디지털금융학과

디지털금융수학Ⅰ에서 다룬 내용을 바탕으로 미분·적분, 선형대수, 확률과 통계의 개념을 금융 문제에 적용하는 방법을 학습한다. 이자율 계산과 현금흐름의 현재가치, 행렬 연산을 통한 포트폴리오 표현 등 금융공학과 데이터 분석의 기초가 되는 수학적 도구를 다룬다.

경영과 금융 의사결정에 필요한 통계적 사고와 분석 기법을 학습한다. 자료의 요약과 시각화, 확률분포, 표본분포, 추정과 가설검정, 회귀분석까지 다루며 실제 기업 및 금융 데이터를 활용한 실습을 병행한다.

회계의 기본 개념과 회계정보가 만들어지는 과정을 학습한다. 거래의 기록에서 시작하여 시산표와 결산, 재무상태표 및 손익계산서 작성에 이르는 회계순환과정을 이해하고, 재무제표를 읽고 해석하는 기초 능력을 기른다.

미시경제학과 거시경제학의 기본 원리를 학습한다. 수요와 공급, 시장구조, 소비자와 기업의 선택 등 미시적 주제와 국민소득, 물가, 실업, 통화정책 및 재정정책 등 거시적 주제를 함께 다루며 금융시장을 이해하기 위한 경제학적 기초를 마련한다.

디지털금융 분야의 산업 구조와 직무를 이해하고 자신의 진로를 설계한다. 전공 교육과정의 흐름을 파악하고 필요한 역량과 자격증, 취업 및 창업 경로를 탐색하여 학년별 학습 계획과 포트폴리오 전략을 수립한다.

금융시장의 구조와 이를 규율하는 제도, 그리고 금융인이 지켜야 할 직업윤리를 학습한다. 자본시장·은행·보험 등 각 부문의 기능과 감독체계를 이해하고, 이해상충과 불완전판매, 내부자거래 등 실제 사례를 통해 윤리적 판단 기준을 세운다.

회계원리에서 학습한 내용을 바탕으로 재무제표를 구성하는 주요 계정을 심화 학습한다. 한국채택국제회계기준(K-IFRS)에 따른 자산·부채·자본의 인식과 측정, 수익의 인식을 다루고, 기업 재무제표를 분석하여 재무상태와 경영성과를 평가하는 능력을 기른다.

금융 데이터를 수집·정제·분석하는 전 과정을 실습 중심으로 학습한다. 주가와 금리, 환율 등 시계열 데이터를 다루며 Python 기반의 분석 환경에서 전처리와 시각화, 기초 통계 분석 및 수익률·변동성 계산을 수행한다.

핀테크 산업의 주요 서비스 모델과 수익 구조를 학습한다. 간편결제와 송금, 인터넷전문은행, 로보어드바이저, P2P금융, 마이데이터 등 국내외 사례를 분석하고 기술·규제·사용자 관점에서 새로운 금융서비스 모델을 기획하는 방법을 다룬다.

블록체인과 암호화폐를 구성하는 핵심 기술을 학습한다. 분산원장과 합의 알고리즘, 지갑 및 키 관리 등 기본 구조를 이해하고, 스마트 컨트랙트의 기본개념부터 동작 원리, 응용 방안 및 보안성에 대한 학습을 통하여 기존 기술보다 한 단계 발전된 형태에 대해 논의한다.

인공 뉴럴 네트워크의 기본적인 단위인 퍼셉트론부터 이를 활용한 다양한 네트워크인 feed-forward network, recurrent neural network 등을 학습하고, 각 네트워크에 대한 다양한 learning method를 학습한다. 또한 이를 바탕으로 최신 학습개념인 딥러닝과 이를 학습시키는 방법에 대해서도 교수한다.

데이터마이닝(data mining)은 대규모로 저장된 데이터 안에서 체계적이고 자동적으로 통계적 규칙이나 짜임을 분석하여 가치 있는 정보를 빼내는 과정이다. 데이터마이닝 알고리즘을 개발하고, 이들을 실제 비즈니스 데이터에 적용하여 인사이트를 도출한다.

기업이 경쟁 환경에서 지속가능한 우위를 확보하는 방법을 학습한다. 산업구조 분석과 내부 역량 진단, 사업 포트폴리오 및 성장 전략 등 전략 수립의 기본 틀을 이해하고, 금융과 핀테크 기업 사례를 통해 전략적 의사결정 과정을 분석한다.

금융머신러닝은 금융 데이터 분석과 예측을 위해 머신러닝 기법을 적용하는 학문이다. 주식·채권·신용평가·리스크관리 등에서 빅데이터를 활용해 패턴을 학습하고, 회귀·분류·강화학습 등 알고리즘으로 투자 전략과 신용 점수, 이상 거래 탐지 등을 자동화·최적화하는 방법을 학습한다.