오늘도 블로그

주식이란 상품권이나 수표 같은 유가 증권의 일종으로, 기업이 투자자에게 자금을 얻기 위해 발행하는 것이다.  주식을 구입한 투자자는 기업의 이익을 배당으로 받거나, 주식의 가치가 올라갔을 때, 주식을 매각함으로써 이익을 취한다.  다만 예측이 잘못되어  구입한 주식이 하락하고, 그 시점에 매각하면 오히려 손실이 생긴다.  그렇기 때문에 어떤 주식에 투자할지를 신중하게 검토해야 한다.  그때 반드시 등장하는 것이 평균과 표준편차이다. 

주가의 변화율 비교

주식 1주당 가치가 기업 마다 다르다. 그래서 같은 '20원이 올라도' 주식에 따라 그 의미는 달라진다. 

주식 A는 수량 100개의 가치 100원이고,    B주는 수량 10개의 가치 1,000원이다  두 종목 전부 10,000원씩 투자를 했다고 가정 하자. 

   A주는 20원이 올라 20%가 상승하였고,   B 주는 20원이 올라 2%가 상승하였다.   같은 1만 원의 투자를 했는데,  A 주는 2,000원  B 주는 200원이 올랐다.  같은 20원이 올랐지만  이익이 10배나 달라진다. 

  그러므로 투자자는 각각의 주식을 비교할 때 단순히 '주가(주식 가격)의 변화' 뿐만 아니라 '주가의 변화율'에 주목한다. 주가에 비해 어느 정도의 비율로 주가가 오를지를 보는 것이다. 

알의 예를 변화율로 생각해 보자.  1주 100원인 A주는 20% 상승했다(변화율 20%). 한편 1주 1,000원인 B 주는 2% 상승 (변화율 2%) 한 셈이다. 

  이처럼 변화율로 비교하면 어느 것이 높은 이익을 내는 주식인지 알기 쉽다. 실제로 투자하는 주식을 검토 할때는 예컨대 과거 5년 동안 주가 변화를 나타낸 '평균 변화율'이 사용되기도 한다. 이 수치는 '기대 수익률'이라고 불리는 경우가 많다. 

참고자료 Newton Highlight 88   기본원리와 응용 사례 30  통계와 확률의 원리 

 모든 수치가 똑같다는 뜻은 아니에요. 

우리는 하루에도 많은 숫자를 접하게 됩니다.  가장 익숙한 통계 용어 중 하나는 아마도 '평균' 일 것입니다.   학창 시절 받았던 성적표에도 평균이 있었고  지금 신문을 펼치거나 인터넷을 접속하면  평균 연봉, 평균 신장 등  수많은 평균이라는 의미가 담긴 수치를 볼 수 있습니다.   그러나 누구나 이해하고 있다고 느끼는 '평균'에도 큰 함정이 있습니다. 

전장에 투입된 한 보병 부대는 진격 중 강에 봉착 했습니다..  강 앞에 도착한 군대의 부대장이 참모에게 물어보았습니다. "이 강의 평균 수심이 얼마인가?"

참모는 즉시 "이 강의 편균 수심은 140cm 입니다" 라고 답했습니다.  그러자 부대장은 "우리 대원들의 평균 신장은 얼마인가"라고 또 물었습니다.  "대원들의 평균 신장은 165cm입니다"라는 부관의 답변이 돌아온 뒤 부대장은 "강물을 헤치고 진군하라!"라고 지시했습니다.   과연 이 부대는 목적지를 향해 순조롭게 진할 하였을 까요?

'평균'이라는 통계를 지나치게 단수화 해 이해함으로써 이 부대는 제대로 한번 싸워보지도 못하고 전투력의 절반이상이 손실되고 말았습니다. 

  출처 : 강원도민일보

  책을 구입해서 받으면,  나는 항상 맨 처음부터 내용을  살짝 읽어 본다.   이해 못해도 읽어 보는 이유는 통계와 관련된 서적들은 각 장마다 어려운 부분이 있고,  쉬운 부분이 있기 때문이다.   즉  난이도 조정이 잘 안되기 때문이다. 

  이 서적은 소개 하면,  YES24에서 R을 치면 2위에 랭크되어 있다.  

사람들이  시계열 분석에 관심이 많다는 것이다.    나의 블로그 

rdmkyg.blogspot.com

에서도 시계열 분석 다루는 내용을  가장 많이 조회 한다.    물론 기초 적인 부분도 많지만,  기초적인 부분은 이미 만들어진 블로그에서 선점을 하고 있기 때문에,   기초적인 부분의  조회수를 늘리기 위한 시간은 앞으로 많이 걸릴 듯하다. 

  시계열 같은 경우는 시간과 관계없이 다른 사람이 구글이 했을때, 상대적으로 많이 들어온다.   결국 R에서는 시계열 분석이 매우 유용하다는 것을 알 수가 있다. 

    위 서적의 난이도를 살펴보면 아래와 같다.   

첫번째,   기초적인 내용을 다루지 않는다.   즉 사전 지식이 많이 필요하다는 것이다.  

       필수 배경지식 :  R과 파이썬에 어느정도 익숙해야 함

두번째,   R에서 data.table 같은 패키지에 익숙해야 함 (data.table은 고성능 프레임)

세번째 , 통계학과 머신러닝과 관련해서는 다음 내용에 익숙해야함

• 통계학 입문 :  분산, 상관관계, 확률분포
• 머신러닝 : 군집화, 의사결정 트리
• 신경만 : 신경망이 무엇이고 어떻게 학습하는가?

결코 쉬운 책이 아니다.  하지만,  시장에서는 많이 팔린다.   주 수요층이 대학원생 ,  졸업을 앞든 학부생이 대부분인 듯 하다.   결국,  졸업 논문이다.  졸업 레포트 작성하는데,  시계열 분석하는 데  많은 고생을 한다. 

 아래의 책의 난이도는 각 장 별로 다르므로,  우선 쉬운 부분 부터 먼저 하고 어려운것은 나중에 공부 하는 것 좋거나,

차라리 하지 않다가 어느정도 실력이 올라오면, 다시 보는 것이 좋을 수 있다. 

이건은 처음 부터 끝까지 개인 적인 의견이다.  

CAHPTER 1 시계열 개요와 역사   -->  이건 서술형으로 시계열 역사와 기원에 대해 다른다.   쉬운것  

CHAPTER 2 시계열 데이터의 발견 및 다루기   중급

 데이터 전처리는 쉬운 분야가 아니다.   데이터 전처리는 모델을 잘 알고 있을대,  할수 있는 분야이다.  이 부분은 집중적으로 공부 하면,  금방 지치게 된다.   즉,  뒤에서 다루는 모델에 대한 내용을 잘 알고 있을때,  집중적으로 들어가야 한다. 

CHAPTER 3 시계열의 탐색적 자료 분석 중급

   EDA 문제 인데, 이것 또한 모델을 잘 알고 있을때, 보는 것이다.  즉 이것도 집중적으로 공부하게 되면,  이것 또한 지치게 된다.   

CHAPTER 4 시계열 데이터의 시뮬레이션   상 

 실제로 데이터 시뮬레이션 해본 적이 없으면,  이 부분은 Skip 하는 것이 좋다.    진입 장벽이 매우 높다.   물론 이것을 할 줄 알면 뒷 부분은 쉽게 접근 할 수 있다. 

CHAPTER 5 시간데이터 저장 

   이것은 난이도에 대해서 이야기 하기 어렵다.   하지만 시스템 개발 구성 환경을 구현 할때,  좋다.  필요하면 보는 것이고 필요하지 않으면 보지 않아도 된다. 

CHAPTER 6 시계열 통계 모델  -->  여기부터 본론에 들어간다 시계열을 쉽게 설명 하려고  많은 노력을 하였다. 

CHAPTER 7 시계열의 상태 공간 모델  -->  노이스 필터링 좋다.   하지만,  하드웨어의 특성을 잘 알아야 한다.

CHAPTER 8 시계열 특징의 생성 및 선택 

CHAPTER 9 시계열을 위한 머신러닝  -->  머신러닝 기초를 알고 있어야 한다. 

CHAPTER 10  시계열을 위한 딥러닝 -->  딥러닝 기초지식이 있어야 한다. 

CHAPTER 11 오차 측정  -->  원래 모델에 대한 평가는 매우 어려운 문제이다.  

CHAPTER 12  시계열 모델의 학습과 배포에 대한 성능 고려 사항

CHAPTER 13 헬스케이 애플리 케이션 ->  CHAPTER 6을 이해 잘 하였으면 접근 하기 쉽다.  

CHAPTER 14 금융 어플리케이션  -->  CHAPTER 10 시계열을 위한 딥러닝 이해 잘 하였으면 접근 하기 쉽다. 

CHAPTER 15 정부를 위한 시계열 -->  데이터 모델 평가 수준이다. 상

CHAPTER 16 시계열 패키지 

CHAPTER 17 시계열 예측의 미래 전망

  난이도를 측정 하기 어려운 서적이다.  변역서 인 만큼  우리나라 정서와 조금 다르다.    여기에서 난이드 표시를 하지 않은 것은  내 판단으로써는 실무에서는 많이 사용하지 않는 것으로 판단 된 것이다.

   나름 정리도 잘 되있고,  체계적이라는 느낌이 든다.    시계열 분석을  향후  설비에 Sensor를 부착하여,  고장 예측을 하는 하려고 한다.    

   블로그에서는  쉬운 것 부터 하나씩 정리 하려고 한다.    

  주의 사항이 있다.   위의 서적을 참고 하여,  투자의 참고용으로 사용하면 안된다.    특히 주식은 사회 정치적인 문제가 뒤 섞여 있어,   이런 사항에 대한 변수가 적용되지 않은 시계열 모델은 부적합 하다.