Shortcut Keys for VBA EXCEL/VBA

VBA 단축키를 옮겨 놓아 보았는데, 실행 및 디버깅용 단축 키와 편집시 단축키 입니다. 엑셀에 비해 새발의 피군요. 제가 애용하는 것도 있지만 이번에 처음 보는 것도 보이는 데, 호기심 삼아 익혀봐야 겠습니다.
Shortcut keys for running and debugging code
Halt execution ESC
Run F5
Step through code F8
Toggle breakpoint F9
Toggle between Visual Basic Editor and Excel ALT +F11
Step into F8
Step over SHIFT+F8
Run to cursor CTRL+F8
Clear all breakpoints CTRL +SHIFT+F9
Display Quick Watch window SHIFT+F9

Shortcut keys for working in the code window
View Code window F7
Jump to beginning of module CTRL +Home
Jump to end of module CTRL +END
Undo CTRL +Z
Delete current line CTRL +Y
Indent TAB
Remove tab indent SHIFT+TAB
Print CTRL +P
Paste CTRL +V
Delete DEL or DELETE
Find CTRL +F
Find Next SHIFT+F4
Find Previous SHIFT+F3
Replace CTRL +H
Display Project Explorer window CTRL +R
Display Properties indow F4
List Properties Method CTRL +J
List Constants CTRL +SHIFT+J

자본시장은 효율적인가? 금융공학

'주가는 예측 가능한 것일까?'라는 질문은 일찍부터 경제학자들의 큰 관심거리였다. 이 질문에 대해 체계적인 답변이 가능하게 된 것은 컴퓨터가 경제학에 도입되어 시계열 데이터분석이 가능하게 된 1950년대였다.

주가를 예측하는 것이 가능할까?

그런데 당시의 경제학자들은 경기변동에도 주기가 있듯이 주가에도 일종의 주기가 있을 것이라는 막연한 기대를 갖고 있었다. 모리스 켄들도 그런 사람중의 한 명이었다. 그런데 켄들은 1953년에 발표한 '경제 시계열분석: 가격'이란 논문에서, 주가의 움직임이 당초 그가 예상했던 것과 달리 '랜덤 워크'를 보인다는 사실을 보고했다.

랜덤 워크란..."금융경제학 사용설명서, 이찬근 저" 중에서...

몇 주전 강남 예스24 중고서점에서 산 책을 이제 읽어 보는 중이다. 최근에는 기술서 위주에서 에세이 형식의 글을 자주 보는데 맘이 편하다.

그나저나 랜덤워크는 과거의 시계열 데이터를 이용해 주가의 미래 움직임을 전혀 예측할 수 없다는 의미인데, 예측할 수 있는 게 하나 있기는 하다.

아무리 술취한 사람이 랜덤워크를 해도 오른 발 다음에는 왼발이 나갈 것이다. 그리고 다시 오른 발이 나갈 것이고...ㅎㅎㅎ

R에서 NA를 이해하는 신박한 방법 GNU R

다음은  blog.revolutionanalytics.com에 실린 'The trick to understanding NAs (missing values) in R'이라는 글을 옮긴 것입니다.

R에서 NA값을 어떻게 다루는 지를 보여주는 간단한 퍼즐이 하나 있다.

R에서  NA^0은 얼마일까?


다음과 같이 입력하여 쉽게 답을 구할 수 있다.

> NA^0
[1] 1

왜 1이지? 하는 호기심이 생긴다. 대부분의 사람들은 NA가 될 거라고 생각할 지도 모르겠다. 왜냐면 NA가 들어간 코드가 그랬으니까. 이것을 이해하기 위한 팁을 소개하고자 한다. NA를 숫자가 아니라, 숫자가 있어야 할 자리(placeholder)로 생각하자(숫자가 무엇인지는 중요하지 않다)

모든 숫자가 NA^0에서 NA를 대신할 수 있다. 양수라면 0승은 1이다. 음수도 마찬가지이다. 심지어는 0조차 수학적으로 1이다. NA^0에서 NA자리를 차지할 숫자가 무엇이든 답은 1이다. 그래서 R은 1이라는 결과를 돌려주는 것이다. NA가 아닌 결과를 돌려주는 몇 가지 다른 예를 보자.

> NA || TRUE
[1] TRUE

여기서 NA는 논리값의 자리를 차지하고 있으며 TRUE 또는 FALSE 값을 대신하고 있다. 참이든 거짓이든 답은 같을 것이다.

> TRUE || TRUE
[1] TRUE
> FALSE || TRUE
[1] TRUE

x가 최소 한 개 이상의 TRUE를 가지고 있다면 논리벡터에 NA가 포함되어 있어도 TRUE를 돌려줄 수 있다.  마찬가지로 NA && FALSE 는 항상 FALSE이다. 물론 여러 다른 예들이 있다. 그러나 R 에서 NA가 포함된 연산으로 혼란스럽다면 이것을 항상 기억해두길 바란다. R이 NA를 어떻게 다루는 지 더 자세히 알고 싶다면 R Language Definition 을 찾아 보길 바란다.

 

그림으로 보는 참조 전달과 값 전달의 차이

참조 전달과 값 전달의 차이

CAPM vs. Fama French Three Factor Model 증권

십 몇년 전에 파마-프렌치 3팩터모델을 구현해 놓은 적이 있는데, 얼마 전에 이 모델과 만들어 놓은 프로그램을 설명해달라는 부탁이 있어 급히 모델에 관한 자료를 만들어 보았습니다. 프로그램은 백업해 놓은 걸 찾지 못했지만, 요즘에 R과 Jupyter Notebook으로 훌륭하게 만든 게 많이 있어 그나마 위안이 됩니다.

오늘은 간단히 파마-프렌치 모델에 대한 PT를 올려 봅니다.

주식 등 위험자산의 기대수익률을 산출하는 CAPM은 '기대수익률=무위험수익률+(시장의 기대수익률-무위험수익률)×베타값'으로 설명된다. 여기서 베타값은 시장변동성에 대한 민감도로, 이 값이 클수록 위험은 높아진다. 그러나 베타는 천차만별인 개별 종목들의 주가를 모두 설명하기에는 역부족이었다.

파마 교수는 케네스 프렌치(Kenneth French) 다트머스대 교수와 함께 1963년부터 1990년까지 27년에 걸친 9500개 종목의 주가 추이를 분석한 결과를 토대로 1992년 '파마-프렌치 3요인(3 Factors) 모델'을 제시하는 논문을 내놨다. 여기서 3요인은 시가총액, 장부가치/시가총액(PBR이 아니다), 시장 등 3가지 변수를 뜻한다. 파마 교수는 이를 통해 시가총액이 작고 장부가치/시가총액이 낮은 종목일수록 초과수익을 올리기에 유리하다는 것을 증명해냈다.




1 2 3 4 5 6 7 8 9 10 다음