Python(71)
-
금융 데이터 다루기 > 노이즈 제거(이동평균, 칼만필터(Kalman-filter))
금융 데이터에는 많은 경우 시계열성을 가지고 있고 주가와 같이 하루하루 변동성이 큰 데이터들이 있습니다. 이러한 데이터들을 효과적으로 분석하기 위해서는 Noise를 제거하고 실제로 이 데이터가 가지고 있는 진짜 정보를 추출하는 방법에 대한 기본적인 이해가 필요합니다. [이동평균] 이동평균은 우리가 잘 알고 있는 방법론이고 실제로 주가의 추세를 볼때 활용하는 20일 이동평균선도 이 이동평균의 개념을 활용한 것입니다. 이동평균은 말그대로 시계열 데이터를 3일, 5일, 10일 등 우리가 정한 집합으로 나누고 해당 집합에서의 평균을 이어서 활용하는 것입니다. Pandas를 활용해서 너무나도 쉽게 구할 수 있지만, For loop을 활용해서 구하는 방법도 구현을 해보도록 하겠습니다. import FinanceDa..
2023.08.05 -
Alpha Factor 탐색 > Value Factor
Value Factor를 활용하여 투자를 하는 사람들은 결국 기업이 가친 가치만큼 주가가 올라가거나 또는 내려간다고 생각을 합니다. 주요한 Value Factor로는 Cash flow yield, Free Cash flow yield, 배당율, Earning yield(주가대비 수익) 등이 있습니다. 정말 많은 Value Factor들이 있기 때문에 무엇을 적용할지를 결정하는 것부터가 중요한 일이라고 볼 수 있을 것입니다. 일단 여기서는 Python을 활용해서 Free Cash flow yield를 계산하는 방법을 다루어보겠습니다. 이 방법을 이용해서 재무정보와 주가 정보를 불러와서 자신이 활용하고 싶은 Factor들을 만들어서 활용하시면 좋을 것 같습니다. [Free Cash flow yield] Ca..
2023.07.20 -
Alpha Factor 탐색 > Momentum
주가의 방향을 예측하는데 있어 Momentum을 나타내는 Factor들은 항상 많이 활용되어지고 있는 요인들중에 하나입니다. 이러한 Momentum이 어떻게 보면 군중들이 어디에 집중하고 있고 어디에 쏠리고 있는지를 판단할 수 있는 요소이기 때문입니다. 그리고 결국 주가는 군중들이 결정한다고 본다면 Momentum은 꼭 고려가 되어야할 지표임에는 틀림없습니다. Momentum을 나타내는 지표가 많이 있게지만, 대표적인 지표를 몇개 선정하여 이를 활용해보도록 하겠습니다. 1. RSI(Relative strength index(RSI)) RSI는 0부터 100까지의 숫자를 가지며, 100에 가까울 수록 초과매수가 일어난 것으로 보고있습니다. 따라서 이를 활용하여 단순한 규칙을 만든다면 70이상일 때는 판매하..
2023.07.03 -
Alpha를 찾아서 > 금융 데이터 불러오기
취미로, 재미로 금융 데이터를 분석한다고 해도 금융 데이터를 기반으로 무언가를 예측하고 분석한다는 것은 결국 시장의 움직임을 이겨내 수익을 창출할 수 있는 그 무언가를 찾아 내고자 하는 것이라고 생각합니다. 그 중에서 어떻게 보면 기술적으로는 누구나 할 수 있는 것이 Alpha Factor를 찾아내는 과정일 것입니다. 기업가치를 측정할 때 PER, PBR, EV/EBITDA와 같은 재무지표를 활용하는 것도 어떻게 보면 Alpha Factor을 찾아서 활용하는 것으로 볼 수 있을 것 같습니다. 이런관점에서 보면 결국 Alpha Factor를 찾아내는 과정은 Feature Engineering과 흡사할 것이고 가설과 검증을 통해서 어떤 요소가 Alpha Factor인지 판단해 볼 수 있을 것입니다. 물론 제..
2023.06.27 -
경영과학 - 수송계획법(Transportation Problem)
해당 글에서는 선형계획법의 응용으로써 수송문제를 다루어보고자 합니다. 수송문제란 다수의 공급지와 다수의 수요지가 존재하는 상황에서 어떤 공급지에서 어떤 수요지로 얼마만큼의 물량이 가야하는지를 결정하는 문제입니다. 일반적으로 수송문제는 3가지 상황에 대한 이해가 필요합니다. 첫 번째로는 공급지에서 수요지로 물량을 이동할 때 발생하는 비용입니다. 두 번째는 공급지에서 공급가능한 양(Capacity), 마지막으로는 수요지에서 필요로 하는 수요량입니다. 위의 3가지 상황을 활용하여 목적함수, 의사결정변수 등을 정의하게 됩니다. 예시를 통해 수송계획문제 해결방안에 대해서 정리해보도록 하겠습니다. 장난감을 생산하는 한 회사가 3개의 공장(공장 1, 공장 2, 공장3)을 보유하고 있고, 해당 장난감을 받을 도시가 4..
2022.06.06 -
경영과학 - 선형계획법(Linear Programming)
선형계획법은 현재 최적화 방법론중에서 가장 대중적인 방법이라고 할 수 있습니다. 우리가 선택해야 하는 대안(의사결정 변수)들을 선형의 등식이나 부등식으로 표현하여 최적화를 수행하는 것을 뜻합니다. 선형계획법은 유한한 자원을 효율적으로 분배할 때도 많이 활용되며 예시적으로 장난감회사에서 매출과 비용을 고려할 때 A장난감을 많이 생산할지 B장난감을 많이 생산할지 등과 같은 상황에 대한 답을 찾는 경우에도 적용할 수 있습니다. 선형계획법은 크게 의사결정변수(Decision Variable), 목적함수(Objective Function), 제약조건(Constraints), 부호제약(Sign Restrictions)로 이루어져 있습니다. 해당 블로그에서는 장난감 회사의 생산문제를 기반으로 위에서 언급한 의사결정변..
2022.05.19