1. 정리

요약

• 데이터 파일 : https://finance.yahoo.com
• 데이터 분석 예제 : finance.py
• Rolling Mean
  • rolling_mean.py
• Correlation 구하는 방법 : corr.py
  1. 자산별 csv파일 다운로드 : https://finance.yahoo.com
  2. 특정기간 동안 df로 읽어오기
  3. daily return 계산
  4. correlation 계산
     • returns.corr(method="pearson")

질문

• adjust close 는 종가에서 어떤걸 보정한거지?

2. 내용

Lesson 1-2. Working with multiple stocks

• 날짜를 index로하는 df 생성하기 : pd.date_range(s, e)
• read / join / slicing / plotting

Lesson 1-4. Statistical Analysis of Time Series

• Global Stat.
• Rolling Stat.
  • 특정기간(일주일) 동안 window를 씌워서 평균을낸다.
  • window의 value로 통계치를 계산
    • 노이즈를 없애는 효과
    • smooth / lag
  • global mean에 비해서 lagging한 커브가 그려진다.
    • Trade signal로 활용가능.
    • global mean과 rolling mean의 교차점
    • (global mean - rolling mean) > 2 * 표준편
• Daily Returns
  • 하루 수익률
  • daily_ret[t] = (price[t] / price[t-1]) - 1
• Cumulative Returns
  • 특정 기간동안의 누적 수익률
  • cum_ret[t] = (price[t] / price[o]) - 1

Lesson 1-5. Incomplete Data

• 데이터 손실이 있는 이유
  1. single price가 아님
     • 여러개의 거래소가 있음.
     • 현실적으로 1개의 가격은 없다.
  2. 모든 주식이 매일 거래가 일어나는 것은 아니다
• df.fillna() 로 없는 데이터를 채우자.

Lesson 1-7. Histograms and Scatter Plots

• Histograms of Daily Returns
  • 가로축 : 하루 수익률 (예시: -1.0% ~ +1.0%)
  • 세로축 : count
• Correlation
  • Measure of how tightly dots fit the line
  • linear fitting의 slop은 correlation이 아니다.
  • 구현방법
    1. 자산별 csv파일 다운로드
    2. 특정기간 동안 df로 읽어오기
    3. daily return 계산
    4. correlation 계산
       • returns.corr(method="pearson")

Lesson 1-7. Portpolio Statistics

• Daily Portpolio value 계산
  1. Input
     • start_val
     • start_date
     • end_date
     • symbols
     • allocs =[0.4, 0.4, 0.1, 0.1]
  2. Flow
     1. prices(자산별 historical df) 를 정규화한다.
        • normed = prices / prices[0]
     2. 분배비율을 곱한다.
        • alloced = normed * allocs
     3. 초기자산을 곱한다.
        • pos_vals = alloced * start_val
     4. Portpolio value 계산
        • port_val = pos_vals.sum(axis=1)
• Porpolio Statitics
  • Daily Returns
  • Cum. Returns : (port_val[-1] / port_val[0]) - 1.0
  • avg. daily returns : daily_returns.mean()
  • std. daily returns
  • sharp ratio : K * daily_returns.mean()/daily_returns.std()
    • K : sqrt(number of samples per year)
      • 1일마다 sampling : sqrt(252)
      • 1주마다 sampling : sqrt(52)
      • 1달마다 sampling : sqrt(12)
    • sampling 주기를 짧게 하면 표준편차가 높아져서 SR값이 작아진다. 이것을 K값으로 보정