데이터 분석가의 (재)테크 블로그
- 직장인 개미투자자에게 적합한 미국주식 분할 매수 전략 수립 방법 (feat. 챗지피티) 빽 없고 힘 없고 가진것 없는 노동 노예들이자 직장인 투자자들은 제한된 시간과 정보로 인해 효과적인 투자 전략 수립에 어려움을 겪는다.물려받을 부동산이나 자산도 없고 나중에 돌려받을 연금도 없는 나같은 MZ 직장인 투자자들은, 특출난 재능으로 부업이나 아니면 사업이라도 성공시키지 않는 이상 꼼짝없이 굶어죽을 확률이 높다(?) 그래서 우리는 아주 적극적으로 투자를 해야한다. 그나마 내가 가진 아주 조금의 재능은 IT나 AI 분야에 밝다는 것 정도인데, 그래서 이번 포스팅에서는 챗지피티와의 대화를 통해 얻은 직장인에게 적합한 분할매수 전략을 공유해볼까 한다.개인적인 생각이지만 챗지피티의 할루시네이션(그럴싸한 거짓말)이라고 알려진 이슈는 투자 분야에서는 99%, 어쩌면 그 이상으로 없다고 생각한다.그 이.. 2025.05.10
- 챗지피티(ChatGPT)를 활용한 직장인 투자 포트폴리오 구성 방법 (+ 대화 과정 및 포트폴리오 공개) 1. 챗지피티는 신이야 챗지피티가 나오면서 세상의 정말 많은 게 바뀌고 있는 것 같다.불과 2~3년 전만 해도 투자에 대해서 공부하려면, 증권사에서 발행하는 리포트를 읽어본다던지, 여러 유튜브 영상들을 보면서 거시적인 관점과 대략적인 투자에 대한 감을 잡은 후, 전문 서적을 사서 개별적으로 디깅을 하는 그런식의 공부를 했었던 것 같은데이제는 진짜 과장이 아니라 챗지피티 하나만으로도 투자공부는 더 찾아볼게 없는 수준까지 온 것 같다.(물론 직장인 투자자 기준..ㅎ) 2. 아파트 잔금 확보로 잔뜩 생긴 현금.. 좌우당간에, 나는 작년에 부동산 임시 자금을 충당하느라 가지고 있는 모든 미국주식을 잠시 팔아치우고 부동산 잔금에 사용을 했었다.그리고 잔금을 다시 돌려받은 지금, 시드머니가 전액 현금으로 덩그.. 2025.05.10
- LLM with Recommender System 논문 리뷰 - 2부 [A Survey on Large Language Models forRecommendation] 1부는 여기에서 LLM with Recommender System 논문 리뷰 - 1부 [M6-Rec: Generative Pretrained Language Models are Open-Ended Recommender Syste원문 보기 : https://arxiv.org/pdf/2205.08084.pdf 오랜만에 추천 관련 기술 논문을 두 개 정도 읽게 됐다. 업무 연차가 올라가다보니, 새로운 기술을 접목하거나 논문을 읽어보는 데 할yamalab.tistory.com RS(Recommender System) 분야에 대한 연구는 이제(원래도 그랬지만) 서비스를 가진 기업 단위로만 유의미하게 이루어지고 있다. 그도 그럴 것이, 실제 서비스에서 발생하는 로그데이터로 이 분야를 연구하는 것 말고는 별다른.. 2025.01.20
- [생애최초 주택 매매 여정] 부동산 입지분석 주택매매 후보군 정하기 2020년 계약한 전세계약이 어느새 4년차. 작년부터 다음 살 집에 대해 고민하기 시작했다. 묵시적 갱신으로 계약을 연장한 후에 아직 1년 정도 만기가 남긴 했지만, 아무래도 다음 집은 매매를 생각하고 있었기 때문에 미리부터 준비하고 있다. 사회생활을 한 6년 동안 나름대로 돈을 많이 모았다고 생각하기도 했고, 금리가 더이상 내려가지 않을거라는 매크로적인 판단이 서기도 해서, 이제 슬슬 주택을 구매하기에 적당한 시점이 아닌가라는 결론을 내렸다. 물론 금리가 더 올라갈 수도 있고, 집값 하락이 아직 허벅지도 안 내려왔을 수도 있지만 어느정도 감내가 가능한 수준이 된 것 같다. 대한민국에서 매매로 집을 보유한다는 것은 이제 '중산층'으로 가는 필수적인 조건이 되었다. 하지만 고등교육을 받은 약 30년간, 금.. 2024.03.15
- [추천시스템과 통계 모델 1] - 다양성 지수(Diversity Index) 추천시스템을 고도화 할 때 필요한 것 중 하나는, 유저 단위, 혹은 아이템 단위의 적절한 Index를 만들어내는 것이다. 이를테면 어떤 유저는 다양한 아이템을 소비하는 것을 좋아하고, 어떤 유저는 새로운 아이템을 소비하는 것을 좋아하고, 어떤 유저는 자신이 선호하는 카테고리의 아이템만 선호할 수도 있다. 이런 것들을 하나의 Index로 점수화 하여 사용하는 것은 큰 의미가 있다. 물론 Neural Network 구조의 Deep Learning이 보편화 된 이후부터는 Index를 만들어내는 것 자체가 이론적으로는 무의미 해지긴 했지만, 실제 서비스에서는 그렇지 않다. 모델이 Feature Engineering을 아무리 잘 해낸다고 해도, 결국 Binary Task 혹은 지정된 Task에만 활용될 수 있을 .. 2024.02.27