파이썬을 활용한 금융 분석(2판) : 파이썬의 기초부터 금융공학, 머신러닝, 퀀트 분석, 매매 시스템 구현까지

527

13

장

통계 분석

그림

13-21

GDX

,

GLD

데이터에 대한 복수의 베이즈 회귀분석선

이 그림에서 지금 사용한 회귀분석의 큰 단점을 알 수 있다. 시간에 따른 변화를 고려하지 않는

다는 것이다. 즉, 가장 최근의 데이터와 가장 오래된 데이터를 똑같이 취급하고 있다.

13.3.4

시간에 따른 추정치 변화

앞에서 지적했듯이 금융 분야에서 베이즈 방법론은 통시적인 관점에서 유용하다. 즉, 최근에

밝혀진 새로운 데이터를 사용하여 학습하는 회귀분석이나 추정치를 개선하는 것이다.

현재의 예제에 이러한 개념을 추가하기 위해 회귀분석 모수가 단순한 확률 변수가 아니라 시간

에 따른 랜덤워크 과정을 따른다고 가정하자. 확률 변수에서 확률 과정(확률 변수의 순열)으로

일반화하는 것이다.

이제 모숫값이 랜덤워크를 따르는 새로운

PyMC3

모형을 정의한다. 그리고 다음과 같이

alpha

와

beta

에 대해 랜덤워크 가정을 적용한다. 전체 계산 과정의 효율성을 위해 데이터

50

개씩 같은 계수를 공유하도록 한다.

In [28]: from pymc3.distributions.timeseries import GaussianRandomWalk

In [29]: subsample_alpha = 50

528

3

부

금융 데이터 과학

subsample_beta = 50

In [30]: model_randomwalk ...