AI 실험 8월 3주차 회고·다음주 예고

AI 실험 8월 3주차 회고·다음주 예고

이번 포스팅에서는 8월 3주차 AI 실험에 대한 회고와 다음 주에 대한 예고를 해보려고 해요. 실험을 통해 얻은 인사이트와 교훈을 정리해보겠습니다.

이번 주 실험은 주식 투자와 관련된 AI 모델의 성능을 점검하는 것이었어요. 주식 시장의 변동성을 예측하고, 이를 기반으로 투자 결정을 내리는 것이 목표였죠. 특히, 성장주, 배당주, 방어주에 대한 가설을 세우고, 이를 검증하기 위한 다양한 관찰 포인트를 설정했어요.

가설 점검

가설은 크게 세 가지로 나눌 수 있어요. 첫 번째는 성장주에 대한 가설로, 시장의 상승세에 따라 주가가 급등할 것이라는 예측이었어요. 두 번째는 배당주에 대한 가설로, 안정적인 수익을 추구하는 투자자들이 선호할 것이라는 점이었죠. 마지막으로 방어주는 경제 불황 시에도 안정적인 수익을 제공할 것이라는 가설이었어요.

이러한 가설을 바탕으로, 각 주식의 성과를 분석하기 위해 이벤트, 섹터 모멘텀, 분산 효과를 관찰 포인트로 설정했어요.

관찰 포인트 분석

이벤트는 특정 기업의 실적 발표나 경제 지표 발표와 같은 중요한 사건을 의미해요. 섹터 모멘텀은 특정 산업군의 전반적인 성과를 분석하는 것이고, 분산 효과는 포트폴리오의 위험을 줄이기 위한 전략이죠. 이러한 포인트들을 통해 각 가설의 유효성을 점검할 수 있었어요.

예를 들어, 성장주에 대한 가설을 검증하기 위해 최근 3개월간의 주가 변동을 분석했어요. 그 결과, 특정 기업의 주가는 예상보다 더 큰 상승폭을 보였고, 이는 성장주에 대한 가설이 유효하다는 것을 시사했어요. 반면, 배당주에 대한 가설은 예상보다 낮은 성과를 보였고, 이는 시장의 변동성이 배당주에 미치는 영향을 다시 한번 생각해보게 했어요.

체감 결과 기록

이번 실험에서 가장 인상 깊었던 점은 밴드 초과 시 ±2% 조정 규칙의 체감 결과였어요. 이 규칙을 적용했을 때, 포트폴리오의 안정성이 크게 향상되었고, 손실을 최소화할 수 있었어요. 특히, 변동성이 큰 시장에서 이 규칙이 얼마나 중요한지를 다시 한번 깨달았어요.

실패에서 얻은 교훈

실험을 진행하면서 몇 가지 실패를 경험했어요. 첫 번째는 데이터 지연 문제였어요. 실시간 데이터가 아닌 과거 데이터를 기반으로 분석하다 보니, 시장의 급변하는 상황을 반영하지 못했어요. 두 번째는 과도한 분산 투자로 인해 수익률이 낮아진 점이었어요. 마지막으로, 감정적인 결정이 투자 성과에 부정적인 영향을 미쳤다는 점이었죠. 이러한 교훈들은 앞으로의 실험에 큰 도움이 될 것 같아요.

4주차 개선안

다음 주에는 이러한 실패를 바탕으로 몇 가지 개선안을 마련했어요. 첫 번째는 최대 교체 비율을 설정하여, 포트폴리오의 변동성을 줄이는 것이에요. 두 번째는 데이터 지연 문제를 해결하기 위해 실시간 데이터를 활용할 계획이에요. 마지막으로, 감정적인 결정을 줄이기 위해 사전에 정해진 규칙을 철저히 따르기로 했어요.

마무리 및 다음주 예고

이번 주 실험을 통해 많은 것을 배웠고, 다음 주에는 더욱 발전된 모습으로 실험에 임할 예정이에요. AI 모델의 성능을 높이기 위한 체계적인 접근이 필요하다는 것을 느꼈어요. 다음 주에는 AI와 로봇 기술의 융합에 대한 세미나를 참석할 예정이니, 그에 대한 후기도 기대해 주세요!

이번 포스팅이 도움이 되셨다면 좋겠어요. 다음 주에도 유익한 정보로 찾아올게요!

 

이미지 출처

이미지 출처

이미지 출처

이미지 출처

이미지 출처