아마 기초 교과서에서는 대충 평균에서 멀리 떨어져 있는 값에 페널티를 멕이려고 써져있을 텐데

꼭 그걸 쓸 이유는 없음. 노름(거리 함수)을 선택하는 문제인데   제곱 오차 합을 최소화 할수도, 니 말처럼 절대값 오차합Least absolute deviations (LAD)을 최소화 할수도 있음. 

거슬러 올라가면 

 회귀분석에서 계수 구하려고 오차 합을 최소화 하는 문제에서 가우스는 오차 제곱합(L2 노름) 라플라스는 오차 절대값 합 극소화(L1노름)를 주장했다고 함 

당시엔 가우스 쪽이 이겼는데 왜냐하면 2차함수는 미분 가능해서 우리가 정규방정식이라고 부르는 식을 쉽게 도출할수 있었지만 

 알다시피 절대값 함수는 뾰족한 부분이 발생해 미분이 불가능해서 당시로서 계산이 쉽지 않고 해가 유일하지도 않을 수 있기 때문임.

 이런 계산상의 이유 뿐만아니라 오차항이 정규 분포라고 가정할때의 편리함, 분산 관련 해서 가법성을 유지하는 등등의 이유로 L2 노름이 자주 쓰임

그렇다고 오늘날 오차 절대값 합이 안쓰이느냐? 쓰임. L2노름은 아웃라이어(너무 크거나 작은값)에 민감해서 

그렇지 않은 결과를 원할때 L1노름을 쓰고 이런 테크닉을  robust 추정, 롭버스트 회귀분석 이라고 부름

 원래 문제로 돌아가서 

 일단 니가 term structure modeling을 잘 이해하지 못하고 있다고 보이는데 그건 

 교과서를 보고 보충하길 바라고, 

캘리브래이션에서는  일반적으로 오차제곱합을 쓰지만 그런데   

교수가 왜 LAD를 썼냐고 물으면 아웃라이어가 있는거 같아  robust 한 결과를 원해서 했다고 하면됨