데이터분석 4주차 강의 노트정리 [국비지원_스파르타 코딩클럽]

스파르타 코딩클럽 데이터분석 4주차 강의 '핵심' 노트정리

스파르타 코딩클럽 데이터분석 4주차 강의 '핵심' 노트정리

 

1. 백테스팅 개념

 

▶ 백테스팅이란?

: 이전 주가의 추이를 보고 전략을 대입해 보는 것

 

ex. 만약 어떤 조건에 따라 사고 파는 걸 반복하면 돈을 벌 수 있을까?

→ 만약 날씨가 흐리면 사고, 좋으면 팔고를 반복하면 수익이 날까?

 

---

2. 백테스팅 전략 세우기

2-1) 이동평균선

 

▶이동평균선이란?

: 이전 며칠(3일, 5일, 20일, 50일 등) 간의 가격의 평균값이 움직이는 선

: 일 수가 커질수록 곡선이 완만해지는 게 특징

 

 

2-2) 우리가 쓸 전략: 골든크로스, 데드크로스 전략

 

▶ 골든크로스: 주가가 높아질 가능성이 있다는 신호

▶ 데드크로스: 주가가 낮아질 가능성이 있다는 신호

 

→ 그럼 골든크로스 때 사고, 데드크로스 때 팔면 싸게 사서 비싸게 파는 것인가?

 

---

3. 주가 가져오기

 

▶ yfinance, pandas-datareader, finance-datareader 라이브러리 설치

!pip install yfinance pandas-datareader finance-datareader

 

▶주가 가져오기 코드스니펫

from pandas_datareader import data as pdr

import yfinance as yf
yf.pdr_override()

import numpy as np
import pandas as pd

import FinanceDataReader as fdr

df = fdr.DataReader('005930','2020')

df.head()

: '005930' 은 삼성전자의 종목코드 

: '2020' 년도 데이터부터 불러와라

 

*조건 추가: Change 값 > 0.05 인 데이터

 

---

4. 간단한 그래프 그려보기

 

① 한 종목 그래프만 그려보기

df.plot(y = ['Close'], figsize = (15,8), grid = True)

: df.plot(y = ['Close']) Close 값으로 그래프를 그려라

: figsize  = 그래프의 크기 조정

: grid = True 그래프에 격자무늬를 넣어라

: df.plot(y = ['Open', 'Close']) 하면 Open과 Close 열의 그래프가 같이 그려짐

 

 

 

② 여러 종목 그래프 그려보기

 

df_1 = fdr.DataReader('005930','2020')
df_2 = fdr.DataReader('066570','2020')

df = pd.DataFrame()
df['Samsung'] = df_1['Change']
df['LG'] = df_2['Change']

df.tail(100).plot(figsize = (15,8))

: '005930'은 삼성전자 , '066570'은 LG전자의 종목코드

: 새로운 DataFrame을 하나 만들고 삼성전자의 변동율과 LG전자의 변동율 나타내기

: df.plot 으로 그래프 그리는데

: figsize = 로 그래프 크기 조정해주고

: .tail(100) 으로 최근 100일 정도의 데이터만 불러와서 그래프 그려보기

 

 

 

---

5. 이동평균값 만들기(3일)

 

df = fdr.DataReader('005930','2020')

df = df[['Close']]

df['ma'] = df.rolling(3).mean()

df

: df.rolling(3) 3일씩 묶어서

: .mean() 3일간의 이동평균 값을 구해줌

 

01

 

---

6. buy 와 sell 표기

 

① 한 칸 내려주기

 

: 3일의 평균이 파란색 박스

: 각 날짜의 종가가 빨간색 박스

 

→ 빨간색 박스와 파란색 박스의 값을 비교해야 함.

: 그 날의 종가가 3일간의 이동평균선 값을 뚫고 올라가면 사겠다는 것.

→ 보기 좋게 만들려면 파란색 박스를 한 칸 내려줘야 함.

df['ma'] = df.rolling(3).mean().shift(1)

: .shift(1) 만 뒤에 붙여서 적어주면 한 칸 내려주기 끝!

 

 

 

② buy인지 sell인지 액션을 새로운 열에 표시하기

 

df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')

: np.where(조건, 조건에 맞을 때 표시할 값, 조건에 맞지 않을 때 표시할 값)

 

 

 

---

7. 수익률 구하기(1)

 

◈ 실제로 사는 시점 생각하기

: buy - buy - buy 인 경우에는 사는 게 아니라 산 주식을 들고 있는 상태임.

→ buy가 sell로, sell이 buy로 바뀌는 순간이 중요!

 

 

① action값과 action.shift(1) 값 비교

df['action_temp'] = df['action'].shift(1)

: df['action_temp'] 는 action을 .shift(1)한 값

: action값과 action_temp값이 다를 때 (buy와 sell이 바뀌는 시점) buy 해야 함.

 

 

: action은 오늘의 행동

: action.shift(1)은 오늘의 행동을 한 칸 내린 값.

즉, 내일의 action값 입장에서는 어제의 행동이 됨.

 

 

② real_buy값 도출하기

cond = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')

df['real_buy'] = np.where(cond, 'buy', '')

: df['real_buy']  어제 sell이었는데 오늘 buy로 바뀌었으면 buy 라고 표시해줌.

 

 

 

③ buy → sell ,  sell → buy 바뀔 때를 cond 이용해서 잡아내기

cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')

df_buy = df[cond1]
df_sell = df[cond2]

: df_buy는 buy 타이밍만 모은 데이터

: df_sell은 sell 타이밍만 모은 데이터

 

 

④ 데이터의 마지막은 무조건 sell

→ 그래야 수익률을 구할 수 있음.

df.iloc[-1,-1] = 'sell'

 

---

8. 수익률 구하기(2)

 

① df_buy와 df_sell 옆으로 이어붙이기

df_result = pd.concat([df_buy, df_sell], axis = 1)

: .axis = 1  df_buy와 df_sell을 옆으로 이어붙이기

 

: 빨간 박스일 때 사고, 파란 박스일 때 팔고~

: 파란 박스가 또 한 줄 밑에 있기 때문에 이걸 합쳐줘야 함.

 

 

② .reset_index()

df_buy = df[cond1].reset_index()
df_sell = df[cond2].reset_index()

 

: 1 / 7일에 사고, 1 / 15일에 팔고~

: 1 / 16일에 사고, 1 / 21일에 팔고~

 

 

③ 열 이름 바꾸기, 수익률 구하기

df_buy.columns = ['날짜','종가(buy)','이평값','액션']
df_sell.columns = ['날짜','종가(sell)','이평값','액션']

df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']

 

 

 

---

9. 수익률 구하기(3)

 

① 수익률 계산하기

df = df[['Close']].copy()  # .copy를 안 하면 오류 남.

df_result[['수익률']].cumprod().iloc[-1,-1] -1

: .cumprod() 각각의 수익률 값을 누적으로 계속 곱해줌.

:  .iloc[-1,-1] 열의 마지막 값 출력

: -1을 해줘야 수익률이 얼마인지 제대로 나옴.

 

 

 

② def 함수 사용하기

 

def get_return(code, n):
  df = fdr.DataReader(code,'2020')

  df = df[['Close']].copy()

  df['ma'] = df.rolling(n).mean().shift(1)

  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')

  df.iloc[-1,-1] = 'sell'

  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')

  df_buy = df[cond1].reset_index()
  df_buy.columns = ['날짜','종가(buy)','이평값','액션']

  df_sell = df[cond2].reset_index()
  df_sell.columns = ['날짜','종가(sell)','이평값','액션']

  df_result = pd.concat([df_buy, df_sell], axis = 1)

  df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']

  return df_result[['수익률']].cumprod().iloc[-1,-1] -1

get_return ('005930', 6)

 

 

 

---

10. 단기/장기 이평선 적용하기

 

① 단기/장기 이평선 구하기

→  rolling( )의 숫자만 바꾸면 됨.

→ df['action'] 조건 바꿔주기 

: ma1이 단기 이평선

: ma2가 장기 이평선

: ma1 > ma2 일 때 buy 해야 함.

 

df = fdr.DataReader('005930','2020')

df = df[['Close']].copy()

df['ma1'] = df['Close'].rolling(3).mean().shift(1)
df['ma2'] = df['Close'].rolling(30).mean().shift(1)

df['action'] = np.where(df['ma1'] > df['ma2'], 'buy', 'sell')

df.iloc[-1,-1] = 'sell'

cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')

df_buy = df[cond1].reset_index()
df_buy.columns = ['날짜','종가(buy)','이평값1','이평값2','액션']

df_sell = df[cond2].reset_index()
df_sell.columns = ['날짜','종가(sell)','이평값1','이평값2','액션']

df_result = pd.concat([df_buy, df_sell], axis = 1)

df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']

df_final = (df_result[['수익률']].cumprod().tail(1) -1) *100
df_final['단기'] = 3
df_final['장기'] = 30

df_final

: df_final 값에서 .tail(1) 은  수익률의 마지막 값을 보여줌.

 

 

 

② def 함수 사용하기

→ df_result[['수익률']].cumprod().iloc[-1,-1] -1 로 나온 값을 표로 만드는 게 목적

(단기는 며칠이고, 장기는 며칠이고, 수익률은 어떻게 되는지)

 

def get_return_sl(code,short,long):
  df = fdr.DataReader(code,'2020')

  df = df[['Close']].copy()

  df['ma1'] = df['Close'].rolling(short).mean().shift(1)
  df['ma2'] = df['Close'].rolling(long).mean().shift(1)

  df['action'] = np.where(df['ma1'] > df['ma2'], 'buy', 'sell')

  df.iloc[-1,-1] = 'sell'

  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')

  df_buy = df[cond1].reset_index()
  df_buy.columns = ['날짜','종가(buy)','이평값1','이평값2','액션']

  df_sell = df[cond2].reset_index()
  df_sell.columns = ['날짜','종가(sell)','이평값1','이평값2','액션']

  df_result = pd.concat([df_buy, df_sell], axis = 1)

  df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']

  df_final = (df_result[['수익률']].cumprod().tail(1) -1) *100
  df_final['단기'] = short
  df_final['장기'] = long

  return df_final

get_return_sl('005930',3,30)

 

 

---

♥ 한 종목에 대한 최적 단기/장기 이동평균선 구해보기

(단기 며칠 / 장기 며칠이 이 종목에 가장 적절한 전략일지)

 

>> 데이터분석 4주차 숙제 (데이터분석 4주차 후기에서 확인 가능!)

 

♣ 데이터분석 4주차 강의 후기 ♣   https://nasena.tistory.com/20