<발표후기>

이번 학회에서는 "Feature Evaluation Based on Random Subspace and Multiple-K Ensemble"을 주제로 발표하였다. 제안 방법론은 Multiple-k Ensemble과 Random Subspace Ensemble을 혼합하여 변수의 중요도를 측정하는 방법론이다. 본 방법론에서는 앙상블 기법을 기반으로 변수의 중요도를 측정하는데, 이를 통해 변수들의 다각적인 평가가 가능한데, 평가모델의 다각화는 결국 성능의 향상과 연결되므로 제안기법은 다른 기법들에 비해 우수한 성능을 보였다. 이번 학회에서는 연구내용을 e-poster로 발표하였다. 사실 이전까지는 구두발표 위주의 발표를 하였는데, e-poster 발표라는 형식이 다소 생소해서 이를 준비하는데 많은 시간을 할애하였다. 발표 슬라이드가 총 5장으로 제한되어 있기때문에 연구의 핵심이 되는 부분을 선택하고 지엽적인 부분을 제거하는 등 연구를 요약하고 이를 효과적으로 보여줄 수 있는데 많은 시간을 할애하였다. 특히, 청중들에게 연구내용을 좀 더 잘 전달할 수 있도록 발표자료를 효과적으로 구성하는데 시간이 소모되었다. 발표연습을 하면서 지속적으로 발표흐름이나 워딩 등을 수정하는 과정을 거쳤고, 5분이라는 짧은 발표시간을 맞추기 위해 중요한 부분이 어디인지 빠르게 넘어갈 수 있는 부분을 어디인지를 계속해서 연습하였다. 다행히 학회에서 할당된 발표시간을 거의 맞추어서 발표할 수 있었고, 생각보다 만족스러운 발표가 된 것 같아서 자신감이 생기기도 하였다. 하지만, 몇 가지 개선해야할 부분도 확인하였다. 우선, 발표 앞에서는 비교적 여유있게 발표를 하였으나, 뒤로 갈수록 말이 좀 빨라지고 긴장이 되어서 그런지 역간의 버벅거림이 있다는 부분이다. 이 부분은 좀 더 노력하여서 고치도록 할 것이고, 발표하기에 앞서 지금보다 더 많은 연습을 해야할 것이라는 생각이 들었다. 두 번째로는 많은 연습을 하다보니 발표내용이 외워졌는데, 약간이라도 외운부분에서 말이 잘못나가면 당황을 한다는 점이다. 이번 발표를 통해서 발표 대본을 외우는 것보다는 흐름을 외우고, 흐름에 따라서 자연스럽게 말하는 것이 더욱 효과적이라는 생각이 확실하게 들었다. 물론, 이를 위해서 평소에 영어로 말하는 연습을 좀 더 많이 해야할 것이다.

- 질문사항

질문 1. 발표자가 발표한 내용이 어떠한 분야에 활용될 수 있을 것이라고 생각하는가?

답변: 바이오 의료분야에 효과적으로 활용될 수 있을 것이라고 생각한다. 바이오 분야의 유전자 데이터나 Microarray 데이터는 상당히 고차원 데이터인데, 이러한 데이터를 효과적으로 분석하는데 활용할 수 있을 것이다.

<청취후기>

1. Suitability Verification of Technological Project through Estimated Cost and Period Information by Technology Development Stage

발표자는 새로운 기술에 대한 효과적인 투자를 위해 기술개발 프로젝트들을 그룹화하고, 이를 바탕으로 기술 개발 프로젝트의 특성을 파악하였다. 이를 위해 발표자는 SOM을 통해서 데이터를 군집화하고, 군집화 결과에 대한 사후 분석을 수행하였다. 흥미로운 발표이긴 했지만, 분석대상이 되는 데이터에 대한 설명이 없던 것은 좀 아쉬웠다. 어떠한 과정으로 데이터를 수집하였는지, 데이터의 변수가 어떤것들인지에 대한 정보를 알려주는 것은 청취자들의 이해를 돕는데 매우 중요한 부분인데, 이를 간과한 것은 아쉬움이 남는 부분이다. 또한, 다수의 군집화 기법들 중 왜 SOM을 사용했는지에 대한 설명도 명확하지 않았다.

2. Measuring Banking Systemic Risk Conditional Value-At-Risk and Conditional Coherent Expected Shortfall in Taiwan Using Vector Quantile GARCH Model

발표자는 2008년 이후 미국발 금융위기가 대만의 금융에 어떠한 변화를 가져왔는지를 통계방법론을 활용하여 체계적으로 분석하였다. 발표자는 대만은행의 리스크를 Conditional Value at Risk (CoVAR)와 Conditional Coherent Expected Shortfall이라는 척도를 통해 계산하고, 이 두가지 척도를 Vector Quantile Autoregression이라는 기법을 통해 추정하였다. 금융 데이터가 다소 노이즈도 많고 여기서 도출된 모델 역시 불안정할 것이라고 생각되는데, 이것이 분석에 있어서 중요한 문제라고 생각하며, 많약 중요한 문제라면 이를 어떻게 처리했는지가 궁금했다.한편, 학부에서 금융공학과 관련된 수업을 수강한 적이 있는데, 그 수업에서 들어본 적이 있는 VAR과 같은 개념이 나와서 이를 다시한번 되새겨볼 수 있었다. 특히, Vector Quantile Autoregression이라는 기법은 다소 생소했는데, 좀 더 자세하게 공부해보고 다른 분야에 적용해보고 싶다는 생각이 들었다.