[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

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성은 잘못된 인과추론 결과를 만들어낼 수 있습니다.

다중공선성(Multi Collinearity) * **Multi-Collinearity(다중공선성)**는 독립 변수들 간의 강한 상관관계가 존재할 때 발생합니다. 즉, 한 독립 변수가 다른 독립 변수에 의해 설명될 수 있을 정도로 상관관계가 높은 상황을 의미합니다. * 이 문제는 주로 회귀 분석에서 나타나며, 변수들 간의 관계를 해석하는 데 있어 큰 장애물이 될 수 있습니다. * 일반적인 회귀식을 $Y=

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P-Value는 불확실성을 감안하여 모델의 적합도를 평가합니다.

Bayesian P- Value * Bayesian P-Value는 **모델의 적합도(goodness-of-fit)**를 평가하는 데 사용됩니다. * 사후 분포(posterior distribution)를 이용하여 실제 데이터와 모델이 생성한 예상 데이터를 비교함으로써, 관측된 데이터가 모델에 의해 얼마나 잘 설명되는지를 평가합니다. * 빈도주의 p-값은 "관찰된 데이터보다 극단적인 데이터가 나올 확률"을 계산하지만, Bayesian P-Value는 "모델이 실제

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non-Identifiability는 Model Parameter를 고유하게 식별할 수 없는 현상입니다.

Non Identifiability * Non-Identifiability는 주어진 데이터와 모델에 대해 특정 파라미터를 고유하게 식별할 수 없는 상황을 의미합니다. 즉, 여러 파라미터 값들이 동일한 데이터를 생성할 수 있으며, 이로 인해 특정 파라미터 값을 확정적으로 추정하기 어렵게 됩니다. * 베이지안 추론에서 Non-Identifiability는 사후 분포가 특정 파라미터 값에 대해 명확하게 수렴하지 않고, 여러 값들에 대해 비슷한 확률을

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram은 큰 분산을 갖거나 비정규 형태의 데이터를 위한 히스토그램입니다.

Rootgram * 히스토그램의 변형으로 데이터가 비정규적이거나 큰 분산을 가지는 경우, 정확한 분포를 파악하기 위해 사용됩니다. * 일반적으로 히스토그램은 데이터의 빈도를 직접적으로 나타내기 때문에, 큰 값이 빈번하게 발생하는 경우 상대적으로 작은 값을 잘 드러내지 못하는 경향이 있습니다. 반면, Rootgram은 빈도를 제곱근 형태로 변환하여, 데이터 분포의 차이를 더 잘 시각화할 수 있도록 돕습니다 * 여기서