파이썬 주식분석 입문

• 파이썬은 퀀트투자의 가장 대표적인 프로그래밍 언어
• pandas, yfinance, matplotlib로 데이터 수집·분석·시각화
• 간단한 이동평균 전략부터 시작하여 점진적 확장
• 프로그래밍 초보도 기본 분석은 몇 주 내 가능

주식 분석에 파이썬이 좋은 이유:

1. 배우기 쉬움: 직관적인 문법
2. 풍부한 라이브러리: 금융 데이터 처리 도구가 풍부
3. 커뮤니티: 자료와 예제가 풍부
4. 무료: 설치부터 사용까지 무료
5. 확장성: 간단한 분석부터 AI까지

핵심 라이브러리:

• pandas: 데이터 처리의 핵심
• yfinance: 야후 파이낸스에서 주가 데이터 수집
• matplotlib/plotly: 차트 시각화
• numpy: 수치 계산
• backtrader: 백테스팅 프레임워크

📌 설치: pip install pandas yfinance matplotlib

💡 코딩을 몰라도 ChatGPT 같은 AI 도구를 활용하면 파이썬 코드를 더 쉽게 작성할 수 있습니다.

yfinance로 데이터 가져오기:

기본 사용법:

import yfinance as yf
import pandas as pd

# 삼성전자 데이터
data = yf.download("005930.KS", start="2020-01-01")
print(data.head())

가져올 수 있는 데이터:

• 시가, 고가, 저가, 종가
• 거래량
• 수정 종가 (배당·분할 반영)

여러 종목 한 번에:

tickers = ["AAPL", "MSFT", "GOOGL"]
data = yf.download(tickers, start="2020-01-01")

📌 한국 주식은 티커 뒤에 .KS(코스피) 또는 .KQ(코스닥)를 붙입니다.

💡 데이터를 CSV로 저장해두면 매번 다운로드할 필요가 없습니다.

기본 분석:

# 일간 수익률
data["Returns"] = data["Close"].pct_change()

# 누적 수익률
data["Cumulative"] = (1 + data["Returns"]).cumprod()

# 이동평균
data["MA20"] = data["Close"].rolling(20).mean()
data["MA60"] = data["Close"].rolling(60).mean()

시각화:

import matplotlib.pyplot as plt

data["Close"].plot(figsize=(12,6), title="주가 추이")
data["MA20"].plot()
data["MA60"].plot()
plt.legend(["종가", "20일 이동평균", "60일 이동평균"])
plt.show()

📌 유용한 분석:

• 상관관계 분석: data.corr()
• 변동성(표준편차): data["Returns"].std() * (252**0.5)
• 최대낙폭(MDD) 계산

💡 시각화는 데이터를 이해하는 가장 강력한 도구입니다.

이동평균 교차 전략:

단기 이동평균이 장기 이동평균을 상향 돌파하면 매수, 하향 돌파하면 매도하는 전략입니다.

# 신호 생성
data["Signal"] = 0
data.loc[data["MA20"] > data["MA60"], "Signal"] = 1
data.loc[data["MA20"] <= data["MA60"], "Signal"] = -1

# 전략 수익률
data["Strategy"] = data["Signal"].shift(1) * data["Returns"]

# 누적 수익 비교
data[["Cumulative", "Strategy_Cum"]].plot()

📌 다음 단계로:

• 팩터 기반 종목 선정 자동화
• 포트폴리오 최적화 (Markowitz)
• 백테스팅 프레임워크 구축 (backtrader, bt)
• 자동 매매 시스템 (API 연동)

💡 처음에는 코드를 복사해서 실행하며 익히고, 점차 수정하면서 이해를 넓혀가세요.