잠깐만

X, Y가 독립이고 각각 mu_X, sigma_X, mu_Y, sigma_Y의 normal distribution으로 표현된다면 Z = X+Y : mu_X + mu_Y, (sigma_X ^2 + sigma_Y ^ 2)^0.5 로 표현 배경 진실에 대한 가정: 임의의 주어진 인풋 스팟에 대하여, 이 스팟에서 이상적으로 추축해 낼 수 있는 아웃풋을 관장하는 확률변수를 X라 하자 그것을 알 수는 없지만, 확률 변수 X는 참 평균 mu_X_true와 참 표준편차 sigma_X_true를 가진다 먼저 필요한 가정은, 쪼인트 디스트리뷰션에 관한 것. pdf(mu_X_true, sigma_X_true)의 분포에 대한 가정. mu_X_true는 대충 normal distribution이라 가정하고. 여기서 중요한 sigma_X_true의 분포의 평균과 표준 편차는 mu_X_true와 비례한다고 가정해 본다. 직관적으로 어떤 정보들을 가지고 주어진 상황에서 어느 방향의 베팅 기댓값이 아주 높다고 예측했더라면, 그 상황의 카오틱 네이쳐나 아니면 관측되지 않은 숨겨진 변수들에 의해 일어나는 ...

기댓값, 변동성이 주어졌을 때 총자산의 얼마를 베팅해야 하는가? 이것에는 먼저 철학적 질문이 필요합니다 '자산'의 주관적 가치 현재 액션을 통해 발생할 수 있는 미래의 경우의 수들의 집합 1과 다른 시나리오에서의 집합 2중 어느 것을 선호하는가 가치는 근본적으로 인문학적이고 주관적입니다. 또한 절대적으로 가늠하기 어려우나 어떤 고정된 조건들이 주어졌을 때 가치간의 비교는 가능하고 그것은 a > b 이고 b > c이면 a > c인 연립이 적용되는것 같습니다. a > b > c가 당연하다고 할 수 있지만 주먹 > 가위 > 보 임에도 주먹 > 보 가 아니니 항상 당연한 것은 아니지요 캘리기준은 ...

전 프로그래밍을 반 야매로 배워서 프로젝트내에 파일과 폴더가 어떤 구조를 가지도록 해야 하는지 정확히 모르겠네요 처음에는 기능을 분리할 수 있고 그 기능들의 역할이 유사한 애들을 모아 from PATH\\moduleA\\moduleA import function1, function2, ... 이런식으로 될 줄 알았는데 파이썬은 자기 폴더에서 임포트하거나 패런트 폴더에서 임포트하는 것 아니면 PATH변수를 만져야 하는데 그러면 또 이름겹치거나 그런거에서 우선순위때문에 복잡해질거같아서 패키징을 하던지 하라는데 그건 귀찮을 것 같아 그냥 모듈들은 일단 프로젝트 메인폴더로 다 빼고 테스트코드등을 별도의 폴더에 보관하기로 했습니다. 정확히 기억은 안나는데 c++에서는 include가 그냥 코드 복사붙여넣기 였던 것 같은데 파이썬은 좀다른네요. 현재 데이터분석알고리즘은 일단 대충 가다가 잡혀서 히스토리 인풋을 의미있는 파라미터들로 선처리 해주고 그걸 데이터베이스에 저장하고, 그걸 다시 뽑아와서 데이터베이스와 무관하게 만들어진 범용적으로 사용할수 있는 데이터분석클래스에 집어넣고, 거기서 원하는 아웃풋을 뽑아내어서 백태스팅을 해보려는 단계에 있습니다. chatGPT가 귀찮은 일들에(특히 뻔한 라이브러리의 뻔한 기능들의 문법을 찾아보거나 아니면 그 라이브러리가 제공하는 편리성을 활용하는 일) 큰 도움이 되네요. 트레이닝 초기에 알고리즘트레이딩이 어떤점에서 ...