[책]비겁한 돈, 용기있는 기회주의자가 부를 얻는다.

기대를 가지고 본 책은 아니었다.  제목이 상당히 특이한 부분도 있었고, 전직 개그맨이 썼다는 부분에서 오는 선입견일 수 있던 것 같다.  그럼에도 불구하고 전문투자자가 아니었던 사람이 투자에 관한 부분을 썼다는 점이 공감 포인트였기 때문에 호기심을 가지고 구매하게 되었다.

책 내용 자체는 철학에 관한 내용으로  책 제목과 직접적으로 연결되는 부분은 "Part II. 평범하게 부자가 되는 유일한 길, 비겁한 돈"이었다.  "Part I"과 "Part 3"는 보통 투자책에 다루는 "돈"과 "나에 대한 내용을 다루고 있었다.

Part II. 평범하게 부자가 되는 유일한 길, 비겁한 돈
  1. 투자를 하는 동안 우리는 투자를 보지 못한다
  2. ‘쉼’ 속에 반전의 기회가 있다
  3. ‘지금이 두 번 다시 오지 않을 좋은 시기’라는 말
  4. 쉰 자에게만 허락되는 기회의 땅, 비겁한 돈
  5. 당신이 던져야 할 진짜 질문, 시작기는 언제인가
  6. ‘운 좋게’ 번 돈이 약이 될 때와 독이 될 때
  7. 최고의 동기부여는 의지가 아니라 ‘성과’다
  8. 비겁한 돈을 맞이하며 지켜야 할 세 가지 기준
  9. 비겁한 돈으로 권력을 가질 순간이 당신에게 찾아왔을 때

비겁한 돈이라는게 정말 정의롭지 못한 돈의 의미인 것인가 해서 신경쓰였다. 뭐 그러했다면 책이 나올 수 없겠지만 말이다. 저자는 "용기 있는 기회주의자자로서 투자를 접근해야 할 필요가 있기에 "비겁한"이란 수식어를 붙였다.

우리는 전문투자자가 아니기 때문에 모든 시간을 쓸 수 없는 현실 속에서 최대한 시간을 활용하여 아직 상승기가 오지 않은 자산이나 하락기 이후에 상승기가 오지 않은 자산에 투자하여 수익을 거두는 것을 말한다. 그는 이러한 탐색과정에서 하락기에 위치했던 부동산을 투자했다고 한다.

비겁한 돈에 대한 요점은 "Part II"에서 대부분 설명하지만 그렇다고 "Part I"과 "Part III"는 그가"Part II" 내용이 볼 것이 없는 것은 아니다. 왜 저자가 "시간"과 "자아"에 대해 어떻게 생각했기에 "Part II"와 같은 투자철학을 세웠는지에 대한 내용이 담겨져 있다.

그래서인지 개인적으로는 "PartII"보다 더 인상깊었던 부분이 많았다. 한 명의 직장인으로서 모든 시간을 투자할 수 없는 부분들, 그리고 돈 때문에 힘들어했던 기억 등이 정말 많이 공감되었기 때문이다. 여러 유명한 사람의 투자철학은 많이 읽어봤지만, 뭐랄까 꽤 많이 공감되는 부분이 있었다. 욕심같아서야 보다 더 자세하게 그래서 어떻게 해야 하는지를 알려줬으면 하는 바람도 있었지만,  그래도 얻어간 부분이 있어서 다행인 책이었다.

특히 "시간"과 그리고 작더라도 성과가 있어야 동기부여가 된다는 부분은 공감이 많이 되서, 코로나 이후 무기력감에 시달리고 있는 나에게 기술적인 방안을 생각할 수 있게 도와준 점은 꽤 좋았다.

Read more

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

Pandera: 데이터프레임 검증에 최적화된 도구 주요 장점 * Pandas와 통합: Pandas 데이터프레임에 대해 스키마 기반 검증을 수행합니다. * 유연한 검증 조건: 열 데이터 타입, 값 범위, Null 여부 등 다양한 검증 조건을 정의할 수 있습니다. * 명확한 오류 메시지: 스키마 불일치에 대한 명확한 오류 메시지를 제공합니다. 단점 * 대용량 데이터 검증에서는 속도가 느릴 수

Tobit Regression은 Censored Data에 적합한 Regression이다.

Tobit Regression은 Censored Data에 적합한 Regression이다.

Tobit Regression * Tobit 회귀(Tobit Regression)는 종속 변수가 특정 값에서 절단(Censored)된 상황에서 데이터를 분석하기 위해 사용되는 통계 기법입니다. * James Tobin이 처음 제안한 이 모델은 경제학과 사회과학 분야에서 자주 사용되며, 일반 선형 회귀로는 설명할 수 없는 상황에서 효과적으로 적용할 수 있습니다. Tobit Regression 수식 1. 관측된 종속 변수