[책] 다르더라도 좋은 점은 의식적으로 받아들이자, “나는 주식으로 월급 두 번 받는다“

[책] 다르더라도 좋은 점은 의식적으로 받아들이자, “나는 주식으로 월급 두 번 받는다“
Photo by Nick Chong / Unsplash

사실 이 책을 읽은 이유는 순전히 제목 때문이었다.
월급을 두 번 받는다니, 게다가 나와 비슷한 공대생이라니 저 사람은 어떻게 할 것인가?
하지만 내용을 훑어보고는 금새 덮어버리고 말았다. 기술적 분석이라니 말이다.

하지만 곧 책을 다시 펼쳐서 보기 시작하였다.
개인적으로 별로 좋아하지 않는 기술적 분석에 대한 내용이 펼쳐졌고, 머리 속에 내용이 들어오지 않지만 저자의 관점에서 생각의 흐름을 좇아가기 시작하였다.

종목의 싱싱함(?)부터 시작해서 엔벨로프를 어떻게 활용하는지 등 종목의 선정함을 시작으로 사람들이 가장 알고 싶어하는 매수 및 매도의 타이밍 등이 책 내용의 주를 이루었다. 그리고 나서는 종가매매라든가, 공모주 투자 등 다양한 팁들이 기술되어 있었다. 이 방면에 대해서는 아는게 없었다 보니, 굉장히 신선한 내용들이 들어 있었다.

그러면새 내심 나의 계좌를 복기해보았다. 그간 계량적 분석을 업의 관점에서 환호한다면서도 업의 관점을 충분히 활용하지 못한 내가 보였다. 오히려 정성적 분석에서 수익을 거두는 나를 보면서 나는 플레이어라기 보다는 Spectator(관중)의 모습에서 수식으로 점철된 화려함이 가득한 블록버스터 영화를 좋아하는게 아닐까 라는 반성도 들었다.

여기까지 오게 되니, 저자의 고민이 글에서 보이기 시작하였다. 왜 이평선도 7일과 15일을 보는지 저자는 본인의 경험을 들어서하책 중간에서 설명하는 부분이 있다. 그 설명을 보면서 스쳐갈 수 있는 경험에 대해도 이렇게 다시금 훑어본다는 것이 저자의 마음이 얼마나 투자에 몰입되어있는지가 느낄 수 있었다. 그런데 나는 그 정도 몰입을 경험하였는가? 그렇지 않았다.

최근 복간되어 화제가 되고 있는 사이토 다카시의 “일류의 조건”이라는 책에서는 일류가 되기 위해서 주요한 첫번째 능력 중 하나로 “훔치는 힘”을 언급한다. 경험이 쌓이다 보면 어느새 가지고 있는 능력, 또는 지식의 거대한 범주에 갇혀 다른 능력을 배우려 하지 않거나, 다른 카테고리에 있으면 배척하기까지 한다. 내가 그렇지 않았나 라는 생각이 든다.

여기까지 생각하니, 아직은 완벽하지 않지만 저자의 글 행간 속에 담긴 내용이 보이기 시작한다. 그렇다 저자가 쓴 내용을 보니, 다른 책에서 옮겨 쓴 내용이라기 보다는 대부분이 본인의 머리속에 나온 생각이었을 텐데 쉽지 않았음이 느껴진다. 그런 책조차 아직 써보지 못한 나에게 이 책에 대한 비판은 얕은 비판일 수 있겠구나라는 생각이 들었다.

생각의 골자를 보고 이면을 보는 연습, 그리고 책에서 말하고자 하는 바를 인지하는 연습, 그리고 그 생각이 궁금하다면 프로토타입핑을 적용해서 테스트해보되, 무작정 비난하려는 생각은 접어두도록 해야겠다. 육아휴직을 하면서도 가장 지금 필요한 부분이 아닐까 싶다.

그리고 왜 이렇게 저자가 접근하였는지 “Why”를 고민해보도록 하자 저자는 주식인생의 절반인 10년간은 수익을 거두지 못했다가 지금 투자법으로는 10년간 수익을 거두고 있음을 언급한 바 있다. 자신의 방법론을 구축하고 지금 무엇을 해야할지만 궁리하고 구체화한 결과물이 이 책인 것이다.

“Copy the questions, not the answers”라는 말이 있다. ”하드씽“의 저자는 대부분의 시간을 “이제 어떻게 하면 좋을까”에 투자하라고 언급한 바 있다. 지금 내 시간 사용법은 적절하지 않다. 움직이자

Read more

ML 코드 작성시 유의사항

ML 코드 작성시 유의사항

유의사항 * 코드의 작성방식: 다른사람이 코드를 읽고 이해할 수 있는가? * 코드의 성능: 의도치 않은 부작용이 발생하는가? * 코드의 복잡성: 유스케이스에 비해 설계가 과도하고 부족한가 * 개선의 용이성: ML코드가 지속적으로 리팩토링 되는가? 코드 작성방식에 따른 개발자(+데이터과학자)의 유형 분류 출처 * 머신러닝 엔지니어링 인 액션

ELPD는 모델이 새로운 데이터를 얼마나 잘 예측하는지를 보여주는 지표입니다.

ELPD는 모델이 새로운 데이터를 얼마나 잘 예측하는지를 보여주는 지표입니다.

기본 개념 * ELPD(Expected Log Predictive Density)는 모델이 새로운 데이터를 얼마나 잘 예측하는지를 나타내는 지표로, 주어진 데이터 포인트에 대해 모델이 예측한 확률의 로그 값(로그확률)을 합산한 것입니다. $$\text{ELPD} = \sum_{i=1}^{n} \log p(y_i \mid \text{data})$$ * $n$: 데이터 포인트의 수 * $y_i$ : 실제 관측된

잭나이프 샘플링은 표본의 변동성 추정 방법중 하나입니다.

잭나이프 샘플링은 표본의 변동성 추정 방법중 하나입니다.

잭나이프 샘플링이란? * 잭나이프 샘플링은 표본 데이터에서 하나의 관측치를 제거한 여러 하위 샘플을 만들어, 이들 샘플에 대해 통계량을 계산한 후 그 결과를 바탕으로 전체 표본의 변동성을 추정하는 방법입니다. 잭 * 나이프는 주로 표본의 분산을 추정하거나 통계량의 편향을 줄이기 위해 사용됩니다. 예시 * 주어진 표본이 [x1, x2, x3, x4]라면, 잭나이프 샘플링은 다음과 같은

정확한 단위로 대화를 하는 것이 중요합니다.

정확한 단위로 대화를 하는 것이 중요합니다.

자전거를 타고 약속장소로 이동하는 중이었습니다. 근처 과일 가게에 이런 문구가 적혀있었습니다. "한 상자에 X,000원" 과일을 직접 사먹지는 않는 편이기 때문에 가격은 모르지만 꽤 매력적인 가격대였습니다. 그래서 잠시 "살까?" 망설였습니다. 하지만 이내 자전거를 타고 다시 가던 길을 갔습니다. 한 상자 안에 몇개가 들어가 있을지를 몰랐기 때문입니다.