hertzalpha 님의 블로그

1장. 비 내리는 수요일비가 오면 민우는 늘 같은 냄새를 맡았다.젖은 아스팔트, 오래된 종이, 싸구려 커피, 그리고 한 번도 제대로 불러본 적 없는 이름 하나. 다서. 그 이름은 그의 기억 속에서 언제나 젖어 있었다. 마치 오래된 필름에 묻은 물방울처럼, 손끝으로 닦으려 할수록 더 번져갔다.2026년 여름, 민우는 아직 취업 준비생이었다. 서른이 넘도록 합격 통보보다 불합격 메일을 더 많이 받았고, 방 한쪽에는 입지도 않는 정장과 오래된 문제집들이 먼지를 먹고 있었다. 그날도 면접에서 떨어진 뒤였다. 그는 비를 피해 신촌 뒷골목의 오래된 헌책방으로 들어갔다.책방은 이상하게 조용했다. 주인은 보이지 않았고, 천장에서는 물방울 떨어지는 소리만 났다.민우는 별생각 없이 책장 사이를 걷다가 구석에 쌓인 상자 하..

수첩 속의 나1장비가 내리고 있었다.창문에 떨어지는 빗소리에 눈이 떴다. 알람이 아니라 비였다. 요즘 나를 깨우는 건 늘 비나 배고픔 같은, 약속도 책임도 없는 것들이었다.천장 한구석에 번진 누런 물자국을 한참 바라봤다. 지난봄부터 저기 있었는데 집주인에게 말할 기운도 없었다. 시계를 보니 오전 열 시. 일어나야 할 이유도 없고, 더 누워 있어야 할 이유도 없었다.그게 가장 견디기 힘든 종류의 아침이었다. 늦잠을 자는 것도 아니고 부지런한 것도 아닌, 그냥 시간이 나를 통과해 흘러가는 아침.취업 준비를 시작한 지 반년이 넘어가고 있었다. 그동안 넣은 자기소개서가 몇 개인지 세는 일도 그만뒀다. 처음에는 떨어질 때마다 술을 마셨고, 나중에는 떨어진 줄도 모르고 지나갔다. 합격 문자는 오지 않았고, 불합격 ..

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..