이 비디오는 CSV 데이터와 함께 Python의 Pandas 라이브러리를 사용하여 촛대 차트를 만드는 방법에 대한 단계별 가이드를 제공합니다. CSV 데이터를 가져오고 차트 생성에 사용할 데이터 프레임을 생성하는 것으로 시작합니다. 이 자습서에서는 금융 플롯에 사용되는 mpl 금융 라이브러리의 설치도 다룹니다. 이 비디오는 Python에서 Pandas를 효과적으로 사용하기 위해 Pandas를 이해하는 것의 중요성과 정확한 데이터 표현을 위해 차트 유형 및 날짜 범위를 변경하는 방법을 강조합니다. 이것은 자동 거래를 위한 모델링과 같은 작업에도 유용합니다.
이 섹션에서는 YouTube 사용자가 Python의 Pandas 라이브러리와 CSV 데이터를 사용하여 캔들스틱 차트를 만드는 방법을 설명합니다. 첫 번째 단계는 다양한 소스에서 온라인으로 다운로드할 수 있는 CSV 형식의 기록 데이터를 얻는 것입니다. CSV 데이터를 스크립트로 가져오면 캔들스틱 차트를 만드는 데 사용할 수 있는 데이터 모음인 데이터 프레임이 생성됩니다. 그런 다음 YouTuber는 계속해서 데이터 프레임에서 특정 열을 선택하여 차트를 만드는 방법을 보여줍니다. 이 차트는 자동 거래를 위한 기계 학습 알고리즘과 함께 사용할 수 있습니다.
00:05:00 이 섹션에서는 동영상에서 Pandas 라이브러리를 사용하여 Python으로 촛대 차트를 만드는 방법에 대해 설명합니다. 자습서는 데이터 세트에서 열을 선택하고 DataFrame의 순서를 반대로 하는 것으로 시작합니다. 이는 주식 시장 데이터로 작업할 때 중요한 단계입니다. 이 비디오는 금융 플롯을 만드는 데 사용되는 라이브러리인 mpl Finance의 설치도 다룹니다. 그런 다음 자습서는 사용할 CSV 파일을 선택하기 전에 Pandas 및 mpl Finance 가져오기를 진행합니다.
자습서의 이 섹션에서 발표자는 Python의 Pandas 라이브러리를 사용하여 촛대 차트를 만드는 방법을 설명합니다. 데이터 프레임을 사용하면 주식의 종가를 그래프로 표시할 수 있습니다. 연사는 mpf 라이브러리를 사용하여 다양한 유형의 차트를 선택하는 방법과 날짜 범위를 변경하여 특정 기간을 확대하는 방법을 설명합니다. 이 자습서는 단계별 가이드를 제공하고 Python에서 이 라이브러리를 효과적으로 사용하기 위해 Pandas를 이해하는 것의 중요성을 강조합니다.
00:15:00 이 섹션에서는 동영상에서 Python의 Pandas 라이브러리를 사용하여 촛대 차트를 만드는 방법을 보여줍니다. 첫 번째 단계는 CSV 파일에서 데이터를 읽어 "차트"라는 DataFrame을 만드는 것입니다. 다음 단계는 DataFrame을 사용하여 "mpl_finance" 라이브러리를 사용하여 캔들스틱 그래프를 만드는 것입니다. 비디오는 그래프를 사용자 지정하고 이를 선 차트 또는 다른 유형의 차트로 변경하는 방법을 보여줍니다. 그래프를 만드는 데 사용된 코드는 비디오 설명에도 제공됩니다. 이 비디오는 또한 모델링과 같은 다른 작업에 유용할 수 있으므로 DataFrame에서 데이터를 선택할 때 적절한 날짜 범위를 선택하는 것의 중요성을 강조합니다.
Formación: https://inteligencia-artificial.devCódigo: https://inteligencia-artificial.dev/apuntes-pandas-python/Clase para repasar un poco la librería de pan...
Python을 사용한 알고리즘 거래에 대한 이 비디오에서 연사는 결정 트리 접근 방식을 사용하여 SP500, 금 및 이더리움 간의 역사적 상관 관계를 기반으로 비트코인의 가격 움직임을 예측합니다. 이 모델은 당일 데이터를 사용하여 교육을 받은 후 다음 날의 결과를 예측하는 데 사용됩니다. 결정 트리는 예측에 유용할 수 있지만 발표자는 작은 데이터 샘플만으로는 완벽하지 않을 수 있다고 지적합니다. 시청자는 동영상에서 제공되는 웹 사이트에서 인공 지능 및 Python과 관련된 더 많은 알고리즘 거래 전략, 코스 및 기사에 액세스할 수 있습니다.
00:00:00 대본의 이 섹션에서 발표자는 의사 결정 트리에 중점을 둔 알고리즘 접근 방식을 사용하는 의사 결정 프로세스를 소개합니다. 의사 결정 트리 방법론은 비트코인 가격 움직임을 예측하기 위해 p500, 금 및 이더리움 간의 과거 가격 움직임 상관 관계 데이터에 적용됩니다. 훈련 모델은 오늘의 X 데이터를 기반으로 하며, 이는 다음 날 데이터를 예측하는 데 사용됩니다. 화자는 프로세스에 직관과 논리를 적용하여 접근 방식을 개발했다고 말합니다.
00:05:00 이 섹션에서 비디오는 알고리즘 거래 전략을 사용하여 비트코인 가격이 다음 날 상승할지 하락할지 예측하는 방법을 보여줍니다. 이 알고리즘은 기존 데이터를 사용하여 훈련된 다음 입력 기능을 기반으로 향후 결과를 예측하는 의사 결정 트리 모델을 사용합니다. 비디오에 표시된 예에는 제한된 데이터 세트가 있지만 정확도를 향상시키기 위해 더 큰 데이터 세트에 동일한 접근 방식을 사용할 수 있습니다. 또한 비디오는 시청자가 더 많은 알고리즘 거래 전략에 액세스할 수 있는 웹 사이트와 인공 지능 및 Python 관련 코스 및 기사를 제공합니다.
00:10:00 이 섹션에서 발표자는 결정 트리를 사용하여 Python으로 알고리즘 거래 예측을 수행하는 방법을 설명합니다. 그들은 데이터의 상관 관계를 분석하기 위해 "위" 및 "아래"라는 용어에 숫자 값을 할당하여 의사 결정 트리의 사용을 보여줍니다. 발표자는 결정 트리가 예측에 유용할 수 있지만 작은 데이터 샘플만으로는 완벽하지 않을 수 있다고 제안합니다. 그들은 또한 결정 트리를 적용하여 다른 유형의 차트를 예측할 수 있으며 더 많은 학습을 위해 사람들이 인공 지능에 들어갈 수 있다고 제안합니다.
Código: https://inteligencia-artificial.dev/arbol-decisiones-trading-algoritmico/En este vídeo os enseñaré a aplicar el algoritmo de Árbol de Decisiones, par...
동영상은 Python의 Beautiful Soup 및 Pandas 라이브러리를 사용하여 다른 통화 대비 미국 달러의 강세를 측정하는 DXY 인덱스 데이터 추출을 다룹니다. 발표자는 DXY 데이터에서 변형률 정보를 추출하고 추가 데이터 분석 및 기계 학습 목적을 위해 CSV 파일에 저장하는 코드를 제공합니다. 또한 그들은 Python, 금융 및 알고리즘 거래에 대한 무료 코스로 웹 사이트를 공유합니다. 따라서 비디오는 Python을 사용하여 재무 데이터를 추출하는 데 유용한 가이드입니다.
00:00:00 이 섹션에서 연사는 유로, 엔, 파운드, 캐나다 달러, 스위스 프랑 및 스웨덴 크로나와 같은 다른 통화에 대한 미국 달러의 강도를 측정하는 DXY 지수의 개념을 소개합니다. 연사는 이 데이터가 자동화된 투자, 데이터 분석 및 기계 학습에 유용할 수 있다고 설명합니다. 그런 다음 색인의 변형을 얻는 데 중점을 두고 Python의 Beautiful Soup 라이브러리를 사용하여 웹 페이지에서 DXY 데이터를 추출하는 코드를 제공합니다. 화자는 또한 자신의 인스타그램 핸들과 그가 데이터를 스크랩한 웹 페이지를 공유합니다.
00:05:00 비디오의 이 섹션에서 발표자는 투자 목적으로 Python을 사용하여 달러 인덱스(DXY)를 추출하는 방법을 시연합니다. 발표자는 나중에 분석할 수 있도록 DXY 정보를 CSV 파일에 저장하는 코드를 사용합니다. 코드는 먼저 DXY 데이터에서 백분율 정보를 추출한 다음 "split" 및 "replace" 기능을 사용하여 날짜 정보에서 분리합니다. 마지막으로 이 코드는 추출된 정보를 두 개의 열(하나는 날짜, 다른 하나는 변동률)이 포함된 CSV 파일에 저장합니다. 발표자는 추출된 데이터가 기계 학습 및 데이터 분석 목적으로 사용될 수 있음을 제안합니다.
00:10:00 이 섹션에서 화자는 Python을 사용하여 달러 인덱스를 추출하는 방법을 시연합니다. Python 스크립트에서 발췌한 내용을 보여주고 작동 방식을 설명합니다. 이 코드는 pandas 라이브러리를 사용하여 HTML 테이블에서 데이터를 추출하고 추가 분석을 위해 CSV 파일에 저장합니다. 연사는 또한 Python, 알고리즘 거래 및 금융에 대한 무료 코스가 있는 웹 사이트 링크를 제공합니다. 전반적으로 이 비디오는 Python을 사용하여 재무 데이터를 추출하려는 모든 사람에게 유용한 가이드를 제공합니다.
Formación: https://inteligencia-artificial.dev/formacion/Código: https://inteligencia-artificial.dev/python-dollar-index-dxy/En este vídeo de Python para Bol...
00:00:00 - 01:00:00 이 비디오는 Python을 사용하여 알고리즘적으로 주식을 거래하는 방법을 설명합니다. pandas 라이브러리의 기본 사항을 소개하는 것으로 시작한 다음 이를 사용하여 데이터 프레임을 만드는 방법을 보여줍니다. 그런 다음 주식에 대한 HTTP 요청을 실행하는 방법과 API 호출 결과를 사용하여 데이터 프레임을 채우는 방법을 보여줍니다. 마지막으로 이 과정에서는 API 요청을 일괄 처리하여 코드의 성능을 개선하는 방법에 대해 설명합니다.
01:00:00 - 02:00:00 이 비디오는 Python을 사용하여 자동화된 알고리즘을 사용하여 주식을 거래하는 방법을 다룹니다. 주식 및 기호 목록을 만든 다음 해당 주식을 문자열로 변환하는 것으로 시작합니다. 다음으로 비디오는 해당 문자열을 사용하여 HTTP 요청을 실행하는 URL을 생성합니다. 마지막으로 비디오는 해당 요청을 실행하고 데이터를 다시 가져오는 방법을 보여줍니다.
02:00:00 - 03:00:00 이 동영상은 Python을 사용하여 가격 대비 수익 비율을 가치 지표로 사용하는 알고리즘 거래 전략을 만드는 방법을 알려줍니다. 전략은 이 메트릭을 기반으로 주식을 선별하고 현재 주가를 기반으로 매수 및 매도 권장 사항을 만듭니다.
03:00:00 - 04:00:00 이 비디오 자습서는 Python을 사용하여 알고리즘 방식으로 주식을 거래하는 방법을 설명합니다. 다양한 성공 지표를 계산하는 방법, 누락된 데이터를 처리하는 방법 및 예외 처리를 사용하여 누락된 값을 대체하는 방법을 다룹니다.
04:00:00 - 04:30:00 이 비디오는 Python을 사용하여 다양한 주식 지표에 대한 백분위수 점수를 계산하는 방법을 설명합니다. 또한 Python을 사용하여 주식 가격과 콜 및 풋 포지션 크기가 포함된 Excel 파일을 만드는 방법과 인쇄용 파일 형식을 지정하는 방법을 다룹니다.
1 부:
00:00:00 이 과정은 알고리즘 트레이딩과 파이썬에 관한 것입니다. 첫 번째 프로젝트는 인기 있는 S&P 500 인덱스 펀드의 동일 가중치 버전을 구축하는 것입니다. 두 번째 프로젝트는 다양한 모멘텀, 투자 지표를 바탕으로 최고의 종목을 선별하는 퀀트 모멘텀 전략입니다. 세 번째 프로젝트는 여러 가지 가치 지표를 기반으로 매력적인 주식을 선택하는 정량적 가치 스크리너입니다.
00:05:00 이 과정은 알고리즘 거래를 위해 Python을 가르치기 위해 고안되었습니다. Python은 이러한 유형의 거래에 널리 사용되는 언어이지만 느린 언어입니다. 많은 실무자들은 Python이 다른 언어에서 실제로 실행되는 코드를 트리거하기 위한 접착제 언어로 자주 사용된다는 사실을 발견했습니다. 이 과정에서는 Python을 사용하여 세 가지 알고리즘 거래 전략을 개발합니다.
00:10:00 이 비디오는 Python 프로그래밍 언어를 소개하고 이를 사용하여 온라인 API에서 데이터에 액세스하는 방법을 보여줍니다. 이 과정은 IRS 코드 API를 사용하여 주식 시장 데이터를 수집하는 데 중점을 둡니다.
00:15:00 이 비디오에서 강사는 알고리즘 거래의 개념과 Python에서 다양한 투자 전략을 만드는 방법을 소개합니다. 첫 번째 프로젝트는 S&P 500 인덱스 펀드의 동일 가중치 버전을 만드는 것입니다.
00:20:00 이 Python 비디오 자습서에서는 라이브러리 NumPy, pandas, 요청 및 XLS를 사용하여 알고리즘 거래 전략을 만드는 방법을 설명합니다.
00:25:00 이 비디오는 Python을 사용하여 주식을 거래하는 방법에 대한 자습서입니다. 첫 번째 단계는 S&P 500의 500개 주식 목록을 CSV 파일로 저장하는 것입니다. 그런 다음 IE x 클라우드 API 키를 Jupyter Notebook으로 가져와 API 토큰을 획득하는 데 사용합니다. 먼저 API 키와 같은 민감한 정보를 저장하는 secrets.py 파일을 스크립트로 가져옵니다. 그런 다음 API 키를 사용하여 IE x 클라우드 API에서 재무 데이터를 가져옵니다. 데이터는 팬더의 데이터 프레임에 저장되며 데이터를 인쇄하여 작동하는지 확인할 수 있습니다.
00:30:00 Python 자습서의 이 부분에서는 클라우드 API를 사용하여 개별 주식의 시가 총액 및 주가를 쿼리하는 방법을 다룹니다.
00:35:00 비디오는 요청 라이브러리를 사용하여 HTTP 요청을 실행하고 결과를 변수에 저장하는 방법을 설명합니다. curl 명령줄 도구를 사용하여 API 엔드포인트를 생성하는 방법과 요청을 실행하는 방법을 보여줍니다. 데이터 변수에는 상태 코드 및 기타 정보가 있는 요청의 응답 개체가 포함되어 있습니다.
00:40:00 이 비디오는 Python 프로그래밍 언어를 사용하여 알고리즘을 사용하여 주식을 거래하는 방법을 설명합니다. 비디오는 Python 환경을 설정하는 방법과 도트 JSON 메서드를 사용하여 HTTP 요청의 데이터를 JSON 개체로 변환하는 방법을 보여줍니다. Python 환경의 데이터 변수는 iX Cloud 문서의 확장된 변경 변수와 동일한 방식으로 작동합니다. 동영상은 iX Cloud의 가격 데이터가 정확하지 않을 수 있음을 설명하고 Google 검색을 사용하여 정확성을 테스트하는 방법을 보여줍니다.
00:45:00 이 비디오에서 저자는 API 호출을 구문 분석하고 주식 가격을 책정하고 시가 총액을 계산하는 방법을 설명합니다. 그런 다음 팬더의 데이터 프레임에 데이터 포인트를 추가하는 방법을 설명하고 데이터 프레임을 목록으로 인쇄하여 추가하는 방법을 보여줍니다.
00:50:00 이 비디오는 Python을 사용하여 알고리즘 방식으로 주식을 거래하는 방법을 설명합니다. 이 과정은 데이터 분석 라이브러리인 pandas의 기본 사항을 소개하는 것으로 시작하여 데이터 프레임 및 pandas 시리즈를 만드는 과정으로 이동합니다. 그런 다음 이 과정에서는 주식에 대한 HTTP 요청을 실행하는 방법과 API 호출 결과를 사용하여 팬더의 데이터 프레임을 채우는 방법을 보여줍니다. 마지막으로 이 과정에서는 API 요청을 일괄 처리하여 코드 성능을 개선하는 방법을 보여줍니다.
00:55:00 이 비디오는 pandas 데이터 프레임 라이브러리 사용과 배치 API 호출을 사용하여 코드 속도를 높이는 데 중점을 두고 Python을 사용한 알고리즘 거래 주제에 대한 개요를 제공합니다. 동영상에서는 주식 목록을 100개 청크로 분할하는 방법과 청크 기능을 사용하여 각각 100개 항목으로 제한되는 pandas 시리즈 목록 목록을 생성하는 방법에 대해 설명합니다. 마지막으로 for 루프는 주식 목록의 각 주식에 대한 일괄 API 호출을 실행하는 데 사용되며 각 주식의 정보는 최종 데이터 프레임에 추가됩니다.
2 부:
01:00:00 이 Python 비디오 자습서는 Python 프로그래밍 언어를 사용하여 자동화된 알고리즘을 사용하여 주식을 거래하는 방법을 보여줍니다. 비디오는 주식 및 기호 목록을 만든 다음 해당 주식을 문자열로 변환하는 것으로 시작합니다. 다음으로 비디오는 해당 문자열을 사용하여 HTTP 요청을 실행하는 URL을 생성합니다. 마지막으로 비디오는 해당 요청을 실행하고 데이터를 다시 가져오는 방법을 보여줍니다.
01:05:00 이 비디오는 Python을 사용하여 알고리즘 거래를 수행하는 방법을 알려줍니다. API 호출 URL을 생성하고 API 호출에서 데이터를 구문 분석하고 요청 라이브러리를 사용하여 데이터를 가져오는 방법을 다룹니다. 비디오는 또한 pandas 시리즈 클래스에 무시 인덱스를 추가하는 방법과 코드를 실행하는 방법을 보여줍니다.
01:10:00 이 Python 스크립트는 사용자가 입력한 포트폴리오 크기에 대해 구매할 주식 수를 빠르게 계산합니다.
01:15:00 이 Python 스크립트는 포지션 크기를 계산하고 해당 포지션 크기에 도달하기 위해 주식의 주식을 구매합니다. 수학 모듈의 내림 기능을 사용하여 매수할 주식 수를 내림합니다.
01:20:00 비디오는 Python을 사용하여 주식을 거래하는 방법을 보여줍니다. 비디오의 첫 번째 섹션에서는 데이터 프레임의 데이터에 액세스하고 데이터를 사용하는 방법을 설명합니다. 두 번째 섹션에서는 데이터 프레임을 Excel 파일에 저장하는 방법을 설명합니다.
01:25:00 이 동영상은 Python을 사용하여 거래용 알고리즘을 만드는 방법을 보여줍니다. 첫 번째 단계는 Excel 파일을 만들고 pandas 모듈에서 데이터 프레임을 전달하는 것입니다. 다음으로 문자열, 달러 및 정수 셀에 대해 서로 다른 형식을 사용하는 형식 지정이 도입되었습니다. 마지막으로 서식이 Excel 파일의 셀에 적용됩니다.
01:30:00 이 비디오는 Python을 사용하여 자동화된 알고리즘을 사용하여 주식을 거래하는 방법을 알려줍니다. 비디오의 첫 번째 부분에서는 Excel 스프레드시트에서 열 형식을 지정하는 데 사용되는 사전에서 열 형식을 만드는 방법을 설명합니다. 비디오의 두 번째 부분에서는 스프레드시트의 열 형식을 자동으로 지정하는 두 개의 루프를 만드는 방법을 보여줍니다.
01:35:00 이 비디오는 가상 환경을 사용하여 Python에서 알고리즘 거래 전략을 만드는 방법을 설명합니다. 먼저 강사는 가상 환경을 시작하기 위해 Jupyter Notebook을 엽니다. 다음으로 가상 환경을 활성화하고 새 프로젝트를 만듭니다. 이 프로젝트에는 주가 예측 모델, 시가 총액 예측 모델 및 다수의 주식 매수 예측 모델이 포함됩니다. 그런 다음 강사는 모델을 반복하고 예측을 파일로 출력하는 방법을 보여줍니다. 마지막으로 파일을 저장하고 수업을 종료하는 방법을 보여줍니다.
01:40:00 이 비디오에서는 노트북 전문가가 Python을 사용하여 알고리즘 트레이딩 전략을 사용하여 주식을 거래하는 방법을 설명합니다. 이 과정에서는 라이브러리를 가져오는 방법, API 호출을 수행하는 방법 및 모멘텀 기반 전략을 구축하는 방법을 다룹니다.
01:45:00 이 비디오는 알고리즘 거래에 Python을 사용하는 방법을 알려줍니다. 성과 분석 및 거래를 위해 언어를 사용하는 방법에 대한 기본 사항을 다룹니다. 비디오는 요청 라이브러리를 사용하여 주식 데이터를 얻기 위한 간편한 API 호출을 만드는 방법을 보여줍니다.
01:50:00 이 비디오에서 저자는 Python을 사용하여 알고리즘 거래를 위한 배치 API 호출을 생성하는 방법을 보여줍니다. 작성자는 먼저 주식 목록을 100개의 그룹으로 나눈 다음 빈 Panda의 데이터 프레임을 만들고 인스턴스화합니다. 기호 문자열 목록의 각 주식에 대해 작성자는 배치 API 호출 URL을 만들고 JSON 메서드를 호출하여 요청 대상에서 JSON 개체로 변환합니다.
01:55:00 동영상은 Python을 사용하여 알고리즘을 사용하여 주식을 거래하는 방법을 설명합니다. 강사는 주식을 반복하고 관련 메트릭을 구문 분석하고 데이터 프레임에 추가하는 방법을 보여줍니다.
파트 3:
02:00:00 이 비디오 자습서는 Python을 사용하여 알고리즘을 사용하여 주식을 거래하는 방법을 설명합니다. 데이터 프레임 생성, 기호 반복, API 호출 및 데이터 정렬 방법을 다룹니다. 최종 데이터 프레임은 구매할 주식을 결정하는 데 사용됩니다.
02:05:00 이 Python 비디오 자습서는 pandas 라이브러리를 사용하여 모멘텀 전략을 위해 매수할 주식 수를 계산하는 방법을 보여줍니다. 자습서는 먼저 1년 가격 반환을 기준으로 데이터 프레임의 행을 정렬한 다음 임시 복사본을 반환하는 대신 inplace equals true 매개 변수를 사용하여 원본 데이터 프레임을 수정합니다. 다음으로, 가격 모멘텀이 가장 높은 50개 주식만 포함하도록 데이터 프레임을 수정합니다. 마지막으로 모멘텀 전략을 위해 매수할 주식 수를 계산하는 기능을 만들고 값 오류만 허용하도록 특화합니다. 그러면 전략이 실행되고 성공합니다.
02:10:00 이 과정에서는 간단한 알고리즘 거래 전략을 생성하는 코드를 작성하는 방법, 전략을 테스트하는 방법 및 전략을 사용하여 주식을 사고 파는 방법을 다룹니다. 이 전략은 주식이 고품질 모멘텀 주식이거나 저품질 모멘텀 주식이라는 가정을 기반으로 합니다. 가격이 낮을 때 주식을 사고 가격이 높을 때 주식을 파는 전략이 작동합니다.
02:15:00 이 Python 동영상은 주가 데이터 프레임을 사용하여 양적 모멘텀 전략을 수립하는 방법과 다양한 기간 동안의 수익 가치를 설명합니다. 이 전략은 다양한 모멘텀 메트릭을 사용하여 고품질 주식을 식별합니다.
02:20:00 저자는 Python을 사용하여 주식 거래를 위한 알고리즘을 만드는 방법에 대해 설명합니다. 먼저 추적할 메트릭 목록을 만든 다음 Sai pi 라이브러리를 사용하여 각 메트릭에 대한 백분위수 점수를 계산합니다. 그런 다음 데이터 프레임의 각 열에 대한 백분위수 점수를 계산하는 루프를 만듭니다. 마지막으로 루프를 사용하여 주식 거래 전략을 만듭니다.
02:25:00 이 비디오는 Python 프로그래밍 언어를 사용하여 알고리즘 방식으로 주식을 거래하는 방법을 알려줍니다. 강사는 LFC(선형 최소 제곱) 방법을 사용하여 데이터 프레임의 각 열에 대한 백분위수 점수를 계산합니다.
02:30:00 이 과정은 Python을 사용하여 알고리즘 거래를 수행하는 방법을 설명합니다. 이 과정은 Python 프로그래밍에 대한 소개로 시작하고 stats 모듈을 사용하여 다양한 기간 및 자산 클래스에 대한 백분위수 점수를 계산하는 방법을 설명합니다. 그런 다음 Mean 함수를 사용하여 이러한 점수의 평균을 계산합니다. 다음으로 루프는 HTM 데이터 프레임의 각 행에 대한 HTM 점수를 계산하는 데 사용됩니다. 마지막으로 HM 데이터 프레임이 인쇄되어 계산이 성공했는지 확인합니다.
02:35:00 이 비디오에서 저자는 Python을 사용하여 데이터 프레임의 각 주식에 대한 "HTM 점수"를 계산하고 HTM 점수를 필터로 사용하여 최고의 모멘텀 주식 50개를 선택하는 방법을 알려줍니다.
02:40:00 이 비디오는 Python을 사용하여 알고리즘을 사용하여 주식을 거래하는 방법을 보여줍니다. 작성자는 데이터 프레임을 초기화한 다음 기술 전문가가 아닌 사용자를 위해 데이터를 Excel 문서 형식으로 지정합니다.
02:45:00 비디오 작성자는 Python을 사용하여 알고리즘 거래 시스템을 만드는 방법을 가르칩니다. 첫 번째 단계는 열 값에 대한 열 문자의 사전을 만든 다음 사전을 반복하여 각 열에 적절한 형식을 적용하는 것입니다. 두 번째 단계는 기록기 개체를 사용하여 Excel 파일에 데이터를 쓰는 것입니다. 세 번째 단계는 열 설정 방법을 사용하여 데이터 프레임의 각 열에 형식을 동적으로 적용하는 것입니다.
02:50:00 이 비디오에서 강사는 알고리즘 거래에 사용하기 위해 Excel 파일 형식을 지정하는 방법과 하나의 메트릭을 기반으로 가치 투자 전략을 만드는 방법을 보여줍니다.
02:55:00 이 비디오는 Python을 사용하여 주가수익률을 가치 메트릭으로 사용하는 알고리즘 거래 전략을 구축하는 방법을 보여줍니다. 전략은 이 메트릭을 기반으로 주식을 선별하고 현재 주가를 기반으로 매수 및 매도 권장 사항을 만듭니다.
파트 4:
03:00:00 비디오는 Python 프로그래밍 언어를 사용하여 알고리즘 거래 모델을 만드는 방법에 대해 설명합니다. 요청 라이브러리를 사용하여 HTTP 요청을 수행하는 방법과 데이터 값을 JSON 객체로 변환하는 방법을 보여줍니다. 그런 다음 비디오는 두 개의 서로 다른 거래소의 주가를 사용하여 가격 및 수익 비율을 계산하는 방법을 보여줍니다.
03:05:00 이 비디오는 Python을 사용하여 일괄 API 호출을 실행하는 방법을 설명합니다.
03:10:00 비디오는 Python 요청 라이브러리를 사용하여 주식 시장에서 데이터를 가져오기 위한 get 요청을 실행하는 방법을 보여줍니다. 그런 다음 이 데이터를 구문 분석하여 팬더 시리즈를 생성하는 데 사용합니다.
03:15:00 이 과정은 Python을 사용하여 알고리즘 거래를 수행하는 방법을 설명합니다. 먼저 강사가 Python에서 데이터 프레임을 만드는 방법을 설명합니다. 다음으로 강사는 데이터 프레임에서 매력적인 주식을 제거하는 방법을 설명합니다. 마지막으로 강사는 주문 스키마에 따라 데이터 프레임에서 상위 50개 주식을 반환하는 방법을 설명합니다.
03:20:00 이 비디오에서 강사는 Python을 사용하여 알고리즘 거래를 수행하는 방법을 설명합니다. 먼저, 그들은 가장 낮은 가격 대비 수익 비율을 가진 주식이 상위에 있도록 데이터 프레임을 정렬했습니다. 다음으로 drop 메서드를 사용하여 새 인덱스 열을 삭제했습니다. 그런 다음 원본 데이터 프레임을 수정된 상태로 유지하기 위해 in place equals true 매개 변수를 사용하여 데이터 프레임을 다시 정렬했습니다. 그런 다음 포지션 크기를 계산하고 각 주식의 주당 가격을 계산했습니다. 마지막으로 포트폴리오 입력 함수를 사용하여 데이터 프레임의 각 주식에 대한 포지션 크기를 계산했습니다.
03:25:00 이 비디오는 알고리즘 거래의 개념과 Python을 사용하여 가치 전략을 만드는 방법을 소개합니다. 그런 다음 비디오는 Python을 사용하여 ix Cloud API에 액세스하여 여러 평가 메트릭에 대한 데이터를 가져오는 방법을 보여줍니다. 모든 것이 순조롭게 진행되면 데이터가 panda 데이터 프레임으로 반환되고 비디오는 데이터가 올바르게 작동하고 있음을 나타냅니다.
03:30:00 이 비디오에서 저자는 Python을 사용하여 알고리즘 거래를 수행하는 방법을 보여줍니다. 저자는 먼저 주가 수익 비율을 얻는 방법을 보여주고 IRS 클라우드 API에서 이 값을 구문 분석합니다. 다음으로 작성자는 각 메트릭에 값을 할당하는 방법과 IRS 클라우드 API에서 이 데이터를 구문 분석하는 방법을 보여줍니다. 마지막으로 저자는 가격 대비 판매 비율을 사용하여 가격 대비 장부 비율을 찾는 방법을 보여줍니다.
03:35:00 이 비디오 자습서는 Python을 사용하여 알고리즘 거래를 수행하는 방법을 설명합니다. 이 과정은 다른 메트릭(예약 가격)을 사용하여 회사의 가격 대비 판매 비율을 계산하는 방법을 가르치는 것으로 시작합니다. 다음으로 이 과정에서는 기업 가치, 이자, 세금, 감가상각비 차감 전 이익(EBITDA) 및 총 이익 대비 기업 가치(EV/EBIT)를 계산하는 방법을 배웁니다. 마지막으로 이 과정에서는 회사의 기말 가치 수익(EV/EBIT) 비율을 계산하는 방법을 보여줍니다.
03:40:00 이 비디오에서 저자는 알고리즘 거래에 Python을 사용하는 방법을 보여줍니다. 먼저 평가 지표를 계산하는 방법을 보여주고 계산된 정보로 데이터 프레임을 채우는 루프를 만듭니다. 그들은 API 호출에 대한 상태 코드를 인쇄하여 비디오를 마무리합니다.
03:45:00 이 비디오에서 저자는 Python을 사용하여 알고리즘 방식으로 주식을 거래하는 방법을 보여줍니다. 먼저 주식 기호 및 데이터 값의 데이터 프레임을 만든 다음 추가 메서드를 사용하여 각 시세 표시기의 데이터 프레임에 데이터를 추가합니다. 다음으로 head 메서드를 사용하여 각 티커의 데이터 포인트를 구문 분석한 다음 append 메서드를 사용하여 해당 데이터 포인트를 pandas 데이터 프레임에 추가합니다. 마지막으로 백분위수 방법을 사용하여 주식 백분위수 점수를 계산합니다.
03:50:00 이 1시간 분량의 비디오 자습서는 성공 지표를 생성하기 위해 다양한 계산을 사용하여 Python을 사용하여 주식을 거래하는 방법을 다룹니다. 계산 중 하나가 실패하면 강사는 예외 처리를 사용하여 값을 더미 값으로 바꿉니다.
03:55:00 이 비디오에서 강사는 pandas를 사용하여 데이터 프레임에서 누락된 데이터를 처리하는 방법을 설명합니다. 첫째, 누락된 데이터가 포함된 데이터 프레임의 열을 식별하는 방법을 설명합니다. 그런 다음 채우기 방법을 사용하여 누락된 데이터를 다른 열의 평균값으로 바꾸는 방법을 보여줍니다.
파트 5:
04:00:00 이 비디오는 Python을 사용하여 다양한 주식 지표에 대한 백분위수 점수를 계산하는 방법을 설명합니다. 먼저, 대본 발췌는 주식 메트릭 사전을 만드는 방법과 pandas 라이브러리의 "LLC" 메서드를 사용하여 각 메트릭의 백분위수 점수에 액세스하는 방법을 보여줍니다.
04:05:00 비디오는 Python을 사용하여 알고리즘 거래를 수행하는 방법을 알려줍니다. 자습서의 첫 번째 부분에서는 Sai pi dot stats 모듈의 점수 백분위수 함수를 사용하여 주어진 데이터 세트에 대한 백분위수 점수에 액세스하는 방법을 보여줍니다. 자습서의 두 번째 부분에서는 LSC 방법을 사용하여 데이터 세트의 지정된 행에 대한 RV 점수를 계산하는 방법을 보여줍니다.
04:10:00 동영상에서는 Python을 사용하여 P/E 비율, PB 비율, PS 비율, Evie/EBIT 비율, Eb/총이익을 비롯한 다양한 평가 지표를 계산하는 방법을 설명합니다. 메트릭이 계산되면 비디오는 데이터를 인쇄하고 예상 값과 비교하는 방법을 보여줍니다.
04:15:00 이 Python 비디오에서 저자는 Python 라이브러리 pandas를 사용하여 포트폴리오의 포지션 크기를 계산하는 방법을 보여줍니다. 먼저 유니버스에서 가장 저렴한 50개의 주식 인덱스로 데이터 프레임을 만듭니다. 다음으로 데이터 프레임을 필터링하여 50개의 주식만 포함하고 인덱스를 밑줄로 재설정합니다. 그런 다음 drop 매개 변수를 전달하여 기존 인덱스 복제를 방지하고 for 루프를 만들어 각 주식의 포지션 크기를 계산합니다. 마지막으로 각 주식의 포지션 크기를 인쇄하고 원하는 포지션 크기 $50,000와 비교합니다.
04:20:00 이 비디오는 Python을 사용하여 알고리즘 방식으로 주식을 거래하는 방법을 알려줍니다. 비디오의 첫 번째 부분에서는 데이터 프레임을 만들고 인쇄하는 방법에 대한 기본 사항을 다룹니다. 비디오의 두 번째 부분에서는 Python을 사용하여 콜 및 풋에 대한 주가와 포지션 크기가 포함된 Excel 파일을 만드는 방법을 다룹니다. 마지막으로 비디오는 Excel 파일을 포맷하고 프린터로 보내는 방법을 보여줍니다.
04:25:00 이 비디오는 Python을 사용하여 알고리즘 거래를 수행하는 방법을 보여줍니다. 강사는 거래 목적으로 데이터를 보유하도록 스프레드시트의 형식을 지정하는 방법과 다양한 Python 기능을 사용하여 스프레드시트에서 다양한 작업을 수행하는 방법을 보여줍니다.
04:30:00 이 튜토리얼에서는 S&P 500에서 가장 저렴한 50개 주식을 식별하는 방법을 사용하여 양적 가치 투자에 Python을 사용하는 방법을 소개합니다. 이 튜토리얼은 코드 형식 지정 및 실행에 대한 단계별 지침을 제공하고 다음과 같이 끝납니다. 완성된 스프레드시트.
Learn how to perform algorithmic trading using Python in this complete course. Algorithmic trading means using computers to make investment decisions. Comput...
이 비디오 자습서에서 저자는 알고리즘 거래를 위해 Python 프로그램을 설치하고 활용하는 과정을 자세히 설명합니다. 그들은 알고리즘 트레이딩 전략과 관련된 코드를 저장하기 위해 특별히 설계된 기본 Python 3 파일을 생성하는 단계별 지침을 제공합니다. 또한 코드를 실행하고 분석을 위해 결과 출력을 인쇄하는 방법을 보여줍니다. 튜토리얼은 주로 알고리즘 거래 목적을 위해 Python 프로그래밍 언어의 기능을 활용하는 데 중점을 둡니다. yfinance 라이브러리를 포함하여 알고리즘 거래에 적용할 수 있는 다양한 필수 기능과 라이브러리를 다룹니다. 튜토리얼은 이러한 기능과 라이브러리를 사용하는 것의 중요성을 강조하는 동시에 스프레드시트를 사용하여 데이터 다운로드 및 처리 기술을 탐색합니다.
또한 비디오 자습서는 Python을 사용하여 CSV 파일을 쓰고 읽는 과정을 보여줍니다. CSV 파일을 만드는 데 필요한 단계를 설명하고 Python 환경 내에서 파일을 읽고 조작하는 방법을 보여줍니다. 파이썬 기반 주식 거래라는 주제로 계속해서 튜토리얼은 주식 인덱스 생성을 설명하고 파이썬 함수 "변환"을 사용하여 인덱스 형식을 수정하는 방법을 보여줍니다. 또한 Python 함수 "start.columns"가 특히 주식에 대한 열 목록의 변경을 용이하게 하는 방법을 설명합니다.
다음 비디오 자습서도 주식 거래에 Python을 사용하는 방법을 다룹니다. 주식 데이터의 다운로드 및 구문 분석을 설명하는 것으로 시작하여 "설명" 기능을 사용하여 수집된 데이터를 효과적으로 분석합니다. 마지막으로 "도트 잠금" 기능을 사용하여 주가를 모니터링하고 추적하는 방법을 보여줍니다. 계속해서 이어지는 비디오 자습서에서는 Python을 사용하여 주식 거래용 알고리즘을 만드는 방법에 대한 포괄적인 설명을 제공합니다. 세 개의 서로 다른 주식에 대한 서로 다른 시작점을 시각화하는 것으로 시작하여 균일한 100포인트 범위 내에서 이를 나타내는 값의 정규화를 보여줍니다. 그런 다음 이 튜토리얼은 시청자에게 주식의 정규화된 종가를 플로팅하고 "점"(몰) 기능을 사용하여 값에 100을 곱하여 가독성을 높이는 방법을 안내합니다.
마찬가지로 또 다른 비디오 자습서는 Python을 사용하여 주식 거래 알고리즘을 만드는 데 중점을 둡니다. 이 자습서에서는 마감된 주식에 관한 정보를 저장하기 위해 데이터 세트 내에 새 열을 만드는 과정을 간략하게 설명합니다. 데이터를 열의 맨 아래로 재배치하기 위한 "이동" 기능의 활용에 대해 자세히 설명합니다. 또한 전날의 주가 변동 비율을 계산하여 보여줍니다. 또 다른 튜토리얼에서는 학습자에게 알고리즘 거래와 관련된 통계 계산을 위해 Python을 활용하는 방법을 소개합니다. 지연 및 차이 관련 데이터를 계산하기 위해 "이동", "빼기" 및 "나누기"와 같은 기능을 사용하는 방법에 대한 지침을 제공합니다.
다음으로 비디오는 Python을 사용하여 금융 자산의 백분율 변경을 계산하는 방법을 자세히 설명합니다. "pst"로 이름을 변경하여 가독성을 향상시키기 위해 "변경" 기능을 수정하는 방법을 보여줍니다. 또한 "periods" 변수를 1로 설정하고 백분율 변화에 100을 곱하여 포인트 값 형식으로 표시합니다. 비디오는 또한 자산의 표준 변경 계산, 백분율 변경에서 이를 빼서 첫날의 영향을 제거하는 방법도 다룹니다. 특정 자산에 대한 데이터 프레임의 이름이 "변경"으로 바뀌고 "변경" 열이 생성됩니다. 자습서는 "aafl"을 사용하여 "변경" 열을 확인하고 데이터 프레임을 저장하는 것으로 끝납니다.
또한 튜토리얼 작성자는 주어진 데이터 세트에 대한 평균, 표준 편차, 백분율 변경 및 수익을 계산하는 방법을 설명합니다. 또한 히스토그램을 플로팅하고 적중 시스템 그래프를 생성하는 방법도 보여줍니다.
통계 계산을 계속하면서 또 다른 비디오 자습서에서는 주식 수익률의 평균, 분산 및 표준 편차를 계산하는 방법을 설명합니다. 또한 연간 평균 수익률과 연간 분산 수익률을 결정하는 지침을 제공합니다.
더 확장하여 튜토리얼은 Python의 "std" 함수를 사용하여 주식 수익률의 연간 표준 편차를 계산하는 방법을 보여줍니다. 이 접근 방식은 개별 데이터 포인트 대신 티커 기호에서 데이터를 가져와 대규모 데이터 세트를 효율적으로 분석합니다. 튜토리얼은 또한 주식 수익률의 평균 및 표준편차와 주식 비율 변화의 평균 및 표준편차를 추적하는 열을 만드는 방법을 보여줍니다. 또한 "요약" 기능을 사용하여 주식 수익률의 평균 및 표준편차를 계산하는 방법을 설명합니다.
저자는 또한 다양한 주식과 관련된 수익 및 위험을 설명하기 위해 산점도 작성 및 주석 추가를 다룹니다. 이 시각화는 주식 거래의 맥락에서 수익과 위험 간의 관계를 이해하는 데 도움이 됩니다. 계속해서 비디오 자습서는 Python을 사용하여 주식 거래를 위한 알고리즘을 만드는 방법을 자세히 설명합니다. 공분산 및 상관 관계와 같은 for 루프 및 함수의 사용법을 살펴봅니다. 또한 알고리즘 결과의 그래픽 표현을 보여주기 때문에 트레이더는 트레이딩 전략의 성과를 효과적으로 시각화하고 분석할 수 있습니다.
또한 튜토리얼에서는 seaborn 라이브러리를 활용하여 주식 상관관계를 나타내는 히트맵을 만드는 방법을 설명합니다. 전체 프로젝트에 대한 코드 다운로드와 함께 단계별 가이드를 제공하여 Python을 사용하여 주식 상관 분석을 쉽게 구현할 수 있습니다. 비디오 자습서의 발표자는 포커스를 이동하면서 시청자에게 Python을 사용하여 주식 포트폴리오의 위험 및 보상 잠재력을 계산하는 방법을 교육합니다. 그들은 단순한 수익의 한계에 대해 논의하고 로그 수익의 개념을 소개하여 위험과 보상을 평가하는 실제 적용을 보여줍니다. 이 분석은 거래자가 포트폴리오 구성 및 위험 관리에 대해 정보에 입각한 결정을 내리는 데 도움이 됩니다.
또 다른 자습서에서는 Python의 "rolling" 함수를 사용하여 간단한 이동 평균을 계산하는 과정을 설명합니다. 이 기술을 적용함으로써 트레이더는 주가의 변동을 완화하고 보다 효과적으로 추세를 파악할 수 있습니다. 또한 자습서는 데이터 패턴을 분석하고 이해하는 데 있어서의 중요성을 강조하면서 데이터 세트의 평균, 중앙값 및 이동 평균 계산을 보여줍니다.
또한 비디오 자습서에서는 주식의 50일 이동 평균, 200일 이동 평균 및 EMA(수익 대비 가격)를 포함한 다양한 이동 평균 계산을 보여줍니다. 이러한 이동 평균은 그래프에 그려져 트레이더가 주요 트렌드와 잠재적 거래 신호를 식별하는 데 도움이 됩니다. 데이터 조작 기술을 계속 사용하는 비디오 자습서에서는 데이터 프레임 내에서 누락된 값을 대체하기 위해 pandas의 재색인 기능을 활용하는 방법을 설명합니다. 또한 공휴일과 주말이 있을 때 데이터를 관리하기 위해 앞으로 채우기 및 뒤로 채우기 기능을 적용하는 방법도 다룹니다.
비디오 자습서는 매수 후 보유 수익률, 누적 수익률 및 최대 수익률을 포함하여 시간 경과에 따른 주식 수익률 계산을 보여줍니다. 또한 누적 최대 수익 계산을 탐색하고 그래프 플로팅을 통해 데이터를 시각화합니다. 또한 튜토리얼은 최대 누적 수익 및 최대 누적 손실뿐만 아니라 주식의 손실을 계산하는 방법을 설명합니다. 드로다운을 이해하면 트레이더가 투자와 관련된 위험을 평가하고 잠재적인 손실 시나리오를 식별하는 데 도움이 됩니다. 유사한 맥락에서 또 다른 비디오 자습서에서는 주식의 손실률 및 최대 손실률 계산에 대해 설명합니다. 또한 위험 관리의 중요한 지표인 감소율 계산에 대한 개요를 제공합니다.
YouTube의 Python 2023 자습서는 시청자에게 거래를 위한 이동 평균 교차 전략을 만드는 방법을 소개합니다. 이 전략은 50일 이동 평균과 100일 이동 평균이라는 두 개의 이동 평균을 활용하여 주식의 추세를 결정하고 그에 따라 거래 신호를 생성하는 것입니다. 또한 동영상 자습서에서는 주식 거래를 위한 Python 코드 작성 방법을 설명합니다. 현재 가격과 과거 가격 데이터를 기반으로 주식을 사거나 팔지 여부를 결정하는 과정을 보여줍니다. 또한 라이브러리를 사용하여 시간이 지남에 따라 주식의 위치를 추적하여 트레이더가 포트폴리오를 효과적으로 모니터링하고 관리할 수 있도록 합니다.
튜토리얼 비디오는 수익 및 표준 편차를 사용하여 알고리즘 거래 전략을 백테스팅하는 방법을 시청자에게 알려줍니다. 수익률 측면에서 50일 이동 평균을 능가하는 전략을 보여주지만 표준 편차가 더 높아 위험과 보상 사이의 균형을 강조합니다. 또한 비디오 자습서는 투자 전략을 만들고 다른 전략과 비교하는 과정을 사용자에게 안내합니다. 수익률이 가장 좋은 전략은 강세 포지션에 대한 선호도를 나타내는 긴 편향을 가진 전략이라는 점을 강조합니다.
또한 저자는 알고리즘 거래를 위한 테스트 전략을 생성하는 기능을 소개합니다. 이 함수는 주식 이름, 시작 및 종료 날짜와 같은 매개변수를 사용하고 일일 수익률, 누적 수익률 및 SMA(단순 이동 평균)와 같은 주요 성과 지표를 반환합니다. 이 기능을 활용하여 거래자는 거래 전략의 효과를 평가하고 데이터 기반 결정을 내릴 수 있습니다. 그런 다음 자습서는 알고리즘 거래 Python 스크립트를 작성하는 방법을 시연합니다. 이 스크립트는 전통적인 매수 후 보유 투자 접근 방식에 비해 전반적으로 더 나은 성과를 달성하는 것을 목표로 간단한 손절매 및 이익실현 전략을 통합합니다. 이 스크립트는 보다 정교한 거래 알고리즘을 개발하기 위한 기초 역할을 합니다.
발표자는 또한 Python으로 작성된 거래 전략을 백테스팅하는 과정을 보여줍니다. 발표자가 만든 이 전략은 2017년의 과거 주식 시장 데이터에서 테스트되어 거래자가 성과와 실행 가능성을 평가할 수 있습니다. 또한 튜토리얼에서는 주식 및 암호화폐 거래를 위한 Python2023 알고리즘을 코딩하는 방법을 설명합니다. API를 활용하여 다양한 주식 및 암호화폐 거래소의 데이터에 액세스하여 거래자가 실시간 시장 데이터를 분석하고 그에 따라 거래 전략을 구현할 수 있도록 합니다. 비디오 자습서는 Python을 사용하여 주식 및 암호화폐를 거래하는 방법을 자세히 살펴봅니다. 여기에는 API 서비스를 사용하여 데이터 입력, 분석, 저장, 조작 및 거래 전략 실행이 포함됩니다. 트레이더는 이러한 기술을 활용하여 거래 프로세스를 자동화하고 포트폴리오를 효율적으로 관리할 수 있습니다.
또한 자습서는 Python을 사용하여 주식 및 기타 금융 자산을 거래하는 방법에 대한 포괄적인 지침을 제공합니다. 가격 분석 및 거래와 같은 기본 개념과 데이터 통합을 위한 백테스팅 및 API 활용과 같은 고급 주제를 다룹니다. 이 튜토리얼은 트레이더가 알고리즘 트레이딩에 효과적으로 참여하는 데 필요한 지식과 도구를 제공합니다.
결론적으로 이 자습서와 비디오는 알고리즘 거래에 Python을 사용하는 방법에 대한 풍부한 정보를 제공합니다. 데이터 처리, 통계 분석, 시각화, 전략 개발, 백테스팅, 실시간 거래 등 다양한 주제를 다룹니다. 이 자습서를 따르면 거래자는 알고리즘 거래 원칙에 대한 이해를 높이고 Python의 기능을 활용하여 정보에 입각한 거래 결정을 내릴 수 있습니다.
00:00:00 이 비디오에서 저자는 알고리즘 거래 Python 프로그램을 설치하고 사용하는 방법에 대해 설명합니다. 다음으로 알고리즘 거래 전략을 위한 코드를 보관할 기본 Python 3 파일을 만드는 방법을 설명합니다. 마지막으로 결과를 인쇄하여 코드를 실행하는 방법을 보여줍니다.
00:05:00 이 튜토리얼은 Python 프로그래밍 언어를 사용하여 알고리즘 거래를 수행하는 방법을 설명합니다. 튜토리얼은 y 금융 라이브러리와 같이 알고리즘 거래에 사용할 수 있는 다양한 기능과 라이브러리를 다룹니다. 튜토리얼은 또한 스프레드시트에서 데이터를 다운로드하고 처리하는 방법을 보여줍니다.
00:10:00 이 YouTube 동영상은 CSV 파일을 작성하는 방법과 Python에서 읽는 방법을 보여줍니다.
00:15:00 이 튜토리얼에서는 Python을 사용하여 주식을 거래하는 방법을 설명합니다. 동영상은 먼저 주가 지수를 만드는 방법을 설명한 다음 Python 함수 convert를 사용하여 지수 형식을 변경하는 방법을 보여줍니다. 마지막으로 Python 함수 start.columns를 사용하여 주식에 대한 열 목록을 변경하는 방법을 설명합니다.
00:20:00 이 비디오 자습서에서는 Python을 사용하여 주식을 거래하는 방법에 대해 설명합니다. 자습서의 첫 번째 부분에서는 주식 데이터를 다운로드하고 구문 분석하는 방법을 다룹니다. 다음으로 튜토리얼에서는 describe 함수를 사용하여 데이터를 분석하는 방법을 다룹니다. 마지막으로 자습서에서는 도트 잠금 기능을 사용하여 주가를 추적하는 방법을 다룹니다.
00:25:00 이 비디오 자습서에서는 Python 프로그래밍 언어를 사용하여 주식 거래 알고리즘을 만드는 방법을 설명합니다. 자습서는 세 가지 다른 주식에 대한 서로 다른 시작점을 표시하는 것으로 시작한 다음 값이 모두 100포인트 범위로 표시되도록 값을 정규화하는 방법을 보여줍니다. 다음으로 튜토리얼에서는 주식 종가의 규범을 그리는 방법과 값을 더 쉽게 읽을 수 있도록 값에 100을 곱하는 점(몰) 기능.
00:30:00 이 비디오 자습서는 Python 프로그래밍 언어를 사용하여 주식 거래 알고리즘을 만드는 방법을 보여줍니다. 첫 번째 단계는 마감된 주식에 대한 정보를 저장할 새 데이터 열을 만드는 것입니다. 다음으로 영상은 shift 함수를 사용하여 데이터를 열의 맨 아래로 이동하는 방법을 설명합니다. 마지막으로 튜토리얼에서는 전날 대비 주가 변동률을 계산하는 방법을 보여줍니다.
00:35:00 이 튜토리얼에서는 Python 프로그래밍 언어를 사용하여 알고리즘 거래와 관련된 다양한 통계 데이터를 계산하는 방법을 배웁니다. 지연 및 차이와 관련된 데이터를 계산하기 위해 함수로 이동, 빼기 및 나누기를 사용하는 방법을 배웁니다.
00:40:00 비디오는 Python을 사용하여 금융 자산의 백분율 변경을 계산하는 방법을 다룹니다. 읽기 쉽도록 변경 기능을 pst로 변경한 다음 period 변수를 1로 설정합니다. 그런 다음 변경 비율에 100을 곱하여 포인트 값으로 변환합니다. 그런 다음 자산의 표준 변경을 계산하고 백분율 변경에서 빼서 첫날의 효과를 제거합니다. 데이터 프레임 사과의 이름이 change로 바뀌고 열 변경이 생성됩니다. 열 변경 사항을 확인하기 위해 Aafl이 실행되고 데이터 프레임이 저장됩니다.
00:45:00 이 자습서에서 저자는 특정 데이터 세트의 평균 및 표준 편차를 계산하는 방법과 월별 변화에 대한 백분율 변화 및 수익을 보여줍니다. 또한 히스토그램과 적중 시스템 그래프를 구성하는 방법도 보여줍니다.
00:50:00 이 비디오는 주식 수익률의 평균, 분산 및 표준편차를 계산하는 방법을 설명합니다. 비디오는 또한 연간 평균 수익률을 계산하는 방법과 연간 var 수익률을 계산하는 방법을 설명합니다.
00:55:00 이 비디오 자습서에서는 std 함수를 사용하여 주어진 주식 수익률의 연간 표준 편차를 계산하는 방법을 설명합니다. std 함수는 개별 데이터 포인트가 아닌 티커 기호에서 데이터를 가져오므로 대규모 데이터 세트를 보다 효율적으로 분석할 수 있습니다. 자습서에서는 주식 수익률의 평균 및 표준 편차를 추적하는 열과 주식 비율 변화의 평균 및 표준 편차를 추적하는 열을 만드는 방법도 보여줍니다. 마지막으로 요약 함수를 사용하여 주식 수익률의 평균과 표준 편차를 계산하는 방법을 설명합니다.
01:00:00 저자는 산점도를 만들고 주석을 달아 다양한 주식과 관련된 수익 및 위험을 표시하는 방법을 설명합니다.
01:05:00 이 동영상 자습서에서는 Python 프로그래밍 언어를 사용하여 주식 거래용 알고리즘을 만드는 방법을 설명합니다. 이 자습서에서는 for 루프와 공분산 및 상관 함수의 사용과 결과의 그래픽 표현을 다룹니다.
01:10:00 이 튜토리얼에서는 seaborn 라이브러리를 사용하여 주식 상관 관계의 히트 맵을 만드는 방법을 설명합니다. 자습서에는 전체 프로젝트에 대한 코드 다운로드도 포함되어 있습니다.
01:15:00 이 비디오에서 발표자는 Python을 사용하여 주식 포트폴리오의 위험 및 보상 잠재력을 계산하는 방법을 가르칩니다. 그는 단순 수익 및 로그 수익의 한계에 대해 논의하고 이들이 실제로 어떻게 작동하는지 보여줍니다.
01:20:00 이 자습서에서는 Python의 롤링 함수를 사용하여 단순 이동 평균을 계산하는 방법을 설명합니다.
01:25:00 이 자습서에서는 값 집합의 평균과 중앙값 및 이동 평균을 계산하는 방법을 보여줍니다.
01:30:00 이 비디오는 주식의 50일 이동 평균, 200일 이동 평균 및 ema(또는 "수익 대 가격")를 계산하는 방법을 보여줍니다. 비디오는 또한 이러한 평균을 그래프에 표시하는 방법을 보여줍니다.
01:35:00 이 비디오에서 dot day는 pandas의 re-index 기능을 사용하여 데이터 프레임에서 누락된 값을 대체하는 방법을 설명합니다. 공휴일과 토요일, 일요일이 포함되어 있을 때 데이터를 관리하기 위해 앞으로 채우기 및 뒤로 채우기 기능을 사용하는 방법도 비디오에서 다룹니다.
01:40:00 이 비디오는 매수 후 보유 수익률, 누적 수익률 및 최대 수익률을 포함하여 시간 경과에 따른 주식 수익률을 계산하는 방법을 설명합니다. 또한 누적 최대 수익을 계산하는 방법과 데이터 그래프를 그리는 방법에 대해서도 설명합니다.
01:45:00 이 영상은 주식의 하락폭을 계산하는 방법과 주식의 최대누적수익률 및 최대누적최대값을 계산하는 방법을 설명하는 영상입니다.
01:50:00 비디오는 주식의 하락률 및 최대 하락률을 계산하는 방법에 대해 설명하고 하락률을 계산하는 방법에 대한 개요도 제공합니다.
01:55:00 이 YouTube 동영상에서 Python 2023 자습서는 이동 평균 교차 전략을 만드는 방법을 설명합니다. 이 전략은 주식의 추세를 결정하기 위해 50일과 100일의 두 가지 이동 평균을 사용하는 것을 포함합니다.
02:00:00 이 동영상 자습서에서는 Python을 사용하여 주식 거래 코드를 작성하는 방법을 설명합니다. 이 비디오는 현재 가격과 과거 가격을 기준으로 주식을 사야 할지 팔아야 할지 결정하는 코드를 작성하는 방법을 보여줍니다. 비디오는 또한 라이브러리를 사용하여 시간 경과에 따른 주식 위치를 추적하는 방법을 설명합니다.
02:05:00 비디오는 수익 및 표준 편차를 사용하여 알고리즘 거래 전략을 백테스트하는 방법을 설명합니다. 이 전략은 50일 이동 평균보다 높은 수익을 달성하지만 표준 편차가 높습니다.
02:10:00 이 비디오는 주어진 투자에 대한 전략을 수립하는 방법과 이를 다른 전략과 비교하는 방법을 설명합니다. 최고의 수익을 내는 전략은 롱 바이어스 전략입니다.
02:15:00 저자는 알고리즘 거래를 위한 테스트 전략을 만드는 기능을 소개합니다. 이 함수는 주식 이름, 시작 및 종료 날짜를 입력하고 일일 수익률, 누적 수익률 및 sma를 반환합니다.
02:20:00 이 자습서에서는 주식 거래를 위한 Python 알고리즘을 만드는 방법과 이를 사용하여 미래 주가를 예측하는 방법을 보여줍니다. 튜토리얼에는 주식에 대한 투자 수익과 해당 수익의 표준 편차를 계산하는 방법에 대한 데모가 포함되어 있습니다.
02:25:00 sma backtester 클래스는 수익 및 표준 편차를 계산하는 전략을 만드는 데 사용됩니다. 이 클래스에는 데이터를 가져오는 함수도 포함되어 있습니다.
02:30:00 비디오는 getdata 기능을 사용하여 주식 데이터를 다운로드하는 방법, 테스트 결과 기능을 만드는 방법, 데이터를 사용하여 매수 및 보유 전략의 성과 및 초과 성과를 계산하는 방법을 보여줍니다.
02:35:00 저자는 알고리즘 거래 전략의 성과 및 성과를 계산하는 방법을 보여줍니다. 저자는 또한 결과를 플롯하는 함수를 만드는 방법을 보여줍니다.
02:40:00 이 튜토리얼에서 저자는 알고리즘 거래 Python 스크립트를 작성하는 방법을 가르칩니다. 이 스크립트는 단순한 손절매 및 이익실현 전략을 사용하여 매수 후 보유 투자보다 전반적인 성과 이점을 달성합니다.
02:45:00 이 비디오는 Python으로 작성된 거래 전략을 백 테스트하는 방법을 보여줍니다. 이 전략은 발표자가 작성했으며 2017년 주식 시장에서 테스트되었습니다.
02:50:00 이 튜토리얼에서는 주식 및 암호화폐 거래를 위한 Python2023 알고리즘을 코딩하는 방법을 설명합니다. 이 자습서에서는 API를 사용하여 다양한 주식 및 암호화폐 거래소의 데이터에 액세스하는 방법도 다룹니다.
02:55:00 이 비디오 자습서는 Python을 사용하여 주식 및 암호화폐를 거래하는 방법을 설명합니다. 영상은 데이터를 입력하고 분석하는 방법, 데이터를 저장하고 조작하는 방법, API 서비스를 사용하여 거래 전략을 보내는 방법을 다룹니다.
03:00:00 이 튜토리얼에서는 Python을 사용하여 주식 및 기타 금융 자산을 거래하는 방법을 설명합니다. 이 과정에서는 가격 분석 및 거래와 같은 기본 개념과 백테스팅 및 API 사용과 같은 고급 주제를 다룹니다.
We have a created an Algorithmic Trading Course in python for pure beginners wherein we discuss multiple concepts from a basic zero to hero framework. The vi...
이것은 주식 분석을 위해 Python을 사용하는 방법에 대한 제 시리즈의 첫 번째 부분입니다. 시리즈는 세 부분으로 나뉩니다. 첫 번째 섹션에서는 분석을 위해 데이터를 얻고 구성하는 데 중점을 둘 것입니다. 2부에서는 개별 증권을 다루고 마지막으로 pip를 사용하여 쉽게 설치할 수 있도록 코드를 패키징하는 방법을 시연합니다. 코드는 GitHub(비디오 설명의 링크)에서 사용할 수 있습니다. 원하는 텍스트 편집기를 사용할 수 있습니다.
주식 분석의 가장 중요한 측면은 데이터 소스입니다. 전 세계 데이터를 포함하는 종합적인 종가 기록 데이터를 사용할 것입니다. 무료 요금제로 시작할 수 있지만 일일 API 호출 수에 제한이 있습니다. 더 필요한 경우 특별 가격으로 데이터 번들을 구독할 수 있습니다(동영상 설명의 링크).
필요한 모듈을 가져오는 것으로 시작하겠습니다. 특정 거래소에서 증권에 대한 메타데이터를 다운로드하는 것으로 시작하겠습니다. API 키를 제공하고 거래소를 지정해야 합니다(기본값은 뉴욕 증권 거래소). 미국 시장에 대한 몇 가지 예를 제공하겠지만, 종가 기록 데이터 웹사이트의 문서를 사용하여 국제 시장을 탐색할 수 있습니다.
문서가 설정되면 교환 및 API 키를 전달하여 API 끝점을 호출합니다. 이를 위해 요청 모듈을 사용합니다. 응답은 JSON 형식이며 pandas DataFrame으로 변환됩니다.
마지막으로 진행 상황을 보여주기 위해 몇 가지 인쇄 문을 추가하고 진입점 함수를 실행하여 코드를 테스트할 수 있습니다. API 키를 자신의 키로 바꾸십시오. 결과는 검색된 데이터를 포함하는 DataFrame이 됩니다. 관심 있는 증권 유형에 따라 이 데이터를 추가로 필터링할 수 있습니다. 이에 대해서는 다음 비디오에서 다룰 것입니다.
이것은 Python을 사용한 주식 분석 시리즈의 2부입니다. 1편을 안 보신 분들은 꼭 보시길 추천합니다. 이전 비디오에서는 특정 증권 거래소에서 데이터를 다운로드하고 메타데이터가 포함된 DataFrame을 얻었습니다. 이제 보통주, ETF 또는 펀드와 같은 보안 유형에 따라 기호를 필터링하려고 합니다. 이렇게 하면 데이터를 다운로드하기 전에 특정 증권에 집중할 수 있습니다.
교환 데이터 DataFrame을 입력으로 사용하는 "get_security_type"이라는 새 함수를 추가하겠습니다. 기본적으로 보통주를 필터링하지만 필요한 경우 다른 유형을 지정할 수 있습니다. 이 함수는 지정된 보안 유형과 일치하는 기호 목록을 반환합니다.
또한 종가 기록 데이터에 S&P 500 기호가 포함되어 있지 않은 것을 확인했습니다. 따라서 "get_sp500_symbols"라는 다른 함수를 작성하여 CSV 파일에서 기호를 가져옵니다. 이 함수는 섹터를 기반으로 기호를 필터링하기 위해 선택적 "섹터" 매개변수를 허용합니다. 기본적으로 모든 기호를 반환합니다. 이 함수는 기호, 이름 및 섹터 열이 있는 DataFrame을 반환합니다.
이를 구현하기 위해 pandas 라이브러리를 사용하여 CSV 파일을 읽고 제공된 매개변수를 기반으로 원하는 필터를 적용합니다.
일단 구현되면 기능을 테스트할 수 있습니다. 기본적으로 "get_security_type"은 모든 기호를 반환하고 "get_sp500_symbols"도 모든 기호를 반환합니다. S&P 500 기호를 필터링할 섹터를 지정할 수 있습니다.
이러한 기능을 사용하면 이제 보안 유형을 기반으로 기호를 필터링하고 S&P 500에서 주식을 탐색할 수 있습니다. 시리즈의 다음 부분에서는 데이터 다운로드 및 큐레이팅에 중점을 둘 것입니다.
이것은 주식 분석을 위해 Python을 사용하는 방법에 대한 제 시리즈의 3부입니다. 동영상 설명에 제공된 링크에서 처음 두 동영상을 찾을 수 있습니다. 시리즈에 사용된 모든 코드는 GitHub 리포지토리에서 사용할 수 있으며 설명에도 링크되어 있습니다.
이전 비디오에서는 특정 거래소의 증권 목록을 얻는 방법과 특정 기준에 따라 필터링하는 방법을 배웠습니다. 또한 S&P 500 주식을 필터링하는 함수를 작성했습니다. 이 비디오에서는 관심 있는 데이터를 다운로드하고 구성하는 데 중점을 둘 것입니다.
시작하려면 마감 데이터와의 상호 작용을 단순화하는 "eod"라는 도우미 라이브러리를 설치해야 합니다. 기존 API 호출 대신 이 라이브러리를 사용할 수 있습니다. pip를 사용하여 설치한 후 라이브러리에서 "EodHistoricalData" 클래스를 가져오면 API 호출을 쉽게 할 수 있습니다. 또한 시간 제한을 설정하기 위한 "datetime" 모듈과 파일 시스템 작업을 위한 "os" 모듈을 가져옵니다.
다음으로 데이터를 검색하려는 기간의 기본 날짜를 설정합니다. 이 경우 약 1년으로 설정했습니다. 또한 시작 날짜와 종료 날짜가 모두 필요한 경우 현재 날짜를 참조로 설정합니다.
이제 "get_data"라는 메인 함수 작성을 진행할 수 있습니다. 이 함수는 단일 기호, 쉼표로 구분된 기호 목록 또는 기호 목록을 포함하여 다양한 입력을 허용합니다. 또한 API 키와 데이터가 저장될 경로가 필요합니다. 함수는 EodHistoricalData 클래스를 사용하여 지정된 티커에 대한 데이터를 검색하고 지정된 폴더에 CSV 파일로 저장합니다. 다운로드 및 건너뛴 유가 증권의 수를 추적하고 다운로드 프로세스에 대한 정보를 제공합니다.
함수를 작성한 후 몇 가지 샘플 인수를 전달하고 출력을 확인하여 테스트할 수 있습니다. 다운로드한 유가 증권과 건너뛴 유가 증권을 볼 수 있습니다. 이 기능은 지정된 폴더에서 데이터를 성공적으로 검색하고 저장합니다.
다음 영상에서는 다운로드한 데이터를 가지고 종가 및 수익률 추출 등 시각화 기법에 대해 알아봅니다.
주식 분석을 위한 Python 시리즈의 4부에 오신 것을 환영합니다. 비디오 설명에서 처음 세 부분에 대한 링크를 찾을 수 있으며 GitHub 리포지토리에서 코드에 액세스할 수도 있습니다.
이전 비디오에서는 증권 목록 가져오기, 목록 필터링 및 데이터를 CSV 파일로 다운로드하는 방법을 다뤘습니다. 이제 이번 영상에서는 다운로드 받은 데이터에서 종가 칼럼을 추출하는 것에 집중해 보겠습니다.
이를 위해 "get_closing_prices"라는 함수를 만듭니다. 이 함수는 데이터 파일에 대한 기본값이 설정된 폴더를 입력으로 사용합니다. 기본적으로 닫기 열을 추출하지만 원하는 경우 조정된 닫기 열을 선택할 수 있습니다.
먼저 중복을 피하기 위해 "0"으로 시작하는 파일을 제외하고 지정된 폴더의 모든 유효한 파일을 읽습니다. 그런 다음 빈 DataFrame을 설정합니다.
다음으로 파일을 반복하고 조정된 닫기가 true로 설정되어 있는지 확인합니다. 그렇다면 pandas의 read_csv 함수를 사용하여 폴더와 파일을 지정하여 임시 DataFrame을 만듭니다. 인덱스 열을 날짜로 설정하고 조정된 닫기 열을 선택합니다. 마지막으로 열의 이름을 시세 기호로 바꿉니다.
조정된 종가가 참이 아닌 경우 종가 열에 대해 유사한 프로세스를 따릅니다. 기존 DataFrame을 첫 번째 파일의 임시 DataFrame으로 교체하고 새 DataFrame을 후속 파일의 기존 DataFrame에 연결합니다.
마지막으로 종가가 포함된 DataFrame을 반환합니다. 또한 원하는 경우 DataFrame을 "closes.csv"라는 CSV 파일에 기록합니다.
원하는 폴더 이름으로 호출하여 기능을 테스트할 수 있습니다. 이 함수는 종가와 함께 DataFrame을 반환합니다. 표시된 예에서는 지정된 유가 증권의 종가 열을 성공적으로 추출했습니다.
주식 분석을 위해 Python을 사용하는 방법에 대한 제 시리즈의 5부에 오신 것을 환영합니다. 비디오 설명에서 코드에 액세스할 수 있는 GitHub 리포지토리에 대한 링크뿐만 아니라 이전 네 부분에 대한 링크를 찾을 수 있습니다.
4부에서는 선택한 증권의 종가를 가져와서 파일에 저장했습니다. 이제 5부에서는 이러한 종가를 기반으로 수익을 계산하는 데 중점을 둘 것입니다. 계속 진행하기 전에 NumPy 라이브러리를 가져와야 합니다.
폴더와 파일 이름을 입력으로 사용하는 "calculate_returns"라는 함수를 만듭니다. 잠재적 오류를 처리하기 위해 try-except 블록을 사용합니다. 함수 내에서 pandas를 사용하여 CSV 파일에서 데이터를 읽습니다. 인덱스 열을 날짜로 설정하고 반환 데이터 프레임을 반환합니다.
결과를 인쇄하고 폴더 이름과 파일 이름을 전달하여 기능을 테스트할 수 있습니다. 표시된 예에서는 선택한 유가 증권의 수익을 성공적으로 계산합니다.
여기에서 몇 가지 가능한 다음 단계가 있습니다. 일반적인 작업 중 하나는 유가 증권 간의 상관 관계를 계산하는 것입니다. 구체적인 구현에 대해 자세히 다루지는 않겠지만 이전 함수의 결과를 사용하여 상관 관계를 계산하는 함수를 빌드할 수 있습니다. 유연성을 향상시키기 위해 파일(예: Excel 또는 CSV)에서 데이터를 읽는 것과 같은 다양한 옵션을 탐색할 수 있습니다.
작성할 수 있는 또 다른 유용한 기능은 종가를 표시하는 것입니다. 이를 위해 matplotlib 라이브러리를 가져와야 합니다. "plot_closes" 함수는 닫기를 CSV 또는 Excel 파일일 수 있는 입력으로 사용합니다. 또한 시작 가격을 기준으로 가격을 표시하도록 선택할 수 있습니다.
함수 내에서 pandas를 사용하여 데이터를 읽고 상대 매개변수를 기반으로 가격을 그대로 표시하거나 시작 가격에 상대적인 성능을 표시합니다. 그리드 선 및 0(또는 원하는 표현에 따라 1)의 수평선과 같은 옵션을 사용하여 플롯을 사용자 지정할 수 있습니다.
기능을 테스트하면 선택한 유가 증권에 대한 결과 플롯을 볼 수 있습니다. 상대 매개변수를 true로 설정하면 시작 가격에 상대적인 성능을 관찰할 수 있습니다.
6부에서는 해당 데이터를 별도의 파일에 저장하는 데 중점을 두고 종가 및 변경 작업을 계속할 것입니다.
Python으로 촛대 차트 만들기(Pandas Library Notes)
Python으로 캔들그래프 만들기 (Pandas Bookstore Notes)
이 비디오는 CSV 데이터와 함께 Python의 Pandas 라이브러리를 사용하여 촛대 차트를 만드는 방법에 대한 단계별 가이드를 제공합니다. CSV 데이터를 가져오고 차트 생성에 사용할 데이터 프레임을 생성하는 것으로 시작합니다. 이 자습서에서는 금융 플롯에 사용되는 mpl 금융 라이브러리의 설치도 다룹니다. 이 비디오는 Python에서 Pandas를 효과적으로 사용하기 위해 Pandas를 이해하는 것의 중요성과 정확한 데이터 표현을 위해 차트 유형 및 날짜 범위를 변경하는 방법을 강조합니다. 이것은 자동 거래를 위한 모델링과 같은 작업에도 유용합니다.
Python을 사용한 알고리즘 거래(의사결정 트리)
Algorítmico con Python 트레이딩(Árbol de decisiones)
Python을 사용한 알고리즘 거래에 대한 이 비디오에서 연사는 결정 트리 접근 방식을 사용하여 SP500, 금 및 이더리움 간의 역사적 상관 관계를 기반으로 비트코인의 가격 움직임을 예측합니다. 이 모델은 당일 데이터를 사용하여 교육을 받은 후 다음 날의 결과를 예측하는 데 사용됩니다. 결정 트리는 예측에 유용할 수 있지만 발표자는 작은 데이터 샘플만으로는 완벽하지 않을 수 있다고 지적합니다. 시청자는 동영상에서 제공되는 웹 사이트에서 인공 지능 및 Python과 관련된 더 많은 알고리즘 거래 전략, 코스 및 기사에 액세스할 수 있습니다.
투자용 Python: 달러 인덱스를 얻는 방법? DXY
Python para inversiones: ¿Cómo sacar Dollar Index? DXY
동영상은 Python의 Beautiful Soup 및 Pandas 라이브러리를 사용하여 다른 통화 대비 미국 달러의 강세를 측정하는 DXY 인덱스 데이터 추출을 다룹니다. 발표자는 DXY 데이터에서 변형률 정보를 추출하고 추가 데이터 분석 및 기계 학습 목적을 위해 CSV 파일에 저장하는 코드를 제공합니다. 또한 그들은 Python, 금융 및 알고리즘 거래에 대한 무료 코스로 웹 사이트를 공유합니다. 따라서 비디오는 Python을 사용하여 재무 데이터를 추출하는 데 유용한 가이드입니다.
Python을 사용한 알고리즘 거래 - 전체 과정
Python을 사용한 알고리즘 거래 - 전체 과정
00:00:00 - 01:00:00 이 비디오는 Python을 사용하여 알고리즘적으로 주식을 거래하는 방법을 설명합니다. pandas 라이브러리의 기본 사항을 소개하는 것으로 시작한 다음 이를 사용하여 데이터 프레임을 만드는 방법을 보여줍니다. 그런 다음 주식에 대한 HTTP 요청을 실행하는 방법과 API 호출 결과를 사용하여 데이터 프레임을 채우는 방법을 보여줍니다. 마지막으로 이 과정에서는 API 요청을 일괄 처리하여 코드의 성능을 개선하는 방법에 대해 설명합니다.
01:00:00 - 02:00:00 이 비디오는 Python을 사용하여 자동화된 알고리즘을 사용하여 주식을 거래하는 방법을 다룹니다. 주식 및 기호 목록을 만든 다음 해당 주식을 문자열로 변환하는 것으로 시작합니다. 다음으로 비디오는 해당 문자열을 사용하여 HTTP 요청을 실행하는 URL을 생성합니다. 마지막으로 비디오는 해당 요청을 실행하고 데이터를 다시 가져오는 방법을 보여줍니다.
02:00:00 - 03:00:00 이 동영상은 Python을 사용하여 가격 대비 수익 비율을 가치 지표로 사용하는 알고리즘 거래 전략을 만드는 방법을 알려줍니다. 전략은 이 메트릭을 기반으로 주식을 선별하고 현재 주가를 기반으로 매수 및 매도 권장 사항을 만듭니다.
03:00:00 - 04:00:00 이 비디오 자습서는 Python을 사용하여 알고리즘 방식으로 주식을 거래하는 방법을 설명합니다. 다양한 성공 지표를 계산하는 방법, 누락된 데이터를 처리하는 방법 및 예외 처리를 사용하여 누락된 값을 대체하는 방법을 다룹니다.
04:00:00 - 04:30:00 이 비디오는 Python을 사용하여 다양한 주식 지표에 대한 백분위수 점수를 계산하는 방법을 설명합니다. 또한 Python을 사용하여 주식 가격과 콜 및 풋 포지션 크기가 포함된 Excel 파일을 만드는 방법과 인쇄용 파일 형식을 지정하는 방법을 다룹니다.
1 부:
파트 3:
파트 4:
파트 5:
알고리즘 거래 Python 2023 - 전체 자습서 초급
알고리즘 거래 Python 2023 - 전체 자습서 초급
이 비디오 자습서에서 저자는 알고리즘 거래를 위해 Python 프로그램을 설치하고 활용하는 과정을 자세히 설명합니다. 그들은 알고리즘 트레이딩 전략과 관련된 코드를 저장하기 위해 특별히 설계된 기본 Python 3 파일을 생성하는 단계별 지침을 제공합니다. 또한 코드를 실행하고 분석을 위해 결과 출력을 인쇄하는 방법을 보여줍니다. 튜토리얼은 주로 알고리즘 거래 목적을 위해 Python 프로그래밍 언어의 기능을 활용하는 데 중점을 둡니다. yfinance 라이브러리를 포함하여 알고리즘 거래에 적용할 수 있는 다양한 필수 기능과 라이브러리를 다룹니다. 튜토리얼은 이러한 기능과 라이브러리를 사용하는 것의 중요성을 강조하는 동시에 스프레드시트를 사용하여 데이터 다운로드 및 처리 기술을 탐색합니다.
또한 비디오 자습서는 Python을 사용하여 CSV 파일을 쓰고 읽는 과정을 보여줍니다. CSV 파일을 만드는 데 필요한 단계를 설명하고 Python 환경 내에서 파일을 읽고 조작하는 방법을 보여줍니다. 파이썬 기반 주식 거래라는 주제로 계속해서 튜토리얼은 주식 인덱스 생성을 설명하고 파이썬 함수 "변환"을 사용하여 인덱스 형식을 수정하는 방법을 보여줍니다. 또한 Python 함수 "start.columns"가 특히 주식에 대한 열 목록의 변경을 용이하게 하는 방법을 설명합니다.
다음 비디오 자습서도 주식 거래에 Python을 사용하는 방법을 다룹니다. 주식 데이터의 다운로드 및 구문 분석을 설명하는 것으로 시작하여 "설명" 기능을 사용하여 수집된 데이터를 효과적으로 분석합니다. 마지막으로 "도트 잠금" 기능을 사용하여 주가를 모니터링하고 추적하는 방법을 보여줍니다. 계속해서 이어지는 비디오 자습서에서는 Python을 사용하여 주식 거래용 알고리즘을 만드는 방법에 대한 포괄적인 설명을 제공합니다. 세 개의 서로 다른 주식에 대한 서로 다른 시작점을 시각화하는 것으로 시작하여 균일한 100포인트 범위 내에서 이를 나타내는 값의 정규화를 보여줍니다. 그런 다음 이 튜토리얼은 시청자에게 주식의 정규화된 종가를 플로팅하고 "점"(몰) 기능을 사용하여 값에 100을 곱하여 가독성을 높이는 방법을 안내합니다.
마찬가지로 또 다른 비디오 자습서는 Python을 사용하여 주식 거래 알고리즘을 만드는 데 중점을 둡니다. 이 자습서에서는 마감된 주식에 관한 정보를 저장하기 위해 데이터 세트 내에 새 열을 만드는 과정을 간략하게 설명합니다. 데이터를 열의 맨 아래로 재배치하기 위한 "이동" 기능의 활용에 대해 자세히 설명합니다. 또한 전날의 주가 변동 비율을 계산하여 보여줍니다. 또 다른 튜토리얼에서는 학습자에게 알고리즘 거래와 관련된 통계 계산을 위해 Python을 활용하는 방법을 소개합니다. 지연 및 차이 관련 데이터를 계산하기 위해 "이동", "빼기" 및 "나누기"와 같은 기능을 사용하는 방법에 대한 지침을 제공합니다.
다음으로 비디오는 Python을 사용하여 금융 자산의 백분율 변경을 계산하는 방법을 자세히 설명합니다. "pst"로 이름을 변경하여 가독성을 향상시키기 위해 "변경" 기능을 수정하는 방법을 보여줍니다. 또한 "periods" 변수를 1로 설정하고 백분율 변화에 100을 곱하여 포인트 값 형식으로 표시합니다. 비디오는 또한 자산의 표준 변경 계산, 백분율 변경에서 이를 빼서 첫날의 영향을 제거하는 방법도 다룹니다. 특정 자산에 대한 데이터 프레임의 이름이 "변경"으로 바뀌고 "변경" 열이 생성됩니다. 자습서는 "aafl"을 사용하여 "변경" 열을 확인하고 데이터 프레임을 저장하는 것으로 끝납니다.
또한 튜토리얼 작성자는 주어진 데이터 세트에 대한 평균, 표준 편차, 백분율 변경 및 수익을 계산하는 방법을 설명합니다. 또한 히스토그램을 플로팅하고 적중 시스템 그래프를 생성하는 방법도 보여줍니다.
통계 계산을 계속하면서 또 다른 비디오 자습서에서는 주식 수익률의 평균, 분산 및 표준 편차를 계산하는 방법을 설명합니다. 또한 연간 평균 수익률과 연간 분산 수익률을 결정하는 지침을 제공합니다.
더 확장하여 튜토리얼은 Python의 "std" 함수를 사용하여 주식 수익률의 연간 표준 편차를 계산하는 방법을 보여줍니다. 이 접근 방식은 개별 데이터 포인트 대신 티커 기호에서 데이터를 가져와 대규모 데이터 세트를 효율적으로 분석합니다. 튜토리얼은 또한 주식 수익률의 평균 및 표준편차와 주식 비율 변화의 평균 및 표준편차를 추적하는 열을 만드는 방법을 보여줍니다. 또한 "요약" 기능을 사용하여 주식 수익률의 평균 및 표준편차를 계산하는 방법을 설명합니다.
저자는 또한 다양한 주식과 관련된 수익 및 위험을 설명하기 위해 산점도 작성 및 주석 추가를 다룹니다. 이 시각화는 주식 거래의 맥락에서 수익과 위험 간의 관계를 이해하는 데 도움이 됩니다. 계속해서 비디오 자습서는 Python을 사용하여 주식 거래를 위한 알고리즘을 만드는 방법을 자세히 설명합니다. 공분산 및 상관 관계와 같은 for 루프 및 함수의 사용법을 살펴봅니다. 또한 알고리즘 결과의 그래픽 표현을 보여주기 때문에 트레이더는 트레이딩 전략의 성과를 효과적으로 시각화하고 분석할 수 있습니다.
또한 튜토리얼에서는 seaborn 라이브러리를 활용하여 주식 상관관계를 나타내는 히트맵을 만드는 방법을 설명합니다. 전체 프로젝트에 대한 코드 다운로드와 함께 단계별 가이드를 제공하여 Python을 사용하여 주식 상관 분석을 쉽게 구현할 수 있습니다. 비디오 자습서의 발표자는 포커스를 이동하면서 시청자에게 Python을 사용하여 주식 포트폴리오의 위험 및 보상 잠재력을 계산하는 방법을 교육합니다. 그들은 단순한 수익의 한계에 대해 논의하고 로그 수익의 개념을 소개하여 위험과 보상을 평가하는 실제 적용을 보여줍니다. 이 분석은 거래자가 포트폴리오 구성 및 위험 관리에 대해 정보에 입각한 결정을 내리는 데 도움이 됩니다.
또 다른 자습서에서는 Python의 "rolling" 함수를 사용하여 간단한 이동 평균을 계산하는 과정을 설명합니다. 이 기술을 적용함으로써 트레이더는 주가의 변동을 완화하고 보다 효과적으로 추세를 파악할 수 있습니다. 또한 자습서는 데이터 패턴을 분석하고 이해하는 데 있어서의 중요성을 강조하면서 데이터 세트의 평균, 중앙값 및 이동 평균 계산을 보여줍니다.
또한 비디오 자습서에서는 주식의 50일 이동 평균, 200일 이동 평균 및 EMA(수익 대비 가격)를 포함한 다양한 이동 평균 계산을 보여줍니다. 이러한 이동 평균은 그래프에 그려져 트레이더가 주요 트렌드와 잠재적 거래 신호를 식별하는 데 도움이 됩니다. 데이터 조작 기술을 계속 사용하는 비디오 자습서에서는 데이터 프레임 내에서 누락된 값을 대체하기 위해 pandas의 재색인 기능을 활용하는 방법을 설명합니다. 또한 공휴일과 주말이 있을 때 데이터를 관리하기 위해 앞으로 채우기 및 뒤로 채우기 기능을 적용하는 방법도 다룹니다.
비디오 자습서는 매수 후 보유 수익률, 누적 수익률 및 최대 수익률을 포함하여 시간 경과에 따른 주식 수익률 계산을 보여줍니다. 또한 누적 최대 수익 계산을 탐색하고 그래프 플로팅을 통해 데이터를 시각화합니다. 또한 튜토리얼은 최대 누적 수익 및 최대 누적 손실뿐만 아니라 주식의 손실을 계산하는 방법을 설명합니다. 드로다운을 이해하면 트레이더가 투자와 관련된 위험을 평가하고 잠재적인 손실 시나리오를 식별하는 데 도움이 됩니다. 유사한 맥락에서 또 다른 비디오 자습서에서는 주식의 손실률 및 최대 손실률 계산에 대해 설명합니다. 또한 위험 관리의 중요한 지표인 감소율 계산에 대한 개요를 제공합니다.
YouTube의 Python 2023 자습서는 시청자에게 거래를 위한 이동 평균 교차 전략을 만드는 방법을 소개합니다. 이 전략은 50일 이동 평균과 100일 이동 평균이라는 두 개의 이동 평균을 활용하여 주식의 추세를 결정하고 그에 따라 거래 신호를 생성하는 것입니다. 또한 동영상 자습서에서는 주식 거래를 위한 Python 코드 작성 방법을 설명합니다. 현재 가격과 과거 가격 데이터를 기반으로 주식을 사거나 팔지 여부를 결정하는 과정을 보여줍니다. 또한 라이브러리를 사용하여 시간이 지남에 따라 주식의 위치를 추적하여 트레이더가 포트폴리오를 효과적으로 모니터링하고 관리할 수 있도록 합니다.
튜토리얼 비디오는 수익 및 표준 편차를 사용하여 알고리즘 거래 전략을 백테스팅하는 방법을 시청자에게 알려줍니다. 수익률 측면에서 50일 이동 평균을 능가하는 전략을 보여주지만 표준 편차가 더 높아 위험과 보상 사이의 균형을 강조합니다. 또한 비디오 자습서는 투자 전략을 만들고 다른 전략과 비교하는 과정을 사용자에게 안내합니다. 수익률이 가장 좋은 전략은 강세 포지션에 대한 선호도를 나타내는 긴 편향을 가진 전략이라는 점을 강조합니다.
또한 저자는 알고리즘 거래를 위한 테스트 전략을 생성하는 기능을 소개합니다. 이 함수는 주식 이름, 시작 및 종료 날짜와 같은 매개변수를 사용하고 일일 수익률, 누적 수익률 및 SMA(단순 이동 평균)와 같은 주요 성과 지표를 반환합니다. 이 기능을 활용하여 거래자는 거래 전략의 효과를 평가하고 데이터 기반 결정을 내릴 수 있습니다. 그런 다음 자습서는 알고리즘 거래 Python 스크립트를 작성하는 방법을 시연합니다. 이 스크립트는 전통적인 매수 후 보유 투자 접근 방식에 비해 전반적으로 더 나은 성과를 달성하는 것을 목표로 간단한 손절매 및 이익실현 전략을 통합합니다. 이 스크립트는 보다 정교한 거래 알고리즘을 개발하기 위한 기초 역할을 합니다.
발표자는 또한 Python으로 작성된 거래 전략을 백테스팅하는 과정을 보여줍니다. 발표자가 만든 이 전략은 2017년의 과거 주식 시장 데이터에서 테스트되어 거래자가 성과와 실행 가능성을 평가할 수 있습니다. 또한 튜토리얼에서는 주식 및 암호화폐 거래를 위한 Python2023 알고리즘을 코딩하는 방법을 설명합니다. API를 활용하여 다양한 주식 및 암호화폐 거래소의 데이터에 액세스하여 거래자가 실시간 시장 데이터를 분석하고 그에 따라 거래 전략을 구현할 수 있도록 합니다. 비디오 자습서는 Python을 사용하여 주식 및 암호화폐를 거래하는 방법을 자세히 살펴봅니다. 여기에는 API 서비스를 사용하여 데이터 입력, 분석, 저장, 조작 및 거래 전략 실행이 포함됩니다. 트레이더는 이러한 기술을 활용하여 거래 프로세스를 자동화하고 포트폴리오를 효율적으로 관리할 수 있습니다.
또한 자습서는 Python을 사용하여 주식 및 기타 금융 자산을 거래하는 방법에 대한 포괄적인 지침을 제공합니다. 가격 분석 및 거래와 같은 기본 개념과 데이터 통합을 위한 백테스팅 및 API 활용과 같은 고급 주제를 다룹니다. 이 튜토리얼은 트레이더가 알고리즘 트레이딩에 효과적으로 참여하는 데 필요한 지식과 도구를 제공합니다.
결론적으로 이 자습서와 비디오는 알고리즘 거래에 Python을 사용하는 방법에 대한 풍부한 정보를 제공합니다. 데이터 처리, 통계 분석, 시각화, 전략 개발, 백테스팅, 실시간 거래 등 다양한 주제를 다룹니다. 이 자습서를 따르면 거래자는 알고리즘 거래 원칙에 대한 이해를 높이고 Python의 기능을 활용하여 정보에 입각한 거래 결정을 내릴 수 있습니다.
값을 더 쉽게 읽을 수 있도록 값에 100을 곱하는 점(몰) 기능.
거래소에서 주식 목록을 얻는 방법 || Python을 사용한 주식 분석 1부
거래소에서 주식 목록을 얻는 방법 || Python을 사용한 주식 분석 1부
이것은 주식 분석을 위해 Python을 사용하는 방법에 대한 제 시리즈의 첫 번째 부분입니다. 시리즈는 세 부분으로 나뉩니다. 첫 번째 섹션에서는 분석을 위해 데이터를 얻고 구성하는 데 중점을 둘 것입니다. 2부에서는 개별 증권을 다루고 마지막으로 pip를 사용하여 쉽게 설치할 수 있도록 코드를 패키징하는 방법을 시연합니다. 코드는 GitHub(비디오 설명의 링크)에서 사용할 수 있습니다. 원하는 텍스트 편집기를 사용할 수 있습니다.
주식 분석의 가장 중요한 측면은 데이터 소스입니다. 전 세계 데이터를 포함하는 종합적인 종가 기록 데이터를 사용할 것입니다. 무료 요금제로 시작할 수 있지만 일일 API 호출 수에 제한이 있습니다. 더 필요한 경우 특별 가격으로 데이터 번들을 구독할 수 있습니다(동영상 설명의 링크).
필요한 모듈을 가져오는 것으로 시작하겠습니다. 특정 거래소에서 증권에 대한 메타데이터를 다운로드하는 것으로 시작하겠습니다. API 키를 제공하고 거래소를 지정해야 합니다(기본값은 뉴욕 증권 거래소). 미국 시장에 대한 몇 가지 예를 제공하겠지만, 종가 기록 데이터 웹사이트의 문서를 사용하여 국제 시장을 탐색할 수 있습니다.
문서가 설정되면 교환 및 API 키를 전달하여 API 끝점을 호출합니다. 이를 위해 요청 모듈을 사용합니다. 응답은 JSON 형식이며 pandas DataFrame으로 변환됩니다.
마지막으로 진행 상황을 보여주기 위해 몇 가지 인쇄 문을 추가하고 진입점 함수를 실행하여 코드를 테스트할 수 있습니다. API 키를 자신의 키로 바꾸십시오. 결과는 검색된 데이터를 포함하는 DataFrame이 됩니다. 관심 있는 증권 유형에 따라 이 데이터를 추가로 필터링할 수 있습니다. 이에 대해서는 다음 비디오에서 다룰 것입니다.
이 정보가 도움이 되었기를 바라며 시리즈의 다음 부분에서 뵙기를 기대합니다.
S&P 500 주식 기호 다운로드 방법, 부문별 필터 || Python을 사용한 주식 분석 2부
S&P 500 주식 기호 다운로드 방법, 부문별 필터 || Python을 사용한 주식 분석 2부
이것은 Python을 사용한 주식 분석 시리즈의 2부입니다. 1편을 안 보신 분들은 꼭 보시길 추천합니다. 이전 비디오에서는 특정 증권 거래소에서 데이터를 다운로드하고 메타데이터가 포함된 DataFrame을 얻었습니다. 이제 보통주, ETF 또는 펀드와 같은 보안 유형에 따라 기호를 필터링하려고 합니다. 이렇게 하면 데이터를 다운로드하기 전에 특정 증권에 집중할 수 있습니다.
교환 데이터 DataFrame을 입력으로 사용하는 "get_security_type"이라는 새 함수를 추가하겠습니다. 기본적으로 보통주를 필터링하지만 필요한 경우 다른 유형을 지정할 수 있습니다. 이 함수는 지정된 보안 유형과 일치하는 기호 목록을 반환합니다.
또한 종가 기록 데이터에 S&P 500 기호가 포함되어 있지 않은 것을 확인했습니다. 따라서 "get_sp500_symbols"라는 다른 함수를 작성하여 CSV 파일에서 기호를 가져옵니다. 이 함수는 섹터를 기반으로 기호를 필터링하기 위해 선택적 "섹터" 매개변수를 허용합니다. 기본적으로 모든 기호를 반환합니다. 이 함수는 기호, 이름 및 섹터 열이 있는 DataFrame을 반환합니다.
이를 구현하기 위해 pandas 라이브러리를 사용하여 CSV 파일을 읽고 제공된 매개변수를 기반으로 원하는 필터를 적용합니다.
일단 구현되면 기능을 테스트할 수 있습니다. 기본적으로 "get_security_type"은 모든 기호를 반환하고 "get_sp500_symbols"도 모든 기호를 반환합니다. S&P 500 기호를 필터링할 섹터를 지정할 수 있습니다.
이러한 기능을 사용하면 이제 보안 유형을 기반으로 기호를 필터링하고 S&P 500에서 주식을 탐색할 수 있습니다. 시리즈의 다음 부분에서는 데이터 다운로드 및 큐레이팅에 중점을 둘 것입니다.
이 정보가 도움이 되셨기를 바라며, 계속해서 시리즈를 이어나갈 수 있기를 기대합니다.
주가 데이터 다운로드 및 저장 방법 || Python을 사용한 주식 분석 3부
주가 데이터 다운로드 및 저장 방법 || Python을 사용한 주식 분석 3부
이것은 주식 분석을 위해 Python을 사용하는 방법에 대한 제 시리즈의 3부입니다. 동영상 설명에 제공된 링크에서 처음 두 동영상을 찾을 수 있습니다. 시리즈에 사용된 모든 코드는 GitHub 리포지토리에서 사용할 수 있으며 설명에도 링크되어 있습니다.
이전 비디오에서는 특정 거래소의 증권 목록을 얻는 방법과 특정 기준에 따라 필터링하는 방법을 배웠습니다. 또한 S&P 500 주식을 필터링하는 함수를 작성했습니다. 이 비디오에서는 관심 있는 데이터를 다운로드하고 구성하는 데 중점을 둘 것입니다.
시작하려면 마감 데이터와의 상호 작용을 단순화하는 "eod"라는 도우미 라이브러리를 설치해야 합니다. 기존 API 호출 대신 이 라이브러리를 사용할 수 있습니다. pip를 사용하여 설치한 후 라이브러리에서 "EodHistoricalData" 클래스를 가져오면 API 호출을 쉽게 할 수 있습니다. 또한 시간 제한을 설정하기 위한 "datetime" 모듈과 파일 시스템 작업을 위한 "os" 모듈을 가져옵니다.
다음으로 데이터를 검색하려는 기간의 기본 날짜를 설정합니다. 이 경우 약 1년으로 설정했습니다. 또한 시작 날짜와 종료 날짜가 모두 필요한 경우 현재 날짜를 참조로 설정합니다.
이제 "get_data"라는 메인 함수 작성을 진행할 수 있습니다. 이 함수는 단일 기호, 쉼표로 구분된 기호 목록 또는 기호 목록을 포함하여 다양한 입력을 허용합니다. 또한 API 키와 데이터가 저장될 경로가 필요합니다. 함수는 EodHistoricalData 클래스를 사용하여 지정된 티커에 대한 데이터를 검색하고 지정된 폴더에 CSV 파일로 저장합니다. 다운로드 및 건너뛴 유가 증권의 수를 추적하고 다운로드 프로세스에 대한 정보를 제공합니다.
함수를 작성한 후 몇 가지 샘플 인수를 전달하고 출력을 확인하여 테스트할 수 있습니다. 다운로드한 유가 증권과 건너뛴 유가 증권을 볼 수 있습니다. 이 기능은 지정된 폴더에서 데이터를 성공적으로 검색하고 저장합니다.
다음 영상에서는 다운로드한 데이터를 가지고 종가 및 수익률 추출 등 시각화 기법에 대해 알아봅니다.
Python을 사용한 주식 분석: 파일에서 가격 데이터를 추출하는 방법 || 파트 4
Python을 사용한 주식 분석: 파일에서 가격 데이터를 추출하는 방법 || 파트 4
주식 분석을 위한 Python 시리즈의 4부에 오신 것을 환영합니다. 비디오 설명에서 처음 세 부분에 대한 링크를 찾을 수 있으며 GitHub 리포지토리에서 코드에 액세스할 수도 있습니다.
이전 비디오에서는 증권 목록 가져오기, 목록 필터링 및 데이터를 CSV 파일로 다운로드하는 방법을 다뤘습니다. 이제 이번 영상에서는 다운로드 받은 데이터에서 종가 칼럼을 추출하는 것에 집중해 보겠습니다.
이를 위해 "get_closing_prices"라는 함수를 만듭니다. 이 함수는 데이터 파일에 대한 기본값이 설정된 폴더를 입력으로 사용합니다. 기본적으로 닫기 열을 추출하지만 원하는 경우 조정된 닫기 열을 선택할 수 있습니다.
먼저 중복을 피하기 위해 "0"으로 시작하는 파일을 제외하고 지정된 폴더의 모든 유효한 파일을 읽습니다. 그런 다음 빈 DataFrame을 설정합니다.
다음으로 파일을 반복하고 조정된 닫기가 true로 설정되어 있는지 확인합니다. 그렇다면 pandas의 read_csv 함수를 사용하여 폴더와 파일을 지정하여 임시 DataFrame을 만듭니다. 인덱스 열을 날짜로 설정하고 조정된 닫기 열을 선택합니다. 마지막으로 열의 이름을 시세 기호로 바꿉니다.
조정된 종가가 참이 아닌 경우 종가 열에 대해 유사한 프로세스를 따릅니다. 기존 DataFrame을 첫 번째 파일의 임시 DataFrame으로 교체하고 새 DataFrame을 후속 파일의 기존 DataFrame에 연결합니다.
마지막으로 종가가 포함된 DataFrame을 반환합니다. 또한 원하는 경우 DataFrame을 "closes.csv"라는 CSV 파일에 기록합니다.
원하는 폴더 이름으로 호출하여 기능을 테스트할 수 있습니다. 이 함수는 종가와 함께 DataFrame을 반환합니다. 표시된 예에서는 지정된 유가 증권의 종가 열을 성공적으로 추출했습니다.
5부에서는 이러한 종가를 기반으로 수익 데이터를 계산합니다.
수익 계산, 상관관계 매트릭스 생성, 성능 플롯 || Python을 사용한 주식 분석 5부
수익 계산, 상관관계 매트릭스 생성, 성능 플롯 || Python을 사용한 주식 분석 5부
주식 분석을 위해 Python을 사용하는 방법에 대한 제 시리즈의 5부에 오신 것을 환영합니다. 비디오 설명에서 코드에 액세스할 수 있는 GitHub 리포지토리에 대한 링크뿐만 아니라 이전 네 부분에 대한 링크를 찾을 수 있습니다.
4부에서는 선택한 증권의 종가를 가져와서 파일에 저장했습니다. 이제 5부에서는 이러한 종가를 기반으로 수익을 계산하는 데 중점을 둘 것입니다. 계속 진행하기 전에 NumPy 라이브러리를 가져와야 합니다.
폴더와 파일 이름을 입력으로 사용하는 "calculate_returns"라는 함수를 만듭니다. 잠재적 오류를 처리하기 위해 try-except 블록을 사용합니다. 함수 내에서 pandas를 사용하여 CSV 파일에서 데이터를 읽습니다. 인덱스 열을 날짜로 설정하고 반환 데이터 프레임을 반환합니다.
결과를 인쇄하고 폴더 이름과 파일 이름을 전달하여 기능을 테스트할 수 있습니다. 표시된 예에서는 선택한 유가 증권의 수익을 성공적으로 계산합니다.
여기에서 몇 가지 가능한 다음 단계가 있습니다. 일반적인 작업 중 하나는 유가 증권 간의 상관 관계를 계산하는 것입니다. 구체적인 구현에 대해 자세히 다루지는 않겠지만 이전 함수의 결과를 사용하여 상관 관계를 계산하는 함수를 빌드할 수 있습니다. 유연성을 향상시키기 위해 파일(예: Excel 또는 CSV)에서 데이터를 읽는 것과 같은 다양한 옵션을 탐색할 수 있습니다.
작성할 수 있는 또 다른 유용한 기능은 종가를 표시하는 것입니다. 이를 위해 matplotlib 라이브러리를 가져와야 합니다. "plot_closes" 함수는 닫기를 CSV 또는 Excel 파일일 수 있는 입력으로 사용합니다. 또한 시작 가격을 기준으로 가격을 표시하도록 선택할 수 있습니다.
함수 내에서 pandas를 사용하여 데이터를 읽고 상대 매개변수를 기반으로 가격을 그대로 표시하거나 시작 가격에 상대적인 성능을 표시합니다. 그리드 선 및 0(또는 원하는 표현에 따라 1)의 수평선과 같은 옵션을 사용하여 플롯을 사용자 지정할 수 있습니다.
기능을 테스트하면 선택한 유가 증권에 대한 결과 플롯을 볼 수 있습니다. 상대 매개변수를 true로 설정하면 시작 가격에 상대적인 성능을 관찰할 수 있습니다.
6부에서는 해당 데이터를 별도의 파일에 저장하는 데 중점을 두고 종가 및 변경 작업을 계속할 것입니다.