'python'에 해당되는 글 6건

인공지능이란 것을 공부하며 감을 익혀갈 무렵 생각해본 바가 있었다. 아니 누구든 들었을 의문이겠다. 무엇이 되었든 인공지능을 활용 해보려면 학습을 시킬 Data가 있어야 하는 것이다. 결국 Data를 수집 및 가공하는 것도 하나의 다른 영역이며 이 또한 쉽지는 않다. 더군다가 Data가 자산인 시대에 누구도 양질의 Data를 공개하지는 않는다.

주식 투자자로서 활용해보고 싶은 정보가 너무나 많다.

충분한 Data만 주어진다면 연구해보고 싶은 아이디어들이 많이 떠오르지만 

실현할 동기가 충분치 않다는 것이 아쉽다. 사실 게으름에 대한 자기 합리화이겠지만.

sitemap.xml

Python에서 macro를 포함하는 엑셀 파일 생성 과정을 알아 보겠습니다.

vba_project.py 파일을 이용하여 간단히 구현할 수 있습니다. 

간략한 순서는 다음과 같습니다.

1. vba_project.py와 file_macro.xlsm(매크로가 저장된 엑셀파일)을 준비한다.

2. $ vba_project.py file_macro.xlsm를 실행하여 vbaProject.bin를 생성한다.

3. 아래 코드를 실행하여 최종파일 file_B.xlsm을 생성한다.

#file_A: 매크로가 없는 파일, file_B: file_A에 macro가 추가된 파일

import pandas as pd

writer=pd.ExcelWriter('E:\\file_A.xlsx'.format(now),engine='xlsxwriter') 

dataframe_example.to_excel(writer,sheet_name='Sheet1')

workbook = writer.book

workbook.filename = 'E:\\file_B.xlsm'

workbook.add_vba_project('E:\\vbaProject.bin')

writer.save()

Pandas에서 제공하는 excel 기능이 부족하여 이런식으로 매크로를 포함하는 파일을 생성하면 엑셀파일에서의 data 관리가 편해지는 장점이 있습니다.

더 자세한 내용은 아래 링크에서 확인해 보실 수 있습니다.

http://xlsxwriter.readthedocs.io/working_with_macros.html

trading결과를 simulation해 주는 Library가 몇가지 있습니다.

가장 대표적인 것이 zipline인데 사실 설치가 좀 번거롭거니와 

pandas와 연동하기가 까다롭습니다. 

예전엔 그랬는데 버전이 올라가면서 좋아졌는지는 모르겠습니다.

zipline을 대체할 만한 것으로 backtrader가 있습니다.

장점은 pandas의 dataframe type으로 data feed가 쉽습니다.

문서화도 잘되어 있어 사용하기 쉽고 직관적입니다.

아래 링크 참조.

https://www.backtrader.com/docu/index.html

KOSPI 고점 점검

GDP 대비 시가총액을 바탕으로 장기적 관점에서 Bubble 진단을 수행해 본다.

Python의 Pandas Library를 이용하였다.

(PBR, PER등을 다양한 지표를 사용할 수도 있다.)

GDP는 나라지표에서 다운로드 가능하다. 다만 분기별 생산액이므로 이를 연간 단위로 바꿔주여야 한다. 분석에서는 Rolling Sum을 사용하여 구현하였다.

상단 그래프: GDP와 시가총액(왼쪽 y축 절대금액, 오른쪽 y축 normalizing 값)

하단 그래프: GDP 대비 시가총액 비율

역사상 최고점인 2007년 10월 98.6%을 찍은 이후로 이후로 하락하였다. 

2008년의 버블을 시사한다고 볼 수 있다.

2011년 04월에는 94.5% 찍은 이후로 하락하였다.

2017년 Q4 GDP 발표가 나와 봐야 알겠지만, 2018년 1월 현재 2500포인트를 상회한 기준으로 보면 고점 논란에서 자유로울 수는 없다고 본다.

(작년부터 KOSPI 지수가 가파르게 상승하였다는 점을 감안)

모두가 주식투자를 한다고 할 때가 시장에서 나올 때라고 하지 않았던다.

달콤한 유혹에서 벗어날 때는 아닌지 반문해 본다.

알고리즘의 back testing이 가능하도록 해주는 library이다.

zipline1.1.1 version에서는 3.6을 지원하는 것으로 나오지만 해결하기가 쉽지 않았다.

python 3.4 환경에서 안정적으로 동작하므로 python 3.4 환경을 설정보자.

우선 conda의 환경 설정을 별도로 해주어야 한다. 

conda create -n py34 python=3.4

cmd에서 activate py34 입력

conda를 이용한 zipline, ta-lib 설치

conda install -c quantopian zipline

conda install -c quantopian ta-lib (win64bit 환경에서 잘 동작한다.)

TA-LIB는 기술적 분석(Technical Analysis)를 지원하는 Library이다.

http://ta-lib.org/ 

C/C++로 제공된 API를 Python 언어로 wrapping 하여 사용한다.

다음 링크는 Python에서 사용이 가능하게 하는 wrapping 기능을 제공한다.

https://github.com/mrjbq7/ta-lib

설치순서

step 1:

아래의 설명대로 C:\ta-lib에 압축을 푼다

압축파일은 C/C++로 개발된 Open source이다.

Windows

Download ta-lib-0.4.0-msvc.zip and unzip to C:\ta-lib

This is a 32-bit release. If you want to use 64-bit Python, you will need to build a 64-bit version of the library.

step 2:

pip 또는 conda install 진행

주의사항:

다만, 위의 open source는 32bit 환경 기준이므로, 64비트 환경에서는 별도의 조치를 해야 한다.

방법1: TA-LIB의 원본 소스를 다운 받아 64bit 환경에 맞게 build를 다시 하여 

C:\ta-lib에 복사한 뒤 pip install 진행. 

이 방법은 필요한  complier setting을 해야 하므로 번거롭다.

방법2: 아래 링크에서 whl 파일을 다운 받아 설치하는 것이다. 64bit에서 사용하능하도록 이미 빌드가 되어 있으므로 이를 이용하여 바로 설치가 가능하다.

http://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib

pip install TA_Lib-0.4.10-cp27-cp27m-win_amd64.whl

필자는 방법2를 이용하여 Win64bit, Python3.6 version에 설치를 성공하였다.