기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

댓글 쓰기

[data analysis] FinanceDataReader에 의한 금융자료 호출

FinanceDataReader에 의한 금융자료 호출

파이썬 라이브러리인 FinanceDataReader를 사용하여 웹을 통해 다양한 금융데이터를 호출하여 사용할 수 있으며 이 데이터의 기본 구조는 pandas.DataFrame 구조로서 pandas의 여러 메소드나 함수를 적용하여 데이터를 조정할 수 있습니다.

FinanceDataReader 라이브러리를 사용하여 국내외 다양한 자료를 입수할 수 있습니다.

이 모듈은 두개의 함수를 가지고 있습니다.

  • StockListing(market):
    • market에 포함된 종목의 코드, 이름, 개요 등을 호출
    • RX : KRX 종목 전체
    • OSPI : KOSPI 종목
    • OSDAQ : KOSDAQ 종목
    • ONEX : KONEX 종목
    • ASDAQ : 나스닥 종목
    • NYSE : 뉴욕증권거래소 종목
    • P500 : S&P500 종목
  • DataReader(symbol, start=None, end=None, country=None)
    • 코드(symbol)에 대응하는 가격 데이터를 호출
    • 시작 날짜만 입력하면 현재까지의 자료를 호출
import numpy as np
import pandas as pd 
import FinanceDataReader as fdr
import matplotlib.pyplot as plt
df_krx=fdr.StockListing('KRX')
df_krx.head(2)
Code ISU_CD Name …
0 005930 KR7005930003 삼성전자 …
1 000660 KR7000660001 SK하이닉스 … 
fdr.StockListing('KOSPI').iloc[:,[0, 2]]
Code Name
0 005930 삼성전자
1 000660 SK하이닉스
2 373220 LG에너지솔루션
3 207940 삼성바이오로직스
4 005380 현대차
... ... ...
953 014915 성문전자우
954 004415 서울식품우
955 001525 동양우
956 001527 동양2우B
957 002995 금호건설우

개별 주가 데이터

sd=pd.Timestamp(2024,8, 23)
d=fdr.DataReader("005930", sd)
d
Open High Low Close Volume Change
Date
2024-08-23 77700 78400 77500 77700 9420306 -0.007663
2024-08-26 78100 78200 76100 76300 10554181 -0.018018 
ed=pd.Timestamp(2024,8, 22)
d1=fdr.DataReader("000660", sd, ed)
d1
Open High Low Close Volume Change
Date
2024-08-20 198700 202500 198100 199700 4258190 0.029912
2024-08-21 193000 195400 191100 192600 4508983 -0.035553
2024-08-22 192000 194400 189000 191100 3166217 -0.007788

한국과 미국 등 외국의 주요지수는 다음 코드(심볼)로 호출합니다.

심볼(한국) 설명  심볼(미국) 설명
KS11 KOSPI 지수  DJI다우지수
KQ11KOSDAQ 지수 IXIC나스닥지수
KS50KOSPI50지수 US500S&P500 지수
KS100KOSPI100 지수  VIXVIX
KRX100KRX100 ^sox필라델피아반도체 지수
KS200KOSPI200 지수   
sd=pd.Timestamp(2024,8, 20)
ed=pd.Timestamp(2024,8, 22)
d1=fdr.DataReader("^sox", sd, ed)
d1
Open High Low Close Adj Close Volume
Date
2024-08-20 5237.290039 5273.270020 5159.100098 5196.299805 5196.299805 0
2024-08-21 5232.299805 5288.540039 5205.089844 5267.930176 5267.930176 0

환율 데이터

심볼 설명
USD/KRW 달러당 원화
USD/EUR 달러당 유로화
USD/JPY 달러당 엔화
CNY/KRW 위엔화 원화
EUR/USD 유로화 달러
USD/JPY 달러 엔화
JPY/KRW 엔화 원화
AUD/USD 오스트레일리아 달러
EUR/JPY 유로화 엔화
USD/RUB 달러 루블화 
ex=fdr.DataReader("USD/KRW", sd, ed)
ex
Open High Low Close Adj Close Volume
Date
2024-08-20 1330.880005 1335.619995 1313.410034 1330.880005 1330.880005 0
2024-08-21 1327.579956 1339.640015 1324.400024 1327.579956 1327.579956 0

호출한 데이터는 DataFrame으로 다음의 인덱스와 컬럼을 가집니다.

type(ex)
pandas.core.frame.DataFrame
ex.index
DatetimeIndex(['2024-08-20', '2024-08-21'], dtype='datetime64[ns]', name='Date', freq=None)
ex.columns
Index(['Open', 'High', 'Low', 'Close', 'Adj Close', 'Volume'], dtype='object')

호출한 데이터의 인덱스는 datetime64형으로 시간을 나타내는 pandas의 자료형입니다. 즉, 호출한 데이터는 시간에 따라 정돈된 시계열(time series)입니다. 이러한 시계열 인덱스는 pandas의 함수 또는 메서드를 사용하여 생성하고 조정할 수 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 »

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()
댓글 쓰기
Read more »

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b
댓글 쓰기
Read more »