Martiny Archive

안녕하세요, 마티니입니다. 저는 현재 이미지 기반 금융 시계열 표현학습, 딥러닝 기반 수익률 예측, 그리고 Black–Litterman 포트폴리오 최적화를 주요 연구 주제로 다루고 있습니다. 이와 관련하여 앞으로는 제 연구 분야의 이론적 배경과 방법론적 흐름을 정리하기 위해 주요 선행연구를 중심으로 논문 리뷰 컨텐츠를 진행하고자 합니다. 아래는 리뷰 예정 논문의 리스트입니다. (최종 업데이트: 5월 6일 23:51) RNN 계열의 논문 Recurrent neural network based language model Long Short Term Memory Recurrent Neural Network Architectures for Large Scale Acoustic Modeling Learning Phrase Representation using RNN Encoder-Decoder for Statistical Machine Translation Sequence to Sequence Learning with Neural Networks Attention Mechanism 관련 논문 Neural Machine Translation by Jointly Learning to Align and Translate Attention is All You Need An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 미분류

1. 문제 해석 입력으로는 한 줄에 하나씩 숫자가 주어집니다. 문제의 출력을 이해하기 위해 각 자릿수가 모두 1로만 이루어진 숫자를 생각해 봅시다. 각 자릿수가 모두 1로만 이루어진 숫자는 '1', '11', '111' 같은 숫자들이겠지요? 각 자릿수가 모두 1로만 이루어진 숫자들 중에는 입력으로 주어진 숫자의 배수인 숫자가 있습니다. 예를 들어 입력으로 어떤 줄에 주어진 숫자가 3이라고 가정해 봅시다. 각 자릿수가 모두 1로만 이루어진 숫자이면서 3의 배수인 수가 뭐가 있을까요? 각 자릿수에 있는 숫자를 모두 더한 값이 3의 배수이면 그 숫자도 3의 배수였죠? 그러면 '111', '111111' 등이 1의 개수가 3의 배수인 것들이 조건에 맞는 값들이겠네요. 그런데 이런 무수히 많은 숫자들 중 우리가 관심 있는 것은 가장 적은 자릿수로 구성된 숫자입니다. 즉, 위 예시에서는 '111'을 구성하는 자릿수의 개수인 3이 되겠네요. 결국 3을 입력 받았을 때는 출력으로는 i) 각 자릿수가 모두 1로만 이루어진 숫자들 중 ii) 가장 적은 자릿수로 구성된 숫자의 자릿수인 → 3을 출력하는 것이 문제에서 요구하는 출력이 되겠습니다.

제가 진행하는 연구를 하다보면 주식 데이터를 가져와야 할 일이 많습니다. 물론, 한국 주식을 가져오는 경우는 드물지만 말이죠. 주식 데이터를 Python으로 가져올 수 있다는 사실, 알고 계셨나요? 저도 연구를 시작하기 전에는 몰랐습니다. 어쨋든 오늘은 Python으로 주식 데이터를 가져오는 방법을 알려드리겠습니다. 여기서 주식 데이터란 'OHLCV' 즉, 시가, 고가, 저가, 종가, 거래량을 나타냅니다. Step 1. (빠밤) Yahoo Finance에 본인이 원하는 주식을 영어로 검색합니다. 아래는 제가 검색한 예시입니다. 저는 삼성전자를 검색했습니다.

여기 50명에 대한 가상의 키-몸무게 데이터가 있습니다. 이 데이터를 분석하여 새로운 사람의 키가 주어졌을 때 그 사람의 몸무게를 추정할 수 있을까요? 물론, 추정은 그저 예측이기 때문에 오차가 있을 수 있습니다. 하지만 비슷하게라도 예측할 수 있으면 신기하지 않을까요? 이러한 문제는 선형 회귀 (Linear Regression)으로 해결할 수 있습니다. 우리가 가지고 있는 데이터에서 예측에 사용되는 값을 x, 예측하고자 하는 값을 y로 두면 각 데이터를 좌표평면 위에 그릴 수 있습니다. 이때, 이러한 데이터의 분포를 가장 잘 설명하는 일차 함수를 도출하는 것이 선형 회귀입니다. 일차 함수니까 선의 기울기와 절편만 계산해주면 되겠네요. 물론, 앞서 말했던 것처럼 추정이기 때문에 오차가 조금씩은 있죠? 하지만 실제값과 굉장히 비슷한 예측값을 보입니다.