가장 단순하지만 강력한 투자 전략모멘텀(Momentum)이란?모멘텀 전략은 이름 그대로 "추세에 따라 투자하는 전략"입니다.쉽게 말해, 오르는 놈은 더 오르고, 떨어지는 놈은 더 떨어진다는 전제에서 출발합니다.물리학에서의 '모멘텀'이 속도가 붙은 물체가 계속 같은 방향으로 나아가려는 성질인 것처럼,주가도 한 방향으로 움직이면 그 방향이 계속될 확률이 높다는 가정입니다.전략의 기본 원리최근에 오른 종목을 매수최근에 내린 종목은 매도 또는 제외일정 기간 후 수익 실현 또는 리밸런싱이처럼 매우 단순한 로직이지만, 역사적으로 시장 평균을 초과하는 성과를 보여준 전략 중 하나입니다.📊 모멘텀 전략의 구성 요소요소설명기준 기간3개월, 6개월, 12개월 등수익률 계산 방식절대 수익률 or 상대 순위포트폴리오 구성상..

1. 개요세분화(Segmentation)하는 작업을 위해 PyTorch 기반의 딥러닝 프레임워크에서 DeepLabV3+ 모델을 사용했습니다.특히 백본으로는 Transformer 계열의 MIT-B5를 채택하였으며, 고해상도 이미지에 대응하기 위해 슬라이딩 윈도우 기반 학습 방식을 적용했습니다.이 글에서는 DeepLabV3+와 MIT-B5의 내부 구조를 상세히 살펴보고, 어떻게 이 구조가 선 검출에 효과적으로 작용하는지를 설명하겠습니다.2. DeepLabV3+란?📌 핵심 요약DeepLabV3+는 Semantic Segmentation 분야에서 널리 사용되는 아키텍처 입니다. 구성요소 설명백본(Backbone)이미지에서 고수준 특징 추출 (ResNet, MobileNet, MIT 등)ASPP (Atrous ..

“모든 것은 결국 평균으로 돌아간다?”🧠 1. 평균회귀(Mean Reversion)란?평균회귀(Mean Reversion)는 주가나 지표가 단기적으로 평균에서 벗어나더라도,장기적으로는 다시 평균으로 돌아간다는 통계적 가정에 기반한 투자 전략입니다.이 전략은 "지금 너무 오른 건 다시 떨어지고, 너무 떨어진 건 다시 오른다"는회귀(回歸)의 원리를 믿고 투자하는 방식입니다.🔁 2. 왜 평균으로 돌아갈까?기업의 실적은 계절이나 경기 요인으로 일시적 왜곡이 생기지만, 시간이 지나면 본질가치에 수렴합니다.투자자들의 과도한 감정(공포·탐욕)은 비정상적인 가격 변동을 만들지만,시간이 지나면 냉정한 평가로 복귀합니다.즉, 시장은 평균 근처를 중심으로 진동하는 경향을 보인다는 것이 핵심입니다.📊 3. 평균회귀 전략..

주식 투자에 관심이 있다 보면 한 번쯤은 들어봤을 단어, 퀀트(Quant).“퀀트 투자”는 정확히 무엇을 의미하고, 왜 감정 없는 투자로 불리는 걸까요?📊 퀀트 투자란?퀀트(Quant)는 "Quantitative"의 줄임말로, ‘계량적’, ‘수치 기반’이라는 의미를 담고 있습니다.즉, 퀀트 투자는 투자 결정을 사람의 감정이나 직관에 의존하지 않고,수학적 모델과 통계, 알고리즘에 기반해 투자하는 방식입니다.✅ 예를 들어 볼까요?사람 투자자:“이 회사는 CEO가 뛰어나고, 최근 분위기도 좋아 보여. 투자해봐야겠어.”퀀트 투자:“이 회사의 재무 비율(PER, PBR 등), 수익률, 변동성 데이터를 바탕으로백테스트 결과가 양호했으므로 포트폴리오에 포함.”쉽게 말해, 주관적 감정이 아니라 객관적 데이터로 결정하..

1. 왜 LLMOps가 필요한 걸까?요즘 GPT, Claude, Llama3 같은 초거대 언어 모델(LLM) 이 정말 대세 입니다.하지만, LLM을 실제 서비스에 넣으려고 하면 문제가 생깁니다.예를 들면,"모델을 학습했는데, 버전이 헷갈려!""서버에 배포했는데, 어느새 성능이 떨어졌어!""사용자가 갑자기 많아져서 GPU 비용이 폭발했어!"👉 그냥 모델만 잘 만들었다고 끝나는 게 아니고,"운영(Ops)" 이 훨씬 더 중요해집니다.그래서 등장한 개념이 바로LLMOps (Large Language Model Operations) 입니다.2. LLMOps Platform은 뭐하는 곳?LLMOps Platform 은"LLM을 실제 서비스에 적용하고, 운영하고, 고치는 모든 과정을 자동으로 관리해주는 시스템"쉽게..

지난 블로그에는 단순히 숫자를 index 해서 LSTM 으로 예측하는 코드를 설명했다.이번에는 알파벳(문자)를 예측하는 코드를 분석하면서, 궁금한 점에 대해 정리했다.학습, 예측 코드는 맨 아래 부분에 작성 했다. LSTM 코드 분석 [2-2편]이전 글에서 LSTM 이론적인 부분을 설명했습니다.  LSTM 이란? [2-1편]기본적인 순환신경망인 Vanilla RNN에 대해서 1편에서 설명 했습니다.하지만 현재는 Vanilla RNN 이 사용되고 있지 않습니다.어떠한ai-bt.tistory.com1. Embedding이란?"Embedding은 구분된(discrete) 데이터를 연속된(continuous) 숫자 벡터로 바꿔주는 기술이다."쉽게 말하면,"문자나 단어 같은 '이름'을 숫자 좌표 공간에 알맞게 꽂..

이전 글에서 LSTM 이론적인 부분을 설명했습니다.  LSTM 이란? [2-1편]기본적인 순환신경망인 Vanilla RNN에 대해서 1편에서 설명 했습니다.하지만 현재는 Vanilla RNN 이 사용되고 있지 않습니다.어떠한 이유때문에 사용되고 있지 않는지, 그리고 더 발전된 RNN에 대해서ai-bt.tistory.com 이번에는 코드를 분석해서 간단한 학습까지 진행하겠습니다. 1. LSTM 셀 코드# 1. LSTM 셀 직접 구현class LSTMCell(nn.Module): def __init__(self, input_size, hidden_size): super(LSTMCell, self).__init__() self.input_size = input_size ..

Scikit-learn은 대표적인 머신러닝 라이브러리로, 다양한 모델을 빠르게 실험하고 적용할 수 있게 해줍니다.이 글에서는 Scikit-learn 모델을 ONNX(Open Neural Network Exchange) 형식으로 변환하는 방법과, 변환된 모델의 정확도 비교 방법까지 설명합니다.1. Scikit-learn 모델의 5가지 분류Scikit-learn에서 제공하는 모델들은 다음과 같이 5가지 주요 유형으로 나눌 수 있습니다.구분설명예시 모델Classifier분류 문제 해결LogisticRegression, RandomForestClassifierRegressor연속적인 수치 예측 문제 해결LinearRegression, GradientBoostingRegressorClusterer비지도 학습 기반..

개요Scikit-Learn은 수많은 머신러닝 알고리즘을 제공하는 Python 기반 대표 라이브러리입니다. 여기서 제공하는 모델들은 기능과 사용 목적에 따라 5가지 유형으로 나눌 수 있고, 이 각각은 sklearn-onnx에서도 ONNX로 변환 가능한 구조의 기준이 됩니다.이 글에서는 각 타입의 개념, 주요 모델, 변환 특징, ONNX 사용 시 고려 사항까지 정리해 보겠습니다.1. Classifier (분류기)개념입력 데이터를 미리 정의된 클래스(Label) 중 하나로 분류하는 지도 학습 모델주요 특징출력값이 이산형 (discrete) 클래스 값 (예: [0, 1], ['cat', 'dog'])fit(X, y)로 학습 → predict(X)로 예측확률 예측 가능: predict_proba(X)대표 알고리즘..