import FinanceDataReader as fdr
%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

pd.options.display.float_format = '{:,.3f}'.format

주가지수보다 더 좋은 수익율을 자주 보여준다.

mdl_data = pd.read_pickle('mdl_data.pkl')
mdl_data.head().style.set_table_attributes('style="font-size: 12px"').format(precision=3)

	open	high	low	close	volume	change	code	name	kosdaq_return	return	win_market	close_r1	close_r2	close_r3	close_r4	close_r5	max_close
2021-01-05	2270	2285	2200	2250	410263	-0.004	060310	3S	1.008	0.996	0	1.018	1.018	0.998	0.967	0.971	1.018
2021-01-06	2225	2310	2215	2290	570349	0.018	060310	3S	0.996	1.018	1	1.000	0.980	0.950	0.954	0.950	1.000
2021-01-07	2290	2340	2240	2290	519777	0.000	060310	3S	1.008	1.000	0	0.980	0.950	0.954	0.950	0.959	0.980
2021-01-08	2300	2315	2225	2245	462568	-0.020	060310	3S	0.999	0.980	0	0.969	0.973	0.969	0.978	0.973	0.978
2021-01-11	2230	2275	2130	2175	409057	-0.031	060310	3S	0.989	0.969	0	1.005	1.000	1.009	1.005	1.002	1.009

이전 장에서 일봉 데이터에 KOSDAQ 주가지수 데이터를 추가한 후, 주가지수 수익율이 1 보다 작은 날, 종목 수익율이 1 보다 크면 win_market 이라는 변수에 1 을 담아 두도록 했습니다. win_market 의 과거 60일 동안 합계와 미래 수익율과의 관계를 보겠습니다. 별도로 주가지수 수익률 대비 종목 수익율의 비율을 새로운 변수로 만들어, 미래 수익율과의 상관관계도 볼 수 있도록 하겠습니다.

kosdaq_list = pd.read_pickle('kosdaq_list.pkl')

data_h5 = pd.DataFrame()

for code in kosdaq_list['code']:
    
    # 종목별 처리
    data = mdl_data[mdl_data['code']==code].sort_index().copy()
    
    # 과거 60일 win_market 누적 합
    data['num_win_market'] = data['win_market'].rolling(60).sum() # 주가지수 수익율이 1 보다 작을 때, 종목 수익율이 1 보다 큰 날 수
    data['pct_win_market'] = (data['return']/data['kosdaq_return']).rolling(60).mean() # 주가지수 수익율 대비 종목 수익율
        
    
    # 고가, 저가, 종가 수익율
    for i in [1,2,3,4,5]:

        data['high_r' + str(i)] = data['high'].shift(-1*i)/data['close']      
        data['low_r' + str(i)] = data['low'].shift(-1*i)/data['close']   
        data['close_r' + str(i)] = data['close'].shift(-1*i)/data['close']    
        
    data['max_close']  = data[['close_r1','close_r2','close_r3','close_r4','close_r5']].max(axis=1) # 5 영업일 종가 수익율 중 최고 값
    data.dropna(subset=['num_win_market','close_r1','close_r2','close_r3','close_r4','close_r5'], inplace=True) # missing 이 있는 행은 제거   
 
    data_h5 = pd.concat([data, data_h5], axis=0)

data_h5.to_pickle('data_h5.pkl')    
data_h5.head().style.set_table_attributes('style="font-size: 12px"').format(precision=3)   

	open	high	low	close	volume	change	code	name	kosdaq_return	return	win_market	close_r1	close_r2	close_r3	close_r4	close_r5	max_close	num_win_market	pct_win_market	high_r1	low_r1	high_r2	low_r2	high_r3	low_r3	high_r4	low_r4	high_r5	low_r5
2021-04-01	13100	13650	13100	13400	194185	0.023	238490	힘스	1.010	1.023	0	1.007	1.022	1.019	1.041	1.026	1.041	9.000	1.001	1.019	0.993	1.030	1.000	1.037	1.007	1.041	1.007	1.049	1.026
2021-04-02	13500	13650	13300	13500	136673	0.007	238490	힘스	1.004	1.007	0	1.015	1.011	1.033	1.019	1.022	1.033	9.000	1.001	1.022	0.993	1.030	1.000	1.033	1.000	1.041	1.019	1.030	1.015
2021-04-05	13600	13800	13400	13700	219062	0.015	238490	힘스	1.000	1.015	1	0.996	1.018	1.004	1.007	0.993	1.018	9.000	1.001	1.015	0.985	1.018	0.985	1.026	1.004	1.015	1.000	1.011	0.989
2021-04-06	13800	13900	13500	13650	135914	-0.004	238490	힘스	0.999	0.996	0	1.022	1.007	1.011	0.996	1.004	1.022	9.000	1.001	1.022	0.989	1.029	1.007	1.018	1.004	1.015	0.993	1.007	0.996
2021-04-07	13700	13950	13500	13950	195408	0.022	238490	힘스	1.005	1.022	0	0.986	0.989	0.975	0.982	1.018	1.018	9.000	1.002	1.007	0.986	0.996	0.982	0.993	0.971	0.986	0.975	1.022	0.971

예상한 바와 같이 주가지수가 빠질 때, 수익율이 좋았던 종목들은 미래 수익율이 좋게 나타났습니다.

data_h5 = pd.read_pickle('data_h5.pkl')    
ranks = pd.qcut(data_h5['num_win_market'], q=8)
print(data_h5.groupby(ranks)['max_close'].mean())
data_h5.groupby(ranks)['max_close'].mean().plot(figsize=(12,5))

num_win_market
(-0.001, 4.0]   1.022
(4.0, 5.0]      1.031
(5.0, 6.0]      1.031
(6.0, 7.0]      1.032
(7.0, 8.0]      1.032
(8.0, 9.0]      1.034
(9.0, 11.0]     1.036
(11.0, 22.0]    1.040
Name: max_close, dtype: float64

<AxesSubplot:xlabel='num_win_market'>

주가지수 수익율 대비 종목수익율의 경우는 아주 크거나 작을 때 수익율이 좋게 나타났습니다.

ranks = pd.qcut(data_h5['pct_win_market'], q=10)
print(data_h5.groupby(ranks)['max_close'].mean())
data_h5.groupby(ranks)['max_close'].mean().plot(figsize=(12,5))

pct_win_market
(0.9747, 0.9964]   1.039
(0.9964, 0.9976]   1.029
(0.9976, 0.9985]   1.026
(0.9985, 0.9992]   1.024
(0.9992, 1.0]      1.025
(1.0, 1.0007]      1.026
(1.0007, 1.0016]   1.028
(1.0016, 1.0029]   1.031
(1.0029, 1.0052]   1.038
(1.0052, 1.0432]   1.049
Name: max_close, dtype: float64

<AxesSubplot:xlabel='pct_win_market'>