본문 바로가기
반응형

Mathematics52

[KSSCI 2021] 인과추론의 데이터 과학 - Session 3, 4 인과추론의 데이터과학. (2021, Aug 30). [Session 3-1] 무작위 통제실험 연구사례 1: 출근시간 타켓 마케팅의 인과적 효과 [Video]. YouTube. 인과추론의 데이터과학. (2021, Sep 2). [Session 3-2] 무작위 통제실험 연구사례 2: 걷기 운동 동기부여를 위한 모바일앱 인센티브 디자인 [Video]. YouTube. 인과추론의 데이터과학. (2021, Sep 6). [Session 4] IT기업에서의 A/B 테스트 활용 [Video]. YouTube. Session 3-1 Contextual targeting 연구 소개 문제 상황 mobile coupon이 paper coupon보다 redemption rate이 낮았음 redemption rate: 특정 기.. 2023. 8. 1.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 2 인과추론의 데이터과학. (2021, Jul 7). [Session 2-1] 인과추론을 위한 연구 디자인[Video]. YouTube. 인과추론의 데이터과학. (2021, Jul 7). [Session 2-2] 인과추론의 정석: 무작위 통제실험 [Video]. YouTube. 인과추론의 데이터과학. (2021, Jul 7). [Session 2-3] 실험 아닌, 실험 같은 준실험 [Video]. YouTube. 인과추론의 데이터과학. (2021, Jul 7). [Session 2-4] 준실험 분석도구: 이중차분법 & 회귀불연속 [Video]. YouTube. Session 2-1 Causal Hierarchy of Research Design Meta-Analysis: 인과추론의 영역을 종합적으로 분석 인.. 2023. 7. 25.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 1 인과추론의 데이터과학. (2021, Jul 7). [Session 1-1] 인과추론의 다양한 접근법 [Video]. YouTube. 인과추론의 데이터과학. (2021, Jul 7). [Session 1-2] 잠재적결과 프레임워크 [Video]. YouTube. 인과추론의 데이터과학. (2021, Jul 7). [Session 1-3] 인과적 사고방식 [Video]. YouTube. Session 1-1 Philosophy David Hume Empiricism (경험주의) 철학의 대표적인 인물 인과관계는 원인이 항상 결과가 있었다면, 반복적인 경험에 기반한 관념적인 연결고리라고 주장함 ex. 먹구름 + 무릎이 시리다 → 비가 온다는 생각이 머리에 떠오름 Immanuel Kant 인간의 이성에 기반한 합리.. 2023. 7. 18.
[KSSCI 2021] 인과추론의 데이터 과학 - Session 0 인과추론의 데이터과학. (2021, Jun 30). [Session 0] 인과추론 온라인 세미나 소개 [Video]. YouTube. 인과추론 추천 자료 (English) ML 관점: Online Lectures by Brady Neal 경제/사회과학 관점: Mod•U: Powerful Concepts in Social Science 생물통계학/역학 관점: Causal Diagrams: Draw Your Assumptions Before Your Conclusions Herzberg’s Two Factor Theory ‘불만족’의 반대는 ‘만족’이 아니라는 이론 ‘불만족’의 반대: 불만족 없음 ‘만족’의 반대: 만족스럽지 않음 조직만족도에 영향을 주는 2가지 Factor Hygiene Factor: 시행.. 2023. 7. 18.
Chapter 4. 알파 팩터 리서치 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p159-214. ✅ 알파 팩터란 무엇인가? ✔️ 정의 알파(alpha): 시장의 수익률을 초과하는 수익률 (Excess return) 일반적으로 자산 운용사의 액티브 펀드 매니저들이 시장을 얼마나 이겼는지 측정하는 중요 지표 ex. 코스피 지수 성과가 5%, 포트폴리오가 10%였다면, 5%의 알파를 창출한 것 알파 팩터(alpha factor): 자산 가격의 움직임을 예측하는 것을 목표로 하는 원시 데이터의 변환 자산 수익률을 높이는 리스크를 포착하는 것이 목표 시장, 기본, 대체 데이터를 변환한 것 변수의 시간에 따른 상대적/절대적 변화 데이터 시리즈 간 비율 단순/지수 이동 평균.. 2023. 6. 18.
Chapter 3. 금융을 위한 대체 데이터: 범주와 사용 사례 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p127-158. ✅ 대체 데이터 혁명 5V (Volume, Velocity, Variety, Veracity, Value) 매크로, 회사별 데이터 예시 온라인 가격 데이터: 인플레이션 측정 매장 방문 횟수, 구매 횟수: 경제 활동의 실시간 추정 인공위성 이미지: 수확량, 광산, 석유 굴착장에서의 활동 포착 머신러닝 지표 Momentum: 시장 가격 변동, 산업 심리, 경제 팩터에 대한 자산 노출 Value: 재무제표 + 경제 및 산업별 정형/비정형 데이터 분석 Quality: 고객 평가, 직원 리뷰, 앱 트래픽 등으로 시장 점유율 및 기초 수익 팩터로 이익 식별 Sentiment: .. 2023. 6. 12.
Chapter 2. 시장 데이터와 기본 데이터: 소스와 기법 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p75-126. ✅ 전통적인 전략 주식 재무제표 데이터를 기반으로 재무 모델을 구축 산업 or 매크로 데이터와 결합하기도함 기술적 분석을 이용해 주가와 거래량으로부터 계산된 지표들을 사용해 시장 데이터에서 신호를 추출 ✅ 트레이딩 방법 시장가 주문 (market order): 주문이 거래 플랫폼에 도달하는 순간, 가능한 시장가격으로 즉시 체결 보장 지정가 주문 (limit order) 매수: 시장 가격이 지정가보다 작은 경우에만 체결 매도: 시장 가격이 지정가보다 큰 경우에만 체결 스탑 주문 (stop order) 매수: 시장 가격이 지정가보다 높은 경우에 활성화 매도: 시장 가격이 .. 2023. 6. 11.
Chapter 1. 트레이딩용 머신러닝: 아이디어에서 주문 집행까지 스테판 젠슨, 『퀀트 투자를 위한 머신러닝·딥러닝 알고리듬 트레이딩 2/e』, 이기홍, 홍창수, 에이콘출판사(2022), p47-74. ✅ 액티브 투자의 목표: 알파 생성 투자 전략 종류 패시브 전략: 동일 자산이나 파생 상품 등에 대한 차익 거래 액티브 전략: 주문 예측이나 추세 조장 행위(momentum ignition) 주문 예측: 유동성 탐지, 대형 기관 투자자의 숨겨진 유동성을 탐지하는 작은 탐색 주문을 내고, 이후 후속가격 변동으로부터 이익을 얻기 위해 대규모 주문에 앞서 거래하는 알고리즘 추세 조장 행위: 공격적으로 매수 or 매도를 하여 가격 변동으로부터 이익을 얻으려는 다른 HFT 알고리즘을 속이기 위한 일련의 주문을 실행 및 취소하는 알고리즘 알파: 평가에 사용된 벤치마크를 초과하는 포.. 2023. 6. 4.
『몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 기초 개념부터 확률 과정 기반 데이터 예측까지』 Chapter 5. 연속형 확률 분포 장철원, 『몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 기초 개념부터 확률 과정 기반 데이터 예측까지』, 비제이퍼블릭(2023), p183-258. 1. 연속형 균일 분포(Continuous uniform distribution)확률 변수 \(X\)는 특정 값을 가질 확률이 모두 동일한 분포\(X\sim U(a,b)\)1-a. 확률 밀도 함수\(f_X(x) = \displaystyle{1\over {b-a}},\;\; \small x\in [a,b]\)$$ \begin{align*} \int^b_af_X(x)dx & = \displaystyle\int^b_a{1\over {b-a}}dx\\ & = \Big[{1\over {b-a}}\Big]^b_a\\ & = {b\over {b-a}} - {.. 2023. 5. 18.
『몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 기초 개념부터 확률 과정 기반 데이터 예측까지』 Chapter 4. 이산형 확률 분포 장철원, 『몬테카를로 시뮬레이션으로 배우는 확률통계 with 파이썬 기초 개념부터 확률 과정 기반 데이터 예측까지』, 비제이퍼블릭(2023), p101-182.이산형 균일 분포(discrete uniform distribution)균일 분포(uniform distribution): 확률 변수가 특정 값을 가질 확률이 모두 동일한 분포표본 공간이 1부터 시작하는 분포\(X\sim U(1, N)\)\(P(X=x) = \displaystyle{1\over n}, \;\; x=1,2,\cdots, N\)\(\sum^N_{x=1}P(X=x) = 1\) → 확률 질량 함수의 성질\(E(X) = \displaystyle{{N+1}\over 2}\)$$\begin{align*} E(X) & = \displaystyle.. 2023. 5. 11.
반응형

티스토리툴바