1. Aliasing은 원본 데이터보다 표시 데이터의 sampling rate이 낮아져서 생긴다. 2. Downsampling 시 단순 행, 열 삭제보다 Gaussian Image Pyramid, Laplacian Image Pyramid를 사용함. 2-1. Gaussian Image pyramid는 평균 필터(모든 pixel에 같은 가중치)가 아닌 Gaussian filter(중앙은 높은 가중치, 가장자리는 낮은 가중치를 주는 필터. 정규분포를 따름. Gaussian filter는 흐릿하게 만드는 blur 효과가 있는 low pass filter - 특이값(주변과 차이가 큰 값)을 없애는 필터)를 사용함. 원본 -> filter(blur) -> downsample -> 2x zoom -> filter ..

Distortion-Rate trade-off: 정보이론에서 비롯된 개념이다. 딥러닝에서 input x, label y, prediction y^가 존재한다고 할 때, 결국 학습은 x를 y^으로 가장 효율적이게 '압축' 한다고 생각할 수 있다. 이때 신호 압축과 마찬가지로, 특정한 최대 왜곡수치 D' 이하에서 Rate'(bits/dim - 하나의 dimension을 표현하는데 필요한 bit의 개수)가 최소가 되는 값을 찾아야 한다고 생각할 수 있다. ‘정보’를 ‘놀라움’의 척도로 바라보면 된다. 어떤 사건이 ‘놀랍다’면, 그 사건을 통해서 우리는 많은 ‘정보’를 얻은 것으로 간주할 수 있다. 기존 사고의 흐름에 큰 도전이 되 었기 때문이다. 또 어떤 사건이 얼마나 ‘놀라운’지는, 그 확률로 표현할 수 있..

Inception score = diversity(생성된 이미지의 다양성) * Sharpness(classifier가 확신을 가지는 정도) FID - 해당 모델이 만들어낸 이미지를 다른 모델의 INPUT으로 넣어보고, 실제 사진과 결과를 비교하여 구함. Inductive Bias - 모델에 들어가는 추가가정 ex) CNN은 Locality가 중요한 역할을 한다고 '가정'된 모델이다.

지난 논문들에서는 시가총액이 클 수록 momentum 효과가, 작을 수록 mean reversion 효과가 크다는 것을 보여주었다. 주 단위 기준 small의 mean reversion t값은 -7.31, large의 momentum t값은 2.33. large의 long term(26주) mean reversion은 t값이 -1.91로 약하다. 이 논문에서는 주 단위 리밸런싱과 함께 50milion dollar market cap과 5million dollar last week trading volume으로 암호화폐를 large/liquid, small/illiquid로 분류한다. 이떄 last week high와 lask week close의 gap을 사용하는데, small의 t값은 -9.03, la..

Momentum과 liquidity가 수익에 미치는 연구 만들어진 지 6개월이 지나고 시총이 백만달러 이상인 코인 700여개를 대상으로 연구 결과적으로 liquidity가 높은 종목들은 momentum이, 낮은 종목들은 mean reversion이 발견됨. 포트폴리오는 2주마다 리밸런싱되고, equal weighted.

정확히 24시간 전(22시간, 23시간 등의 기타 시간 제외)의 수익률과 지금 1시간 수익률은 음의 상관관계를 보인다. 저자들은 그 이유를 24 hour window가 이동했기 때문이라고 설명한다. 24시간 전에 해당 자산이 많이 하락했을 경우, 그 후 24시간 동안 그 자산의 수익률은 투자자들에게 낮게 보인다. 24시간이 지나면 많이 하락한 그 1시간의 기록이 없어져 수익률이 높게 보이고, 투자자들의 관심을 더 끌게 된다. 상관관계는 1% 당 0.034%의 negative이고, 24시간 전에 하락했을 때가 더 크게 나타나는 asymmetric한 특성을 보인다. 2015~2021년도 한정된(2~40개)의 자산에서 매년 이 효과는 나타나고 liquidity와 volume이 클수록 상관관계도 크다. 특정한 ..