Let's enjoy our life

계층적 군집 분석 방법 군집 구성법 최단 거리법 (single): 생성된 군집들 사이 중심과 거리가 가까운 데이터 끼리 비교 가장 가까운 데이터 끼리 군집 최장 거리법 (complete): 생성된 군집들 사이 중심과 거리가 먼 데이터 끼리 비교하여 가장 가까운 데이터 끼리 군집 평균 기준법 (average): 군집들의 평균 거리를 계산해 가까운 데이터 끼리 군집 중앙 중심법 (median): 1. 유클리드 거리 계산식 가장 짧은 직선 거리 간단하지만 물리적 거리가 아닌 정보간의 거리를 나타내는데에 한계가 있음 사이즈 단위에 따라 결과값이 매우 민감 2. 맨하탄 거리 유클리드와 유사 - 절대값 사용 3. 마할라노비스 거리 데이터 간의 상관관계가 있는 두 변수간의 거리를 측정하기 위한 방법 (데이터 특징별 ..

회귀 계수 (regression coefficient) : 결정 계수의 유의성을 검정하지 않으며, 회귀식이 적합한지 아닌지에 대한 검정과 추정된 회귀 계수에 대한 유의성을 검증 결정 계수 (coefficient of determination) :일반적으로 선형 회귀 분석에서 일반적으로 많이 사용함 분석을 할 때 기본적으로 필요한 것은 데이터입니다. 회귀 분석을 위해서는 설명변수(독립변수), x 와 반응변수(종족변수), y 를 지정해두고 모델에 적용합니다. 모델의 정확도를 높이기 위해 설명변수들의 영향도를 판단하는데요, 이때 쓰이는 방법으로 상관 관계 분석 (correlation analaysis)와 회귀 분석법(regression analysis) 두 가지가 있습니다. 상관 관계 분석 (correlati..

옵션이란? 행사가격 = k (기초자산이 교환되는 가격), 만기 = T (기초 자산 교환 시점), 현재시점 = t Eurpean 옵션 접근방식 1. 복제포트폴리오 접근방법 (Replicating portfolio approach) 2. Equivalent martingale measure approach > Martingale Therory 응용 3. State-Price approach 1. 복제포트폴리오 접근방법 (Replicating portfolio approach) 확률과 자산의 가격을 가지고 확률변수이기 때문에 평균이나 분산 계산이 가능 = 현재시점에서 다 알려진 정보 시장의 완비성 (Market Completeness): 시장이 완벽하기 위해 state가 두 개인 자산은 3개가 필요 if st..

파생상품 이란? 가격이나 payoff가 기초자산의 가격이나 payoff에 의존. 파생상품의 가격은 기초자산의 가격으로 부터 파생됨 > derivatives 용어 기초자산: 파생상품의 기초자산이 되는 자산 (금융상품/외의 다른 자산, 거래되지 않은 자산도 가능) 만기: 실제 계약서상의 기초자산을 거래하는 날짜 (미래의 한 시점, 양 당사자가 합의한 날짜) 인도가격 (Delivery price): 만기 시점에 기초자산을 교환하고 지불하게 되는 가격 내재가치: 만기가 아닌 시점에서 마치 만기 때처럼 기초자산이 교환될 때의 payoff / 시간가치 가격도(Moneyness): 현재시점을 만기시점이라고 가정했을 때 평가되는 가격 혹은 가치 종류 파생상품의 기초적인 형태 1. 선물(Futures)/ 선도(forwa..

시계열이란? 시간에 따른 데이터의 Series (오늘의 데이터는 어제의 데이터가 결정한다 = 과거 값의 의존) 시계열의 Moment 자기공분산함수: Auto(자체 시계열 내에서 다른 시점 간을 파악하기 때문) 자기상관함수: 시점이 같은 분산 Stationarity (정주성 또는 정상성) 통계적인 균형 상태에 있다는 것을 의미 "시계열을 제어하는 확률법칙이 시간에 따라 변하지 않는다." 강정주성: 실질적인 데이터에서는 관측이 안된다. 움직임이 약하기 떄문에 그래서 Weak Stationarity 를 쓴다 Weak Stationarity 시계열은 1차 모멘트와 2차 모멘트가 시간 원점의 변화에 영향을 받지 않는 경우 공분산 안정적 (Covariance Stationary)이라고 한다. 즉, 평균과 분산이 동..

1.회귀분석소개 비용함수 Parameter vector 낮은 쪽 반복 경사하강법 Feature의 개수가 하나인 경우 (n=1): 기울기를 알파 만큼 뺀다 비용함수값이 거의 변하지 않을때 min 지점에 도달했다고 간주 Feature의 개수가 하나인 경우 (n>=2): 편미분이 1이상 경사하강법 적용 Feature Scaling: Gradient descent의 실제 적용 Feature값의 단위가 서로 다를 수 있기 때문에 미분하는 과정에서 움직임의 폭이 불규칙하다. 이럴 경우 모든 feature들의 값의 범위를 아주 비슷하게 축소한다. (Feature Scaling을 하는 이유) feature가 비슷한 범위에 있으면 반복하는 과정에서 안정적으로 수렴이 가능하다. 경사하강법 적용 방법 1) 표준화 (Stan..

튜닝(Tunning)이란? : Tune a Model 튜닝은 분석 실험 결과의 양상을 보고 문제점을 진단한후 데이터 분석(AI/ML) 모델 성능을 향상 시키기 위해 실험을 개선하는 것을 말합니다. 튜닝의 방법으로는 아키텍처를 변경하거나, 하이퍼파라미터(hyperparameters)를 조정하는 등의 방법이 있습니다. 튜닝을 튜닝은 현재 실험의 결과 양상을 보고 문제점을 진단하고 AI 모델을 조금 더 나은 방향으로 만들기 위해 실험을 개선하는 것을 말한다. 여기에는 아키텍처를 변경하거나 하이퍼파라미터를 조절하거나 하는 등의 역할이 포함된다. 하지만 어떤 현상이 나타났을 때 어떤 조치를 취해야 효과적인지에 대한 매뉴얼이 딱 정해져 있는 것은 아니고 있다고 하더라도 현장의 다양한 태스크에 꼭 들어맞지는 않는다...

AutoML(오토ML) 이란? 데이터 성격에 맞게 자동으로 데이터 분석 모델을 추천해주는 Auto Machine Learning 기법 AutoML(오토ML) 장점 인공지능 분석 모델을 학습하기 위해 데이터에서 중요한 특징(feature)을 선택하고 인코딩하는 방식에 대한 특징 엔지니어링(feature engineering) 자동으로 추출한다. 인공지능 모델 학습에 필요한 사람의 설정들, 하이퍼파라미터를 자동으로 탐색해 주는 것이다. 인공지능 모델의 구조 자체를 더 효율적인 방향으로 찾아주는 아키텍처 탐색이다. 2020년 11월에 업데이트된 파이썬 머신러닝 라이브러리 기능입니다. 생각보다 많은 알고리즘을 추천해줘서 간편하게 쓰일 것 같습니다. 추천 알고리즘 기능이 생각보다 퍼포먼스가 잘 나와서 앞으로 몇 ..

1. 전사아키텍처 개념 1.1 전사아키텍처 도입 배경 - 기업의 가치 창출 활동에서 다양한 환경 변화에 민첩하게 대응할 수 있는 능력이 정보기술의 역할 로 중요 - 비즈니스 복잡도는 더욱 증대 ∴ 전사아키텍처는 기업의 이런 복잡한 시스템을 파악하기 쉽게 정리하는 것으로 복잡한 기업 시스템을 필요한 형태로 변화시키는 것을 좀 더 쉽게 하기 위해 도입되었다. 1.2 전사아키텍처 정의 - 전사아키텍처는 기업의 목표와 요구를 잘 지원하기 위해 인프라의 각 부분들이 어떻게 구성되 IT 고 작동되어야 하는가를 체계적으로 기술하는 것 - 복잡한 기업의 모습을 다양한 측면 (비즈니스, 데이터, 애플리케이션, 기술 등) 에서 분석하고 표현하여 이해하기 쉽도록 정보체계를 구축하고 이를 활용하는 것 - 전사아키텍처 도입의 ..