seungbeomdo

이 시리즈는 파생상품 이론 분야에서 가장 유명한 교재인 Hull(2021)의 "Options, Futures and Other Derivatives (11th)"을 요약한 것일 뿐이다. 아래는 책 구매 링크 https://www.pearson.com/en-us/subject-catalog/p/options-futures-and-other-derivatives/P200000005938/9780136939917 Options, Futures, and Other Derivatives ISBN-13: 9780136939917 Options, Futures, and Other Derivatives Published 2021 www.pearson.com 1. Motivation 가장 단순한 금융상품의 형태인 채권,..

DID 방법 (이중 차분 방법)- 처치집단과 통제집단 간의 차이 중 처치에 의한 효과(인과효과)를 식별하는 방법  카페에 들어가서 커피를 시켰는데, 사장님이 쿠폰을 받겠냐고 물어본다. 도장을 10개 찍으면 아메리카노 한 잔을 공짜로 받는 쿠폰이다.  고객 입장에서는 커피 1잔을 살 때마다 미래의 커피 1/10잔을 더 받게 되는 셈이므로 맛과 가격이 동일하다면 이 카페를 이용하는 것이 이득이 된다. 또한, 쿠폰을 기왕 받은 이상에 이 카페를 여러번 이용해야 이득을 실현할 수 있기 때문에 재방문 의향이 높아진다. 사장님은 이러한 고객의 의사결정 논리를 이해하고 재방문율(retention)을 높이기 위해 쿠폰 정책을 실시한다. 이 정책을 합리화하려면 다음의 AB 테스트가 필요하다.  커피쿠폰을 받지 않은 고객..

지난 편에서 보았듯이 동태적 패널 모형에 대해서는 임의효과 모형과 고정효과 모형이 항상 consistency를 만족하지 못한다. 따라서 동태적 패널 구조를 고려한 대안적인 추정방법이 필요하다. AH 추정: Anderson & Hsiao 동태적 회귀모형을 1계 차분하면 $$\Delta Y_{it} =\Delta \mathsf{X}_{it}\beta + \rho \Delta Y_{i,t-1}+\Delta\epsilon_{it}$$ 위 모형에서 $E(\Delta Y_{i,t-1} \Delta \epsilon_{i,t})≠0$이므로, 도구변수 방법(IV)을 고려해야 한다. 그럼 어떤 변수를 도구변수로 사용해야 할까? $\Delta Y_{i,t-1}$에 대한 도구변수는 $Y_{i,t-2}$를 사용하면 된다. 어떤..

동태적 모형 (Dynamic Model) 동태적 모형의 정의 종속변수를 설명하기 위하여, 이전 기의 종속변수들이 독립변수로 사용되는 모형을 동태적 모형이라고 한다. 일반적인 동태적 패널 회귀 모형은 다음과 같다. $$Y_{it} = \alpha + \mathsf{X}_{it}\beta + \rho Y_{i,t-1}+\mu_{i}+\epsilon_{it}$$ 항상 $\epsilon_{it}$는 시계열적으로 비상관이며, 모형의 어떤 독립변수 및 개별효과와도 비상관이다. 이는 모형이 제대로 specificate되었느냐의 문제이다. 모형의 안정성 동태적 모형에서는 모형의 안정성(Stability)이라는 개념도 고려해야 한다. $\mathsf{X}_{it}$가 $\Delta X$만큼 증가했다고 하면, $Y_{it..

하우스만 검정 (Hausman test) 랜덤효과 모형을 쓸지, 고정효과 모형을 쓸지 판별하는 방법 귀무가설: 랜덤효과 추정량과 고정효과 추정량 간 차이가 없다. 귀무가설이 참이라면, 랜덤효과 추정량을 사용한다. 귀무가설이 기각되면, 랜덤효과 추정량은 일관성을 상실하므로, 고정효과 추정량을 사용한다. 왜냐하면, 이 경우 랜덤효과 추정량은 일관성을 가지면서, 고정효과 모델보다 효율적이기 때문이다. 하우스만 검정 통계량은 다음과 같다. $$[\hat{\beta}_{RE}-\hat{\beta}_{FE}][Var(\hat{\beta}_{RE})-Var(\hat{\beta}_{FE})]^{-1}[\hat{\beta}_{RE}-\hat{\beta}_{FE}] \sim ^{A} \chi^{2}_{(k)}$$ Corr..

0. 예비 작업 1) Selenium 패키지 설치 pip install selenium from selenium import webdriver from selenium.webdriver.common.by import By 2) Chromdriver 설치 아래 경로로 이동해서 본인의 크롬 버전에 맞는 드라이버 chromedriver.exe를 설치해준다. ChromeDriver - WebDriver for Chrome - Downloads Current Releases If you are using Chrome version 115 or newer, please consult the Chrome for Testing availability dashboard. This page provides convenie..

Hugging Face 사용법 (1) pipeline 함수 사용하기 및 모델 객체 로컬에 다운 받기 Hugging Face – The AI community building the future. The AI community building the future. Build, train and deploy state of the art models powered by the reference open source in machine learning. huggingface.co 0. Hugging Face 소개 허깅페이스는 seungbeomdo.tistory.com Fine tuning이란 pre-trained 모델을 구체적인 태스크에 맞게 추가적으로 훈련하는 과정을 말한다. 가령 주어진 직무 기술서를 보고..

Hugging Face – The AI community building the future. The AI community building the future. Build, train and deploy state of the art models powered by the reference open source in machine learning. huggingface.co 0. Hugging Face 소개 허깅페이스는 머신러닝 기술, 특히 딥러닝 모델의 손쉬운 공유 및 배포, 사용, 훈련을 가능하게 하는 생태계이다. 기존의 성능이 검증된 pre-trained 모델을 쉽게 (무료로) 다운 받아서 사용할 수 있고, 본인의 task에 맞게 모델을 fine-tuning하는 것도 가능하다. 스스로 제작/파인튜..

고정효과 모형의 가정 패널 회귀모형이 다음과 같이 주어졌다. $$Y_{i,t} = \mathsf{X}_{i,t}^{T}\beta + U_{i,t}$$ $$U_{i,t} = \mu_{i} + \epsilon_{i,t}$$ $$\epsilon_{i,t} \sim i.i.d. (0, \sigma_{\epsilon}^{2})$$ $$E(\mu_{i} \epsilon_{i,t}) = 0$$ $$E(X_{i,t}\epsilon_{i,t})=0$$ 이때, OLS 추정량이 모수를 일관적으로 추정하려면 $$E(U_{i,t}\mathsf{X}_{i,t}) = 0$$ 이 조건이 성립하기 위해서는 $$E(\mu_{i}\mathsf{X}_{i,t}) = 0$$ $$E(\epsilon_{i,t}\mathsf{X}_{i,t})=0..

임의효과 모형의 가정 패널 회귀모형이 다음과 같이 주어졌다. $$Y_{i,t} = \mathsf{X}_{i,t}^{T}\beta + U_{i,t}$$ $$U_{i,t} = \mu_{i} + \epsilon_{i,t}$$ $$\epsilon_{i,t} \sim i.i.d. (0, \sigma_{\epsilon}^{2})$$ $$E(\mu_{i} \epsilon_{i,t}) = 0$$ $$E(X_{i,t}\epsilon_{i,t})=0$$ 이때, OLS 추정량이 모수를 일관적으로 추정하려면 $$E(U_{i,t}\mathsf{X}_{i,t}) = 0$$ 이 조건이 성립하기 위해서는 $$E(\mu_{i}\mathsf{X}_{i,t}) = 0$$ $$E(\epsilon_{i,t}\mathsf{X}_{i,t})=0..