코코의 분석 일기 코코의 분석 일기

Step01. oracledb package 설치 pip install oracledb - 찾아보면 기존에 많이 사용되던 cx_Oracle package 가 있고, oracledb package 가 있다. - cx_Oracle 이 업그레이드 된 것이 oracledb 라고 하며, 권한이 일부 달라 보인다. (client 부분) - cx_Oracle 로 시도해보다가 환경설정 부분에서 잘 안 되는 부분이 있어서, oracledb 를 사용했다. ** 자세한 내용은 하단 링크 참고 https://oracle.github.io/python-oracledb/ python-oracledb - Python Driver for Oracle Database Optional use of Oracle Client 11.2, 1..

누적 관리할 데이터가 있어서 데이터베이스를 생성해서 관리하려고 한다. 클라우드에 서버 세팅을 해서 사용할까 싶기도 했는데, 일단은 현재 작업 중인 맥북에다가 설치해서 사용하고 이전할까싶다. Step 01. Docker 설치하기 https://www.docker.com/products/docker-desktop/ Download Docker Desktop | Docker Docker Desktop is available to download for free on Mac, Windows, or Linux operating systems. Get started with Docker today! www.docker.com 나는 Intel Chip 이 내장되어 있는 버전이라 가장 위에 있는 설치 파일로 설치했다...

요즘 같은 하락장에 어떤 공부를 하면 좋을까 생각하다가, 단지별 매물 매매 호가와 전세 호가의 차이로 갭을 모니터링해보면 좋겠다고 생각했다. 현 상황에서 분명 역전세가 발생하고 있는 단지들도 있을 것이고, 상대적으로 갭이 많이 벌어지지 않은 단지들도 있을 것이다. 분명 지역적인 특징이 있을 수도 있는데, 전국적으로 갭이 안정화에 접어든다면 하락 또한 어느 정도 안정화되지 않을까 싶었다. 그래서 오늘은 전국에 있는 단지들의 정보를 모두 수집한 결과를 정리해보려 한다. 하나의 예시로 서울 강동구에 있는 단지를 아무거나 하나 골랐다. 네이버 매물에서 단지를 찾아보면 매매가 11억~36억 / 전세가 5억 7,000~10억 과 같이 단지별로 호가 정보가 뜨고, 아래에서는 세대수, 용적률, 건폐율 등에 대한 정보를..

퀀트 분석에 필요한 데이터를 호출하는 함수 중 일부가 작동하지 않아 수정하는 내용을 지난 포스팅에서 다뤘었다. 수정한 코드로 22년 3분기 데이터를 정리했고, 오늘은 몇 가지 퀀트 전략을 적용한 결과를 살펴보려고 한다. 나스닥 상장 기업을 대상으로 기존 전략대로 1) Graham, 2) NCAV, 3) 3P Combo, 4) PBR + GP/A 기법을 적용했다. 3P Combo 와 PBR + GP/A 전략은 rank 값을 반환하기 때문에 상위 50개만 추려냈다. (*22년 9월 이후 실적이 업데이트된 기업을 대상으로 분석함) 필터링된 기업들의 sector 와 industry 를 요약해보면 아래의 표와 같다. 현재 경제 상황과 맞아떨어지게 finance 분야가 주로 나타나는 것을 알 수 있다. Sector..

예전 포스팅에서 미국 주식 퀀트 투자를 위한 yahoo finance 활용법을 다뤘었다. [Python] yahoo finance 에서 원하는 정보 긁어오기 (미국편) 지난 번에 퀀트 투자 책을 읽었으니, 그걸 활용해볼까 한다. 우선 퀀트 투자를 하기 위해서는 각 기업별 재무제표 정보를 살펴봐야 한다. 그런데 미국 기준으로 보면 나스닥 종목만 해도 3,000 여 thisiswhoiam.tistory.com [Python] 퀀트 투자 기법 적용하기 Part 1. (미국편) 지난 포스팅에서 yahoo finance 에서 미국 주식 데이터를 긁어오는 내용을 다뤘었다. 이번 포스팅에서는 퀀트 기법에 적용해보기 위해, 어떤 데이터들을 먼저 수집해야하는지를 다뤄보자. 우선 적 thisiswhoiam.tistory...

오랜만에 포스팅한다. 친구들과 마이너스 피에 대해 이야기를 나누다가, 네이버 부동산에서 매물을 크롤링해 투자 물건지를 찾을 수는 없을까 하는 생각이 들었다. 그래서 오늘은 초반에 매물을 크롤링해오는 부분을 먼저 다루려한다. 진행 과정은 아래와 같다. 1. 지역 선택 2. 해당 지역의 위치 정보(좌표) 찾기 3. 해당 위치의 매물 크롤링(20개씩 크롤링 가능) 4. 크롤링한 정보에서 필요한 정보 추출 및 정리 * 크롤링에는 네이버 부동산 모바일 페이지를 사용 (http://m.land.naver.com) 하나씩 차근차근 살펴보자. 1. 지역 선택 네이버 부동산 모바일 페이지에서는 아래와 같은 화면으로 지역을 세분화해서, 매물을 관리하고 있다. 경상북도 구미시를 예시로 코드를 작성했으니 참고 2. 선택한 지..

오늘은 지난 번에 수집한 KB 부동산 데이터를 바탕을 시각화를 해보려 한다. KB 부동산 - 데이터 허브 에 들어가면 주택매매가격지수, 주택전세가격지수 데이터가 있다. 분석에 앞서 여기서 말하는 가격지수가 실제 거래 금액이 아닌 지수화한 값이라는 것을 알고 넘어가자. [ 주택 매매/전세 가격지수란? ] 정확하게 어떤 산식을 통해 지수화하는 것인지 찾지 못했지만, 현 시점의 가격 데이터를 100으로 두고 나머지 기간의 가격 데이터를 0~100 사이 값으로 환산한 값인 듯하다. (Relative frequency 개념으로 이해하면 될 듯) [ 가격지수 Plotting ] Plotting 에 앞서 데이터가 어떻게 생겼는지 먼저 살펴보자. 아래 표는 주택전세가격지수 데이터 예시이다. (주택매매가격지수도 동일한 ..

하락장에는 공부하는 것이 진리!! 선배가 추천해준 '파이썬을 활용한 부동산 데이터 분석' 책을 사두고 꽤 오래 방치했었는데 다시 시작해보려한다. (하고 싶은 것과 해야할 것들... 너어어어무 많다~ 시간이 부족해 🫠🫠🫠) 책을 살펴보면 앞장에는 파이썬을 활용하는 방법들을 주로 설명해두었고, 2장에서는 KB부동산에서 제공하는 데이터를 시각화하는 방법들을 설명해두었다. 2019년에 출판된 책인데 현재는 절판되었고, 그래서 그런지 책에서 설명하는 데이터 수집 루트가 변경되어 사용할 수 없었다. 그래서 업데이트된 루트를 통해, 필요한 데이터를 먼저 수집하는 작업이 필요했다. API 가 따로 지원되지 않는 것 같아 크롤링으로 데이터를 수집하는 코드를 작성했고, 전부는 아니지만 하나의 예제를 통해 수집 방식을 공유..