어제 CFA 시험을 끝으로 중요한 일정들이 모두 끝났다. 잠깐 돌아가 보자. 1. 투자자산운용사 투자자산운용사는 92점으로 넉넉히 합격했다. 언제나 그렇듯 세법/법규 파트가 참 헷갈리고 나머지 파트는 무난했는데, 결과는 오히려 세법파트가 만점이 나왔다. 아버지 말씀대로 난이도 대비 너무 많은 시간을 쏟지 않았나 싶기도 하지만 그래도 보람찼던 시간이었다. 여유가 생기면 후기와 공부법을 간단하게나마 써 볼 생각이다. 2. 인턴 면접 2.1 준비 업계 특성상 애초에 신규채용을 잘 하지도 않을 뿐더러, 시국이 시국인지라 채용문은 좁아질 대로 좁아진 상황이었다. 또, 딱히 fit하다고 생각되는 포지션도 딱히 없었다(사실 자소서 쓰기가 귀찮았다.) 분야를 조금 더 넓혀보아야 하나 싶었다. 그래도 이번 기간 동안 하..

얼마 전 교수님 소개를 받은 이후, 한 운용사 해외채권운용팀에서 연구원(이라는 너무나도 거창한 이름...)으로 데이터 분석을 진행하고 있다. CFA 시험 준비와 더불어 최근에 글을 작성하지 못한 이유이다. 어제는 1차 결과보고가 있었던 날이었다. 원래는 지난 주 같은 요일에 진행되었어야 하는데, 유의미한 결과 나오지 않아서 당일 오전에 양해를 구하고 한 주를 미루었다. 연구 내용을 간단하게 적자면 외국인의 국내 채권투자의 결정요인에 대해 분석하는 일이었다. 외국인의 일간 채권 순매수액을 타겟으로 잡고, 수익성 요인(aribtrage incentive), 리스크 요인(5y CDS Premium, EMBI+ Spread), 코로나 더미 등의 다양한 요인들을 설명변수로 채택하여 모형을 구성하고, 모형의 설명력..

신흥시장(이머징 마켓)이란? 신흥시장국채권지수를 살펴보기에 앞서 신흥시장국과 신흥시장국채권에 대하여 먼저 알아보자. 신흥시장국은 이머징 마켓으로도 불리며 일반적으로 자유시장경제체제를 채택하여 급속한 산업화를 바탕으로 성장하는 국가를 의미한다. 애널리스트 및 금융기관마다 신흥시장에 대한 기준과 분류는 제각각이다. 예를 들어, 비록 10여년 전이지만, 2010년 5월에 MSCI 바라는 브라질, 러시아, 인도, 중국, 남아공, 대한민국(!) 등 21개 국가를 신흥 시장으로 분류하였다. 언급한 국가 중 처음 5개의 국가를 한데 묶어 BRICS(브릭스)라고 불리며 골드만삭스가 처음 사용하기 시작했다. (남아공은 2010년 12월 24일에 정규회원이 되었고 이전까지는 BRIC이라고 불렸다.) en.wikipedia..

yfinance 이용 시, 특정 데이터에 접근할 경우 Empty DataFrame이 반환되는 경우가 있다. 아래와 같이 말이다. 이는 yfinance 소개 및 설치의 '단점' 부분에서 서술한바와 같이 Yahoo Finance의 홈페이지 레이아웃이나 디자인이 변경된 경우 발생할 수 있는 문제이다. 현재 발생한 문제의 해결방법은 다음과 같다. 1. yfinance가 설치된 경로에 접근한다. (예: C:\Anaconda3\envs\[가상환경 이름]\Lib\site-packages\yfinance) 2. base.py 파일을 편집기를 이용하여 연다. 3. '# holder'를 검색하여 아래의 두 줄을 다음과 같이 수정한다. (283번째 라인 즈음에 위치) # 아래의 라인을 붙여넣기! url = "{}/{}".f..

2장에서는 시계열 분석의 기초를 닦기 위한 다양한 개념을 배운다. 따라서 이번 포스트는 매우 많은 내용을 담고 있다. 실제로 교재에서도 다른 챕터들은 40~60 페이지로 이루어져 있으나, 이번 챕터는 80장에 이르며 그 내용들이 모두 중요하다. 비록 수식들이 복잡해 보이지만 천천히 살펴보면 모두 이해할 수 있으며, 무엇보다도 중요한 것은 각 개념과 모형이 담고 있는 Implication이다. 들어가기 에 앞서 이 페이지에서 다룰 모형의 분석은 다음의 구조를 띤다. 모형의 정의 모형의 특성(평균, 분산, 자기상관함수, 안정성 등) 실제 데이터에서 차수(order)를 결정하는 방법 기타 논의 사항 실제 데이터를 이용한 분석은 추후에 statsmodel 이나 scikit-learn을 이용할 예정이다. 2. 1..

statsmodels을 이용하여 OLS 회귀를 실시하여 보자. 이하의 내용은 아래의 링크를 참고(사실상 번역)하였다. OLS Regression과 classical assumptions을 알고 있으면 이 글을 이해하는 데에 도움이 될 것이다. Ordinary Least Squares — statsmodels Ordinary Least Squares import numpy as np import pandas as pd import matplotlib.pyplot as plt import statsmodels.api as sm from statsmodels.sandbox.regression.predstd import wls_prediction_std np.random.seed(9876789) OLS esti..