Initial Commit: Reinforced Knowledge Wiki v1.0 - Pure Origin

Financial Modeling & Math/Quantitative Finance.md

@@ -0,0 +1,30 @@
+---
+id: P-REINFORCE-AI-057
+category: "[[10_Wiki/💡 Topics/Financial Modeling & Math]]"
+confidence_score: 0.98
+tags: [finance, quantitative finance, stochastics, risk management]
+last_reinforced: 2026-06-XX
+github_commit: "[P-Reinforce] Processed Quantitative Finance."
+---
+
+# [[Quantitative Finance]] (계량 금융)
+
+## 📌 한 줄 통찰 (The Karpathy Summary)
+> 수학적 모델링, 통계학, 컴퓨터 과학을 결합하여 시장의 복잡한 데이터를 분석하고, 위험을 관리하며, 최적의 거래 전략을 수립하는 학문이다.
+
+## 📖 구조화된 지식 (Synthesized Content)
+- **핵심 방법론:** 직관에 의존하는 전통 금융 방식을 벗어나, 수학적으로 검증 가능한 모델(Model-Based Approach)을 사용한다. 확률 과정과 통계적 추정을 핵심으로 한다.
+- **주요 이론 및 적용:**
+    1. **확률 및 시계열 분석:** 주가 변동 같은 무작위 현상을 수학적 확률 분포로 가정하고, 이를 기반으로 예측 모델(예: GARCH)을 만든다. (Probability Theory).
+    2. **최적화와 의사결정:** 투자 포트폴리오의 위험 대비 수익률을 극대화하는 최적 배분을 계산한다 (Optimization Theory).
+    3. **위험 관리 (Risk Management):** VaR(Value at Risk)나 스트레스 테스트 등, 시스템이 감당할 수 있는 최대 손실 범위를 수학적으로 정의하고 관리한다.
+
+## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
+- **과거 데이터와의 충돌:** 시장은 본질적으로 예측 불가능한 '카오스'의 영역이다. 따라서 모델링 자체에 대한 겸손함(Humility)을 유지해야 하며, 모델이 실패할 경우를 대비하는 비상 계획이 필수적이다.
+- **정책 변화:** 최근에는 강화학습 (RL)과 결합하여, 시장 상황이라는 환경 속에서 에이전트가 최적의 행동 정책을 학습하게 하는 방향으로 진화하고 있다.
+
+## 🔗 지식 연결 (Graph)
+- Parent: [[Probability Theory]]
+- Related: [[Reinforcement Learning in Economics]] , [[Risk Management in Finance]] , [[Stochastic Processes]]
+- Raw Source: [[00_Raw/Quantitative Finance.md]]
+---