Let's enjoy our life

의사결정나무 알고리즘 CART(Classification and Regression Tree) - 분순도의 측도로 츨력(목적) 변수가 범주형일 경우 지니지수를 이용, 연속형인 경우 분산을 이용한 이진분리(binary split)를 사용한다. - 개별 입력변수 분만 아니라 입력변수들의 선형결합들 중에서 최적의 분리를 찾을 수 있다. C4.5와 C5.0 - CART와는 다르게 각 마디에서 다지분리(multiple split)가 가능하며 범주형 입력변수에 대해서는 범주의 수만큼 분리가 일어난다. - 불순도의 측도로는 엔트로피지수를 활용한다. CHAID - 가치지기를 하지 않고 적당한 크기에서 나무모형의 성장을 중지하며 입력변수가 반드시 범주형 변수이어야 한다. - 불순도의 측도로는 카이제곱 통계량을 사용한다...

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..