국내도서

>

전공도서/대학교재

>

공학계열

>

컴퓨터공학

• 
• 제휴몰 주문 시 고객보상, 일부 이벤트 참여 및 증정품 증정, 하루/당일 배송에서 제외되므로 참고 바랍니다.

• 
• 도서  > 전공도서/대학교재  > 공학계열  > 컴퓨터공학

• 

	에이콘 금융 퀀트 머신러닝 융합 시리즈(총6건) 금융 머신러닝 : 이론에서 실전까지     54,000원 (10%↓) 초과 수익을 찾아서 : 계량적 접근법을 활용한 포트폴리오 운용     27,000원 (10%↓) 존 헐의 비즈니스 금융 머신러닝 : 데이터 사이언스 세계로의 초대     22,500원 (10%↓) 자산운용을 위한 금융 머신러닝 : 자산운용 매니저를 위한 머신러닝 지침서     18,000원 (10%↓) 실전 알고리듬 트레이딩 레벨업 : 파이썬 백테스트 활용     36,000원 (10%↓) 실전 금융 머신러닝 완벽 분석     36,000원 (10%↓)

• 
• 
• 2019년 대한민국학술원 우수학술도서 선정도서 머신러닝을 금융에 적용하는 방법을 알려주며, 이론 연구를 넘어선 실전 경험을 바탕으로 어떠한 장점과 위험이 존재하는 것인지 빠짐없이 설명한다. 저자가 20년 간 금융에서 실제로 적용해 본 머신러닝 기법에 대해 각각의 장단점과 함께 개별 기법들을 상세히 설명한다. 또 금융에 맞는 데이터 구조, 모델링, 백테스팅, 유용한 금융적 특징, 고성능 컴퓨팅에 이르기까지 최고 전문가의 시각에서 전달해 주는 실전 지식을 빠짐없이 나열한다. 대부분의 금융 머신러닝 프로젝트가 실패하는 이유와 성공적인 금융 머신러닝 프로젝트를 위해서 어떠한 요소가 갖춰져야 하는지 설명하고 있다. 특히 대부분 프로젝트가 저지르는 백테스팅의 오류를 심도 있게 설명한다. 메타-전략 패러다임의 효용성과 중요성을 설명해 주며, 대부분 성공한 프로젝트가 활용하고 있는 메타-전략 패러다임을 예제와 함께 잘 설명한다. 이 책은 그 깊이로 인해 머신러닝과 금융에 대한 최소한의 지식을 갖춰야 이해할 수 있지만, 최소한의 지식이 바탕이 되고 나면 책에서 다루고 있는 깊이 있고 실용적인 내용으로부터 많은 도움을 받을 수 있다.
• 
• ★ 이 책의 대상 독자 ★ 특히 금융 관련 데이터에 연계된 문제들을 해결하기 위해 설계된 고급 머신러닝 기법을 다루고 있다. ‘고급’이라는 의미는 이해하기가 극도로 힘들다거나 딥러닝이나 순환신경망 또는 합성곱망 등 최근에 되살아나고 있는 기법들을 설명한다는 의미는 아니다. 그보다 이 책은 금융 문제에 머신러닝 알고리즘을 적용한 경험이 있는 상급 연구원들이 중요하게 생각하는 여러 의문에 해답을 주고자 쓰여졌다. 만약 머신러닝이 처음이고, 복잡한 알고리즘에 대한 경험이 없다면 이 책은 (아직은) 맞지 않을 것이다. 이 책에서 다루고 있는 문제에 대해 현업에서의 경험이 없다면 이 책을 이용해 문제를 해결하기가 쉽지 않을 것이다. 이 책을 읽기 전에 머신러닝에 관한 여러 훌륭한 책을 읽길 권한다. 이 책의 핵심 독자들은 머신러닝 경험이 풍부한 전문 투자가들이다. 저자의 목표는 여러분이 이 책에서 배운 것을 통해 수익을 증대하기를 바라는 것이고, 금융을 현대화하는 데 일조하고 투자가들에게 실질적인 가치를 전달해 주기를 바라는 것이다. 이 책은 금융 이외의 여러 분야에 머신러닝 알고리즘을 성공적으로 구현한 경험이 있는 데이터 과학자들에게도 적합하다. 만약 여러분이 구글에서 일하면서 얼굴 인식 분야를 성공적으로 구현한 적이 있지만, 금융 쪽에 제대로 적용해 본 적이 없다면 이 책이 많은 도움이 될 것이다. 가끔 특정 구조(예를 들어, 메타 레이블링, 삼중 배리어 기법, 프랙디프)의 금융 논리에 대해 잘 이해되지 않을 때도 있을 수 있지만, 끈기를 갖길 바란다. 투자 포트폴리오를 일정 수준 이상 운용하다 보면 게임의 법칙이 점점 뚜렷하게 보이고, 1장에 설명된 내용들이 이해가 될 것이다. ★ 이 책의 구성 ★ 이 책은 서로 얽혀 있는 주제들을 각각 구분해 정돈된 형태로 설명한다. 각 장은 그 이전 장을 읽었다고 가정하고 설명한다. 1부는 금융 데이터를 머신러닝 알고리즘에서 잘 적용할 수 있도록 데이터를 구조화하는 방법을 알아보고, 2부에서는 해당 데이터에 기반해 머신러닝 알고리즘을 활용해 리서치하는 방법을 알아본다. 여기서 중요한 것은 실질적인 발견은 연구나 과학적 프로세스를 통해 이뤄지며, 이는 우연히 어떤 (잘못될 가능성이 많은) 결과가 나타날 때까지 의미 없이 반복하는 연구 기법과는 구분된다. 3부에서는 연구에 대한 백테스트 방법을 설명하고, 결과가 잘못될 확률을 평가해 본다. 1~3부를 통해 데이터 분석으로부터 모델을 연구하고, 결과를 평가하는 전체 프로세스를 개괄할 수 있다. 이러한 지식을 바탕으로 4부에서는 데이터로 되돌아가 의미 있는 특성을 추출하는 혁신적인 방법을 설명한다. 이러한 작업들은 대부분 상당한 양의 자원을 소모하는데 5부에서는 유용한 HPC 비법을 알아본다.
• 
• 1장. 독립된 주제로서의 금융 머신러닝 1.1 동기 1.2 금융 머신러닝 프로젝트가 실패하는 주요 원인 1.2.1 시지프스 패러다임 1.2.2 메타 전략 패러다임 1.3 책의 구조 1.3.1 생산 체인 형태로 구조 짜기 1.3.3 흔한 함정에 따른 구성 1.4 대상 독자들 1.5 필요 지식 1.6 자주 받는 질문들 1.7 감사의 글 __연습 문제 __참고 자료 __참고 문헌 1부. 데이터 분석 2장. 금융 데이터 구조 2.1 동기 2.2 금융 데이터의 근본적 형태 2.2.1 기본 데이터 2.2.2 시장 데이터 2.2.3 분석 2.2.4 대체 데이터 2.3 바 2.3.1 표준 바 2.4 복수 상품 계열 다루기 2.4.1 ETF 트릭 2.4.2 PCA 가중값 2.4.3 단일 선물 롤 오버 2.5 특성 샘플 추출 2.5.1 축소를 위한 표본 추출 2.5.2 이벤트 기반의 표본 추출 __연습 문제 __참고 자료 3장. 레이블링 3.1 동기 3.2 고정 기간 기법 3.3 동적 임계값 계산 3.4 삼중 배리어 기법 3.5 방향과 크기 파악 3.6 메타 레이블링 3.7 메타 레이블링을 이용하는 방법 3.8 퀀터멘털 방법 3.9 불필요한 레이블 제거 __연습 문제 __참고 문헌 4장. 표본 가중값 4.1 동기 4.2 중첩된 결과 4....3 공존 레이블의 개수 4.4 레이블의 평균 고유도 4.5 배깅 분류기와 고유도 4.5.1 순차적 부트스트랩 4.5.2 순차적 부트스트랩의 구현 4.5.3 수치적 예제 4.5.4 몬테카를로 실험 4.6 수익률 기여도 4.7 시간 감쇠 4.8 클래스 가중값 __연습 문제 __참고 자료 __참고 문헌 5장. 분수 미분의 특징 5.1 동기 5.2 정상성 대 기억 딜레마 5.3 문헌 리뷰 5.4 방법 5.4.1 장기 기억 5.4.2 반복 추정 5.4.3 수렴 5.5 구현 5.5.1 확장 윈도우 5.5.2 고정 너비 윈도우 분수 미분 5.6 최대 기억 유지 정상성 5.7 결론 __연습 문제 __참고 자료 __참고 문헌 2부. 모델링 6장. 앙상블 기법 6.1 동기 6.2 오류의 세 가지 원인 6.3 배깅 6.3.1 분산 축소 6.3.2 개선된 정확도 6.3.3 관측 중복 6.4 랜덤 포레스트 6.5 부스팅 6.6 금융에 있어서의 배깅 대 부스팅 6.7 배깅의 확장성 __연습 문제 __참고 자료 __참고 문헌 7장. 금융에서의 교차 검증 7.1 동기 7.2 교차 검증의 목표 7.3 금융에서 K겹 교차 검증이 실패하는 이유 7.4 해법: 제거 K겹 교차 검증 7.4.1 훈련셋에서의 제거 7.4.2 엠바고 7.4.3 제거된 K겹 클래스 7.5 sklearn의 교차 검증 버그 __연습 문제 __참고 문헌 8장. 특성 중요도 8.1 동기 8.2 특성 중요도의 중요성 8.3 대체 효과가 있는 특성 중요도 8.3.1 평균 감소 불순도 8.3.2 평균 감소 정확도 8.4 대체 효과가 없는 특성 중요도 8.4.1 단일 특성 중요도 8.4.2 직교 특성 8.5 병렬 대 스태킹 특성 중요도 8.6 합성 데이터를 사용한 실험 __연습 문제 __참고 자료 9장. 교차 검증을 통한 하이퍼 파라미터 튜닝 9.1 동기 9.2 그리드 검색 교차 검증 9.3 랜덤 검색 교차 검증 9.3.1 로그 균등 분포 9.4 점수 함수 및 하이퍼 파라미터 튜닝 __연습 문제 __참고 자료 __참고 문헌 3부. 백테스트 10장. 베팅 크기 10.1 동기 10.2 전략 독립 베팅 크기 방식 10.3 예측된 확률로부터 베팅 크기 조절 10.4 실행 중인 베팅의 평균화 10.5 베팅 크기 이산화 10.6 동적 베팅 크기와 지정가 __연습 문제 __참고 자료 __참고 문헌 11장. 백테스트의 위험 11.1 동기 11.2 미션 임파서블: 결함 없는 백테스트 11.3 비록 백테스트 결과가 나무랄 데 없어도 아마 잘못됐을 것이다 11.4 백테스트는 연구 도구가 아니다 11.5 몇 가지 일반적인 추천 11.6 전략 선택 __연습 문제 __참고 자료 __참고 문헌 12장. 교차 검증을 통한 백테스트 12.1 동기 12.2 전방 진행 기법 12.2.1 전방 진행 방법의 위험 12.3 교차 검증 기법 12.4 조합적 제거 교차 검증 기법 12.4.1 조합적 분할 12.4.2 조합적 제거 교차 검증 백테스트 알고리즘 12.4.3 몇 가지 예제 12.5 조합적 제거 교차 검증이 백테스트 과적합을 해결하는 법 __연습 문제 __참고 자료 13장. 합성 데이터에 대한 백테스트 13.1 동기 13.2 거래 규칙 13.3 문제 13.4 프레임워크 13.5 최적 거래 규칙의 수치적 결정 13.5.1 알고리즘 13.5.2 구현 13.6 실험 결과 13.6.1 제로 장기 균형의 경우 13.6.2 양의 장기 균형의 경우 13.6.3 음의 장기 균형의 경우 13.7 결론 __연습 문제 __참고 자료 14장. 백테스트 통계량 14.1 동기 14.2 백테스트 통계량의 종류 14.3 일반적인 특성 14.4 성과 14.4.1 수익률의 시간 가중 비율 14.5 런 14.5.1 수익률 집중 14.5.2 손실폭과 수면하 시간 14.5.3 성과 평가를 위한 런 통계량 14.6 거래 구축 비용 14.7 효율성 14.7.1 샤프 비율 14.7.2 확률적 샤프 비율 14.7.3 축소 샤프 비율 14.7.4 효율성 통계량 14.8 분류 점수 14.9 기여도 분석 __연습 문제 __참고 자료 __참고 문헌 15장. 전략 리스크 이해 15.1 동기 15.2 대칭 투자 이익 15.3 비대칭 투자 이익 15.4 전략 실패의 확률 15.4.1 알고리즘 15.4.2 구현 __연습 문제 __참고 자료 16장. 머신러닝 자산 배분 16.1 동기 16.2 볼록 포트폴리오 최적화 문제 16.3 마코위츠의 저주 16.4 기하적 관계에서 계층적 관계까지 16.4.1 트리 군집화 16.4.2 준대각화 16.4.3 재귀적 이분법 16.5 수치 예제 16.6 샘플 외 몬테카를로 시뮬레이션 16.7 향후 연구 과제 16.8 결론 __부록 __연습 문제 __참고 자료 4부. 유용한 금융의 특징 17장. 구조적 변화 17.1 동기 17.2 구조적 변화 테스트 유형 17.3 CUSUM 테스트 17.3.1 재귀적 잔차에 브라운 - 더빈 - 에반스 CUSUM 테스트 17.3.2 수준에 대한 추 - 스틴치콤 - 화이트 CUSUM 테스트 17.4 폭발성 테스트 17.4.1 초 - 유형의 딕키 - 풀러 테스트 17.4.2 상한 증강 딕키 - 풀러 17.4.3 서브 또는 슈퍼 - 마팅게일 테스트 __연습 문제 __참고 자료 18장. 엔트로피 특성들 18.1 동기 18.2 샤논의 엔트로피 18.3 플러그인(또는 최대 우도) 추정량 18.4 렘펠 - 지브 추정기 18.5 인코딩 체계 18.5.1 이진 인코딩 18.5.2 분위수 인코딩 18.5.3 시그마 인코딩 18.6 가우시안 프로세스의 엔트로피 18.7 엔트로피와 일반화된 평균 18.8 엔트로피의 몇 가지 금융 응용 18.8.1 시장 효율성 18.8.2 최대 엔트로피 생성 18.8.3 포트폴리오 집중화 18.8.4 시장 미시 구조 __연습 문제 __참고 자료 __참고 문헌 19장. 미시 구조적 특성 19.1 동기 19.2 문헌 리뷰 19.3 1세대: 가격 시퀀스 19.3.1 틱 규칙 19.3.2 롤 모델 19.3.3 고가 - 저가 변동성 추정량 19.3.4 코윈과 슐츠 19.4 2세대: 전략적 거래 모델 19.4.1 카일의 람다 19.4.2 아미후드의 람다 19.4.3 하스브룩의 람다 19.5 제3세대: 순차적 거래 모델 19.5.1 정보 기반 거래의 확률 19.5.2 정보 기반 거래의 거래량 동기화 확률 19.6 미시 구조적 데이터셋으로부터의 추가 특성 19.6.1 주문 크기의 분포 19.6.2 취소율, 지정가 주문, 시장가 주문 19.6.3 시간 가중 평균 가격 실행 알고리즘 19.6.4 옵션 시장 19.6.5 부호가 있는 주문 흐름의 계열 상관관계 19.7 미시 구조적 정보란 무엇인가? __연습 문제 __참고 자료 5부. 고성능 컴퓨팅 비법 20장. 다중 처리와 벡터화 20.1 동기 20.2 벡터화 예제 20.3 단일 스레드 대 다중 스레딩 대 다중 처리 20.4 원자와 분자 20.4.1 선형 분할 20.4.2 이중 루프 분할 20.5 다중 처리 엔진 20.5.1 작업 준비 20.5.2 비동기 호출 20.5.3 콜백 언래핑 20.5.4 피클/언피클 객체 20.5.5 출력 축소 20.6 다중 처리 예제 __연습 문제 __참고 자료 __참고 문헌 21장. 무차별 대입과 양자 컴퓨터 21.1 동기 21.2 조합적 최적화 21.3 목적 함수 21.4 문제 21.5 정수 최적화 방법 21.5.1 비둘기집 분할 21.5.2 가능한 정적 해 21.5.3 궤적 평가 21.6 수치 예제 21.6.1 랜덤 행렬 21.6.2 정태적 해 21.6.3 동태적 해 __연습 문제 __참고 자료 22장. 고성능 계산 지능과 예측 기술 22.1 동기 22.2 2010년 플래시 크래시에 대한 감독 당국의 반응 22.3 배경 22.4 HPC 하드웨어 22.5 HPC 소프트웨어 22.5.1 MPI 22.5.2 계층적 데이터 형식 5 22.5.3 제자리 처리 22.5.4 수렴 22.6 실제 사례 22.6.1 초신성 사냥 22.6.2 융합 플라스마의 덩어리 22.6.3 일간 전기 사용 최대값 22.6.4 2010년의 플래시 크래시 22.6.5 정보 기반 거래 거래량 동기화 확률의 추정 22.6.6 비균등 고속 푸리에 변환으로 고빈도 이벤트 발견 22.7 요약 및 참여 요청 22.8 감사의 글 __참고 자료
• 

• 마르코스 로페즈 데 프라도 [저]

• 이병욱 [저]

• 서울과학종합대학교 디지털금융 주임교수다. 한국과학기술원(KAIST) 겸직교수이자 한국금융연수원 겸임교수를 했다. 공지능연구원(AIRI) 부사장이다. 금융위원회 금융규제혁신회의 위원, 금융위원회 법령해석심의위원회 위원, 금융위원회 적극행정위원회 위원, 금융위원회 가상자산 자문위원, 금융정보분석원의 “특금법 후속조치를 위한 TF” 위원이다. 한국산업기술진흥원(KIAT) ‘규제자유특구 분과위원회’ 위원과 과기정통부 우정사업본부 정보센터 네트워크 & 블록체인 자문위원을 했다. 전 BNP 파리바 카디프 전무, 전 LG전자 연구원이다. 한국과학기술원(KAIST) 전산학과 계산이론 연구실에서 공부했으며 공학을 전공한 금융 전문가로, 세계 최초의 핸드헬드-PC(Handheld-PC) 개발에 참여해 한글 윈도우 CE1.0과 2.0을 미국 마이크로소프트 본사에서 공동 개발했다. 1999년에는 전 보험사 보험료의 실시간 비교 서비스를 제공하는 핀테크 전문회사 ㈜보험넷을 창업해 업계에 큰 반향을 불러일으켰다. 이후 삼성생명을 비롯한 생명 및 손해 보험사에서 CMO(마케팅 총괄 상무), CSMO(영업 및 마케팅 총괄 전무) 등을 역임하면서 혁신적인 상품과 서비스를 개발, 총괄했다. 세계 최초로 파생상품인 ELS를 기초 자산으로 한 변액 보험을 개발해 단일 보험 상품으로 1조 원 이상 판매되는 돌풍을 일으켰고, 매일 분산 투자하는 일 분산 투자(daily Averaging) 변액 보험을 세계 최초로 개발해 상품 판매 독점권을 획득했다. 인공지능 연구원에서 머신러닝 기반의 금융 솔루션 개발에 관련된 다양한 활동을 하고 있으며, 금융위원회, 금융정보분석원 등에 다양한 자문을 하고 있다. 저서로는 문체부가 2023 세종도서로 선정한 『돈의 정체』(에이콘, 2021)와 함께 『비트코인과 블록체인, 탐욕이 삼켜버린 기술』(에이콘, 2018) 그리고 대한민국학술원이 2019 교육부 우수학술도서로 선정한 『블록체인 해설서』(에이콘, 2019)와 한국금융연수원의 핀테크 전문 교재인 『헬로, 핀테크!』(공저, 2020), 『헬로핀테크-인공지능편』(2021)이 있다.

• 전체 0개의 구매후기가 있습니다.
• 

인터파크도서는 고객님의 단순 변심에 의한 교환과 반품에 드는 비용은 고객님이 지불케 됩니다. 단, 상품이나 서비스 자체의 하자로 인한 교환 및 반품은 무료로 반품 됩니다. 교환 및 반품이 가능한 경우 상품을 공급 받은 날로부터 7일이내 가능 공급받으신 상품의 내용이 표시, 광고 내용과 다르거나 다르게 이행된 경우에는 공급받은 날로부터 3개월 이내,    혹은 그사실을 알게 된 날 또는 알 수 있었던 날로부터 30일 이내 상품에 아무런 하자가 없는 경우 소비자의 고객변심에 의한 교환은 상품의 포장상태 등이 전혀 손상되지 않은 경우에 한하여 가능 교환 및 반품이 불가능한 경우 구매확정 이후(오픈마켓상품에 한함) 고객님의 책임 있는 사유로 상품 등이 멸실 또는 훼손된 경우    (단, 상품의 내용을 확인하기 위하여 포장 등을 훼손한 경우는 제외) 시간이 지남에 따라 재판매가 곤란할 정도로 물품의 가치가 떨어진 경우 포장 개봉되어 상품 가치가 훼손된 경우 다배송지의 경우 반품 환불 다배송지의 경우 다른 지역의 반품을 동시에 진행할 수 없습니다. 1개 지역의 반품이 완료된 후 다른 지역 반품을 진행할 수 있으므로, 이점 양해해 주시기 바랍니다. 중고상품의 교환 중고상품은 제한된 재고 내에서 판매가 이루어지므로, 교환은 불가능합니다. 오픈마켓 상품의 환불 오픈마켓상품에 대한 책임은 원칙적으로 업체에게 있으므로, 교환/반품 접수시 반드시 판매자와 협의 후 반품 접수를 하셔야하며,    반품접수 없이 반송하거나, 우편으로 보낼 경우 상품 확인이 어려워 환불이 불가능할 수 있으니 유의하시기 바랍니다.

배송예정일 안내 인터파크 도서는 모든 상품에 대해 배송완료예정일을 웹사이트에 표시하고 있습니다. <인터파크 직배송 상품> 상품은 월~토요일 오전 10시 이전 주문분에 대하여 당일 출고/당일 배송완료를 보장하는 상품입니다. 상품은 서울지역/평일 주문분은 당일 출고/익일 배송완료를 보장하며, 서울외지역/평일 주문분의 경우는 오후 6시까지 주문분에 대하여 익일 배송완료를 보장하는 상품입니다. (단, 월요일은 12시까지 주문에 한함) 상품은, 입고예정일(제품출시일)+택배사배송일(1일)에 배송완료를 보장합니다. ~ 상품은 유통특성상 인터파크에서 재고를 보유하지 않은 상품으로 주문일+기준출고일+택배사배송일(1일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※기준출고일:인터파크가 상품을 수급하여 물류창고에서 포장/출고하기까지 소요되는 시간 <업체 직접배송/오픈마켓 상품> ~ 상품은 업체가 주문을 확인하고, 출고하기까지 걸리는 시간입니다. 주문일+기준출고일+택배사배송일(2일)에 배송완료를 보장합니다.(토/공휴일은 배송기간에 포함되지 않습니다.) ※5일이내 출고가 시작되지 않을시, 오픈마켓 상품은 자동으로 주문이 취소되며, 고객님께 품절보상금을 지급해 드립니다. 배송비 안내 도서(중고도서 포함)만 구매하시면 : 배송비 2,000원 (1만원이상 구매 시 무료배송) 음반/DVD만 구매하시면 : 배송비 1,500원 (2만원이상 구매 시 무료배송) 잡지/만화/기프트만 구매하시면 : 배송비 2,000원 (2만원이상 구매 시 무료배송) 도서와 음반/DVD를 함께 구매하시면 : 배송비 1,500원 1만원이상 구매 시 무료배송) 도서와 잡지/만화/기프트/중고직배송상품을 함께 구매하시면 : 2,000원 (1만원이상 구매 시 무료배송) 업체직접배송상품을 구매시 : 업체별로 상이한 배송비 적용    * 세트상품의 경우 부분취소 시 추가 배송비가 부과될 수 있습니다.    * 북카트에서 배송비없애기 버튼을 클릭하셔서, 동일업체상품을 조금 더 구매하시면, 배송비를 절약하실 수 있습니다. 해외배송 안내 인터파크도서에서는 국내에서 주문하시거나 해외에서 주문하여 해외로 배송을 원하실 경우 DHL과 특약으로 책정된 요금표에    의해 개인이 이용하는 경우보다 배송요금을 크게 낮추며 DHL(www.dhl.co.kr)로 해외배송 서비스를 제공합니다. 해외배송은 도서/CD/DVD 상품에 한해 서비스하고 있으며, 다른 상품을 북카트에 함께 담으실 경우 해외배송이 불가합니다. 해외주문배송 서비스는 인터파크 도서 회원 가입을 하셔야만 신청 가능합니다. 알아두세요!!! 도매상 및 제작사 사정에 따라 품절/절판 등의 사유로 취소될 수 있습니다. 오픈마켓업체의 배송지연시 주문이 자동으로 취소될 수 있습니다. 출고가능 시간이 서로 다른 상품을 함께 주문할 경우 출고가능 시간이 가장 긴 기준으로 배송됩니다. 유통의 특성상 출고기간은 예정보다 앞당겨지거나 늦춰질 수 있습니다. 택배사 배송일인 서울 및 수도권은 1~2일, 지방은 2~3일, 도서, 산간, 군부대는 3일 이상의 시간이 소요됩니다.