기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

댓글 쓰기

R 함수들을 사용한 주가자료 호출

내용

R tseries패키기를 사용하여 주가자료 호출

호출한 자료의 경우 결측치가 포함되어 있으면 경고메시지가 발생됩니다. 그러므로 호출된 자료를 사용하기 전에 반드시 결측치 관리를 해야 합니다.
na.omit(), na.approx(), na.fill()등의 함수를 사용할 수 있습니다.

get.hist.quote()

tseries 패키지의 함수 get.hist.quote()를 사용합니다.
get.hist.quote(instrument= 종목코드, start, end, quote =c("Open", "High", "Low", "Close", "Volume"),~)
start, end는 각각 호출할 자료의 시작과 마지막 날짜로서 문자형으로 전달합니다. 
> get.hist.quote("^KS11", "2022-09-28", "2022-10-01", quote=c("Open","High","L$
time series ends   2022-09-30
              Open    High     Low   Close Volume
2022-09-28 2206.15 2223.56 2151.60 2169.29 595700
2022-09-29 2197.75 2210.61 2170.14 2170.93 508200
2022-09-30 2161.11 2177.20 2134.77 2155.49 950000

getSymbols()

quantmod 패키지의 getSymbols() 함수를 적용합니다.
getSymbols(코드, from=시작날짜, to= 마지막날짜, auto.assign=F) 
> getSymbols('^KS11', from='2022-09-20', to='2022-10-1', auto.assign=FALSE)
           KS11.Open KS11.High KS11.Low KS11.Close KS11.Volume KS11.Adjusted
2022-09-20   2373.64   2382.52  2359.84    2367.85      419200       2367.85
2022-09-21   2351.54   2360.27  2341.79    2347.21      378000       2347.21
2022-09-22   2319.70   2335.11  2309.10    2332.31      446600       2332.31
2022-09-23   2331.33   2334.06  2285.71    2290.00      446300       2290.00
2022-09-26   2260.80   2260.80  2215.36    2220.94      621400       2220.94
2022-09-27   2224.39   2227.35  2197.90    2223.86      487600       2223.86
2022-09-28   2206.15   2223.56  2151.60    2169.29      595700       2169.29
2022-09-29   2197.75   2210.61  2170.14    2170.93      508200       2170.93
2022-09-30   2161.11   2177.20  2134.77    2155.49      950000       2155.49
Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. (1)A=PBP−1⇔P−1AP=B 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. (식 2)B−λI=P−1AP–λP−1P=P−1(AP–λP)=P−1(A−λI)P 식 2의 행렬식은 식 3과 같이 정리됩니다. det(B−λI)=det(P−1(AP–λP))=det(P−1)det((A–λI))det(P)=det(P−1)det(P)det((A–λI))=det(A–λI)∵det(P−1)det(P)=det(P−1P)=det(I) 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...
댓글 쓰기
Read more »

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a sin2⁡(x)+cos2⁡(x) simplify(a) 1 simplify(b) x3+x2−x−1x2+2x+1 simplify(b) x - 1 c=gamma(x)/gamma(x-2) c Γ(x)Γ(x−2) simplify(c) (x−2)(x−1) 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. (식 1)Γ(n)={(n−1)!n:자연수∫0∞xn−1e−xdxn:부동소수 x=symbols('x') gamma(x).subs(x,4) 6 factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...
댓글 쓰기
Read more »

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 x2=1의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. x2−1=0 import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. x2−1=0→(x+1)(x−1)=0x=1or−1 예 x4=1의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. x4−1=(x2+1)(x+1)(x−1)=0→x=±−1,±1=±i,±1 실수...
댓글 쓰기
Read more »