새로운 것이 필요한 걸까? 새로운 경험이 필요할까?

12월 어느 추운날, 꾸준히 임장을 다녀야 한다는 생각에 문래동의 한 아파트를 보고 돌아오는 길이었다. 피곤한 몸을 이끌고 나온지라, 바로 부동산에 가더라도 할 말이 없었다. 아니, 머리가 기민하게 회전할 것이라 기대되지 않았다. 그래서 스타벅스를 들러 정리하기로 마음을 먹었다.

따뜻한 뱅쇼에 몸을 녹이면서 얼마전 보았던 노트커버와 노트가 기억나, 크리스마스 선물로 나에게 선물할까...라는 생각이 스쳐갈 즈음 오늘 글에 대한 생각이 나서 이렇게 글을 써본다.

사실 노트를 좋아하는 나에게 이미 많은 사이즈의 노트 커버가 있어서 더 그러했던 것같다. 내 머리속을 스쳐간 생각은 "굳이 새로 사야 하나"였다. 이미 집에 비슷한 용도의 물건이 있는데 왜 사야 할지 스스로 설득이 되지 않았던 것이다.

투자를 하더라도 원칙이 있어야 한다는 말이 요즘 많이 와닿는 편이다. 직장인으로 살아가면서 기본적인 현금으로 투자를 해서 불리기는 기본적으로는 쉽지 않다. 불가능하지는 않으나 노력을 필요로 한다는 뜻이다. 원칙은 어느정도의 제반지식이 마련되었을 때 현재와 이상간의 간격을 확인하고 목적 달성을 위한 방향성을 갖추기 위한 첫번째 절차라고 생각한다.

원칙이 잘못되면 모든 것을 회복불가능한 상태로 가져갈 수 있다. "송양지인"이라는 말이 있지 않은가, 그러한 관점에서 나의 뇌리를 스쳐간 이 질문은 삶에 대한 원칙으로 암묵지처럼 입에서 되뇌이던 생각을 끄집어 명문화시킬 필요성을 인지하도록 도와주었다.

물론 나이를 조금 더 먹게 되면 건강의 쇠퇴와 함께 새롭게 갖추고, 준비해야 하는 물적인 것들이 있을지 모르겠지만, 삼십 후반에 이른 지금, 삶의 의식주와 관련된 어지간한 물품은 모두 갖추거나 또는 경험해봤다고 생각한다, 새로운 물품이 주는 만족감은 감소하게 될 것이라고 생각한다. 이제는 정말 새로운 물건을 사기보다는 새로운 경험을 확보하는데 더 최선을 다해야하지 않나 싶다.

얼마전 타계하신 찰리멍거가 그의 저서 "Poor Charlie's Almanack "에서 인용한 문구 중 다음과 같은 문구가 있다.

Mimicking the herd invites  regression to the mean”

무리를 따라하는 것은 평균에 수렴하게 한다는 것이다. 어느 때보다 소비가 중심이 되는 자본주의 사회에서 행복을 보다 깊이 누리기 위해서, 무리와 다르더라도, 소비보다는 다른 방식, 적어도 나에게 맞는 중요한 것을 추구해야할 필요가 있다는 생각에, 다시 한번 스스로를 위로해보면서 이 글을 맺는다.

Reference

  • [[📦 투자 경험을 쌓는 과정에서 투자원칙은 매우 중요하다.]]
  • [[🚿매일 새로 살아내기 위한 하루 회고]]
  • [[📦 Generative AI가 만들어낼 새로운 기회]]
  • [[📦 등분산(Homoskedastic)은 회귀식의 모든 X에 대해 오차가 상수인 상황이다.]]

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