MOCAM Lab은 복잡한 확률 모형의 추론을 위한 몬테카를로 시뮬레이션 기반의 통계적·계산적 방법론을 연구하고 있습니다.
<주요 연구 분야>
몬테카를로 기법(MonteCarlo methods)
마르코프 연쇄 몬테카를로(Markov Chain Monte Carlo)
순차적 몬테카를로(Sequential Monte Carlo)
계산 금융(Computational Finance)
점과정(Point Processes)
이와같은 이론적인 주제를 폭넓게 탐구하고, 관련 방법론의 이론적 성질 규명 및 계산 효율성 증진에 중점을 두고 있습니다.
해당 이론들을 기반으로 하여, 금융 시계열, 리스크 관리, 공간 및 시공간 통계 등 다양한 응용 분야의 통계적 문제를 연구합니다.
또한, 해석적 접근이 어려운 고차원·복합 확률 모형의 시뮬레이션과 추정을 위해 현대적 계산 기법을 연구하고, 개별 문제의 구조적 특성을 반영한 효율적 알고리즘을 설계합니다.
이를 발전시켜 몬테카를로 방법론의 지평을 넓히는 최신 연구를 이어가고 있습니다.
MOCAM Lab은 몬테카를로 방법론의 이론적 기반을 발전시키고, 계산 성능을 개선하며, 다양한 분야에서의 활용 가능성을 넓히는 연구를 수행하고 있습니다.
An adaptive importance resampling for locally stable point processes
Communications in Statistics - Simulation and Computation, 2027.
An adaptive importance sampling for locally stable point processes
Computational Statistics, 2025.
A Sequential Importance Sampling for Estimating Multi-Period Tail Risk
Risks, 2024.Stratified importance sampling for a Bernoulli mixture model of portfolio credit risk
Annals of Operations Research, 2023.