[책]퀀트의정석, 퀀트에 관한 큰 그림을 보여준다.

Covid-19이 창궐할 즈음, 올웨더 포트폴리오를 시작으로, 정량투자, 시스템 트레이딩에 대해서 관심을 가지기 시작하였던 것같다. 그 이후 꾸준히 정량적인 투자를 하고 있지만, 뭐랄까 전체적인 그림 없이, 코끼리의 몸만 매번 만져가는 식의 투자는 개인적으로 맞지 않아 흥미가 많이 빠졌던 중에 퀀트대디님의 책, "퀀트의 정석"이 출간되었다고 하여 책을 읽어보게 되었다.

저자는 퀀트 트레이딩을 7개의 블록으로 나눠서 전체적인 구조가 어떻게 되어 있는지를 소개해준다. 특히 최근 10년 사이 빠르게 산업 곳곳에 활용되어 지고 있는 AI에 관련되어서도 하나의 블록으로 소개해준다. 7개를 각각 소개해주려다 보니 내용이 아주 깊지는 않은 편이지만, 그럼에도 최근에 봤던 퀀트 관련 책들 중에서는 "왜 이런 식으로 투자를 해야 하는가"에 대해서는 가장 잘 답변해주는 책이었다.

특히 팩터 포트폴리오라는 단어가 의미하는 바를 언틋 인지하면서도 이게 어떻게 활용되는 것인지를 몰랐던 것같다. "팩터"라는 단어가 사용되는 이유는 "팩터"가 가진 의미가 사용하려는 목적에 부합하기 때문이라는 것을 생각한다면 자연스럽게 이 단어를 이해했을 텐데, 아마 관심이 떨어진 탓에 더더욱 그렇지 못했던 것같다.

이 책에서 말하는 7개의 블록은 심리와 메타인지, 금융시장, 자산배분, 팩터모델링, 시스템 구현, 금융공학, 금융머신러닝 이다. 훑어보면서 첫번째 들었던 생각은 각 블록만 놓고 보면 모르는 내용이 아니다라는 것이었다. 다만 이들을 어떻게 꿰어서 볼 지를 몰랐던 것같다.

그래서인지 이 책에서 가장 마음에 들었던 부분은 이들이 왜 퀀트를 할 때 필요한지를 설명해주는 것이었다. 사이먼 시넥(Simon Sinek)의 TED 강의 에서도 말했고 최근 번역출간된 저서,  "Start With Why" 에서도 말한 것처럼 결국 이유 없이는 흥미를 유지하기 어렵다. 특히 퀀트처럼 여러 다양한 분야의 학문을 엮어서 의사결정에 이르러야 하는 업은 이 Why 없이는 지속해서 몰입하기가 어렵다.  그 관점에서 이 책은 이 7개의 블록이 어떠한 이유로, 왜 필요한지 설명해 주고 있어 나 역시도 끝까지 잘 버티면서 읽을 수 있었던 것같다.

그리고 읽으면서 컴퓨터공학, 통계학, 경영학을 모두 전공한 나에게도 그 간의 지식을 잘 엮어낼 수 있어, 이제는 "어떻게 실행할 것인가?"에 대한 고민을 진득하게 할 수 있게 도와준 것같다.

최근 팀 내에서 시스템 트레이딩에 대한 공부를 조금씩 취미삼아서 하고 있는데, 처음 퀀트를 접하거나, 또는 퀀트를 하면서 거시적 관점에서 내용을 정리하기에는 꽤 좋은 책인 듯하여 함께 스터디하는 구성원에게도 추천해줄만한 책이었다.

Read more

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

OLS 기반 인과추론 시 오차항 관련 체크 필요 가정

배경 * 아래 글을 DANBI에서 보다가 더 알아보게 되었습니다. OLS를 떠받치는 몇 개의 기둥이 있는데 그중 실용적으로 가장 중요한 것이 일치성(consistency)다. 쉽게 말해서 OLS를 통해 도출된 추정량이 있을 때 샘플사이즈가 커지면서 이 값이 참 값으로 접근한다는 것이다. 일치성이 충족되면 우리는 적당하게 큰 표본에 대해서 추정치가 좋은 속성을 지니고 있다고

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

인공지능이 문제가 아니라 결국 사람이 문제가 될 것입니다.

사람들이 AI가 필요하다고 생각하는 시점 저 판사를 얼른 AI로 교체해야 한다. 유튜브에서 뉴스를 보다 보면 정말 많이 보이는 덧글입니다. 이러한 내용의 덧글이 달릴 때마다, 정말 많은 사람들이 공감을 표하곤 합니다. 왜 이렇게 사람들은 이러한 주장에 공감을 표하는 것일까? AI는 시킨대로 하기 때문에 공정하다는 인식 여러 이유가 있겠지만, 사람들은 아마 AI가

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

BG/NBD 모델은 고객 생애가치를 추정하는데 사용되는 확률 모델입니다.

1. BG/NBD 모델이란? * BG/NBD(Beta-Geometric/Negative Binomial Distribution) 모델은 **고객의 생애 가치(Customer Lifetime Value, CLV)**를 추정하는 데 사용되는 확률적 모델입니다. * 특히 고객이 반복 구매를 할지, 아니면 더 이상 활동하지 않을지를 추정하는 데 유용합니다. 이 모델은 고객의 구매 행태를 두 가지 중요한 개념으로 나눕니다: * 고객은 활성(active)

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=