학생자치에서 시작된 행복한 학교 이야기 또는 자산운용을 위한 금융 머신러닝 > 뉴스

학생자치에서 시작된 행복한 학교 이야기



도서명 : 학생자치에서 시작된 행복한 학교 이야기
저자/출판사 : 김정재, 북랩
쪽수 : 196쪽
출판일 : 2021-01-29
ISBN : 9791165395872
정가 : 14000

프롤로그-자율과 책임으로 우리가 꿈꾸는 학교의 모습을 그려내다 5

추천사 1 - 학생자치의 여정에 희망을 노래하다 10
추천사 2 - 자치활동가 김정재 군을 응원하며 13

1장. 올바른 학생자치 문화 확립을 위한 준비
1. 준비 그리고 도약의 시작 22
2. 조직 운영, 목표부터 그려 보기 41
3. 누구와 함께 일할까? - 회장이 마음대로 뽑을까? 55
4. 자치활동, 공동의 가치를 바라보는 것 68
5. 학생이 기획하는 리더십 캠프 75

2장. 새로운 도약을 위한 발걸음
1. 문턱은 낮추고, 신뢰는 두텁게 - 개방과 소통의 시작 84
2. 자치회 운영의 변화 91
3. 권한의 균형 맞추기 102
4. 현장에서 문제를 찾고, 함께 발맞춰서 해결하기 112
5. 가치는 높이고, 행복은 퍼지고-학생 참여 예산제 121

3장. 학생 중심 자치 문화의 새바람
1. 학생 사회가 건강해지는 힘 - 스타 리더십상 132
2. 학교의 주체인 학생-문화 그리고 가치관의 변화 139
3. 내 꿈을 디자인하는 자치활동 147
4. 흔적 남기기 - 『학생회 자치활동 백서』 발간 155

4장. 자치활동 확립, 기본부터 다져라
1. 기획서는 왜 필요하며 어떻게 쓸까? 164
2. 1년 풍년 농사, 양분이 필요하다 - 학생회 운영 예산 확보는 어떻게? 174
3. 회의록은 어떻게 쓰지? 181
4. 회의 준비와 진행은 어떻게? 187

에필로그 - 어색하면서도 서툰 행동들이 만들어 낸 가능성 193




자산운용을 위한 금융 머신러닝



도서명 : 자산운용을 위한 금융 머신러닝
저자/출판사 : 마르코스 로페즈 데 프라도, 에이콘출판
쪽수 : 208쪽
출판일 : 2021-01-26
ISBN : 9791161754918
정가 : 20000

1장. 들어가며

1.1 동기 부여
1.2 이론이 중요하다
1.2.1 교훈1: 이론이 필요하다
1.2.2 교훈2: 머신러닝은 이론을 발견하는 것을 돕는다
1.3 어떻게 과학자들이 머신러닝을 이용하는가
1.4 두 가지 형태의 과적합
1.4.1 훈련셋 과적합
1.4.2 테스트셋 과적합
1.5 개요
1.6 청중
1.7 다섯 가지 만연한 금융 머신러닝에 대한 잘못된 개념
1.7.1 머신러닝은 성배 대 머신러닝은 무용지물
1.7.2 머신러닝은 블랙박스
1.7.3 금융은 머신러닝을 적용하기에는 불충분한 데이터를 갖고 있다
1.7.4 금융에서 신호 대 잡음 비율이 너무 낮다
1.7.5 금융에서 과적합의 위험은 너무 크다
1.8 금융 리서치의 미래
1.9 자주 물어 보는 질문들
1.10 결론
1.11 연습문제

2장. 잡음 제거와 주음 제거

2.1 동기 부여
2.2 마르첸코-파스퇴르 정리
2.3 신호가 있는 랜덤 행렬
2.4 마르첸코-파스퇴르 PDF 적합화
2.5 잡음 제거
2.5.1 상수 잔차 고유값 방법
2.5.2 타깃 축소
2.6 주음 제거
2.7 실험 결과
2.7.1 최소 분산 포트폴리오
2.7.2 최대 샤프 비율 포트폴리오
2.8 결론
2.9 연습문제

3장. 거리 척도

3.1 동기 부여
3.2 상관계수 기반 척도
3.3 한계와 결합 엔트로피
3.4 조건부 엔트로피
3.5 쿨백 - 라이블러 발산
3.6 교차 엔트로피
3.7 상호 정보
3.8 정보 변분
3.9 이산화
3.10 두 분할 간의 거리
3.11 실험 결과
3.11.1 무관계
3.11.2 선형관계
3.11.3 비선형관계
3.12 결론
3.13 연습문제

4장. 최적 군집화

4.1 동기 부여
4.2 근접성 행렬
4.3 군집화 종류
4.4 군집의 수
4.4.1 관측 행렬
4.4.2 기본 군집화
4.4.3 상위 수준 군집화
4.5 실험 결과
4.5.1 랜덤 블록 상관관계 행렬 생성
4.5.2 군집의 수
4.6 결론
4.7 연습문제

5장. 금융 레이블

5.1 동기 부여
5.2 고정 - 기간 방법
5.3 삼중 배리어 방법
5.4 추세 검색 방법
5.5 메타 레이블링
5.5.1 기대 샤프 비율에 의한 베팅 크기
5.5.2 앙상블 베팅 크기
5.6 실험 결과
5.7 결론
5.8 연습문제

6장. 특성 중요도 분석

6.1 동기 부여
6.2 p - 값
6.2.1 p 값의 몇 가지 결함
6.2.2 수치 예제
6.3 특성 중요도
6.3.1 평균 감소 불순도
6.3.2 평균 감소 정확도
6.4 확률 가중 정확도
6.5 대체 효과
6.5.1 직교화
6.5.2 군집 특성 중요도
6.6 실험 결과
6.7 결론
6.8 연습문제

7장. 포트폴리오 구축

7.1 동기 부여
7.2 볼록 포트폴리오 최적화
7.3 조건 수
7.4 마코위츠의 저주
7.5 공분산 불안정성의 원천으로서의 신호
7.6 중첩 군집 최적화 알고리즘
7.6.1 상관 군집화
7.6.2 군집 내 비중
7.6.3 군집 간 비중
7.7 실험 결과
7.7.1 최소 분산 포트폴리오
7.7.2 최대 샤프 비율 포트폴리오
7.8 결론
7.9 연습문제

8장. 테스트셋 과적합

8.1 동기 부여
8.2 정밀도와 재현율
8.3 다중 테스트하의 정밀도와 재현율
8.4 샤프 비율
8.5 ‘거짓 전략’ 정리
8.6 실험 결과
8.7 축소 샤프 비율
8.7.1 유효 시행 수
8.7.2 시행 간 분산
8.8 군별 오차율
8.8.1 시다크 조정
8.8.2 다중 테스트하의 1종 오류
8.8.3 다중 테스트하의 2종 오류
8.8.4 1종과 2종 오류 간의 상호작용
8.9 결론
8.10 연습문제

부록 A. 합성 데이터 테스트
부록 B. ‘거짓 전략’ 정리의 증명