코코의 분석 일기 코코의 분석 일기

이번 포스팅에서는 naver finance 에서 데이터를 긁어오는 걸 할 텐데, naver finance 에서 제공하는 API 를 이용하려 한다. 먼저 데이터를 긁어오기 전에 한국 주식 거래소에서 거래되는 종목들의 ticker 를 먼저 알아야한다. https://seibro.or.kr/websquare/control.jsp?w2xPath=/IPORTAL/user/stock/BIP_CNTS02004V.xml&menuNo=40 SEIBro seibro.or.kr 위의 링크로 이동해, 아래와 같은 화면에서 종목 전체 검색 후 목록 전체를 .xls 파일로 다운받을 수 있다. 다운받은 파일에 대한 처리가 일부 필요하여 첨부로 KOSPI, KOSDAQ 종목들을 .xlsx 파일로 올려두니, 시간 절약 겸 첨부 파일을..

오늘은 심심풀이로 내 성격 유형 검사 결과를 정리해볼까 한다. 우리가 흔히 아는 MBTI 검사와 DISC 행동유형 검사, BIG 5 검사를 해봤다. 결과는 INTJ, DCIS, OCEAN 어떤 검사를 해도 결과가 비슷하다!!ㅋㅋㅋㅋ 숨길 수 없나보다. 뭔가 자기 주장이 강하달까. 제일 충격적이었던 건 MBTI 에서 계획형이 93% 라는 점, 자아 확신형이 93% 라는 점 (주도성도 93%네..?) 수긍이 가기도 하는 게 자기 전에 다음 날 입을 옷을 1안, 2안으로 챙겨두고 잔다는 사실! 그리고 나는 내 선택이 틀리지 않을 것이라는 확신을 가지고 살아간다. 물론 잘못된 선택을 할 수도 있지만, "잘못"에 집중하기 보다는 "경험"에 집중한다. 다음에는 그런 실수를 하지 않아야겠다는 교훈을 얻었으니, 그 선..

지난 번 포스팅에서는 퀀트 투자 기법을 적용하기 위해 필요한 데이터를 수집하는 함수를 만들었다. 그럼 이번 포스팅에서는 실제로 투자 기법을 하나씩 구현해보도록 하자. (데이터는 이미 수집되어 있다는 가정 하) 방법론 조건 판단 기준 Graham - ROA 5% 이상 - Debt ratio 50% 이하 - PBR 0.2 이상 PBR 가 낮은 종목부터 매수 NCAV - PER 0.2 이상 5 이하 - (현 자산 - 총 부채) > 시가총액 OR (현 자산 - 총 부채) * 0.85 > 시가총액 - Net income > 0 순유동자산(2번째 항목)이 높은 종목부터 매수 3P Combo - PER / PBR / PSR rank (낮은 순) 3P (PER / PBR / PSR) rank 가 낮은 종목부터 매수 P..

지난 포스팅에서 yahoo finance 에서 미국 주식 데이터를 긁어오는 내용을 다뤘었다. 이번 포스팅에서는 퀀트 기법에 적용해보기 위해, 어떤 데이터들을 먼저 수집해야하는지를 다뤄보자. 우선 적용시키고자 하는 퀀트 기법을 정리하면 아래와 같다. 방법론 조건 판단 기준 Graham - ROA 5% 이상 - Debt ratio 50% 이하 - PBR 0.2 이상 PBR 가 낮은 종목부터 매수 NCAV - PER 0.2 이상 5 이하 - (현 자산 - 총 부채) > 시가총액 OR (현 자산 - 총 부채) * 0.85 > 시가총액 - Net income > 0 순유동자산(2번째 항목)이 높은 종목부터 매수 3P Combo - PER / PBR / PSR rank (낮은 순) 3P (PER / PBR / PS..

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 여개가 넘는다. 안 그래도 시간이 없어 죽겠는데 3,000 개에 달하는 종목들의 재무제표를 언제 다 직접 뒤져보겠나. 배워 먹은 게 코딩 밖에 없는데 그거라도 써먹어야지. 일단 yahoo_finance (https://finance.yahoo.com/) 에 들어가면 아래처럼 볼 수 있는 기업별 정보를 크롤링하거나 API 로 원하는 정보를 받아올 수 있다. 나는 yahoo finance 에서 제공하는 python package 를 활용해서 데이터를 긁어왔는데, package 설치 과정부터 간단한 코드는 아래 내용 참..

나중에 python 을 활용해서 주식 데이터나 부동산 데이터를 분석하는 법을 다룰 테지만, 이번 포스팅에서는 결과를 어떻게 정리할 수 있을까에 대해 고민해보자. 분석 알고리즘을 정해두고 데이터만 업데이트해서 결과를 뽑고 싶다면, 우리가 흔히 말하는 "자동화"를 시켜야한다. 서버를 활용해서 주기적으로 데이터를 수집/분석할 수 있도록 하고, 그 결과 역시 지속적으로 관리를 해줘야한다. csv 또는 xlsx 등 파일 형태로 결과를 관리할 수도 있지만 다른 기기를 통해서도 결과를 확인하고 싶다면 google spread sheet 를 활용하는 것을 추천한다. 그럼 필요한 package 설치부터 예제 코드까지 한 번 살펴보자. 1. package 설치 - 아래에 있는 명령어를 활용해, 세 가지 package 를 ..

사실 우리가 인터넷 상에서 취득하는 데이터들을 분석하기 위해서는 기초적인 문법들만 알고 있어도 된다. (당장 machine learning, deep learning 같은 것들을 할 건 아니니까. 필요하면 그건 나중에 배우는 걸로.) 크게는 데이터를 불러와서 내 입맛에 맞게 요약하고, 그걸 좀 더 직관적으로 확인할 수 있게 시각화하는 단계로 나눌 수 있을 것 같다. 0. Jupyer notebook 실행시키기 - 기본적인 데이터 분석만 할 거면 jupyter notebook 을 활용하는 걸 추천한다. 나는 터미널에서 jupyter notebook 이라는 키워드를 입력해서 실행시키는 편인데, windows 에서는 시작 메뉴에 아이콘이 있을 거다. 가끔 아이콘으로 실행이 안 될 때가 있는데 그 때는 아래처럼..

Python 만 설치하는 것보다 전체적인 ecosystem 을 활용할 수 있는 anaconda 를 설치하는 걸 추천한다. 1. Anaconda download link: https://www.anaconda.com/products/distribution Anaconda | Anaconda Distribution Anaconda's open-source Distribution is the easiest way to perform Python/R data science and machine learning on a single machine. www.anaconda.com 위의 링크에 접속하면 우측에 "download" 버튼이 있다. 본인 PC 의 OS 에 맞게 다운받아서 설치하면 된다. (누르면 설치파일 ..