나요?

가능합니다. 기초 경로에서는 제공된 분석 노트와 합성 데이터로 수익률, 위험, 데이터 시점과 단순 비교 방법을 익힙니다. 경험이 있는 학생은 구현과 독립 연구의 깊이를 높입니다.

04WRDS 같은 유료 대학 데이터 계정이 필요한가요?

필요하지 않습니다. 접근이 제한된 데이터는 구조만 배우고, 같은 열 구조를 가진 공개 데이터 사본이나 합성 대체 자료로 모든 핵심 목표를 완료합니다. 계정 공유는 허용하지 않습니다.

05학생이나 가족의 금융 데이터를 사용하나요?

사용하지 않습니다. 실제 계좌, 소득, 신용, 거래 이력, 부채, 가족 재정 정보는 수집하지 않습니다. 공개, 합성, 집계 자료만 사용합니다.

06무엇이 포트폴리오로 남나요?

다른 사람이 다시 실행할 수 있는 저장소, 데이터 설명서, 단순 비교 방법, 평가와 오류 분석, 모델 또는 시스템 설명서, 취약점 점검 결과, 연구 포스터와 6분 발표 자료가 남습니다. 높은 수익을 자랑하기보다 학생이 연구 과정을 이해하고 정직하게 한계를 설명할 수 있음을 보여 줍니다.

금융 AI를 만들기 전에,
검증할 질문부터 정합니다.

현재 경험과 관심 분야를 확인하고 기초 학습부터 독립 연구까지 알맞은 경로를 함께 정합니다.

과정 상담 신청02-540-2922
과정 상담 신청