hertzalpha 님의 블로그

폭풍 속의 딜메이커: Chris Ackerman과 TigerRisk 투자 스토리프롤로그: 시카고의 겨울, 그리고 운명적 만남 2020년 3월, 시카고 루프 지구의 고층 빌딩들이 하나둘 불을 끄기 시작했다. 코로나19라는 보이지 않는 적이 전 세계를 강타하면서, 월스트리트의 심장부마저 멈춰 선 듯했다. 하지만 Flexpoint Ford의 Managing Director Chris Ackerman에게는 이것이 끝이 아니라 시작이었다."위기는 곧 기회다." 그가 항상 되뇌던 모건스탠리 시절의 교훈이었다. 15년 전 Flexpoint Ford에 합류했을 때도 마찬가지였다. 2005년, 금융위기를 앞두고 설립된 이 회사는 "남들이 두려워할 때 탐욕스러워지라"는 워런 버핏의 철학을 실천하는 곳이었다.1장: Flex..

Chapter 12. Task 9 — Causal Game Theory: 다중 에이전트 환경의 균형"Strategies following counterfactual rationality dominate strategies based on standard game theory."— Maiti, Jain & Bareinboim (2025)12.1 문제 정의: 교란된 환경에서의 다중 에이전트 균형12.1.1 CRL Task 9의 위치Task 9 (Causal Game Theory). 교란된 환경(confounded environments)에서 다중 에이전트 정책 학습의 균형을 찾아라.Task 1–8이 단일 에이전트의 인과적 의사결정을 다뤘다면, Task 9는 다중 에이전트가 전략적으로 상호작용하는 환경을 인과..

Chapter 11. Task 8 — Causal Reward Shaping: 수정된 보상을 통한 학습"The design of a good shaping function is less well understood in principle and thus often relies on domain expertise and manual design."— Li, Zhang & Bareinboim (2025)11.1 문제 정의: 보상 설계의 근본적 난제11.1.1 CRL Task 8의 위치Task 8 (Causal Reward Shaping). 교란된 오프라인 데이터셋으로부터 학습된 보상을 사용하여 $\mathcal{L}_2$-정책을 구성하라.RL에서 보상 함수는 에이전트의 행동을 결정하는 가장 근본적인 요소다...

Chapter 10. Task 7 — Causal Curriculum Learning: 수정된 환경에서의 학습"The critical assumption of invariant optimal decision rules does not necessarily hold when the underlying environment contains unobserved confounders."— Li, Zhang & Bareinboim (2024)10.1 문제 정의: 학습 환경의 인과적 설계10.1.1 CRL Task 7의 위치Task 7 (Causal Curriculum Learning). 타겟 과업의 SCM에 개입하여, 최적 타겟 $\mathcal{L}_2$-정책의 학습을 가속화하는 하위 과업(subtask) 시퀀..

Chapter 9. Task 6 — Causal Imitation Learning: 보상 비관측 하의 정책 학습"'Monkey see monkey do' — naïve imitation without understanding a system's underlying mechanics can lead to poor outcomes."— Kumor, Zhang & Bareinboim (2021)9.1 문제 정의: 보상 없이 전문가로부터 학습9.1.1 CRL Task 6의 위치Task 6 (Causal Imitation Learning). 부분 관측 가능한 $\mathcal{L}_1$ 데이터(전문가의 행동 궤적)로부터, 보상 함수를 모르는 상태에서 $\mathcal{L}_2$-정책을 구성하라.이 문제는 금융에서..

Chapter 8. Task 5 — Learning Causal Models: 인과 구조 발견"Most of the work done in factor investing and economic indices' analysis rely on the correlation between the variables and do not consider the fundamental question of 'why'."— Sadeghi, Gopal & Fesanghary (2024)8.1 문제 정의: 인과 그래프의 학습8.1.1 CRL Task 5의 위치Task 5 (Learning Causal Models). 관측(L1)과 실험(L2)을 체계적으로 결합하여 SCM $\mathcal{M}$의 인과 그래프 $G$를 학습하..

Chapter 7. Task 4 — Generalizability & Robustness: 전이가능성과 구조적 불변성"Science is about generalization; conclusions obtained in a laboratory setting are transported and applied elsewhere, in an environment that differs in many aspects from that of the laboratory."— Bareinboim & Pearl (2013)7.1 문제 정의: 환경 간 정책 전이7.1.1 CRL Task 4의 핵심 질문Task 4 (Generalizability & Robustness). 훈련 환경(SCM $\mathcal{M}$)과 배포..

Chapter 6. Task 3 — Counterfactual Decision-Making: 반사실적 의사결정"What would have happened had reality been different, even when no data about this imagined reality is available."— Bareinboim et al. (2020)6.1 반사실적 추론이 금융에서 중요한 이유6.1.1 CRL Task 3의 위치Task 3 (Counterfactual Decision-Making). 반사실과 $\mathcal{L}_3$ 기반 무작위화에 기반하여 최적화 기준을 변경하라. 여기에는 의도성(intentionality), 자유의지(free will), 자율성(autonomy)의 개념이 관..

수부라(Suburra): 로마의 진흙탕 — 드라마 완전 해부"산 자는 위에 있고, 죽은 자는 아래에 있지. 그리고 우리는 그 중간에 있어." — 마시모 카르미나티 (실제 도청 녹취록, 2012)1. '수부라'란 무엇인가**수부라(Suburra)**는 고대 로마 시대 실제로 존재했던 빈민가의 이름이다. 오늘날 로마 몬티(Monti) 지구에 해당하는 이곳은 원로원과 포룸 로마눔 — 로마 권력의 심장부 — 바로 뒤편에 자리잡은 매춘과 범죄의 소굴이었다. 대리석 궁전의 그림자 아래 벌어지는 추악한 일들. 드라마는 이 이름을 빌려 2000년이 지난 지금도 로마의 화려한 외피 아래 똑같은 진흙탕이 존재함을 선언한다.2. 실제 사건: 마피아 카피탈레(Mafia Capitale)드라마의 뿌리는 2014년 이탈리아를 뒤..

골프 제국의 재탄생: 데이비드 샤피로와 TaylorMade의 기적적 턴어라운드프롤로그: 침몰하는 골프 제국 2017년 초봄, 뉴욕 맨해튼의 고층 빌딩에서 데이비드 샤피로(David Shapiro)는 창밖을 내다보며 깊은 생각에 잠겨 있었다. KPS Capital Partners의 공동창업자로서 그는 지난 26년간 수많은 제조업체들을 되살려내는 마법사로 불려왔다. 하지만 이번 딜은 달랐다.TaylorMade - 한때 골프 장비 업계의 왕좌에 군림했던 브랜드가 아디다스의 손에서 시들어가고 있었다. 2012년 15억 달러의 매출을 자랑하던 회사는 불과 5년 만에 9억 7천만 달러로 추락했다. 골프 참여율은 20년간 지속적으로 감소했고, 나이키는 골프 장비 사업에서 철수를 선언했으며, 세계 최대 골프 소매업체 ..