공부83 [대규모 시스템 설계 기초 2] 1장 근접성 서비스 가상 면접 사례로 배우는 대규모 시스템 설계 기초 21장 근접성 서비스[가상 면접 사례로 배우는 대규모 시스템 설계 기초 2] 도서 관련 참고 자료 GitHub - alex-xu-system/bytebytegoContribute to alex-xu-system/bytebytego development by creating an account on GitHub.github.com 1~3장은 지리적 위치 기반 관계성 데이터를 저장하고 서비스할 때 발생하는 문제를 다룹니다. 1. 문제 이해 및 설계 범위 확정근접성 서비스(Proximity Service) 사용자의 위치나 다른 기기와의 물리적 거리를 기반으로 기능을 제공하는 서비스 기능 요구사항사용자 위치와 검색 반경 정보에 매치되는 사업장 목록 반환사업장 소.. 2024. 4. 28. CH08 ML4T 작업 흐름: 모델에서 전략 백테스트까지 CH08 ML4T 작업 흐름: 모델에서 전략 백테스트까지¶목표: ML 알고리듬에 의해 구동되는 트레이딩 전략을 설계, 시뮬레이션, 평가하는 프로세스에 대한 엔드투엔드 관점을 제시하는 것 ML4T 워크플로의 목표: 과거 데이터에서 증거 수집 다양한 데이터 세트 소스로 작업해 정보력 있는 팩터를 창출 트레이딩 전략의 정보력을 향상시키는 예측 신호를 생성하는 머신러닝 모델 설계 리스크 수익률 관점에서 최종 포트폴리오 최적화 8장에서 다루는 내용 엔드투엔드 전략 백테스트 계획과 구현 백테스트 구현 시 중요한 함정의 이해와 방지 벡터화된 백테스트 엔진과 이벤트 기반 백테스트 엔진의 장점과 단점에 대한 설명 이벤트 기반 백테스터의 주요 구성 요소 식별과 평가 별도로 훈련하거나 백테스트의 일환으로 훈련된 ML 모델을.. 2023. 7. 9. CH07 선형 모델: 리스크 팩터에서 수익률 예측까지 CH07 선형 모델: 리스크 팩터에서 수익률 예측까지¶선형 모델은 가장 유용한 가설 클래스 중 하나를 나타낸다. 이후 수많은 확장이 선형회귀 모델과 최소 자승법(OLS)을 적용해 파라미터를 학습시켰다. 일반화 선형 모델(GLM): 정규 분포 이외의 오차 분포를 암시하는 반응 변수를 허용함으로써 적용의 범위를 확장했다. 강건한 추정방법(robust estimation method): 시간에 따른 상관관계나 관측치 간 상관관계로 인해 데이터가 기준 가정을 위반하는 경우 통계적 추론이 가능하다. 수축 방법(shrinkage method): 선형 모델의 예측 성과를 향상시키는 것을 목표로 한다. 분류에는 방향성 가격 예측이 포함된다. 7장에서 다루는 내용 선형 회귀 분석의 원리와 가정은 무엇인가? 선형 회귀 모.. 2023. 6. 30. CH06 머신러닝 프로세스 CH06 머신러닝 프로세스 6장에서 다루는 내용 데이터로부터의 지도 및 비지도학습의 작동법 회귀와 분류 작업을 지도학습 모델의 훈련과 평가 편향 분산 트레이드오프가 예측 성과에 영향을 미치는 방법 과대적합에 기인한 예측 오차를 진단하고 다루는 방법 시계열 데이터에 초점을 맞추고 하이퍼파라미터를 최적화하고자 교차 검증을 사용하는 방법 표본 외 테스트를 수행할 때 금융 데이터가 추가적인 주의를 요하는 이유 데이터로부터 머신러닝이 작동하는 방법 도전 과제: 알고리듬을 작업에 매칭 지도학습의 가장 큰 도전 과제는 새로운 데이터에 대해서도 모델의 학습이 일반화될 수 있게 훈련 데이터에서 의미 있는 패턴을 인식하는 것 지도학습: 예제에 의한 학습 지도학습의 목적은 입력과 출력 데이터 간의 함수적 관계를 반영하는 데.. 2023. 6. 30. CH05 포트폴리오 최적화와 성과 평가 CH05 포트폴리오 최적화와 성과 평가¶ 전략 평가 전략의 파라미터를 최적화하기 위한 과거 데이터에 대한 백테스팅 새로운 표본 외 데이터에 대해 표본 내 성과를 입증하는 전진 분석 전략 평가의 목표: 특정 과거 상황에 맞게 전략을 조정해 거짓 발견을 방지하는 것 5장에서 다루는 내용 포트폴리오 리스크와 수익률을 측정하는 방법 평균 분산 최적화와 대안들을 이용해 포트폴리오 가중치를 관리하는 방법 포트폴리오 상황에서 자산 배분을 최적화하고자 머신러닝을 사용하는 방법 집라인을 이용해 알파 팩터에 기반을 둔 거래 시뮬레이션과 포트폴리오를 생성하는 방법 파이폴리오를 이용해 포트폴리오 성과를 평가하는 방법 포트폴리오 성과를 측정하는 방법¶투자와 거래에서 가장 일반적인 목표는 투자 포트폴리오의 수익과 리스크이다. 이.. 2023. 6. 24. CH04 금융 특성 공학: 알파 팩터 리서치 CH04 금융 특성 공학: 알파 팩터 리서치¶알고리즘 트레이딩 전략은 벤치마크 대비 양의 수익률을 내고자 언제 자산을 매수 or 매도해야 하는지 가리키는 신호에 의해 결정된다. 알파: 벤치마크에 대한 노출에 의해 설명되지 않는 자산의 수익률 부분 알파 팩터: 알파의 신호 4장에서 다루는 내용 존재하는 팩터의 범주, 작동 이유, 측정 방법 넘파이, 판다스, TA-Lib를 사용한 알파 팩터 생성 웨이블릿과 칼만 필터를 사용해 데이터 잡음을 제거하는 방법 오프라인 및 퀀토피안 플랫폼에서 집라인을 사용해 개별 및 다중 알파 팩터 테스트 여러 척도 중 정보 계수(IC)를 사용한 예측 성과 및 회전률을 평가하는 방법 알파 팩터 실무: 데이터부터 신호까지¶ 알파 팩터: 자산 가격의 움직임을 예측하는 것을 목표로 하는.. 2023. 6. 24. 이전 1 2 3 4 ··· 14 다음
