본문 바로가기

상상의 창 블로그/배움의 창

(123)
계속된 욕심? 미련?(24.04.26) 24일 저녁에 또 기미가 보여서 낼름 SQQQ를 또 사고야 말았다. 내가 매도한 금액보다 약 1.5% 빠진 가격이 되었는데 움직임이 심상치 않아 보인 것이다. 물론 처음보다는 2/3 분량으로 구매를 했지만, 또 욕심을 부렸다.  24일 종가 기준으로는 약간 빠진 상태로 마무리가 되었다. 그러다... 25일.... 오후 5시 경 독일 시장도 약보합이고, 사전 시장도 주요 주식들이 파란색을 보이고 있다. QQQ 구성 종목들을 보니 전반적으로 빠지고 있고 메타는 15%가량 빠지고 있었다. SQQQ 어느정도 회복하겠구나 생각이 들어서 약 3% 부터 일정 간격으로 매도를 걸어 놓았다. 결과적으로 총 20단계에 걸쳐 매도를 걸어놨는데, 5단계까지는 매도가 되었다. 아침에 일어나 보니 해당 SQQQ는 상승폭을 다 반..
욕심이 부른 반복된 참사(24.04.24) 최근에 우리나라도 미국도 시장이 어려워 질 것이라고 예상을 했다. 다른 투자를 제외하고 미국투자만 헷징을 해 보고 싶었다. 미국투자의 경우, 앞에 다른 포스팅에서 이야기 했지만, 현재 이슈가 되는 주식들(AI, IT 등. 주로 나스닥100 중심)과 전통산업이나 非테크주 중심으로 2원화가 되어 있다. 첨단 이슈 종목은 QQQ ETF로 투자를 하고 있고, 비테크 주들은 개별 종목으로 투자하고 있다. 최근 미국장이 활황을 보이고 있어서 나름 꽤 짭짤한 이익을 보고 있었다. 그러다가 요즘 장세가 기업의 실적 보다는 미래의 희망, 꿈, 시장 분위기 등으로 올라가고 있다는 느낌이 들었다. 사실 엔비디아, MS, 아마존 등이 현재 주가를 떠받치는 것은 실적보다도 AI 생태계의 선점이라는 상징적인 부분과 꿈이 비중이 ..
일반인의 투자에 대하여(24.01.17) 인생 경영지도사  투자전문가의 투자, 일반인의 투자워렌버핏, 레이달리오, 릴루, 찰리멍거, 피터린치 등등.재테크, 특히 주식을 하려고 할 때 누구나 워너비로 꼽고 그 수익률을 따라가고 싶은 대가들이다. 그런데 막상 그들과 같은 방법으로 해 보고자 너도나도 공부를 하지만 그렇게 수익을 내는 사람은 보기 힘든 것이 사실이다. 왜 그럼 그들은 되는데 나는 왜 안되는걸까? 전문 투자자가 아닌 다른 직업을 가지고 있는 사람들의 투자에 대해 이야기를 해 보고자 한다.전문가의 투자와 일반인의 투자가 다른 것인가? 돈과 투자는 항상 우리에게 같은 이야기를 들려준다. 단지 내가 이해할 수 있느냐 없느냐의 차이가 있을 뿐.그럼 레전드 투자자, 직업적으로 투자하는 전문 투자자,(기관, 개인), 일반 개인으로 나누어서 보자...
[빅데이터분석기사] 4. 결과해석 1. 분석 모형 평가* 지도학습 분류모델 평가 지표   * 비지도학습 군집분석 평가 지표① 실루엣 계수 : 같은 군집에 속한 요소들의 평균거리와 함께 가장 가까운 이웃 군집까지의 거리도 함께고려하여 계산- a(i)는 군집 내 데이터 응집도, b(i)는 군집 간 분리도, 0.5보다 클 시 적절한 군집 모델, 0이면 군집으로 분리가의미 없음 s(i)=(𝑏(𝑖)−𝑎(𝑖))/max {𝑎(𝑖),𝑏(𝑖)}② Dunn Index : 군집 간 거리의 최소값을 분자, 군집 내 요소 간 거리의 최대값을 분모, 값이 클수록 좋음   2. 분석 모형 진단* 분석모형 진단① 정규성 가정 : 분석을 진행하기 전 데이터가 정규분포를 따르는지 검정② 중심극한정리 : 동일한 확률분포를 가진 독립확률변수 n개의 평균의 분..
[빅데이터분석기사] 3. 모델링 1. 분석 모형 설계* 분석모형 선정 프로세스- 문제요건 정의 – 데이터 수집·정리 – 데이터 전처리 – 분석 모형 선정 * 분석 모델링 설계와 검정-분석 목적에 기반한 가설검정 방법① 유의수준 결정 귀무가설과 대립가설 설정② 검정통계량 가설을 검정하기 위한 기준으로 사용하는 값의 설정③ 기각역 설정④ 검정통계량 계산- 검정통계량 ⑤ 통계적인 의사결정 가설검정양측검정• 귀무가설을 기각하는 영역이 양쪽에 있는 검정• 대립가설이 가 아니다 크거나 작다 인 경우 사용단측검정• 귀무가설을 기각하는 영역이 한쪽 끝에 있는 검정• 대립가설이 보다 작다 혹은 크다인 경우 사용   2. 분석 환경 구축* 데이터 분할- 학습 데이터 : 데이터를 학습하여 분석 모형을 만드는 데에 직접 사용되는 데이터- 평가 데이터 : 추..
[빅데이터분석기사] 2. 데이터 탐색 1. 데이터 전처리* 데이터 정제 과정- 수집 : 다양한 매체로부터 데이터 수집- 저장 : 원하는 장소에 저장- 변환 : 원하는 형태로 변환- 품질확인 : 활용가능성을 타진하기 위한 품질확인- 관리 : 사용이 원활하도록 관리 * 데이터 전처리의 주요 작업- 정제 : 결측 데이터, 이상치 파악 및 제거, 정합성 맞도록 교정하는 작업- 통합 : 여러 개의 데이터 베이스, 데이터 집합 또는 파일을 통합하는 작업- 축소 : 샘플링, 차원축소, 변수 선택 및 추출을 통해 차원을 줄이는 작업- 변환 : 데이터를 정규화, 이상화, 파생변수 등으로 변환하는 작업 * 데이터 정제 작업- 결측값 : 대체(중위수, 평균 등)- 노이즈 : 데이터 평활화 기법 사용. 구간화, 회귀, 군집화- 아웃라이어 : 기준선으로 대체(상한..
[빅데이터분석기사] 1. 빅데이터 분석기획 1. 빅데이터의 특징* 데이터 구분- 정량적 데이터(quantitative) : 주로 숫자로 이루어진 데이터 (2022년, 100km/h 등)- 정성적 데이터(qualitative) : 문자와 같은 텍스트로 구성, 함축적 의미 (철수가 시험에 합격하였다.) * 데이터 유형- 정형 데이터 : 정해진 형식과 구조에 맞게 저장되도록 구성된 데이터, 연산이 가능- 반정형 데이터 : 데이터의 형식과 구조가 비교적 유연, 스키마 정보를 데이터와 함께 제공하는 파일형식의 데이터,연산이 불가능 (XML, JSON, HTML 등)- 비정형 데이터 : 구조가 정해지지 않은 대부분의 데이터. 연산이 불가능. 텍스트, 음성, 영상 등(TEXT 등) * 지식창조 매커니즘공통화서로의 경험이나 인식을 공유하면서한차원 높은 암묵지로..
케글연습 첫날 (22.08.23) 예전에 사 놓았던 케글 우승작으로 배우는 머신러닝 책을 오랜만에 다시 보게되었다. 전에 구매하고 조금 하다가 이래저래 못하다가 갑자기 생각이 나서 다시 해 보게 되었다. 예전 케글 내용이지만 오랜만에 접속해서 데이터를 내려 받고 하나 시작을 해 보았다. 처음 해 본 것은 스페인의 산탄데르 은행이 제시한 은행방문고객에게 제품을 추천해주는 내용의 모델을 만드는 프로젝트이다. 트레이닝데이터가 13만개, 변수가 48개이다. 전반적인 내용을 둘러보는 내용까지만 해 보았는데 오랜만에 해 보니 쉽진 않았다.  import pandas as pd import numpy as np trn = pd.read_csv('train_ver2.csv') C:\ProgramData\Anaconda3\lib\site-packages..

728x90