회귀분석을 위한 주가데이터 만들기_DayInInterRetStockS 해설

일일주가 데이터에서 지정한 열을 기준으로 일중 수익률, 일간 수익률, 그리고 지정한 일전(preday)의 자료와 결합합니다.
목표한 자료를 위해 사용자 정의 클래스를 작성하였습니다.

import numpy as np
import pandas as pd
import copy

class DayInInterRetStockS:
    def __init__(self, da):
        self.da=da
        self.nme=[i for i in self.da.columns]
    def InRetS(self, DeColN):
        nme0=copy.deepcopy(self.nme)
        nme1=self.nme[DeColN]
        del(nme0[DeColN]) 
        nme2=[ ]
        for i in nme0:
            nme2.append(nme1+":"+i+":ret")
            m=0
        re=pd.DataFrame()
        for j in nme0:
            re[nme2[m]]=(self.da[nme1]-self.da[j])/ self.da[j] *100
            m=m+1
        self.Inday=re.drop(nme2[len(nme2)-1], axis=1)
        return(self.Inday)
    def IntRetS(self, Int=1):
        nme1=[i+':intRet' for i in self.nme]
        self.intrad=((self.da-self.da.shift(Int))/self.da.shift(Int)*100)
        self.intrad.columns=nme1
        return(self.intrad)
    def ShiftdS(self, int=3):
        self.d=self.da.shift(int)
        self.d.columns=['olag','hlag','llag','clag','vlag']
        return(self.d)

클래스 객체를 만들기 위해 시가, 고가, 저가, 종가, 거래량으로 구성되어 있는 원 객체를 전달하여야 합니다.

>>> kl_da=DayInInterRetStockS(kl1)
종가를 기준으로 일중, 일간 수익률을 계산합니다.
>>> kl_cpIn=kl_da.InRetS(3)
>>> kl_cpIn.head(1)
                              Close:Open:ret  Close:High:ret  Close:Low:ret
2017-09-20 15:30:00       -0.444708       -1.409278       0.629308
일간수익률을 계산하기 위해서는 당일을 기준으로 얼마전의 데이터를 대상으로 할지를 정해야 합니다. 그러므로 Int라는 매개변수에 인수를 전달합니다. 기본값은 1입니다.
당일을 기준으로 그 이전의 값들은 계산되지 않습니다.
>>> kl_cpInt=kl_da.IntRetS(2)
>>> kl_cpInt.head(3)
Out[180]:
                     Open:intRet  High:intRet  Low:intRet  Close:intRet  \
2017-09-20 15:30:00          NaN          NaN         NaN           NaN 
2017-09-21 15:30:00          NaN          NaN         NaN           NaN 
2017-09-22 15:30:00    -0.652238    -0.939518   -1.048846     -1.220965 

                     Volume:intRet
2017-09-20 15:30:00            NaN
2017-09-21 15:30:00            NaN
2017-09-22 15:30:00        15.1339

마지막으로 당일을 기준으로 몇일전의 자료를 당일과 같은 행으로 할지를 정해야 합니다. 이것은 ShiftS() 메소드에 의해 계산됩니다.

>>> kl_cpShift=kl_da.ShiftdS()
>>> kl_cpShift.head(4)

                        olag     hlag     llag     clag        vlag
2017-09-20 15:30:00      NaN      NaN      NaN      NaN         NaN
2017-09-21 15:30:00      NaN      NaN      NaN      NaN         NaN
2017-09-22 15:30:00      NaN      NaN      NaN      NaN         NaN
2017-09-25 15:30:00  16865.0  17030.0  16685.0  16790.0  13680836.0

위의 결과와 원 결과를 모두 결합하여 최종 사용할 자료를 생성하기 위해 다음 사용자 정의 함수를 작성합니다.

def InInterShiftS(da, DeColN, inter=1, shiftd=3):
    d=DayInInterRetStockS(da)
    din=d.InRetS(DeColN)
    dinter=d.IntRetS(inter)
    dshift=d.ShiftdS(shiftd)
    tot=pd.concat([da, din, dinter, dshift], axis=1)
    tot1=tot.dropna()
    return(tot1) 

>>> da=InInterShiftS(kl1, 3)
>>> da.head(1)
                      Open   High    Low  Close   Volume  Close:Open:ret  \
2017-09-25 15:30:00  16600  16650  16490  16575  9337207       -0.150602 

                     Close:High:ret  Close:Low:ret  Open:intRet  High:intRet  \
2017-09-25 15:30:00        -0.45045       0.515464    -0.925097     -1.30409 

                     Low:intRet  Close:intRet  Volume:intRet     olag  \
2017-09-25 15:30:00   -0.121139     -0.060295     -40.720964  16865.0 

                        hlag     llag     clag        vlag
2017-09-25 15:30:00  17030.0  16685.0  16790.0  13680836.0