May 2025
Beginner to intermediate
266 pages
4h 33m
Korean
Content preview from 금융 및 투자 위한 확률적 머신러닝
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
3장. 몬테카를로 시뮬레이션으로 출력 불확실성 정량화하기
이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: translation-feedback@oreilly.com
주사위의 나는 과학과 숫자에 능숙합니다.
-마하바라타의 리투파르나 왕(기원전 900년경)이 무작위로 선택한 나뭇가지에서 나무의 잎을 추정하고 있습니다.
몬테카를로 기법이라고도 알려진 몬테카를로 시뮬레이션 (MCS)의 중요성은 아무리 강조해도 지나치지 않습니다. 금융 및 투자 분야에서 MCS는 모든 유형의 자산 가치 평가, 다양한 포트폴리오 최적화, 위험 추정, 복잡한 거래 전략 평가에 사용됩니다. 특히 분석 솔루션이 없는 문제를 해결하는 데 MCS가 사용됩니다.1 실제로 룩백 옵션, 아시아 옵션 등 다른 기법으로는 가치를 평가할 수 없는 금융 파생상품이 많이 있습니다. MCS의 기반이 되는 수학은 간단하지 않지만, 이 방법을 적용하는 것은 실제로 매우 쉽습니다. 특히 이 방법의 기반이 되는 주요 통계 개념을 이해하면 더욱 그렇습니다.
MCS는 일반적인 머신러닝 알고리즘과 특히 확률론적 머신러닝에도 널리 퍼져 있습니다. 1장에서 논의하고 2장의 몬테 홀 문제에 대한 시뮬레이션 솔루션에서 설명한 것처럼, MCS를 사용하면 순방향 전파라는 프로세스에서 모델 출력의 불확실성을 정량화할 수 있습니다. 재무 분석가들이 사용하는 기존의 시나리오 및 민감도 분석을 완전히 다른 차원으로 끌어올립니다.
어떻게 무작위 샘플링을 사용하는 방법이 안정적인 솔루션으로 이어질 수 있는지 궁금할 수 있습니다. 이는 모순이 아닌가요? 어떤 의미에서는 그렇습니다. 하지만 몇 가지 통계 정리를 이해하면 특정 상황에서 반복적인 시도가 무작위성을 길들이고 안정적인 해를 향해 수렴한다는 것을 알 수 있습니다. 몬티 홀 문제에 대한 시뮬레이션 해법에서 약 1000번의 시도 끝에 해가 이론적 값에 수렴하는 것을 관찰한 것이 바로 이러한 현상입니다. 이 장에서는 MCS를 사용하여 주요 통계 개념을 복습하고 이 강력한 도구를 금융 및 투자의 실제 문제 해결에 적용하는 방법을 보여드립니다. 특히 자본 예산 책정 프로젝트, 이 경우에는 소프트웨어 개발 프로젝트에 MCS를 적용하여 그 가치와 기간의 불확실성을 추정합니다.
몬테카를로 시뮬레이션: 개념 증명
이 과정을 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.