매석의 메모장

- 대학 현재 2학년 1학기까지 마친 상태이다. 아직 5학기가 남았다. ​ 총 휴학을 3년 했는데 군휴학을 제외해도 1년 반을 추가로 휴학했다. 7~8개월 정도는 정보보호병을 입대를 하고 싶어 노베이스에서 C언어, 네트워크, 리눅스 등을 배우며 시스템 보안, 네트워크 보안 등을 배워서 필기 시험을 준비하고, 서류 합격 준비를 위해 동아리, 자격증 등을 준비했다. ​ 그리고 나머지 시간은 군 휴학 후에 보안 말고 다른 분야를 공부하던 중 데이터 분석 분야가 하다보니 흥미있고 신기해서 현재까지 약 1년 정도 꾸준히 학습하고 있다. 물론 중간에 알고리즘 문제를 풀고 공부하는데도 많은 시간을 사용했다. ​ 현재는 알고리즘 보다는 데이터 분석에 많은 힘을 쓰려고 한다. 그래서 대학교 수업도 기계학습, 데이터마이닝..

- 과거 내용 토이프로젝트 - (6) 논문 분석 논문 사이트 여러 사이트에서 논문을 확인할 수 있지만 riss를 사용했다. 한국 증시, 미국 증시 관계에 대... blog.naver.com 여러 가지 논문을 보고 VAR 모형과 Granger 인과검정 등을 사용하기로 결정했다. 벡터자기회귀 모형(VAR)을 활용한 다변량 예측 모델링 - 국내 주요 기업 주가 및 거래량 예측 Step 1. VAR 이란? VAR이란 Vector Autoregression, 벡터자기회귀 모형을 의미한다. 기본적인 자기회귀모형이 단변량 시계열 예측에서 사용된다면 벡터자기회귀모형은 다변량 예측에 사용된다. 즉, 2개 이 songseungwon.tistory.com 서칭하다 보니, 다른 분이 정리해준 좋은 자료가 있어서 이 포스팅을 ..

- 논문 사이트 http://www.riss.or.kr/index.do#qna www.riss.or.kr 여러 사이트에서 논문을 확인할 수 있지만 riss를 사용했다. - 한국 증시, 미국 증시 관계에 대한 논문 및 연구 1. 金守敬. "다우지수와 나스닥지수가 코스피와 코스닥에 미치는 영향에 관한 연구." 국내석사학위논문 진주산업대학교, 2003. 대한민국 ​ -> 구조방정식 모형 중 하나인 LISREL 모형 사용, 이는 구조모형과 측정모형으로 구성되어 있다. 모수는 최소자승법과 최우추정법을 이용하여 추정한다. 1997년 1월 ~2002년 9월까지 기간에서 다우는 코스피와 관계가 있고, 나스닥은 코스피와 코스닥 둘 다 큰 차이가 없다. 외국자본이 들어온 1998년 이후에는 상당히 큰 영향을 미치고 있다...

- 이전 내용 토이프로젝트 - (4) 상관계수와 선형회귀 상관계수 pandas의 corr를 이용하여 두 변수간의 상관계수를 구할 수 있다. 공분산을 이용하여 상관계수를 ... blog.naver.com - 선형회귀의 조건 미국 증시와 한국 증시의 선형회귀 분석을 한 사례가 굉장히 많아서 나도 아무 생각없이 scipy로 선형회귀를 진행하였지만, 최근 이성효 교수님에게 해당 내용에 대해 질문하며 많은 사실을 배울 수 있었다. ​ 첫 째로, 미국 시장과 한국 시장의 시간이 다르다는 점은 결국 반영되는 주가의 날짜가 다르다는 것을 의미한다. 예시로 현재 06월 16일 금요일 오후 9시 기준의 사진이다. 코스피 다우 존스 이렇게 다우 존스는 06.16의 시세가 아직 생기지 않은 모습이다. 이를 어떻게 처리하느냐에..

- 2022년 경제 상황과 전망 현재 경제 상황과 전망 코스피 급락 위 링크의 기사와 같이 오늘 코스피는 3%이상 급락했다. 미국 물가 상승으로 결국 채찍의 끝에... blog.naver.com 약 1년 전 상황에 대한 나만의 생각과 나름의 전략을 정리한 포스팅이다. - 현재 경제 상황 - 금리 ​ 인플레이션으로 인해 기준금리를 계속해서 올렸고, 올해 초부터 3.50%로 동결하는 모습이다. (기준금리와 콜 금리의 관계를 정확히 알고 있다면 금리와 주식시장과의 관계를 더욱 쉽게 이해할 수 있다.) ​ ​ 우선 우리나라는 미국 시장에 굉장히 영향을 많이 받기에 미국 금리도 알아본다. 미국의 기준금리를 살펴보면 현재까지도 조금씩 금리를 인상하고 있는 모습이다. 결국 금리 인상은 인플레이션과 연관이 깊은데 이 ..

- 표본비율의 표본분포 해당 식은 np(1-p)와 n^2에서 서로 n을 나누어 위와 같은 형태로 나타난다. ​ 표본비율의 분포는 표본의 규모가 커질수록 정규분포에 근사한다. np>=5 and n(1-p)>=5 - 모집단 비율 구간추정 방금 위에서 말한 조건을 만족할 때 정규분포를 사용하여 구간추정을 할 수 있다. 지금까지 봐왔던 구간추정가 비슷한 형태이다. 다만 표준편차의 공식을 모집단 비율에 대해 표현한 형태로 사용하여야 정확한 구간을 추정할 수 있다. ​ EX) 유권자 550명 중 220명의 유권자가 특정 후보 지지, 95% 신뢰구간 추정? -> n=500 표본비율=220/500=0.44 z=1.96 즉 0.3965~0.4835에서 95% 신뢰한다는 추정을 할 수 있다. - 모집단 비율 가설검정 모집..

- IPv4 - 이동 IP​​ : 개인화된 장비가 증가함에 따라 이동 IP 기술이 필요하게 되었다. 이동 호스트 : 홈 주소(영구), 위탁 주소(임시)로 구성되어 있다. ​ - 에이전트 : 주소가 변경되는 것을 외부 인터넷에 알게 하기 위해 홈, 외지 에이전트 필요 이동 호스트가 외지 에이전트로서 작동할 때 의탁 주소는 동위치 의탁 주소라고 불린다. ​ - 원격 호스트와의 통신 1. 에이전트 발견 : 이동 호스트, 외지 에이전트, 홈 에이전트 참여 2. 등록 : 이동 호스트, 외지 에이전트, 홈 에이전트가 참여 3. 데이터 전송 : 원격지 호스트가 참여 ​ 에이전트 광고 : 이동 IP는 에이전트 광고를 위하여 새로운 패킷 유형을 사용하지 않고, ICMP의 라우터 광고 패킷을 사용한다. ​ - 에이전트 등..

- 주소 지정 IPv4 주소는 32비트 주소로 라우터나 호스트의 인터넷 연결을 범용적이고 유일하게 만들어준다. IP 주소는 장치가 다른 네트워크로 이동 시 변경되기에 라우터나 호스트가 아닌 연결의 주소다. ​ 주소 공간은 프로토콜에서 사용 가능한 전체 주소의 수이다. 주소를 정의하기 위해 b비트를 사용한다면, 주소 공간은 2^b가 된다. ​ - 주소 지정에서 계층구조 접두사 n비트, 접미사 (32-n)비트이다. 접두사는 고정되거나 가변 길이를 가진다. - 클래스 기반 주소지정 A, B, C, D, E의 5개의 클래스로 주소를 나눌 수 있다. ​ - 클래스 없는 주소지정 단기적인 관점에서 주소 고갈을 해결하기 위해 클래스 권한이 제거되었다. CIDR : 슬래시 표기법 ​ 네트워크 주소 네트워크 주소는 실질..

- 네트워크층 서비스 1. 패킷화 : 발신지의 네트워크층 패킷에서 페이로드의 캡슐화와 목적지에서 네트워크층 패킷으로부터 페이로드의 캡슐을 제거한다. ​ 즉 네트워크층의 한 가지 임무는 발신지로부터 목적지까지 변경이나 활용 없이 페이로드를 운반하는 것이다. ​ 2. 라우팅 : 가능 경로들 중에서 가장 좋은 것을 찾는 책임을 갖는다. ​ 3. 오류제어 : 네트워크층에서 전달되는 데이터에 대해 오류 제어 문제를 무시한다. 하지만 데이터그램이 아닌 헤더의 훼손 제어위해 검사합 필드를 추가했다. ​ 4. 흐름제어 : 소스가 수신자의 능력을 초과하지 않고 보낼 수 있게 데이터 양을 조절한다. 5. 혼잡제어 : 너무 많은 데이터그램이 존재하지 않도록 폐기할 수 있다. ​ 6. 서비스 품질 : 보다 나은 서비스 품질을..

- 구조체 서로 다른 타입의 변수들을 묶어 사용 가능하게 한다. 아래와 같이 구조체 정의를 할 수 있다. EX) struct student { int number; double score; }; - 구조체 변수 선언 구조체 정의와 구조체 변수 선언은 다르다. struct student { //구조체 정의 int number; char name[10]; double grade; }; int main(void){ struct student s1={123,"홍길동",123}; //구조체 변수 선언 및 초기화 } +추가로 구조체 변수를 배열로 선언할 수도 있다. struct student list[100]; ​ ​ - 구조체의 멤버 참조 위의 소스코드의 s1의 구조체 변수를 참조하였을 때, s1.number =..