본문 바로가기

python/금융데이터분석20

python 증권데이터 분석 - 장고 웹 프레임워크 설치, 생성, 실행 장고 웹 프레임워크란? 장고는 파이썬 기반 웹 프레임워크로 주로 백엔드 개발에 사용되는 웹 프레임워크를 말한다. 백엔드란 사용자 눈에 보이지 않고 시스템 뒤에서 전산처리되는 영역이다. 이러한 파이썬 기반 웹 프레임워크는 대표적으로 장고와 플라스크 2가지를 꼽는다. 장고의 개발 배경 장고 웹 프레임워크는 '로렌스 저널 월드' 신문사를 다니던 애드링나 홀로바티(Adrian Holovary)와 사이먼 윌리슨(Simon Willison)이 2003년 개발을 시작하여 2005년 7월 장고를 오픈소스인 BSD 라이선스로 공개했다. 장고는 초당 5만 번 이상의 트래픽을 견딜 수 있도록 만들어졌고, 10 ~ 20년이 지난 지금도 꾸준하게 새롱누 버전이 출시되고 있는 프레임워크이다. 인스타그램, 모질라, 핀터레스트와 같.. 2023. 1. 11.
python 증권데이터 분석 - 듀얼 모멘텀 투자 모멘텀 Momentum 직역 : 물체를 움직이는 힘을 의미 주식시장 : 움직이기 시작한 주식 가격이 계속 같은 방향으로 나아가려는 성질 모멘텀 현상 모멘텀 현상은 행동재무학에서 군집 행동, 정박효과, 확중 편향, 처분 효과 등 행동편향(action bias)에 의해 발생한다. 주가 움직임이 미래에도 이어질 것이라 믿는 확증편향을 가진 투자자들이 최근 상승주에 더 투자하기에, 모멘텀이 이어지는 현상을 말할 수 있다. 확증 편향으로 인해 과소평가, 과대평가가 생겨나며 비효율적인 가격을 형성해 투자자들의 급진적인 행동을 가져온다. - : 확증 편향(action bias) 군집행동(herding) 다수 그룹의 행동을 따라하라는 경향 정박 효과(anchoring) 정보를 처음 제공받은 시점에 지나치게 의존하는 경.. 2023. 1. 10.
python 증권데이터 분석 - 삼중창 매매 시스템 삼중창 매매 시스템 첫 번째 창 - 시장 조류 두 번째 창 - 시장 파도 세 번째 창 - 진입 기술 삼중창 매매 시스템 삼중창 매매 시스템은 추세 추종과 역추세 매매법을 함께 사용하여, 세 단계의 창을 거쳐 더 정확한 매매 시점을 포착할 수 있는 매매 기법을 말한다. 같은 시장을 분석하더라도 지표들이 나타내는 신호들이 서로 다르게 나타날 수 있다. 시장이 상승 추세일 때, 추세 추종형 지표는 일반적으로 매수신호를 주지만, 오실레이터는 과매수 상태로 판단하여 매도 신호를 보낼 수 있는 점이다. 같은 상황에서 한가지 지표만 사용했을 때, 다른 신호를 보낼 수 있다는 단점이 있기 때문에, 단점을 보완하고자 추세 추종형 지표와 오실레이터를 적절히 결합해 사용해야 한다. 첫 번째 창 - 시장 조류 트레이더 에게는.. 2023. 1. 4.
python 증권데이터 분석 - 심리투자 법칙(이동평균선, 지수 이동평균, MACD) 심리 투자 법칙 Trading for a Living 알렉산더 엘더 Alexander Elder 심리투자 법칙 Trading for a Living 심리투자 법칙은 알렉산더 엘더의 "주식시장에서 살아남는 심리투자 법칙"에 나오며, 전업투자자 분들에게 생존 교본으로 불리고 있다. 알렉산더 엘더의 심리투자 법칙은 정신분석학 적으로 작성된 매매기법으로 성공적인 매매 요소 3가지 3M을 제시한다. 성공적인 매매요소 3M - 정신(Mind) : 시장 노이즈에 휩쓸리지 않게하는 원칙 - 기법(Method) : 시장 지표를 활용해 주가를 분석하고 매매에 활용하는 기법 - 지금(Money) : 리스크를 거래 일부로 포함시키는 자금관리 시장 지표 Market Indicator 시장지표는 추세지표, 오실레이터, 기타지표 .. 2022. 12. 31.
python 증권데이터 분석 - 볼린저 밴드 반전 매매기법 볼린저 밴드 반전 매매 기법 Bollinger Band Reversals 매매기법 볼린저 밴드 반전 매매기법 볼린저 밴드 반전 Reversals 매매기법은 주가가 반전되는 지점을 찾아 매수/매도하는 매매기법이다. - 매수 타이밍 : 주가가 하단밴드를 여러차례 태그하는 과정에서 강세 지표가 발생할 때 매수 - 매도 타이밍 : 주가가 상단밴드를 여러차례 태그하는 과정에서 약세 지표를 발생할 때 매도 존 볼린저(볼린저 밴드 창시자)는 일중강도율(Intraday Intensity)와 매집 분산율(AD%)를 기술적 지표를 예로 든다. 하지만 증권데이터 분석에서는 매도/매수 조건 일관성을 위해 일중 강도율(II% : Intraday Intensity)만 사용한다. - 매수 : 주가가 하단밴드 부근에서 W형 패턴을 .. 2022. 12. 31.
python 증권데이터 분석 - 볼린저 밴드 추세 추종 매매기법 볼린저 밴드 매매기법 볼린저 밴드의 지표인 %b 값과 밴드폭이 무엇인지 다시 한번 리마인드 해보자 - %b : 볼린저 밴드 어딘가에 주가가 위치해있는지를 나타내는 지표, 주가와 연계하여 트레이딩 시스템을 구축할 때 필요한 핵심 수단으로 활용할 수 있다. - 밴드폭 : 밴드의 너비를 수치로 나타낼 수 있으며, 추세의 시작과 끝을 포착하는 역할한다. 볼린저 밴드와 함께 사용되는 지표는 모멘텀, 추세, 거래량, 과매수/과매도, 심리 등 거래량 지표들이 많이 사용된다. 범주별 기술적 지표 범주 기술적 지표 모멘텀 변화율, 스토캐스틱 추세 선형회귀, MACD 거래량 일중강도, 매집/분산, 현금흐름지표, 거래량가중 MACD 과매수/과매도 CCI, RSI 심리 여론조사선, 풋-콜 비율 볼린저 밴드를 개발한 존 볼린저.. 2022. 12. 30.
python 증권데이터 분석 - 볼린저 밴드 지표 python구현 증권투자 보조지표 국내의 어떤 암호화폐 거래소의 통계에 따르면 투자자들이 이용하는 보조지표 이용패턴을 분석한 결과가 있다. 기본 보조지표인 이동평균선을 제외하고 가장 많이 사용된 보조지표는 일목균형표, 볼린저밴드, 매물대, 상대강도지수, 이동평균 수렴확산 순으로 나타났다고 한다. 일목균형표 시세의 균형을 시각적으로 파악할 수 있는 지표로, 가격이 언제까지 오르고 언제까지 내릴 것인지 시간에 주목한 난해한 이론으로 만들어진 지표이다. 일목균형표는 '전환선', '기준선', '선행스팬 1', '선행스팬 2', '후행 스팬' 5개의 의미있는 선을 이용해 현재 가격을 알아내고자 하는 것으로 시간개념이 포함된 지표이다. 볼린저밴드(Bolinger Band) 가격이 이동평균선을 중심으로 표준편차 범위(상한선 및 하한.. 2022. 12. 28.
python 증권데이터 분석 - 샤프지수, 포트폴리오 최적화 python구현 샤프지수(Shape Ratio) 현대 포트폴리오 이론에 따르면 포트폴리오 별 개별 리스크가 주어졌을 때, 효율적 투자선보다 높은 수익률은 기대할 수 없다는 한계점을 가지고 있다. 리스크를 최소화하고 수익률을 최대화하는 포트폴리오는 어떻게 찾을 수 있을까? 현대 포트폴리오 이론을 개발한 해리 마코위츠의 초기 이론으로는 해결하기 힘들지만 해리 마코위츠의 제자인 윌리엄 샤프(William Shape)의 샤프지수로 해결할 수 있다. 윌리엄샤프 역시 샤프지수Shape Ratio를 개발하여 노벨상을 수상하였고, 현대 포트폴리오 이론에서 매우 중요한 요소가 되었다. 샤프지수는 측정된 위험단위당 수익률을 계산한다는 점에서 수익률의 표준편차와 다른 점을 가진다. 샤프 지수 구현은 계산 편의를 고려해 무위험률 = 0, 샤.. 2022. 12. 27.
python 증권데이터 분석 - 현대 포트폴리오 이론, 효율적 투자선 python 구현 현대 포트폴리오 이론 현대 포트폴리오 이론 해리 맥스 마코위츠(Harry Max Markowitz)가 1952년 발표한 논문 [포트폴리오 셀렉션]에서 평균-분산 최적화(MVO : Mea-Variance-Optimization)를 제시했다. 평균-분산 최적화(MVO : Mea-Variance-Optimization)란 예상 수익률과 리스크의 상관관계를 활용하여 포트폴리오를 최적화하는 기법을 말한다. 이후 많은 투자자와 학자가 이 모델을 따랐으며, 해리 마코위츠는 1990년에 현대 포트폴리오이론을 창안한 업적으로 노벨 경제학상을 수상한다. 수익률의 표준편차 수익률의 표준편차(Standard deviation of returns)는 자산 가격이 평균값에서 벗어나는 저도인 RISH를 측정하는 방법이다. 주식시장.. 2022. 12. 26.
반응형