자기 보존의 추구

새로이 플랫폼을 이전합니다. https://pathfinder252.blogspot.com/ Pathfinder pathfinder252.blogspot.com 앞으로 여기서 만나뵙겠습니다.

1. OVX 120OVX, 즉 Oil Volatility Index는 말 그대로 원유 시장의 변동성 지수입니다.주식 시장의 변동성지수인 VIX와 같은 방법으로 산출되는데, 원유 옵션 가격을 역산하여 투자자들이 예상하는 미래의 변동성이라고 해석하면 충분합니다.중요한건 VIX건 OVX건, 단순히 ‘공포 지수’로 해석해서는 안된다는 것입니다.‘변동성’이기에 하방과 상방이동 가능성을 모두 가지고 있습니다. 위 차트는 시계열에 따른 OVX의 추이를 보여줍니다.2021년 12월 초에는 새로운 코로나19 변이인 오미크론이 등장하여 글로벌 수요 둔화 우려가 확산되었고, 이때 OVX는 약 78이었습니다.2022년 2월 말에는 러시아가 우크라이나를 침공하였고, 이때 OVX는 약 78이었습니다.2025년 6월 중순에는 이..

마크 더글라스의 에 보면 이런 내용이 나오는 걸로 기억하는데요. "당신의 목적은 시장에서 돈을 빼내는 것, 시장의 유일한 목적도 당신에게서 돈을 빼내는 것." 직설적이고 정신이 바짝 드는 그런 문장이라고 생각합니다. 1. 나는 누구인가? 왜 투자에 관심을 갖게 되었는가?저는 대학생이고, 주식시장에서 돈 버는 것에 관심이 있습니다. 경제학과 철학을 전공하였고, 투자자산운용사 자격증을 가지고 있습니다.당연하지만 저는 전문가도 아니고, 자주 틀리며, 이 카테고리의 글은 투자 권유가 아니라 일종의 로그에 가깝습니다.저는 사령부에서 어학병으로 복무하며, 어린 자식들을 둔 중년 장교들과 대화할 기회가 많았고, 그때 주식투자에 대해 처음으로 관심을 갖게 되었습니다.이후 국내계좌를 개설해 동전주를 매매하던 것을 시작..

https://selbsterhaltung.tistory.com/152 개인적 사용을 위한 streamlit 앱 제작중최근 블로그 글쓰기가 뜸했다. 잠시 자만심에 휩싸여서, 쥐뿔도 모르는 학생임을 잊은채대차게 얻어맞아서, 마음고생이 이만저만이 아니었는데한편으로는 좀 한심하기도 해서, 오히려 무엇이selbsterhaltung.tistory.com이전에 말한 Risk OS 제작 완료했다. 핵심은 필요한 기능만 넣자는 것.스크리너나 시각화는 트레이딩뷰같은 좋은 툴이 있으니 전혀 필요없고,진입이나 청산 로직은 각각의 몫. 이건 AI한테도 못맡긴다. 결국 필요한건 매매기록의 관리, 복기,이것은 'R' 이라는 손실감수금액 단위로 모두 통일한다.최적의 포지션 사이징 계산도 가능.더욱 좋은 사용을 위해서는 별도의 엑셀..

4. 비선형 모델의 도입: B. 트리 기반 모델 (Regression Trees)(1) 도입 배경: 상호작용(Interaction) 포착하기GLM의 한계 복습: GLM은 변수 하나하나를 곡선으로 만들었지만, 변수끼리 곱하는 것(Interaction)은 못 했다.아이디어: 복잡한 수식 대신 질문들(Questions)을 통해 데이터를 나누자.질문을 연달아(AND) 던지는 행위 자체가 바로 상호작용을 의미하게 된다.[상호작용의 논리]질문 1: "대형주인가?" (Yes)질문 2: "모멘텀이 높은가?" (Yes)→ 이 두 질문을 통과한 그룹은 "대형주 × 고모멘텀"이라는 교집합(Interaction)에 속하게 된다.(2) 기본 유닛: 회귀 트리 (Regression Tree)가장 단순한 나무 하나(Single T..

이제 우리의 주요 관심사인 비선형모델(Non-Linear Models)로 넘어가자. 3. 비선형 모델의 도입: 일반화 선형 모델 (GLM)첫 번째로 등장하는 일반화 선형 모델(Generalized Linear Model)은, 선형 모델(Linear)과 완전한 비선형 모델(Tree, Neural Net) 사이를 이어주는 징검다리 역할을 한다.(1) 도입 배경: 선형 모델은 1차 근사일 뿐이다.문제 인식 (Approximation Error):앞서 배운 선형 모델(z'θ)은 복잡한 현실 세계(g*)를 직선으로 단순화한 1차 근사(First-order approximation)에 불과하다.만약 실제 수익률 함수가 곡선(2차 함수 등)이라면, 선형 모델은 태생적으로 '근사 오차(Approximation Erro..

이번에는 GKX 논문에서 대단히 중요한 방법론 파트 중, 앞부분인 대전제와 선형 모델로의 확장까지 다뤄본다.1. 대전제: 일반화된 예측 모델 (The Overarching Model)논의의 흐름상 이전 포스팅에서 언급한, 기본 수식을 한번 더 언급하고 지나가자.사실상 이 논문을 포함하여 모든 분석은 "주식 수익률은 어떻게 결정되는가?"에 대한 하나의 수식에서 출발한다.(1) 기본 수식$$r_{i, t+1} = E_t[r_{i, t+1}] + \epsilon_{i, t+1}$$ $$E_t[r_{i, t+1}] = g^*(z_{i,t})$$r_(i, t+1): 주식 $i$의 $t+1$ 시점(미래) 초과 수익률이다(우리의 목표).E_t[ · ]: t 시점(현재)의 정보로 기대하는 값, 즉 '리스크 프리미엄'이..

이번에는 Empirical Asset Pricing via Machine Learning(Gu, Kelly, and Xiu, 2020)을 읽어보도록 한다.앞으로는 GKX 2020이라고 할 것임.ZOO가 선형 모델(LASSO)로 팩터 낚시를 막는 법에 집중했다면, GKX는 비선형 모델(딥러닝, 트리 등)까지 다 동원해서 수익률을 예측해보고자 한다.GKX도 엄청나게 유명한 논문이라고 한다. 당연히, 살펴보지 않을 수 없겠지? 크게 3단계로 나누어 독해한다.Part 1. 서론 & 모티베이션: 왜 금융(자산 가격 결정)에 머신러닝을 써야 하는가? (p.2223~2226)Part 2. 방법론: 어떤 무기(모델)들을 썼는가? (p.2230~2247)여기가 딥러닝, 트리 등이 나오는 핵심 파트.Part 3. 결론: ..

앞으로 우리는 ML을 Nuisance Function을 추정하는 엔진으로만 쓰겠다.그 역할은 크게 2가지로 정리할 수 있다.1. 잔차화(Residualization) 다시 보기: OLS vs ML앞서 다루었듯이, OLS가 하는 일도 본질적으로는 잔차화이다. 그런데 왜 굳이 ML에게 잔차화를 또 시킬까?몇 번 얘기했지만 근본적으로 성능 자체가 다르기 때문이다.OLS (빗자루):OLS는 선형 세계에 산다. 즉 X와 Y의 관계가 직선이라고 믿는다.그래서, 직선으로 쓱 긋고 남은 걸 잔차(Y틸드)라고 한다.문제: 현실이 곡선(비선형)이라면? 빗자루질이 덜 돼서 잔차 안에 먼지(패턴)가 그대로 남는다. 이게 편향을 만드는 주 원인이다.그리고 현실 세계는 절대 직선이 아니다.ML (진공청소기):성능좋은 ML은 직선..

내가보기엔 이번 대목이 좀 중요하다.이 파트의 핵심 메시지는 한 문장으로 요약할 수 있다.Machine Learning은 '예측(Prediction)' 기계지, '인과(Causality)' 기계가 아니다. 찬찬히 살펴보도록 하자.1. ML은 "만약에(What if)"를 모른다머신러닝(ML)은 기본적으로 "주어진 데이터 안에서 패턴 찾기"의 달인이다.ML의 질문: "현재 조건(X)이 주어졌을 때, 결과(Y)는 얼마일 것 같은가? (prediction)" (E[Y|X]) 예: "이미지와 텍스트 정보를 보니, 내일 삼성전자 주가는 7만 원일 확률이 높다." 인과추론의 질문: "만약 우리가 X를 강제로 바꾸면, 결과(Y)는 어떻게 변할까? (Counterfactuals)" 예: "만약 정부가 금리를 1%p 올리..