(기업경제 #11) 불연속 회귀의 개념
기업경제학 실습: 제11회 蟻川靖浩 참고 문헌 야스이 쇼타, 『효과 검증 입문』기술평론사, 2019년 Angrist, J. D., and J. Pischke. 2009. 대부분 무해한 계량경제학. 프린스턴 대학 출판부. Angrist, J. D., and J. Pischke. 2015. 메트릭 마스터하기: 원인에서 결과로 가는 길. 프린스턴 대학 출판부. Boone, A. L. and J.T. White. 2015. 기관 소유가 기업의 투명성과 정보 생산에 미치는 영향. 금융 경제학 저널, 117:508-533. Cunningham, S. 2021. 인과적 추론. 예일 대학 출판부. Imbens,G. and T.Lemieux.2008. 회귀 불연속성 설계: 실무 가이드. 계량경제학 저널 62: 615-6..
2023. 12. 21.
(기업경제 #10) 성향 점수를 사용하지 않는 매칭 | 복원 매칭과 비복원 매칭
기업경제학 실습: 제10회 蟻川靖浩 오늘의 일정 성향 점수를 사용하지 않는 매칭 복원 매칭과 비복원 매칭 참고 문헌: 커닝햄, S. 2021. 인과 관계 추론. 예일 대학 출판부. Ho,D., Imai,K., King,G., E. A. Stuart.2011. MatchIt: 파라메트릭 인과 추론을 위한 비모수적 전처리. 야스이 쇼타・주식회사 헉소엠『효과검증입문』기술평론사, 2020년 다카하시 마사무네, 『통계적 인과추론의 이론과 구현 잠재적 결과변수와 결측 데이터』공립출판사, 2022년 호시노 타다노, 다나카 히사미노 『R로 하는 실증분석』오름사, 2016년 매칭 다음 절차를 매칭(Matching)이라고 한다. 1) 처리군에 사용할 샘플을 선택한다. (분석 타겟) 2) 처리군에 포함된 샘플 하나하나에 대..
2023. 12. 14.
(기업경제 #9) Matching
기업경제학 실습: 제9회 오늘의 일정 매칭(1) 참고 문헌: Cunningham, S. 2021. Causal Inference. Yale University Press. Ho,D., Imai,K., King,G., E. A. Stuart.2011. MatchIt: Nonparametric Preprocessing for Parametric Causal Inference. 야스이 쇼타 주식회사 호쿠소엠 '효과 검증 입문' 기술평론사, 2020년 호시노 다카히로(星野嵩宏)「통계적 인과효과의 기초」岩波データサイエンスVol.3, 62- 89, 2016년 森田果『실증분석입문:데이터에서 '인과관계'를 읽는 법』일본평론사, 2014년 Pearl,J., Glymour,M., and N.P.Jewell, 『입문 통계적..
2023. 12. 6.
(자산배분 #11-12) 대체투자 및 해외 분산투자 | 자산 배분에 대한 성과 평가
대체투자 및 해외 분산투자 전회 복습(제9회 수업) 전회 복습(10회) 자산운용 분야의 테마 흐름 키워드 투자대상 1950 리스크, 분산투자 국내주, 국내채권 H. Markowitz(1952) 1960 CAPM, 베타 W. Sharpe(1964) 1970 옵션 이론 외국주식 외국채권 F. Back, M. Scholes(1973) R. Merton(1973) 1980 국제분산투자 선물 옵션 1990 대체투자 신흥국주식 신흥국채권 PE Commodity 부동산, REIT CDO, CLO, MBS 대체투자란? 전통적인 투자, 즉 국내 주식, 국내 채권, 해외 주식, 해외 채권에 대한 롱 포지션에 대한 비 전통적(대안적) 투자의 총칭을 대체투자라고 한다. 비전통적 자산군에 대한 투자 Alternative Ass..
2023. 11. 18.
(기업경제 #5) 더미 변수를 이용한 분석
기업경제학 실습 제5회 오늘의 일정 더미 변수를 이용한 분석 변수 선택 문제 참고 문헌 西山慶彦・新谷元嗣・川口大司・奥井亮『계량경제학』有斐閣,2019년, 5장 林賢一・下平英寿『R로 배우는 통계적 데이터 분석』講談社,2020년3장, 4장 森田果『실증분석입문』일본평론사, 2014년, 9장 山本勲『실증분석을 위한 계량경제학』중앙경제, 2015년, 3 장 더미 변수 활용 추정식 y = f(x)에서 피설명변수 y와 설명변수 x의 관계는 모든 관측값에 평균적으로 잘 맞는다는 가정 y = f(x) = β₀ + β₁ x₁ + u 실제로는 다양한 속성(예: 국적, 성별, 연령, 업종 등)에 따라 관계가 달라질 수 있다. 속성 정보를 1 또는 0의 값을 갖는 특수한 데이터로 수치화하여 분석하는 경우, 이 변수를 '더미변수'..
2023. 11. 2.