윤서 김

• 전화: +82 10 3456 7890
• 이메일: yoonseo.kim@email.com
• 위치: 서울, 대한민국
• LinkedIn: yoonseokimquant

요약

지난 5년간 파생상품 및 포트폴리오 최적화 분야에서 정교한 계량 모델을 개발하고 구현하여 위험을 최소화하고 수익률을 극대화한 경험이 있습니다. 파이썬, R, SQL 및 C++을 활용한 데이터 분석 및 모델링에 능숙하며, 복잡한 금융 데이터를 통찰력 있는 전략으로 전환하는 데 강점을 가지고 있습니다.

경력

선임 금융 계량 분석가, 미래에셋증권 -- 서울, 대한민국

3월 2021 – 현재

• 수익률 예측 및 위험 관리 강화를 위해 머신러닝 기반의 주식 가격 예측 모델을 개발 및 배포하여 예측 정확도를 15% 향상시켰습니다.

• 파생상품 평가 및 헤징 전략을 위한 몬테카를로 시뮬레이션 기반 모델을 구축하여 시장 변동성 위험을 20% 감소시켰습니다.

• 고성능 컴퓨팅(HPC) 환경에서 백테스팅 시스템을 최적화하여 분석 시간을 30% 단축하고, 새로운 전략의 신속한 검증을 가능하게 했습니다.

• 퀀트 리서치 팀을 이끌고 새로운 알파 팩터를 발굴하며, 포트폴리오 성과에 긍정적인 영향을 미치는 신규 투자 전략 3건을 성공적으로 구현했습니다.

금융 계량 분석가, KB증권 -- 서울, 대한민국

8월 2018 – 2월 2021

• 다양한 자산 클래스에 대한 포트폴리오 최적화 모델을 개발하고 구현하여 고객 포트폴리오의 샤프 비율을 평균 10% 개선했습니다.

• 시장 데이터 분석 및 시각화를 위한 Python 기반 도구를 개발하여 트레이딩 팀의 의사 결정 과정을 지원했습니다.

• 스트레스 테스트 및 VaR(Value at Risk) 모델을 구축하여 규제 준수를 보장하고 잠재적 손실을 정확하게 예측했습니다.

• 금융 상품 데이터베이스를 관리하고 SQL 쿼리를 사용하여 복잡한 데이터 분석 요청을 처리했습니다.

학력

서울대학교, 수리금융학 석사 -- 서울, 대한민국

3월 2016 – 2월 2018

카이스트 (KAIST), 수학 학사 -- 대전, 대한민국

3월 2012 – 2월 2016

기술

프로그래밍 언어: Python (Pandas, NumPy, SciPy, Scikit-learn), R, C++, SQL, VBA

금융 모델링: 파생상품 가격 결정 모델 (Black-Scholes, Monte Carlo), 포트폴리오 최적화 (Markowitz, Black-Litterman), 위험 관리 (VaR, ES, 스트레스 테스트), 시계열 분석, 머신러닝 (회귀, 분류)

데이터베이스: MySQL, PostgreSQL, MongoDB

도구 및 플랫폼: Jupyter Notebook, Git, Bloomberg Terminal, Refinitiv Eikon, MATLAB, AWS

통계 및 계량 분석: 확률론, 통계적 추론, 회귀 분석, 다변량 분석, 베이지안 통계