• 핵심 공통 과목을 통해 경제 현상을 논리적이고 깊이 있게 이해할 수 있는 이론과 방법론 학습
• 선택 과목을 통해 경제 관련 빅데이터 분석 및 머신러닝과 같은 최신 분석 기법을 실습
• R과 Python을 사용한 통계 분석과 Stata를 활용한 데이터 관리 방법
• 외부 전문가 초청 강의 및 현장의 사례를 활용한 데이터 분석 프로젝트 수행

퀀트입문 (Basics for Quantitative Analysis)

본 과목은 경제 데이터 분석에 기초가 되는 통계학 및 계량경제학 기법을 학습하는 것을 목표로 한다. 경제 데이터 분석에 널리 사용되는 선형회귀분석, 최우추정법(MLE), 일반적률추정법(GMM) 등을 배우고, 경제/금융 시계열 분석에 필요한 시계열 분석(Time Series Analysis) 기법을 소개한다. R 프로그램 사용법을 습득하고, 실제 경제 데이터를 이용하여 다양한 계량경제 모형의 추정 및 검정을 실시한다.

응용미시경제학 (Applied Microeconomics)

본 과목에서는 데이터를 이용한 실증분석 결과를 해석하는데 필요한 이론 역량을 함양한다. 본 과목은 크게 두 부분으로 나누어진다. 먼저 이론 미시에서는 미시경제학의 제반 이슈들을 분석하고, 결과해석과 정책적 함의를 도출하는데 초점을 둔다. 또한 응용 미시분야인 관리경제학(managerial economics) 부분에서는 효율적인 기업조직과 관리 방식을 고안하고자 하는 기업전략을 분석하며, 기업조직내에서 임금 및 비임금의 보상체계 등 동기유발을 위한 각종 메카니즘들을 설계하는데 필요한 이론 역량을 쌓는다.

응용거시경제학 (Applied Macroeconomics)

본 과목에서는 거시경제의 주요 변수들인 GDP, 이자율, 인플레이션, 실업률 등 자료의 속성을 이해하고, 이 변수들의 장단기 변화에 대한 이론적 설명에 관해 학습한다. 또한 우리나라와 같은 개방경제의 특성을 이해하는데 중요한 각종 대외수지, 국제자본흐름, 환율 등에 대해서도 공부한다. 나아가 단기적으로는 경기의 변동, 장기적으로는 경제의 성장이 일어나는 과정을 이해하고 예측할 수 있는 이론적 토대 위에서 재정정책과 통화금융정책 등 거시경제정책의 역할과 효과에 대해 공부한다. 각 주제별 수업은 이론적 학습과 그에 관련된 실제 케이스와 데이터를 이용한 분석을 병행하여 이루어진다.

데이터 관리 및 통계 분석 (Advanced Methods for Economic Data Analysis)

본 과목은 미시경제 데이터와 거시경제 데이터를 분석하는데 필요한 중급 수준의 방법론을 학습하는 것을 목표로 한다. 미시경제 데이터와 관련하여 패널 분석(Panel Analysis), 이산선택(Discrete Choice) 모형 등을 논의하고, 거시경제 데이터와 관련하여 시계열분석론(Time Series Analysis)을 다룬다. 본 과목은 수강생들이 실제 경제 데이터를 이용하여 기업전략, 공정거래, 노동시장, 금융시장 등과 관련된 다양한 문제를 직접 분석할 수 있는 능력을 함양하는 것을 목표로 한다. 아울러, R 을 사용해서 웹에서 데이터를 수집하고, 이를 포함한 다양한 형태의 데이터를 전처리한 후 기초 분석을 수행한다. 또한 분석 결과를 이메일이나 SNS 를 통해 공유하는 방법과 일련의 과정이 반복적으로 수행되도록 자동화하는 방법을 다룬다. 

빅데이터 분석과 머신러닝 (Big Data Analysis and Machine Learning)

본 과정은 빅데이터를 분석할 수 있는 도구로써 다양한 머신러닝 방법들을 이해하고 실제 데이터 분석에 이를 활용할 수 있는 능력을 배양하는 것을 목표로 한다. 이를 위해 다양한 머신러닝 모형과 기법들을 소개하고 통계학적 관점에서 그 방법들의 개념과 원리를 공부한다. 또한, 다양한 데이터 분석 예를 통해 주어진 데이터와 분석 목적에 맞는 머신러닝 방법을 선택하고 유연하게 적용할 수 있는 능력을 배양한다. 이를 통해 향후 머신러닝 기법들을 스스로 빅데이터 분석에 적용하고 결과를 해석할 수 있는 토대를 마련할 수 있을 것으로 기대한다.

노동시장과 빅데이터 분석 (Labor Economics: Quantitative Approach using Big Data)

이 수업은 노동시장 및 교육 관련 이슈를 중심으로 빅데이터를 포함한 다양한 형태의 자료를 분석하는 방법을 익히고, 이를 실무에 활용할 수 있는 능력을 갖추도록 돕는 것을 목표로 한다. 이를 위해 노동경제학 분야의 핵심 연구 주제인 노동시장, 소득분배, 인구변동, 그리고 교육 관련 주제를 중심으로 실증 분석에 초점을 맞추어 수업을 진행한다. 수업에서는 R 프로그램을 사용하여 텍스트 자료를 포함한 다양한 유형의 자료를 분석이 가능한 형태로 정리하고 분석한 후 이를 해석하는 과정을 집중적으로 수행한다.

산업조직론과 데이터사이언스 (Data Science for Industrial Organization)

이 수업에서는 기업과 소비자들 간의 상호작용 및 시장구조와 관련한 경제정책의 분석 및 경제학 분야의 연구에서 빅데이터의 분석이 어떠한 영향을 미치고 있는지를 소개하고 이들 자료를 수집 및 분석하는 기법을 배우는 것을 목표로 한다. 특히, 일반에 공개되는 공공데이터 및 다양한 산업에 걸쳐 실시간으로 접근이 가능한 대규모의 민간 데이터 등 다양한 형태의 빅데이터를 활용하여 산업조직론의 주요 연구주제인 독과점 시장, 담합행위, 가격차별, 반독점 및 경쟁법 관련 이슈 등과 관련한 실증분석을 수행하고 해당 산업을 이해하는 것에 초점을 둔다. 이 수업을 통해 기업 및 소비자의 행태, 그리고 시장의 경쟁구조에 대한 정량적 분석 기법을 익힘으로써 실제 경제정책 및 기업 내 의사결정에 응용하거나 이를 평가할 수 있는 능력을 배양할 것으로 기대된다.

보건경제와 빅데이터 분석 (Health Economics: Quantitative Approach using Big Data)

이 수업은 보건경제 관련 이슈를 중심으로 빅데이터를 포함한 다양한 형태의 자료를 분석하는 방법을 익히고, 이를 실무에 활용할 수 있는 능력을 갖추도록 돕는 것을 목표로 한다. 이를 위해 보건, 복지 및 보험 경제학 분야의 핵심 연구 주제인 의료의 수요와 공급, 건강보험 시장, 건강의 생산과 비용 등의 관련 주제를 중심으로 실증 분석에 초점을 맞추어 수업을 진행한다. 수업에서는 R 프로그램을 사용하여 다양한 유형의 보건 자료를 분석하고 이를 해석하는 과정을 집중적으로 수행한다.

거시경제학 빅데이터분석론 (Big Data Analytics in Macroeconomics)

본 수업에서는 거시경제학에서 주요변수인 GDP, 소비, 실업률, 인플레이션율, 환율 등을 중심으로 빅데이터 형태의 자료를 이용하여 거시적 이슈를 실증 분석한다. 이를 위해 이론적 기초를 이루고 있는 통계적/계량적 기법들에 대한 원리를 학술적 관점에서 깊이 있게 이해하고, R프로그램을 이용하여 도출된 결과를 해석하고 현실에 어떻게 적용될 수 있을지에 초점을 맞추어 진행한다. 또한, 실무적 관점에서 이러한 기법들을 실제 의사결정문제에 응용할 수 있는 능력을 배양시키는 것을 목표로 한다.

퀀트금융 (Quantitative Finance)

이 수업은 금융시장의 각종 자산에 대한 정량적 연구(Quantitative Analysis)를 수행하는 데 필요한 통계 및 계량 기술을 다룬다. 다양한 횡단면 모형이나 시계열 모델을 활용하여 각종 금융 자산의 위험 및 수익 예측하기도 하고, 또한 방대한 양의 재무 데이터를 머신러닝에 적용하는 비정형적인 방법을 활용하여 시장 벤치 마크를 능가하는 주식을 예측하거나 포트폴리오를 구성할 수 있는 것을 목표로 한다. 이 수업을 수료한학생들이 실제 금융산업에서 수행되고 있는 정량적인 접근방법을 이해하고, 각종 재무 및 비재무데이터을 활용하여 투자의사결정문제를 해결하며, 또한 그 결과를 평가할 수 있는 능력을 가지게 하는 것을 목표로 한다. 이 과목은 방대한 양의 재무 데이터 (Big Data)를 활용한 투자 의사 결정에 중점을 둔 정보학영역이기도 하다.

머신러닝과 경제예측 (Machine Learning and Economic Forecasting)

본 과목은 거시 및 금융 시계열의 예측에 사용되는 전통적인 시계열 기법부터 최근 활용되는 머신러닝을 이용한 기법까지 다양한 예측 방법과 예측 모형 간의 통계적 평가 방법을 학습하는 것을 목표로 한다. 시계열 모형 설정에 따른 예측, 고차원 데이터(high dimensional data)가 제공하는 정보를 LASSO 기법 등을 통해 활용하는 예측, 머신러닝 기법을 활용한 예측 등을 논의한다. 또한 예측오차함수, 예측력 우수성의 검정 방법 등 예측 평가와 관련한 사항들뿐만 아니라 Direct Forecasting등 예측 관련이슈들을 소개한다.

법경제학과 빅데이터(Law and Economics with Big Data)

본 과목에서는 재산권(propertyright) 및 거래비용(transactioncost)과 같은 핵심개념들로 구성된 법경제학적 이론을 통해 다양한 민사법, 행정규제법, 형사법들을 분석함으로써 ‘좋은법 찾아내기’에 관하여 실사구시적으로 추론한다. 특히 최근 스마트기기, 무선통신기술, 초연결 등으로 수집 가능해진 대용량데이터에 기반해서 각종 법과 제도가 실제 어떻게 집행되고 어떤 최종결과를 도출하는지와 관련하여 더욱 정확한 예측 또는 검증 능력을 함양한다.