๐Ÿšดโ€โ™‚๏ธ
TIL
  • MAIN
  • : TIL?
  • : WIL
  • : Plan
  • : Retrospective
    • 21Y
      • Wait a moment!
      • 9M 2W
      • 9M1W
      • 8M4W
      • 8M3W
      • 8M2W
      • 8M1W
      • 7M4W
      • 7M3W
      • 7M2W
      • 7M1W
      • 6M5W
      • 1H
    • ์ƒˆ์‚ฌ๋žŒ ๋˜๊ธฐ ํ”„๋กœ์ ํŠธ
      • 2ํšŒ์ฐจ
      • 1ํšŒ์ฐจ
  • TIL : ML
    • Paper Analysis
      • BERT
      • Transformer
    • Boostcamp 2st
      • [S]Data Viz
        • (4-3) Seaborn ์‹ฌํ™”
        • (4-2) Seaborn ๊ธฐ์ดˆ
        • (4-1) Seaborn ์†Œ๊ฐœ
        • (3-4) More Tips
        • (3-3) Facet ์‚ฌ์šฉํ•˜๊ธฐ
        • (3-2) Color ์‚ฌ์šฉํ•˜๊ธฐ
        • (3-1) Text ์‚ฌ์šฉํ•˜๊ธฐ
        • (2-3) Scatter Plot ์‚ฌ์šฉํ•˜๊ธฐ
        • (2-2) Line Plot ์‚ฌ์šฉํ•˜๊ธฐ
        • (2-1) Bar Plot ์‚ฌ์šฉํ•˜๊ธฐ
        • (1-3) Python๊ณผ Matplotlib
        • (1-2) ์‹œ๊ฐํ™”์˜ ์š”์†Œ
        • (1-1) Welcome to Visualization (OT)
      • [P]MRC
        • (2๊ฐ•) Extraction-based MRC
        • (1๊ฐ•) MRC Intro & Python Basics
      • [P]KLUE
        • (5๊ฐ•) BERT ๊ธฐ๋ฐ˜ ๋‹จ์ผ ๋ฌธ์žฅ ๋ถ„๋ฅ˜ ๋ชจ๋ธ ํ•™์Šต
        • (4๊ฐ•) ํ•œ๊ตญ์–ด BERT ์–ธ์–ด ๋ชจ๋ธ ํ•™์Šต
        • [NLP] ๋ฌธ์žฅ ๋‚ด ๊ฐœ์ฒด๊ฐ„ ๊ด€๊ณ„ ์ถ”์ถœ
        • (3๊ฐ•) BERT ์–ธ์–ด๋ชจ๋ธ ์†Œ๊ฐœ
        • (2๊ฐ•) ์ž์—ฐ์–ด์˜ ์ „์ฒ˜๋ฆฌ
        • (1๊ฐ•) ์ธ๊ณต์ง€๋Šฅ๊ณผ ์ž์—ฐ์–ด ์ฒ˜๋ฆฌ
      • [U]Stage-CV
      • [U]Stage-NLP
        • 7W Retrospective
        • (10๊ฐ•) Advanced Self-supervised Pre-training Models
        • (09๊ฐ•) Self-supervised Pre-training Models
        • (08๊ฐ•) Transformer (2)
        • (07๊ฐ•) Transformer (1)
        • 6W Retrospective
        • (06๊ฐ•) Beam Search and BLEU score
        • (05๊ฐ•) Sequence to Sequence with Attention
        • (04๊ฐ•) LSTM and GRU
        • (03๊ฐ•) Recurrent Neural Network and Language Modeling
        • (02๊ฐ•) Word Embedding
        • (01๊ฐ•) Intro to NLP, Bag-of-Words
        • [ํ•„์ˆ˜ ๊ณผ์ œ 4] Preprocessing for NMT Model
        • [ํ•„์ˆ˜ ๊ณผ์ œ 3] Subword-level Language Model
        • [ํ•„์ˆ˜ ๊ณผ์ œ2] RNN-based Language Model
        • [์„ ํƒ ๊ณผ์ œ] BERT Fine-tuning with transformers
        • [ํ•„์ˆ˜ ๊ณผ์ œ] Data Preprocessing
      • Mask Wear Image Classification
        • 5W Retrospective
        • Report_Level1_6
        • Performance | Review
        • DAY 11 : HardVoting | MultiLabelClassification
        • DAY 10 : Cutmix
        • DAY 9 : Loss Function
        • DAY 8 : Baseline
        • DAY 7 : Class Imbalance | Stratification
        • DAY 6 : Error Fix
        • DAY 5 : Facenet | Save
        • DAY 4 : VIT | F1_Loss | LrScheduler
        • DAY 3 : DataSet/Lodaer | EfficientNet
        • DAY 2 : Labeling
        • DAY 1 : EDA
        • 2_EDA Analysis
      • [P]Stage-1
        • 4W Retrospective
        • (10๊ฐ•) Experiment Toolkits & Tips
        • (9๊ฐ•) Ensemble
        • (8๊ฐ•) Training & Inference 2
        • (7๊ฐ•) Training & Inference 1
        • (6๊ฐ•) Model 2
        • (5๊ฐ•) Model 1
        • (4๊ฐ•) Data Generation
        • (3๊ฐ•) Dataset
        • (2๊ฐ•) Image Classification & EDA
        • (1๊ฐ•) Competition with AI Stages!
      • [U]Stage-3
        • 3W Retrospective
        • PyTorch
          • (10๊ฐ•) PyTorch Troubleshooting
          • (09๊ฐ•) Hyperparameter Tuning
          • (08๊ฐ•) Multi-GPU ํ•™์Šต
          • (07๊ฐ•) Monitoring tools for PyTorch
          • (06๊ฐ•) ๋ชจ๋ธ ๋ถˆ๋Ÿฌ์˜ค๊ธฐ
          • (05๊ฐ•) Dataset & Dataloader
          • (04๊ฐ•) AutoGrad & Optimizer
          • (03๊ฐ•) PyTorch ํ”„๋กœ์ ํŠธ ๊ตฌ์กฐ ์ดํ•ดํ•˜๊ธฐ
          • (02๊ฐ•) PyTorch Basics
          • (01๊ฐ•) Introduction to PyTorch
      • [U]Stage-2
        • 2W Retrospective
        • DL Basic
          • (10๊ฐ•) Generative Models 2
          • (09๊ฐ•) Generative Models 1
          • (08๊ฐ•) Sequential Models - Transformer
          • (07๊ฐ•) Sequential Models - RNN
          • (06๊ฐ•) Computer Vision Applications
          • (05๊ฐ•) Modern CNN - 1x1 convolution์˜ ์ค‘์š”์„ฑ
          • (04๊ฐ•) Convolution์€ ๋ฌด์—‡์ธ๊ฐ€?
          • (03๊ฐ•) Optimization
          • (02๊ฐ•) ๋‰ด๋Ÿด ๋„คํŠธ์›Œํฌ - MLP (Multi-Layer Perceptron)
          • (01๊ฐ•) ๋”ฅ๋Ÿฌ๋‹ ๊ธฐ๋ณธ ์šฉ์–ด ์„ค๋ช… - Historical Review
        • Assignment
          • [ํ•„์ˆ˜ ๊ณผ์ œ] Multi-headed Attention Assignment
          • [ํ•„์ˆ˜ ๊ณผ์ œ] LSTM Assignment
          • [ํ•„์ˆ˜ ๊ณผ์ œ] CNN Assignment
          • [ํ•„์ˆ˜ ๊ณผ์ œ] Optimization Assignment
          • [ํ•„์ˆ˜ ๊ณผ์ œ] MLP Assignment
      • [U]Stage-1
        • 1W Retrospective
        • AI Math
          • (AI Math 10๊ฐ•) RNN ์ฒซ๊ฑธ์Œ
          • (AI Math 9๊ฐ•) CNN ์ฒซ๊ฑธ์Œ
          • (AI Math 8๊ฐ•) ๋ฒ ์ด์ฆˆ ํ†ต๊ณ„ํ•™ ๋ง›๋ณด๊ธฐ
          • (AI Math 7๊ฐ•) ํ†ต๊ณ„ํ•™ ๋ง›๋ณด๊ธฐ
          • (AI Math 6๊ฐ•) ํ™•๋ฅ ๋ก  ๋ง›๋ณด๊ธฐ
          • (AI Math 5๊ฐ•) ๋”ฅ๋Ÿฌ๋‹ ํ•™์Šต๋ฐฉ๋ฒ• ์ดํ•ดํ•˜๊ธฐ
          • (AI Math 4๊ฐ•) ๊ฒฝ์‚ฌํ•˜๊ฐ•๋ฒ• - ๋งค์šด๋ง›
          • (AI Math 3๊ฐ•) ๊ฒฝ์‚ฌํ•˜๊ฐ•๋ฒ• - ์ˆœํ•œ๋ง›
          • (AI Math 2๊ฐ•) ํ–‰๋ ฌ์ด ๋ญ์˜ˆ์š”?
          • (AI Math 1๊ฐ•) ๋ฒกํ„ฐ๊ฐ€ ๋ญ์˜ˆ์š”?
        • Python
          • (Python 7-2๊ฐ•) pandas II
          • (Python 7-1๊ฐ•) pandas I
          • (Python 6๊ฐ•) numpy
          • (Python 5-2๊ฐ•) Python data handling
          • (Python 5-1๊ฐ•) File / Exception / Log Handling
          • (Python 4-2๊ฐ•) Module and Project
          • (Python 4-1๊ฐ•) Python Object Oriented Programming
          • (Python 3-2๊ฐ•) Pythonic code
          • (Python 3-1๊ฐ•) Python Data Structure
          • (Python 2-4๊ฐ•) String and advanced function concept
          • (Python 2-3๊ฐ•) Conditionals and Loops
          • (Python 2-2๊ฐ•) Function and Console I/O
          • (Python 2-1๊ฐ•) Variables
          • (Python 1-3๊ฐ•) ํŒŒ์ด์ฌ ์ฝ”๋”ฉ ํ™˜๊ฒฝ
          • (Python 1-2๊ฐ•) ํŒŒ์ด์ฌ ๊ฐœ์š”
          • (Python 1-1๊ฐ•) Basic computer class for newbies
        • Assignment
          • [์„ ํƒ ๊ณผ์ œ 3] Maximum Likelihood Estimate
          • [์„ ํƒ ๊ณผ์ œ 2] Backpropagation
          • [์„ ํƒ ๊ณผ์ œ 1] Gradient Descent
          • [ํ•„์ˆ˜ ๊ณผ์ œ 5] Morsecode
          • [ํ•„์ˆ˜ ๊ณผ์ œ 4] Baseball
          • [ํ•„์ˆ˜ ๊ณผ์ œ 3] Text Processing 2
          • [ํ•„์ˆ˜ ๊ณผ์ œ 2] Text Processing 1
          • [ํ•„์ˆ˜ ๊ณผ์ œ 1] Basic Math
    • ๋”ฅ๋Ÿฌ๋‹ CNN ์™„๋ฒฝ ๊ฐ€์ด๋“œ - Fundamental ํŽธ
      • ์ข…ํ•ฉ ์‹ค์Šต 2 - ์บ๊ธ€ Plant Pathology(๋‚˜๋ฌด์žŽ ๋ณ‘ ์ง„๋‹จ) ๊ฒฝ์—ฐ ๋Œ€ํšŒ
      • ์ข…ํ•ฉ ์‹ค์Šต 1 - 120์ข…์˜ Dog Breed Identification ๋ชจ๋ธ ์ตœ์ ํ™”
      • ์‚ฌ์ „ ํ›ˆ๋ จ ๋ชจ๋ธ์˜ ๋ฏธ์„ธ ์กฐ์ • ํ•™์Šต๊ณผ ๋‹ค์–‘ํ•œ Learning Rate Scheduler์˜ ์ ์šฉ
      • Advanced CNN ๋ชจ๋ธ ํŒŒํ—ค์น˜๊ธฐ - ResNet ์ƒ์„ธ์™€ EfficientNet ๊ฐœ์š”
      • Advanced CNN ๋ชจ๋ธ ํŒŒํ—ค์น˜๊ธฐ - AlexNet, VGGNet, GoogLeNet
      • Albumentation์„ ์ด์šฉํ•œ Augmentation๊ธฐ๋ฒ•๊ณผ Keras Sequence ํ™œ์šฉํ•˜๊ธฐ
      • ์‚ฌ์ „ ํ›ˆ๋ จ CNN ๋ชจ๋ธ์˜ ํ™œ์šฉ๊ณผ Keras Generator ๋ฉ”์ปค๋‹ˆ์ฆ˜ ์ดํ•ด
      • ๋ฐ์ดํ„ฐ ์ฆ๊ฐ•์˜ ์ดํ•ด - Keras ImageDataGenerator ํ™œ์šฉ
      • CNN ๋ชจ๋ธ ๊ตฌํ˜„ ๋ฐ ์„ฑ๋Šฅ ํ–ฅ์ƒ ๊ธฐ๋ณธ ๊ธฐ๋ฒ• ์ ์šฉํ•˜๊ธฐ
    • AI School 1st
    • ํ˜„์—… ์‹ค๋ฌด์ž์—๊ฒŒ ๋ฐฐ์šฐ๋Š” Kaggle ๋จธ์‹ ๋Ÿฌ๋‹ ์ž…๋ฌธ
    • ํŒŒ์ด์ฌ ๋”ฅ๋Ÿฌ๋‹ ํŒŒ์ดํ† ์น˜
  • TIL : Python & Math
    • Do It! ์žฅ๊ณ +๋ถ€ํŠธ์ŠคํŠธ๋žฉ: ํŒŒ์ด์ฌ ์›น๊ฐœ๋ฐœ์˜ ์ •์„
      • Relations - ๋‹ค๋Œ€๋‹ค ๊ด€๊ณ„
      • Relations - ๋‹ค๋Œ€์ผ ๊ด€๊ณ„
      • ํ…œํ”Œ๋ฆฟ ํŒŒ์ผ ๋ชจ๋“ˆํ™” ํ•˜๊ธฐ
      • TDD (Test Driven Development)
      • template tags & ์กฐ๊ฑด๋ฌธ
      • ์ •์  ํŒŒ์ผ(static files) & ๋ฏธ๋””์–ด ํŒŒ์ผ(media files)
      • FBV (Function Based View)์™€ CBV (Class Based View)
      • Django ์ž…๋ฌธํ•˜๊ธฐ
      • ๋ถ€ํŠธ์ŠคํŠธ๋žฉ
      • ํ”„๋ก ํŠธ์—”๋“œ ๊ธฐ์ดˆ๋‹ค์ง€๊ธฐ (HTML, CSS, JS)
      • ๋“ค์–ด๊ฐ€๊ธฐ + ํ™˜๊ฒฝ์„ค์ •
    • Algorithm
      • Programmers
        • Level1
          • ์†Œ์ˆ˜ ๋งŒ๋“ค๊ธฐ
          • ์ˆซ์ž ๋ฌธ์ž์—ด๊ณผ ์˜๋‹จ์–ด
          • ์ž์—ฐ์ˆ˜ ๋’ค์ง‘์–ด ๋ฐฐ์—ด๋กœ ๋งŒ๋“ค๊ธฐ
          • ์ •์ˆ˜ ๋‚ด๋ฆผ์ฐจ์ˆœ์œผ๋กœ ๋ฐฐ์น˜ํ•˜๊ธฐ
          • ์ •์ˆ˜ ์ œ๊ณฑ๊ทผ ํŒ๋ณ„
          • ์ œ์ผ ์ž‘์€ ์ˆ˜ ์ œ๊ฑฐํ•˜๊ธฐ
          • ์ง์‚ฌ๊ฐํ˜• ๋ณ„์ฐ๊ธฐ
          • ์ง์ˆ˜์™€ ํ™€์ˆ˜
          • ์ฒด์œก๋ณต
          • ์ตœ๋Œ€๊ณต์•ฝ์ˆ˜์™€ ์ตœ์†Œ๊ณต๋ฐฐ์ˆ˜
          • ์ฝœ๋ผ์ธ  ์ถ”์ธก
          • ํฌ๋ ˆ์ธ ์ธํ˜•๋ฝ‘๊ธฐ ๊ฒŒ์ž„
          • ํ‚คํŒจ๋“œ ๋ˆ„๋ฅด๊ธฐ
          • ํ‰๊ท  ๊ตฌํ•˜๊ธฐ
          • ํฐ์ผ“๋ชฌ
          • ํ•˜์ƒค๋“œ ์ˆ˜
          • ํ•ธ๋“œํฐ ๋ฒˆํ˜ธ ๊ฐ€๋ฆฌ๊ธฐ
          • ํ–‰๋ ฌ์˜ ๋ง์…ˆ
        • Level2
          • ์ˆซ์ž์˜ ํ‘œํ˜„
          • ์ˆœ์œ„ ๊ฒ€์ƒ‰
          • ์ˆ˜์‹ ์ตœ๋Œ€ํ™”
          • ์†Œ์ˆ˜ ์ฐพ๊ธฐ
          • ์†Œ์ˆ˜ ๋งŒ๋“ค๊ธฐ
          • ์‚ผ๊ฐ ๋‹ฌํŒฝ์ด
          • ๋ฌธ์ž์—ด ์••์ถ•
          • ๋ฉ”๋‰ด ๋ฆฌ๋‰ด์–ผ
          • ๋” ๋งต๊ฒŒ
          • ๋•…๋”ฐ๋จน๊ธฐ
          • ๋ฉ€์ฉกํ•œ ์‚ฌ๊ฐํ˜•
          • ๊ด„ํ˜ธ ํšŒ์ „ํ•˜๊ธฐ
          • ๊ด„ํ˜ธ ๋ณ€ํ™˜
          • ๊ตฌ๋ช…๋ณดํŠธ
          • ๊ธฐ๋Šฅ ๊ฐœ๋ฐœ
          • ๋‰ด์Šค ํด๋Ÿฌ์Šคํ„ฐ๋ง
          • ๋‹ค๋ฆฌ๋ฅผ ์ง€๋‚˜๋Š” ํŠธ๋Ÿญ
          • ๋‹ค์Œ ํฐ ์ˆซ์ž
          • ๊ฒŒ์ž„ ๋งต ์ตœ๋‹จ๊ฑฐ๋ฆฌ
          • ๊ฑฐ๋ฆฌ๋‘๊ธฐ ํ™•์ธํ•˜๊ธฐ
          • ๊ฐ€์žฅ ํฐ ์ •์‚ฌ๊ฐํ˜• ์ฐพ๊ธฐ
          • H-Index
          • JadenCase ๋ฌธ์ž์—ด ๋งŒ๋“ค๊ธฐ
          • N๊ฐœ์˜ ์ตœ์†Œ๊ณต๋ฐฐ์ˆ˜
          • N์ง„์ˆ˜ ๊ฒŒ์ž„
          • ๊ฐ€์žฅ ํฐ ์ˆ˜
          • 124 ๋‚˜๋ผ์˜ ์ˆซ์ž
          • 2๊ฐœ ์ดํ•˜๋กœ ๋‹ค๋ฅธ ๋น„ํŠธ
          • [3์ฐจ] ํŒŒ์ผ๋ช… ์ •๋ ฌ
          • [3์ฐจ] ์••์ถ•
          • ์ค„ ์„œ๋Š” ๋ฐฉ๋ฒ•
          • [3์ฐจ] ๋ฐฉ๊ธˆ ๊ทธ๊ณก
          • ๊ฑฐ๋ฆฌ๋‘๊ธฐ ํ™•์ธํ•˜๊ธฐ
        • Level3
          • ๋งค์นญ ์ ์ˆ˜
          • ์™ธ๋ฒฝ ์ ๊ฒ€
          • ๊ธฐ์ง€๊ตญ ์„ค์น˜
          • ์ˆซ์ž ๊ฒŒ์ž„
          • 110 ์˜ฎ๊ธฐ๊ธฐ
          • ๊ด‘๊ณ  ์ œ๊ฑฐ
          • ๊ธธ ์ฐพ๊ธฐ ๊ฒŒ์ž„
          • ์…”ํ‹€๋ฒ„์Šค
          • ๋‹จ์†์นด๋ฉ”๋ผ
          • ํ‘œ ํŽธ์ง‘
          • N-Queen
          • ์ง•๊ฒ€๋‹ค๋ฆฌ ๊ฑด๋„ˆ๊ธฐ
          • ์ตœ๊ณ ์˜ ์ง‘ํ•ฉ
          • ํ•ฉ์Šน ํƒ์‹œ ์š”๊ธˆ
          • ๊ฑฐ์Šค๋ฆ„๋ˆ
          • ํ•˜๋…ธ์ด์˜ ํƒ‘
          • ๋ฉ€๋ฆฌ ๋›ฐ๊ธฐ
          • ๋ชจ๋‘ 0์œผ๋กœ ๋งŒ๋“ค๊ธฐ
        • Level4
    • Head First Python
    • ๋ฐ์ดํ„ฐ ๋ถ„์„์„ ์œ„ํ•œ SQL
    • ๋‹จ ๋‘ ์žฅ์˜ ๋ฌธ์„œ๋กœ ๋ฐ์ดํ„ฐ ๋ถ„์„๊ณผ ์‹œ๊ฐํ™” ๋ฝ€๊ฐœ๊ธฐ
    • Linear Algebra(Khan Academy)
    • ์ธ๊ณต์ง€๋Šฅ์„ ์œ„ํ•œ ์„ ํ˜•๋Œ€์ˆ˜
    • Statistics110
  • TIL : etc
    • [๋”ฐ๋ฐฐ๋Ÿฐ] Kubernetes
    • [๋”ฐ๋ฐฐ๋Ÿฐ] Docker
      • 2. ๋„์ปค ์„ค์น˜ ์‹ค์Šต 1 - ํ•™์ŠตํŽธ(์ค€๋น„๋ฌผ/์‹ค์Šต ์œ ํ˜• ์†Œ๊ฐœ)
      • 1. ์ปจํ…Œ์ด๋„ˆ์™€ ๋„์ปค์˜ ์ดํ•ด - ์ปจํ…Œ์ด๋„ˆ๋ฅผ ์“ฐ๋Š”์ด์œ  / ์ผ๋ฐ˜ํ”„๋กœ๊ทธ๋žจ๊ณผ ์ปจํ…Œ์ด๋„ˆํ”„๋กœ๊ทธ๋žจ์˜ ์ฐจ์ด์ 
      • 0. ๋“œ๋””์–ด ์ฐพ์•„์˜จ Docker ๊ฐ•์˜! ์™•์ดˆ๋ณด์—์„œ ๋„์ปค ๋งˆ์Šคํ„ฐ๋กœ - OT
    • CoinTrading
      • [๊ฐ€์ƒ ํ™”ํ ์ž๋™ ๋งค๋งค ํ”„๋กœ๊ทธ๋žจ] ๋ฐฑํ…Œ์ŠคํŒ… : ๊ฐ„๋‹จํ•œ ํ…Œ์ŠคํŒ…
    • Gatsby
      • 01 ๊นƒ๋ถ ํฌ๊ธฐ ์„ ์–ธ
  • TIL : Project
    • Mask Wear Image Classification
    • Project. GARIGO
  • 2021 TIL
    • CHANGED
    • JUN
      • 30 Wed
      • 29 Tue
      • 28 Mon
      • 27 Sun
      • 26 Sat
      • 25 Fri
      • 24 Thu
      • 23 Wed
      • 22 Tue
      • 21 Mon
      • 20 Sun
      • 19 Sat
      • 18 Fri
      • 17 Thu
      • 16 Wed
      • 15 Tue
      • 14 Mon
      • 13 Sun
      • 12 Sat
      • 11 Fri
      • 10 Thu
      • 9 Wed
      • 8 Tue
      • 7 Mon
      • 6 Sun
      • 5 Sat
      • 4 Fri
      • 3 Thu
      • 2 Wed
      • 1 Tue
    • MAY
      • 31 Mon
      • 30 Sun
      • 29 Sat
      • 28 Fri
      • 27 Thu
      • 26 Wed
      • 25 Tue
      • 24 Mon
      • 23 Sun
      • 22 Sat
      • 21 Fri
      • 20 Thu
      • 19 Wed
      • 18 Tue
      • 17 Mon
      • 16 Sun
      • 15 Sat
      • 14 Fri
      • 13 Thu
      • 12 Wed
      • 11 Tue
      • 10 Mon
      • 9 Sun
      • 8 Sat
      • 7 Fri
      • 6 Thu
      • 5 Wed
      • 4 Tue
      • 3 Mon
      • 2 Sun
      • 1 Sat
    • APR
      • 30 Fri
      • 29 Thu
      • 28 Wed
      • 27 Tue
      • 26 Mon
      • 25 Sun
      • 24 Sat
      • 23 Fri
      • 22 Thu
      • 21 Wed
      • 20 Tue
      • 19 Mon
      • 18 Sun
      • 17 Sat
      • 16 Fri
      • 15 Thu
      • 14 Wed
      • 13 Tue
      • 12 Mon
      • 11 Sun
      • 10 Sat
      • 9 Fri
      • 8 Thu
      • 7 Wed
      • 6 Tue
      • 5 Mon
      • 4 Sun
      • 3 Sat
      • 2 Fri
      • 1 Thu
    • MAR
      • 31 Wed
      • 30 Tue
      • 29 Mon
      • 28 Sun
      • 27 Sat
      • 26 Fri
      • 25 Thu
      • 24 Wed
      • 23 Tue
      • 22 Mon
      • 21 Sun
      • 20 Sat
      • 19 Fri
      • 18 Thu
      • 17 Wed
      • 16 Tue
      • 15 Mon
      • 14 Sun
      • 13 Sat
      • 12 Fri
      • 11 Thu
      • 10 Wed
      • 9 Tue
      • 8 Mon
      • 7 Sun
      • 6 Sat
      • 5 Fri
      • 4 Thu
      • 3 Wed
      • 2 Tue
      • 1 Mon
    • FEB
      • 28 Sun
      • 27 Sat
      • 26 Fri
      • 25 Thu
      • 24 Wed
      • 23 Tue
      • 22 Mon
      • 21 Sun
      • 20 Sat
      • 19 Fri
      • 18 Thu
      • 17 Wed
      • 16 Tue
      • 15 Mon
      • 14 Sun
      • 13 Sat
      • 12 Fri
      • 11 Thu
      • 10 Wed
      • 9 Tue
      • 8 Mon
      • 7 Sun
      • 6 Sat
      • 5 Fri
      • 4 Thu
      • 3 Wed
      • 2 Tue
      • 1 Mon
    • JAN
      • 31 Sun
      • 30 Sat
      • 29 Fri
      • 28 Thu
      • 27 Wed
      • 26 Tue
      • 25 Mon
      • 24 Sun
      • 23 Sat
      • 22 Fri
      • 21 Thu
      • 20 Wed
      • 19 Tue
      • 18 Mon
      • 17 Sun
      • 16 Sat
      • 15 Fri
      • 14 Thu
      • 13 Wed
      • 12 Tue
      • 11 Mon
      • 10 Sun
      • 9 Sat
      • 8 Fri
      • 7 Thu
      • 6 Wed
      • 5 Tue
      • 4 Mon
      • 3 Sun
      • 2 Sat
      • 1 Fri
  • 2020 TIL
    • DEC
      • 31 Thu
      • 30 Wed
      • 29 Tue
      • 28 Mon
      • 27 Sun
      • 26 Sat
      • 25 Fri
      • 24 Thu
      • 23 Wed
      • 22 Tue
      • 21 Mon
      • 20 Sun
      • 19 Sat
      • 18 Fri
      • 17 Thu
      • 16 Wed
      • 15 Tue
      • 14 Mon
      • 13 Sun
      • 12 Sat
      • 11 Fri
      • 10 Thu
      • 9 Wed
      • 8 Tue
      • 7 Mon
      • 6 Sun
      • 5 Sat
      • 4 Fri
      • 3 Tue
      • 2 Wed
      • 1 Tue
    • NOV
      • 30 Mon
Powered by GitBook
On this page
  • ๊ฐ€์ƒํ™”ํ ํˆฌ์ž๊ณต์‹
  • PART4. ๊ฐ€์ƒํ™”ํ ์‹ค์ „ ํˆฌ์ž ์ „๋žต - 2
  • ํˆฌ์ž ์ „๋žต 6. ๋‹ค์ž ๊ฐ€์ƒํ™”ํ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ
  • ํˆฌ์ž ์ „๋žต 7. ๋‹ค์ž ๊ฐ€์ƒํ™”ํ + ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ
  • ํˆฌ์ž ์ „๋žต 8. ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ
  • ํˆฌ์ž ์ „๋žต 9. 4๊ฐœ ์ด๋™ํ‰๊ท  ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ
  • ํˆฌ์ž ์ „๋žต 10. 5์ผ ์ด๋™ํ‰๊ท  + 5์ผ ๊ฑฐ๋ž˜๋Ÿ‰ ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ
  • ์ค‘๊ฐ„ ์ •๋ฆฌ

Was this helpful?

  1. 2021 TIL
  2. MAY

2 Sun

๊ฐ€์ƒํ™”ํ ํˆฌ์ž๊ณต์‹

PART4. ๊ฐ€์ƒํ™”ํ ์‹ค์ „ ํˆฌ์ž ์ „๋žต - 2

๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์˜ ์žฅ์ 

  • MDD๊ฐ€ ์ ๊ณ  ์ž์‚ฐ์ด ์ง€์†์ ์œผ๋กœ ์šฐ์ƒํ–ฅํ•œ๋‹ค.

  • ๊ฑฐ์˜ ๋ชจ๋“  ๊ธˆ์œต์‹œ์žฅ์—์„œ ํ†ตํ•œ๋‹ค.

  • ์Šน๋ฅ ์ด ๊ฝค ๋†’์€ ํŽธ์ด๊ณ , ์†์ต๋น„๋„ ํ›Œ๋ฅญํ•˜๋‹ค.

  • ํ•˜๋ฝ์žฅ์—์„œ๋„ ์ˆ˜์ต์ด ๋‚œ๋‹ค.

๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์˜ ํ•ต์‹ฌ

  1. ๋ ˆ์ธ์ง€ ๊ณ„์‚ฐ : ํˆฌ์žํ•˜๊ณ  ์‹ถ์€ ๊ฐ€์ƒํ™”ํ์˜ ์ „์ผ ๊ณ ๊ฐ€์—์„œ ์ „์ผ ์ €๊ฐ€๋ฅผ ๋บ€๋‹ค. ์ด๋ฅผ ๋ ˆ์ธ์ง€(range)๋ผ๊ณ  ํ•œ๋‹ค. ๋ณ€๋™์„ฑ๊ณผ๋„ ๋™์ผํ•œ ์˜๋ฏธ์ด๋‹ค. ํ•˜๋ฃจ ์•ˆ์— ๊ฐ€์ƒํ™”ํ๊ฐ€ ์›€์ง์ธ ์ตœ๋Œ€ ํญ์„ ์˜๋ฏธํ•œ๋‹ค.

  2. ๋งค์ˆ˜ ๊ธฐ์ค€ : ์‹œ๊ฐ€ ๊ธฐ์ค€์œผ๋กœ ๊ฐ€๊ฒฉ์ด ๋ ˆ์ธ์ง€ X k ์ด์ƒ ์ƒ์Šนํ•˜๋ฉด ํ•ด๋‹น ๊ฐ€๊ฒฉ์— ๋งค์ˆ˜ํ•œ๋‹ค.

    • k๋Š” 0.5~1 ์‚ฌ์ด๋กœ ์„ ํƒํ•˜๋ฉด ๋˜๋ฉฐ, 0.5๋ฅผ ์ถ”์ฒœํ•œ๋‹ค.

  3. ๋งค๋„ ๊ธฐ์ค€ : ๊ทธ๋‚  ์ข…๊ฐ€์— ํŒ๋‹ค.

  4. ์‹œ๊ฐ€, ์ข…๊ฐ€, ๊ณ ๊ฐ€, ์ €๊ฐ€์˜ ๊ธฐ์ค€

    • ์‹œ๊ฐ€ : ๋ณธ์ธ์ด ๊ตฌ๋งคํ•˜๊ธฐ๋กœ ๊ฒฐ์ •ํ•œ ์‹œ๊ฐ„

      • ์ฑ…์˜ ์ž‘๊ฐ€๋Š” ์ฃผ๋กœ ์˜ค์ „ 0์‹œ๋‚˜ 1์‹œ๋ฅผ ์‹œ๊ฐ€๋กœ ์žก๋Š”๋‹ค๊ณ  ํ•œ๋‹ค.

    • ์ข…๊ฐ€ : ์‹œ๊ฐ€์—์„œ 24์‹œ๊ฐ„ ํ›„์˜ ๊ฐ€๊ฒฉ

    • ๊ณ ๊ฐ€(์ €๊ฐ€) : ์‹œ๊ฐ€๋ฅผ ๊ธฐ์ค€์œผ๋กœ 24์‹œ๊ฐ„ ๋™์•ˆ ๊ฐ€์žฅ ๋†’์€(๋‚ฎ์€) ๊ฐ€๊ฒฉ

  5. ๊ฒฐ๊ณผ

    • ๊ธฐ๊ฐ„ : 2014.02~2018.02

    • ์ด ์ˆ˜์ต 2.132%

    • MDD 35.4%

  6. ๋ถ„์„ : ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์ด ํ†ตํ•˜๋Š” ์ด์œ ๋Š” ๋ฌด์—‡์ธ๊ฐ€?

    • ๊ฐ€๊ฒฉ์ด ํฐ ํญ์œผ๋กœ ์ƒ์Šนํ•  ๊ฒฝ์šฐ์— ๊ฐ™์ด ์ฐธ์—ฌํ•ด์„œ ํฐ ์ˆ˜์ต์„ ๋‚ธ๋‹ค.

    • ๊ฐ€๊ฒฉ์ด ํฐ ํญ์œผ๋กœ ํ•˜๋ฝํ•  ๊ฒฝ์šฐ์—๋Š” ๋Œ€๋ถ€๋ถ„ ์ง„์ž…ํ•˜์ง€ ์•Š์•„์„œ ์†์‹ค์ด ์ ๋‹ค.

    • ์ผ๋‹จ ํฌ๊ฒŒ ์ƒ์Šนํ•œ ํ›„ ๊ฐ‘์ž๊ธฐ ํฌ๊ฒŒ ๋–จ์–ด์ง€๋Š” ๊ฒฝ์šฐ๋Š” ๊ฑฐ์˜ ์—†๋‹ค.

    • ์ด์œ 

      • ๊ธˆ์œต์‹œ์žฅ์—์„œ ๊ฐ€๊ฒฉ์€ ๊ด€์„ฑ(์ถ”์„ธ)์ด ์žˆ์–ด์„œ, ์˜ฌ๋ผ๊ฐ€๋Š” ์ž์‚ฐ์€ ๊ณ„์† ์˜ฌ๋ผ๊ฐ€๊ณ  ๋–จ์–ด์ง€๋Š” ์ž์‚ฐ์€ ๊ณ„์† ๋–จ์–ด์ง„๋‹ค.

      • ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์€ ์ถ”์„ธ ์ถ”์ข… ์ „๋žต์ค‘์—์„œ๋„ ํŠน์ดํ•œ ์‚ฌ๋ก€์ด๋‹ค. ์ฐจ์ด์ ์€ ์ˆœ๊ฐ„์  ๋ณ€๋™์„ฑ ์ธ๋ฐ ์ด๋™ํ‰๊ท ์„ ์œผ๋กœ๋Š” ์•Œ ์ˆ˜ ์—†๋Š” ์ถ”์„ธ์˜ ๊ฐ•๋„๋ฅผ ๋ณ€๋™์„ฑ์œผ๋กœ ํŒŒ์•…ํ•  ์ˆ˜ ์žˆ๊ธฐ ๋•Œ๋ฌธ์ด๋‹ค. ์ถ”์„ธ์˜ ๊ฐ•๋„๊ฐ€ ํฌ๋ฉด ๋ฐฉํ–ฅ์„ฑ์ด ์œ ์ง€๋  ๊ฐ€๋Šฅ์„ฑ์ด ํฌ๋‹ค.

      • ๋”ฐ๋ผ์„œ, ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์€ ์ถ”์„ธ ์ถ”์ข… ์ „๋žต์˜ ์ผ๋ถ€์ด์ง€๋งŒ ๋‹จ๊ธฐ ๋งค๋งค์˜ ๊ด€์ ์œผ๋กœ ์ ‘๊ทผํ•˜๊ฒŒ ๋œ๋‹ค.

      • ์ถ”์„ธ ์ถ”์ข… ์ „๋žต์˜ ์Šน๋ฅ ์ด 30~40%์ธ๊ฒƒ์— ๋น„ํ•˜๋ฉด ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์˜ ์Šน๋ฅ ์€ 50~60%๋กœ ์ƒ๋‹นํžˆ ๋†’๋‹ค

      • ์Šน๋ฅ ๋ณด๋‹ค ์†์ต๋น„๊ฐ€ ์ค‘์š”ํ•˜์ง€๋งŒ, ๊ทธ๋งŒํผ ์ถ”์„ธ ์ถ”์ข… ์ „๋žต๋ณด๋‹ค ๋†’์€ ์Šน๋ฅ ์„ ๊ฐ€์ง€๊ณ  ์žˆ์Œ์ด ํ•ต์‹ฌ์ด๋‹ค.

K์—๋Š” ์–ด๋–ค ์ˆซ์ž๋ฅผ ๋„ฃ์„ ๊ฒƒ์ธ๊ฐ€?

  • k ๋ฐฐ์ˆ˜๊ฐ€ ๋†’์•„์ง€๋ฉด(ex k = 1) ์—„์ฒญ๋‚˜๊ฒŒ ๊ฐ•๋ ฅํ•œ ์ƒ์Šน์„ธ๊ฐ€ ๋‚˜ํƒ€๋‚  ๊ฒฝ์šฐ์—๋งŒ ์ง„์ž…ํ•˜๋ฏ€๋กœ ์†ํ•ด๊ฐ€ ๋ฐœ์ƒํ•  ๊ฐ€๋Šฅ์„ฑ์ด ์ ์–ด์ง„๋‹ค. ์Šน๋ฅ ๊ณผ ์†์ต๋น„๋„ ์˜ค๋ฅด๊ณ  MDD๋Š” ๊ฐ์†Œํ•œ๋‹ค. ๊ทธ๋Ÿฐ๋ฐ ๊ฐ•ํ•œ ์ƒ์Šน์„ธ๊ฐ€ ์˜ฌ ๊ฐ€๋Šฅ์„ฑ์ด ์ ์œผ๋ฏ€๋กœ ์ง„์ž…ํ•˜๋Š” ๋นˆ๋„๊ฐ€ ๋‚ฎ์•„์ ธ ์ด์ˆ˜์ต๋„ ๊ฐ™์ด ๊ฐ์†Œํ•œ๋‹ค.

  • ์ข€ ๋” ํ™•์‹คํ•œ ๊ธฐํšŒ๋ฅผ ๋œ ์ž์ฃผ ๋จน๋А๋ƒ์™€ ๋œ ํ™•์‹คํ•œ ๊ธฐํšŒ๋ฅผ ์ž์ฃผ ๋จน๋А๋ƒ์˜ ์ฐจ์ด์ด๋‹ค.

  • ์ „์ฒด ๋ณต๋ฆฌ์ˆ˜์ต์„ ๋ณด๋ฉด k=0.5๊ฐ€ ๋†’์€ ๊ฒฝํ–ฅ์ด ์žˆ์ง€๋งŒ ํˆฌ์ž์ž์˜ ์ทจํ–ฅ๋Œ€๋กœ ํ•˜๋Š” ๊ฒƒ์ด ๋งž๋‹ค.

  • ํ›„๋ฐ˜ ์ „๋žต์—์„œ ๋…ธ์ด์ฆˆ ๋ฅผ ํ™œ์šฉํ•ด์„œ k๋ฅผ ์œ ๋™์ ์œผ๋กœ ์„ ํƒํ•˜๋Š” ๋ฐฉ๋ฒ•๋„ ์†Œ๊ฐœํ•œ๋‹ค. ๊ทธ๋Ÿฌ๋‚˜ k๋ฅผ ๊ณ ์ • ์ˆ˜์น˜๋กœ ์‚ฌ์šฉํ•˜๋Š” ์ „๋žต๋„ ๋งค์šฐ ์ข‹์€ ์ „๋žต์ด๋‹ค.

ํˆฌ์ž ์ „๋žต 6. ๋‹ค์ž ๊ฐ€์ƒํ™”ํ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ

  • ๋ถ„์‚ฐ ํˆฌ์ž๋ฅผ ํ†ตํ•ด ๋ฆฌ์Šคํฌ ๊ด€๋ฆฌ๋ฅผ ํ•˜๋Š” ์ „๋žต์ด๋‹ค.

  • ๋ฐฉ๋ฒ•

    • ๊ฐ ํ™”ํ์˜ ๋ ˆ์ธ์ง€๋ฅผ ๊ณ„์‚ฐํ•œ๋‹ค. (์ „์ผ ๊ณ ๊ฐ€ - ์ „์ผ ์ €๊ฐ€)

    • ๋งค์ˆ˜ : ์‹ค์‹œ๊ฐ„ ๊ฐ€๊ฒฉ > ๋‹น์ผ ์‹œ๊ฐ€ + (๋ ˆ์ธ์ง€ * k)

      • ํ•„์ž๋Š” k=0.5 ์ถ”์ฒœ

      • ์ด ๋•Œ ์ž์‚ฐ์€ n๊ฐœ์˜ ๊ฐ€์ƒํ™”ํ์— ํˆฌ์žํ•œ๋‹ค๊ณ  ํ–ˆ์„ ๋•Œ 1/n ๋งŒํผ ํˆฌ์ž…ํ•œ๋‹ค.

    • ๋งค๋„ : ๋‹ค์Œ ๋‚  ์‹œ๊ฐ€

    • ๋งค์ˆ˜์™€ ๋งค๋„๋Š” ๊ฑฐ๋ž˜ ์‹œ์ ์œผ๋กœ ๊ฒฐ์ •๋˜๋ฏ€๋กœ ์ด๋ฅผ 24๋“ฑ๋ถ„ ํ•ด์„œ 1์‹œ๊ฐ„ ๋‹จ์œ„๋กœ 24๊ฐœ์˜ ํฌํŠธํด๋ฆฌ์˜ค๋ฅผ ๋Œ๋ฆด ๊ฒฝ์šฐ ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์˜ ํ‰๊ท  ์ˆ˜์ต์„ฑ์„ ์ทจํ•˜๋ฉด์„œ ์†์‹ค์€ ํ˜„์ €ํ•˜๊ฒŒ ์ค„์ผ ์ˆ˜ ์žˆ๋‹ค.

      • ์‚ฌ๋žŒ์ด ์ง์ ‘ ํ•˜๋Š” ๊ฒƒ์€ ์–ด๋ ค์šฐ๋ฉฐ ํ”„๋กœ๊ทธ๋žจ์„ ์‚ฌ์šฉํ•ด์•ผ ํ•œ๋‹ค.

  • ๊ฒฐ๊ณผ

    • ๋ณต๋ฆฌ์ˆ˜์ต 521%

    • MDD 21.3%

    • ์Šน๋ฅ  53.0%

    • ์†์ต๋น„ 2.36

  • ๋ถ„์„

    • ๋ณต๋ฆฌ์ˆ˜์ต์ด ์•„์ฃผ ๋†’์ง€๋งŒ MDD 22%๊ฐ€ ๋‚˜์˜จ์ ์ด ์žˆ์œผ๋ฉฐ, ๋‘ ์ž๋ฆฌ MDD๋Š” ์ˆ˜๋‘๋ฃฉํ•˜๊ฒŒ ๋ฐœ์ƒํ–ˆ๋‹ค๋Š” ์‚ฌ์‹ค๋„ ๊ธฐ์–ตํ•ด์•ผ ํ•œ๋‹ค.

    • ์‹ค์ œ๋กœ ํˆฌ์ž๋ฅผ ํ•ด๋ณธ ์‚ฌ๋žŒ์€ 10%๋งŒ ๋ฐœ์ƒํ•ด๋„ ์ฒด๊ฐ์ด ์–ผ๋งˆ๋‚˜ ํฌ๊ฒŒ ๋‹ค๊ฐ€์˜ค๋Š”์ง€๋ฅผ ์•Œ์•„์•ผ ํ•œ๋‹ค.

      • ๊ฒฐ๊ณผ๋ก ์ ์œผ๋กœ๋Š” ์ˆ˜์ต์ด ๋ฐœ์ƒํ–ˆ์ง€๋งŒ ์ฝ”์ธ ์‹œ์žฅ์€ ์šฐ์ƒํ–ฅํ• ์ง€ ์•Œ ์ˆ˜ ์—†๋Š” ๊ฒƒ์ด๋‹ค. ์šฐ์ƒํ–ฅ ์ „๋ง์„ ๋ณด๋Š” ์ฃผ์‹๊ณผ๋Š” ๋‹ค๋ฅด๋‹ค. ๋”ฐ๋ผ์„œ MDD๋Š” ์ข€ ๋” ํฌ๊ฒŒ ๋‹ค๊ฐ€์˜ฌ ์ˆ˜ ์žˆ๋‹ค.

      • ๋ฏธ๋ž˜์˜ MDD๋Š” ๊ณผ๊ฑฐ์˜ ๋ฐฑํ…Œ์ŠคํŠธ ๊ฒฐ๊ณผ์˜ 2๋ฐฐ๊ฐ€ ๋  ์ˆ˜ ์žˆ์Œ์„ ๋Š˜ ์ธ์ง€ํ•ด์•ผํ•œ๋‹ค.

ํˆฌ์ž ์ „๋žต 7. ๋‹ค์ž ๊ฐ€์ƒํ™”ํ + ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ

  • ์ง€๊ธˆ๊นŒ์ง€์˜ ์ „๋žต์„ ์ข…ํ•ฉํ•œ ์ „๋žต

  • ๋ฐฉ๋ฒ•

    • ๊ฐ ํ™”ํ์˜ ๋ ˆ์ธ์ง€ ๊ณ„์‚ฐ

    • ๊ฐ ํ™”ํ์˜ ๊ฐ€๊ฒฉ์ด 5์ผ ์ด๋™ํ‰๊ท ๋ณด๋‹ค ๋†’์€์ง€ ํŒŒ์•…ํ•œ๋‹ค

      • ๋‚ฎ์„ ๊ฒฝ์šฐ ๊ทธ๋‚  ํˆฌ์ž ๋Œ€์ƒ์—์„œ ์ œ์™ธ

    • ๋งค์ˆ˜ : ์‹ค์‹œ๊ฐ„ ๊ฐ€๊ฒฉ > ๋‹น์ผ ์‹œ๊ฐ€ + (๋ ˆ์ธ์ง€ * k)

      • ํ•„์ž๋Š” k = 0.5 ์ถ”์ฒœ

    • ๋ŒํŒŒ์— ์„ฑ๊ณตํ•œ ํ™”ํ์— ์ž์‚ฐ์˜ 1/n ํˆฌ์ž…

    • ๋งค๋„ : ๋‹ค์Œ ๋‚  ์‹œ๊ฐ€

  • ๊ฒฐ๊ณผ

    • ๋ณต๋ฆฌ์ˆ˜์ต 308%

    • MDD 11.3%

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 1%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 6๋ฒˆ(0.45%)

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 2%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 38๋ฒˆ(2.85%)

      • 2% ์ด์ƒ์ด ๊บ ์ง„ ๊ฒฝ์šฐ๊ฐ€ 2% ๋ฏธ๋งŒ 1%์ด์ƒ ๋ณด๋‹ค ๋” ๋งŽ๋‹ค.

  • ๋ถ„์„

    • ์ „๋žต 6๊ณผ ๋น„๊ตํ•œ๋‹ค.

    • ์ˆ˜์ต : ์ด ์ˆ˜์ต์€ ๊ฐ์†Œํ–ˆ์ง€๋งŒ ์Šน๋ฅ ์€ 4% ๊ฐœ์„ ๋˜์—ˆ๋‹ค.

    • ๋ฆฌ์Šคํฌ : ์ƒ์Šน์žฅ์ผ ๊ฒฝ์šฐ์—๋งŒ ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์„ ์ ์šฉํ–ˆ๊ธฐ ๋•Œ๋ฌธ์— ์ƒ์Šน์žฅ์˜ ๋ฐฉํ–ฅ์ด ํ•˜๋ฃจ ์•ˆ์— ๋ณ€๊ฒฝํ•  ๊ฐ€๋Šฅ์„ฑ์ด ์ค„์–ด๋“ค์–ด MDD๊ฐ€ ํฌ๊ฒŒ ๊ฐ์†Œํ–ˆ๋‹ค.

    • ๊ฒฐ๋ก ์ ์œผ๋กœ ์Šน๋ฅ ์€ ์ƒ์Šนํ•˜๊ณ  MDD๋Š” ํ•˜๋ฝํ•˜์—ฌ ์Šน๋ฆฌ์˜ ์พŒ๊ฐ์„ ๋А๋‚„ ๊ฐ€๋Šฅ์„ฑ์ด ๋†’์•„์กŒ๋‹ค.

ํˆฌ์ž ์ „๋žต 8. ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ

  • ํ•„์ž๊ฐ€ ๋…์ž์—๊ฒŒ ์ œ์ผ ๊ถŒํ•˜๋Š” ๋ฐฉ๋ฒ•์ด๋ฉฐ, ํ•„์ž๊ฐ€ ์‹ค์ œ๋กœ ์‚ฌ์šฉํ•˜๊ณ  ์žˆ๋Š” ๋ฉ”์ธ ์ „๋žต

  • ๋ณ€๋™์„ฑ ๋ŒํŒŒ ์ „๋žต์ด ์ƒ์Šน์žฅ์—์„œ ๊ฝค ์ž˜ํ†ตํ•จ์„ ์•Œ ์ˆ˜ ์žˆ๋‹ค.

    • MDD๋Š” 11%๋Œ€๋‹ˆ ์ด ์ •๋„ ๋ฆฌ์Šคํฌ๋ฅผ ์งŠ์–ด์ง€๊ณ  ํˆฌ์žํ•  ์ˆ˜๋„ ์žˆ๋‹ค. ๊ทธ๋Ÿฌ๋‚˜ ํ•œ๊ตญ ๊ฑฐ๋ž˜์†Œ๋“ค์˜ ๋ณ€๋™์„ฑ์ด ๋” ๋†’๊ณ (๋ฐฑํ…Œ์ŠคํŒ… ๋ฐ์ดํ„ฐ๋Š” ์ฝ”์ธ๋งˆ์ผ“์บก ๋ฐ์ดํ„ฐ ๊ธฐ์ค€) ํŠนํžˆ ๋ณ€๋™์„ฑ์ด ๋†’์€ ๋‚ ์€ ํ•ด์™ธ ๊ฑฐ๋ž˜์†Œ์˜ ๋ณ€๋™์„ฑ์„ ํ›จ์”ฌ ๋Šฅ๊ฐ€ํ–ˆ๋‹ค.

    • MDD๋ฅผ ์ข€ ๋” ๋‚ฎ์ถœ ํ•„์š”๊ฐ€ ์žˆ๋‹ค๋Š” ์ƒ๊ฐ

  • ๋‹จ๊ธฐ์ ์œผ๋กœ ๊ณผ๊ฑฐ์˜ ๋ณ€๋™์„ฑ ํญ์ด ๋ฏธ๋ž˜์˜ ๋ณ€๋™์„ฑ ํญ์— ์˜ํ–ฅ์„ ๋ฏธ์นœ๋‹ค๋Š” ๊ฒƒ์ด ํ•ต์‹ฌ์ด๋‹ค.

    • ๋ณ€๋™์„ฑ์ด ๋†’์œผ๋ฉด ํˆฌ์ž ๋น„์ค‘์„ ๋‚ฎ์ถฐ์•ผ ํ•œ๋‹ค. ๋ณ€๋™์„ฑ์ด ๋‚ฎ์œผ๋ฉด ๊ทธ ๋ฐ˜๋Œ€

    • ๋ณ€๋™์„ฑ์ด๋ผ๋Š” ๊ฒƒ์€ ๊ณ ์ ์—์„œ ์‚ฌ์„œ ์ €์ ์—์„œ ํŒ”์•˜์„ ๋ฉด ๊นจ์งˆ ์ˆ˜ ์žˆ๋Š” ๊ธˆ์•ก์ด๋‹ค.

  • ๋ฐฉ๋ฒ•

    • ๊ฐ ํ™”ํ์˜ ๋ ˆ์ธ์ง€ ๊ณ„์‚ฐ

    • ๊ฐ ํ™”ํ์˜ ๊ฐ€๊ฒฉ์ด 5์ผ ์ด๋™ํ‰๊ท ๋ณด๋‹ค ๋†’์€์ง€ ์—ฌ๋ถ€ ํŒŒ์•…

      • ๋‚ฎ์„ ๊ฒฝ์šฐ ๊ทธ๋‚  ํˆฌ์ž ๋Œ€์ƒ์—์„œ ์ œ์™ธ

    • ๋งค์ˆ˜ : ์‹ค์‹œ๊ฐ„ ๊ฐ€๊ฒฉ > ๋‹น์ผ ์‹œ๊ฐ€ + (๋ ˆ์ธ์ง€ * k)

      • ํ•„์ž๋“ค์€...(๋™์ผ)

    • ์ž๊ธˆ ๊ด€๋ฆฌ : ๊ฐ€์ƒํ™”ํ๋ณ„ ํˆฌ์ž… ๊ธˆ์•ก = ํƒ€๊นƒ ๋ณ€๋™์„ฑ / ์ „์ผ ๋ณ€๋™์„ฑ / ํˆฌ์ž ๋Œ€์ƒ ๊ฐ€์ƒํ™”ํ ์ˆ˜

    • ๋งค๋„ : ๋‹ค์Œ ๋‚  ์‹œ๊ฐ€

  • ๋ณ€๋™์„ฑ 5%

    • ๋ณต๋ฆฌ์ˆ˜์ต 181.6%

    • MDD 5.33%

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 5%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 0๋ฒˆ(0.0%)

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 3%๊ฐ€ ๊บ ์ง„ ๊ฒฝ์šฐ๋Š” 7๋ฒˆ(1.05%)

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 2%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 12๋ฒˆ(1.8%)

  • ๋ณ€๋™์„ฑ 2%

    • ๋ณต๋ฆฌ์ˆ˜์ต 84.9%

    • MDD 4.15%

    • ์Šน๋ฅ  56.6%

    • ์†์ต๋น„ 2.78

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 1%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 15๋ฒˆ(2.25%)

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 2%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 2๋ฒˆ(0.3%)

  • ๋ณ€๋™์„ฑ 1%

    • ๋ณต๋ฆฌ์ˆ˜์ต 41.9%

    • MDD 2.7%

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 1%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” ๋ฒˆ(%)

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 2%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” ๋ฒˆ(%)

  • ๋ถ„์„

    • ํ•„์ž๋Š” 2%์˜ ๋ณ€๋™์„ฑ์„ ์„ ํƒํ•˜๋Š”๋ฐ, ์ด๋Š” ๊ต‰์žฅํžˆ ์ž‘๊ณ  ์†Œ์‹ฌํ•œ ๋ณ€๋™์„ฑ์ฒ˜๋Ÿผ ๋ณด์ธ๋‹ค.

    • ํˆฌ์ž์—์„œ ์ค‘์š”ํ•œ ๊ฑด ํˆฌ์ž์ž๋งˆ๋‹ค ํฐ ๋ถˆํŽธ ์—†์ด ์งŠ์–ด์งˆ ์ˆ˜ ์žˆ๋Š” ๋ฆฌ์Šคํฌ ๋ ˆ๋ฒจ์ด ๋ถ„๋ช…ํžˆ ์กด์žฌํ•œ๋‹ค๋Š” ๊ฒƒ์ด๋‹ค.

      • ๋ณ€๋™์„ฑ 5% ์ „๋žต์€ 2% ์ „๋žต๋ณด๋‹ค MDD๋Š” 1% ๋ฐ–์— ์•ˆ๋†’์€๋ฐ ๋ณต๋ฆฌ์ˆ˜์ต์€ 100% ์ด์ƒ, 2๋ฐฐ ์ด์ƒ ๋†’๋‹ค.

      • ๊ทธ ๋Œ€์‹  ํ•˜๋ฃจ 2% ์ด์ƒ ๊นจ์ง€๋Š” ์ˆœ๊ฐ„์ด 10๋ฒˆ ๋” ์˜จ๋‹ค. ๋ถ„๊ธฐ์— ํ•œ๋ฒˆ ํˆฌ์ž์ž๋ฅผ ์Šฌํ””์— ๋น ๋œจ๋ฆด ์ˆ˜ ์žˆ๋‹ค.

      • ๋ง‰์—ฐํžˆ ๋ฏฟ๋Š” ์†์‹ค ํ•œ๊ณ„๋Š” ์‹ค์ œ๋กœ ๊ฐ๋‹นํ•  ์ˆ˜ ์žˆ๋Š” ํ˜„์‹ค์ ์ธ ์†์‹ค ํ•œ๊ณ„๋ณด๋‹ค ์—„์ฒญ๋‚˜๊ฒŒ ํฌ๋‹ค.

        • ์ธ๋‚ด์‹ฌ์„ ๊ณผ๋Œ€ํ‰๊ฐ€ํ•˜๋Š”๊ฐ€? ์ด๋Š” ์ด์ „์— ์„ค๋ช…ํ•œ ๊ณผ์ž‰ ํ™•์‹  ํŽธํ–ฅ ์— ๋น ์กŒ์„ ๊ฐ€๋Šฅ์„ฑ์ด ์žˆ๋‹ค.

ํˆฌ์ž ์ „๋žต 9. 4๊ฐœ ์ด๋™ํ‰๊ท  ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ

  • ์ƒ์Šน์žฅ์„ ํŒ๋‹จํ•˜๋Š” ๊ธฐ์ค€์ด ๊นŒ๋‹ค๋กœ์šด ๋ฐฉ๋ฒ•.

  • ๋ฐฉ๋ฒ•

    • ๊ฐ ํ™”ํ์˜ ๋ ˆ์ธ์ง€ ๊ณ„์‚ฐ

    • ๊ฐ ํ™”ํ์˜ ๊ฐ€๊ฒฉ์ด 3, 5, 10, 20์ผ ์ด๋™ํ‰๊ท ๋ณด๋‹ค ๋†’์€์ง€ ์—ฌ๋ถ€ ํŒŒ์•…

      • ๋‚ฎ์„ ๊ฒฝ์šฐ ์ œ์™ธ

    • ๋งค์ˆ˜ : ์‹ค์‹œ๊ฐ„ ๊ฐ€๊ฒฉ > ๋‹น์ผ ์‹œ๊ฐ€ + (๋ ˆ์ธ์ง€ * k)

      • ํ•„์ž...

    • ์ž๊ธˆ ๊ด€๋ฆฌ : ๊ฐ€์ƒํ™”ํ๋ณ„ ํˆฌ์ž… ๊ธˆ์•ก = ํƒ€๊นƒ ๋ณ€๋™์„ฑ / ์ „์ผ ๋ณ€๋™์„ฑ / ํˆฌ์ž ๋Œ€์ƒ ๊ฐ€์ƒํ™”ํ ์ˆ˜

    • ๋งค๋„ : ๋‹ค์Œ ๋‚  ์‹œ๊ฐ€

  • ๋ณ€๋™์„ฑ 2% ๊ฒฐ๊ณผ

    • ๋ณต๋ฆฌ์ˆ˜์ต 63.5%

    • MDD 2.51%

    • ์Šน๋ฅ  60.64%

    • ์†์ต๋น„ 2.73

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 1%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 11๋ฒˆ(1.65%)

  • ๋ถ„์„

    • ์ƒ์Šน์žฅ ๊ธฐ์ค€์ด ๊นŒ๋‹ค๋กญ๊ธฐ ๋•Œ๋ฌธ์— ์ „๋žต์— ์ง„์ž…ํ•˜๋Š” ํšŸ์ˆ˜๊ฐ€ ์ค„์–ด์„œ ๋ณต๋ฆฌ์ˆ˜์ต์ด ๊ฐ์†Œํ–ˆ๋‹ค.

ํˆฌ์ž ์ „๋žต 10. 5์ผ ์ด๋™ํ‰๊ท  + 5์ผ ๊ฑฐ๋ž˜๋Ÿ‰ ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ

  • ๊ฐ€์ƒํ™”ํ ๊ฑฐ๋ž˜์‹œ ๊ณ ๋ คํ•  ์ˆ˜ ์žˆ๋Š” ์ง€ํ‘œ๋Š” ๊ฐ€๊ฒฉ๊ณผ ๊ฑฐ๋ž˜๋Ÿ‰์ด๋‹ค. ํ˜„์žฌ ์ „๋žต 1~9๋Š” ๊ฐ€๊ฒฉ๋งŒ์„ ๊ฐ€์ง€๊ณ  ์ „๋žต์„ ์„ธ์› ๋‹ค. ์ด ์ „๋žต์€ ๊ฑฐ๋ž˜๋Ÿ‰๊นŒ์ง€ ๊ณ ๋ คํ•œ ์ „๋žต์ด๋‹ค. ์ด๋ฅผ ์ด์šฉํ•ด์„œ ํ™•์‹คํ•œ ์ƒ์Šน์žฅ์„ ํŒ๋‹จํ•œ๋‹ค.

  • ๊ฑฐ๋ž˜๋Ÿ‰์œผ๋กœ ์ฃผ๊ฐ€ ํ•ด์„

    • ๊ฐ€๊ฒฉ๐Ÿ”ผ ๊ฑฐ๋ž˜๋Ÿ‰๐Ÿ”ผ : ์ˆ˜์š” ์ถ•์  ์ค‘ => ๊ฐ•์„ธ, ์ƒ์Šน ์ถ”์„ธ๊ฐ€ ์ง€์†๋  ์ „๋ง

    • ๊ฐ€๊ฒฉ๐Ÿ”ผ ๊ฑฐ๋ž˜๋Ÿ‰๐Ÿ”ฝ : ์ˆ˜์š” ๊ฐ์†Œ ์ค‘ => ์•ฝ์„ธ, ์ƒ์Šน ์ถ”์„ธ๊ฐ€ ๊บพ์ด๊ณ  ํšก๋ณดํ•  ๊ฐ€๋Šฅ์„ฑ์ด ๋†’์Œ

    • ๊ฐ€๊ฒฉ๐Ÿ”ฝ ๊ฑฐ๋ž˜๋Ÿ‰๐Ÿ”ผ : ๊ณต๊ธ‰ ์ƒ์Šน ์ค‘ => ์•ฝ์„ธ, ๊ธ‰๋ฝ์žฅ์ด ์‹œ์ž‘๋  ๊ฐ€๋Šฅ์„ฑ์ด ๋†’์Œ. ๋„๋ง๊ฐ€!

    • ๊ฐ€๊ฒฉ๐Ÿ”ฝ ๊ฑฐ๋ž˜๋Ÿ‰๐Ÿ”ฝ : ๊ณต๊ธ‰ ์†Œ์ง„ ์ค‘ => ๊ฐ•์„ธ, ํ•˜๋ฝ์žฅ์˜ ๊ฐ•๋„๊ฐ€ ๊ทธ๋ ‡๊ฒŒ ๊ฐ•ํ•˜์ง€ ์•Š๋‹ค.

  • ๋ฐฉ๋ฒ•

    • ๊ฐ ํ™”ํ์˜ ๋ ˆ์ธ์ง€ ๊ณ„์‚ฐ

    • ๊ฐ ํ™”ํ์˜ ๊ฐ€๊ฒฉ์ด 5์ผ ๊ฐ€๊ฒฉ ์ด๋™ํ‰๊ท ๋ณด๋‹ค ๋†’์€์ง€ ์—ฌ๋ถ€ ํŒŒ์•…

    • ๊ฐ ํ™”ํ์˜ ์ „์ผ ๊ฑฐ๋ž˜๋Ÿ‰์ด 5์ผ ๊ฑฐ๋ž˜๋Ÿ‰ ์ด๋™ํ‰๊ท ๋ณด๋‹ค ๋งŽ์€์ง€ ์—ฌ๋ถ€ ํŒŒ์•…

      • ๊ฐ€๊ฒฉ๊ณผ ๊ฑฐ๋ž˜๋Ÿ‰ ๋‘˜ ์ค‘ ํ•˜๋‚˜๋ผ๋„ ๋‚ฎ์„ ๊ฒฝ์šฐ ์ œ์™ธ

    • ๋งค์ˆ˜ : ์‹ค์‹œ๊ฐ„ ๊ฐ€๊ฒฉ > ๋‹น์ผ ์‹œ๊ฐ€ + (๋ ˆ์ธ์ง€ * k)

      • ํ•„์ž๋“ค์€ k = 0.7 ์ถ”์ฒœ

    • ์ž๊ธˆ ๊ด€๋ฆฌ : ๊ฐ€์ƒํ™”ํ๋ณ„ ํˆฌ์ž… ๊ธˆ์•ก = ํƒ€๊นƒ ๋ณ€๋™์„ฑ / ์ „์ผ ๋ณ€๋™์„ฑ / ํˆฌ์ž ๋Œ€์ƒ ๊ฐ€์ƒํ™”ํ ์ˆ˜

    • ๋งค๋„ : ๋‹ค์Œ ๋‚  ์‹œ๊ฐ€

  • ๋ณ€๋™์„ฑ 2% ๊ฒฐ๊ณผ

    • ๋ณต๋ฆฌ์ˆ˜์ต 37.56%

    • MDD 1.90%

    • ์Šน๋ฅ  64.76%

    • ์†์ต๋น„ 3.38

    • ํ•˜๋ฃจ ์•ˆ์— ์ž์‚ฐ 1%๊ฐ€ ๊นจ์ง„ ๊ฒฝ์šฐ๋Š” 2๋ฒˆ(0.3%)

  • ๋ถ„์„

    • ๊ฑฐ๋ž˜ํ•˜๋Š” ๋‚ ์ด ํ˜„์ €ํžˆ ์ค„๊ฒŒ ๋œ๋‹ค.

      • ๊ฐ€๊ฒฉ 5์ผ ์ด๋™ํ‰๊ท  741์ผ

      • ๊ฐ€๊ฒฉ 3, 5, 10, 20์ผ ์ด๋™ํ‰๊ท  503์ผ

      • ๊ฐ€๊ฒฉ 5์ผ ์ด๋™ํ‰๊ท  + ๊ฑฐ๋ž˜๋Ÿ‰ 5์ผ ์ด๋™ํ‰๊ท  315์ผ

    • ๋งค๋งค ๊ธฐํšŒ๊ฐ€ ์ ์–ด ๋ณต๋ฆฌ์ˆ˜์ต์€ ๋‚ฎ์€ ํŽธ์ด๋‹ค(๋‹ค๋ฅธ ์ „๋žต๊ณผ ๋น„๊ต์ , ๊ทธ๋ ‡๊ฒŒ ๋‚ฎ์€ ์ˆ˜์น˜๋Š” ์•„๋‹ˆ๋‹ค)

    • MDD๋Š” 1%์ด๋ฉฐ ์Šน๋ฅ ์€ 65%๋กœ ๊ธ‰์ฆํ–ˆ๊ณ  ์†์ต๋น„๋Š” 3์ด ๋„˜๋Š”๋‹ค.

์ค‘๊ฐ„ ์ •๋ฆฌ

  • ์ „๋žต 6. ๋‹ค์ž ๊ฐ€์ƒํ™”ํ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ

    • ๋ณต๋ฆฌ์ˆ˜์ต 521% MDD 21.3%

  • ์ „๋žต 7. ๋‹ค์ž ๊ฐ€์ƒํ™”ํ + ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ

    • ๋ณต๋ฆฌ์ˆ˜์ต 308% MDD 11.3%

  • ์ „๋žต 8. ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ

    • ๋ณ€๋™์„ฑ 5% ๋ณต๋ฆฌ์ˆ˜์ต 181.6% MDD 5.33%

    • ๋ณ€๋™์„ฑ 2% ๋ณต๋ฆฌ์ˆ˜์ต 84.9% MDD 4.15%

    • ๋ณ€๋™์„ฑ 1% ๋ณต๋ฆฌ์ˆ˜์ต 41.9% MDD 2.7%

  • ์ „๋žต 9. 4๊ฐœ ์ด๋™ํ‰๊ท  ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ

    • ๋ณ€๋™์„ฑ 2% ๋ณต๋ฆฌ์ˆ˜์ต 63.5% MDD 2.51%

  • ์ „๋žต 10. 5์ผ ์ด๋™ํ‰๊ท  + 5์ผ ๊ฑฐ๋ž˜๋Ÿ‰ ์ƒ์Šน์žฅ + ๋ณ€๋™์„ฑ ๋ŒํŒŒ + ๋ณ€๋™์„ฑ ์กฐ์ ˆ

    • ๋ณ€๋™์„ฑ 2% ๋ณต๋ฆฌ์ˆ˜์ต 37.56% MDD 1.90%

Previous3 MonNext1 Sat

Last updated 4 years ago

Was this helpful?