기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

댓글 쓰기

참고할만한 지수들

내용

참고할만한 지수들

발틱운임지수(BDI: Baltic Dry Index)

  • 석탄, 철광석, 시멘트, 곡물 등 원자재를 싣고 26개 주요해상운송경로를 지나는 선적량 15천 톤 이상 선박의 화물운임과 용선료등을 종합하여 산정하는 지수로, 배들이 원자재를 '얼마나 자주' 돌아다니는 지를 알려주는 지표
  • 운반하는 품목들이 생산의 기초 원재료이므로 이 배들이 활발히 움직인다는것은 원자재에 대한 수요가 높아지고 있다는 것으로 생산이 활발하게 이루어지고 있다는 의미가 된다. 그러므로BDI는 경기선행지표의 역활을 합니다.
  • 원재료 수요가 증가하면 교역량이 증가하고 선박의 운송비용이 올라 BDI가 높아지는데, 그만큼의 물류를 운반할 배가 많이 필요하다는 것으로 해운업과 조선업의 주가는 뛰게 됩니다.
  • 1985년 1월 4일을 기준(1000)으로 그 움직임을 관찰하는데BDI가 높으면 경제가 활발하게 움직이고 낮아지면 반대로 해석이 가능합니다.

BDI는 한국관세물류협회(https://www.kcla.kr/web/inc/html/4-1_5.asp)에서 HTML 겁사기로 부터 파싱한 것입니다.

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import matplotlib.cbook as cbook
mpl.rcParams["font.family"]="nanumgothic"
mpl.rcParams["font.weight"]="bold"
mpl.rcParams["font.size"]=11
data=pd.read_excel("---.xlsx", sheet_name="bdi", index_col=0)
data=data.dropna()
data.tail()
연도
2022.04.08 2055.0
2022.04.11 2031.0
2022.04.12 2035.0
2022.04.13 2068.0
2022.04.14 2137.0
Name: BDI, dtype: float64
fig, axs = plt.subplots(1, 1, figsize=(6.4, 7), constrained_layout=True)
plt.plot(data.index, data.iloc[:])
axs.xaxis.set_major_locator(mdates.MonthLocator(interval=1))
plt.xticks(rotation=90)
plt.grid(True)
plt.show()
BDI.

이마트 지수

통계청에서 발표하는소비재판매액지수는 내수 경기를 나타냅니다. 그러나 이 지수만으로 내수경기의 상태를 파악하는 것에는 한계가 있습니다. 예를 들어 지수의 상승은 순수히 판매의 증가에 의할 수도 있지만 물가의 상승 요인에 기인할 수 있기 때문입니다. 이런 한계점은 판매액이 아닌 판매량을 측정함으로써 보완될 수 있습니다.

이마트지수는 전국의 이마트 매장중 매출 수준이 안정적인 50개 매장을 선정하여 식품, 생활용품, 의류, 가전제품 증 476개의 상품군을 대상으로판매량을 지수로하여 만든 '실질 소비량 측정지수'입니다.그러므로 실질적은 판매의 증감을 살펴볼 수 있습니다.

이마트 지수는 매 분기별로 발표하고 전년도 같은 기간의 판매량을 100으로 하여 계산하는 것으로서 판매 증가는 100이상, 감소는 100 이하값을 나타냅니다.

국내 가계소비를 이마트가 대표할 수 있어야 이 지수의 대표성이 보장되어야 한다는 측면과 소비 후에 집계된 것으로 선행지표라기 보다는 현재의 내수경기 상황의 일부를 보여주는 보조적 자료라는 한계를 가지고 있습니다.

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. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 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 $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 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. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ 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 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 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. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...
댓글 쓰기
Read more »