
숫자의 힘을 소개하며 정밀성, 객관성, 통제가능성을 언급한다. 그러나 사실 이것들은 숫자의 힘이라기 보단 "잘" 측정하기 위해 추구해야 하는 기준들이며, 숫자로 표기함으로써 필연적으로 따라오는 강점은 아니다.
수치화함으로써, 즉 어떤 집합에 대한 측도 함수를 정의함으로써 얻을 수 있는 근본적인 이점은 대소를 비교 할 수 있게 된다는 점이다. 이렇게 정의된 순서 및 크기의 개념이 얼마나 타당한지에 대한 판단은 측도함수를 설계한 구체적인 방식에 전적으로 의존하는 것이다.
투자자의 입장에서 숫자를 의사결정에 유의미하게 활용하려면 그 수치화 수단에 대해 여러가지를 평가해야한다. 예를들어..
데이터는 어떤 출처에서 어떻게 기록되었으며 신뢰할 수 있는지
어떻게 가공해서 계산되며 그 과정에서 무엇을 가정하고 있는지
이 가정들이 현재 내 상황에 부합하는지
이 가정들이 미래에는 어떻게 어긋날 것인지 (적어도 데이터 분포는 항상 어긋난다)
이 평가는 물론 반복적으로 이루어져야하며 매번 많은 노력을 필요로 한다. 예를 들어 LTCM의 실패 사례는 내 알고리즘이 가진 가정 (asset간 낮은 correlation)이 현실 (시장 전체의 붕괴 가능성)에 부합하지 않아 발생했다. 사실 Tail risk는 꽤 빈번히 일어나는데 FED와 과거 데이터 분포만 믿고 이걸 대비하지 않은건 굉장히 오만하고 무책임한 태도였다고 생각한다.
내러티브 및 매크로 분석은 이런 숫자의 함정들을 탐지하는 좋은 도구가 될 수 있다.
데이터 수집, 정제, 시각화 및 해석을 위한 기본적인 가이드라인과 사례를 소개하고 있다. 생략.