나는 어떻게 메모하는가?
한가지 방식으로만 메모를 작성하지 않는다. "어떻게 메모하는?"라는 여전히 어려운 질문이다. 어떤 메모가 최선일지에 대해서는 스스로에게 여전히 지금도 매일 던지는 질문이기 때문이다.
Featured
Latest
[책] How to Measure Anything 2부 - 측정의 정의를 명확하게 하기, 그리고 확률 보정하기
측정 문제 명확화 * 다음 질문에 대한 답을 생각해볼 필요가 있습니다 * 이 측정이 영향을 미치 의사결정 내용은 무엇입니까? * 관찰을 통해 측정하고자 하는 대상을 어떻게 정의할
[책] How to Measure Anything 1부 - 측정에 대해서
제 1부 측정은 이미 존재한다. * 측정은 불확실성을 줄이기 위한 최적화 문제로 생각해야 합니다. * 측정은 “불확실성을 줄이기 위한’ 것이지, 불확실성을 완전히 제거하기 위한 것이 아닙니다.
[책] 블러프, 홀덤, 불확실성, 더 나은 선택, 그리고 성장기
나는 왜 이 책을 읽었는가 * 텍사스홀덤, 확률, 그리고 성장이라는 키워드 때문이었다. 개인적으로 홀덤을 좋아한다. 잘하지는 못하지만 확률에 기반한 마인드 스포츠(나쁘게 가면 도박일 수
[책] 주식시장을 이긴 전략들, 계량투자의 거친 기록들
* 주식시장을 이긴 전략들, 메트릭 스튜디오보다는 덜 아카데믹한 느낌이 나면서, 상당히 실전적인 내용을 다룬 책이다. * 마인드셋, 매매기법, 자금관리 측면에서 논문, 책, 실전 백테스트 내용을 다루다
Presto SQL 에서 회귀분석하기.
Presto Version * 0.241 선형회귀 기반 회귀계수 도출 방법 SELECT regr_intercept(y,x) intercept, regr_slope(y,x) slope FROM (values (30,73)
인과추론(Causal Inference) – Inverse Probability Weight
역확률 가중치(Inverse Probability Weighting) * 모집단에서 일부 데이터가 유실되었을 때(예: Selection Bias) 남은 데이터로 유사 모집단(Pseudo Population)을 생성해서 통계를 계산하는 기법
인과추론(Causal Inference) – Inverse Probability Weight
역확률 가중치(Inverse Probability Weighting) * 모집단에서 일부 데이터가 유실되었을 때(예: Selection Bias) 남은 데이터로 유사 모집단(Pseudo Population)을 생성해서 통계를 계산하는 기법
[책] 강방천의 관점, "관점은 지켜내고 쌓아가는 것이 아닐까?
왜 읽었는가? * 투자 자체에 대한 관심을 가진지는 꽤 시간이 된 것 같다. 하지만 실행에 옮기지는 않았다. * 막상 실행을 하려니 “어떤 종목”을 “언제” 매수하고
인과추론(Causal Inference) – Backdoor Criterion
왜 필요한가? * Unmeasured Parents, 즉 Graph에서 Parent로 표시되더라도 측정이 안되거나, 관측이 안된 Parent가 있을 것이라고 할 때 대체가능한 조정가능 데이터셋( Alternative Set of variables
인과추론(Causal Inference) – Intervention
Intervention * 통계학 연구의 궁극적인 목적은 개입(Intervention)의 효과를 예측하는 것 * RCT에서는 결과에 영향을 줄 수 있는 요인 단하나만 제외하고 다른 요인은 고정하거나 랜덤하도록
인과추론(Causal Inference) – Collider
Collider * Z는 X,Y의 공통 효과(Common Effect)이다. * Z가 조건부로 주어졌을 때 X와 Y는 의존적일 가능성이 있다. * Z = X+Y라고 할 때 Z값이
인과추론(Causal Inference) - Chain & Fork
Disclaimer * 본인이 공부하고 본인이 이해한만큼만 정리되어 있으니 질답 및 태클은 언제든지 환영합니다. Data & Graph * 구조적 인과 모델(Structural Casual Model)이란 변수들 간의