파이썬을 이용한 한국주식(코스피, 코스닥) 주가 데이터 수집 - FinanceDataReader, pykrx, pandas_datareader, yfinance 비교

파이썬을 이용한 한국주식(코스피, 코스닥) 주가 데이터 수집 - FinanceDataReader, pykrx, pandas_datareader, yfinance 비교

목차 0. 관련 글 목록 [python] FinanceDataReader로 주가 데이터 가져오기 [python] pykrx로 주가 데이터 가져오기 [ML4T] 미국 주식 데이터 수집하기 - 주가, 거래량, 재무 데이터 1. 들어가며 이번 글에서는 한국 주식의 주가 데이터를 수집할 때 사용할 수 있는 4개의 파이썬 패키지를 비교해보려고 한다. FinanceDataReader pykrx pandas_datareader yfinance 패키지 간의 비교는 (1)종목 리스트 조회, (2)상장 종목의 주가 데이터 조회, (3)상장폐지 종목의 주가 데이터 조회를 기준으로 수행하였다. import FinanceDataReader as fdr from pykrx import stock import pandas_data..

  • format_list_bulleted 데이터분석/Quant
  • · 2022. 3. 24.
  • textsms
[할 수 있다! 퀀트 투자] 미국 시가총액 및 PBR 별 CAGR(1963~1990)의 python 구현

[할 수 있다! 퀀트 투자] 미국 시가총액 및 PBR 별 CAGR(1963~1990)의 python 구현

목차 1. 들어가며 이번 글에서는 강환국님의 할 수 있다! 퀀트 투자의 p.202 표에 있는 미국 시가총액 및 PBR 별 CAGR(1963~1990)을 python으로 구현해보고자 한다. 2. 데이터 가져오기 데이터는 Kenneth French 교수의 웹사이트에서 구할 수 있고, python의 pandas_datareader 모듈을 이용하여 쉽게 가져올 수 있다. import numpy as np import pandas as pd import pandas_datareader import pandas_datareader.data as web import re [f for f in pandas_datareader.famafrench.get_available_datasets() if '100_' in f] ..

  • format_list_bulleted 데이터분석/Quant
  • · 2022. 3. 21.
  • textsms
[글또] 글또 6기 그리고 2021년 회고글

[글또] 글또 6기 그리고 2021년 회고글

글또 6기 글또 활동을 하기 전에도 블로그에 가끔 글을 썼었다. 주말에 할 일이 없으면 카페에 가서 조금씩 썼었던거라 글을 많이 쓰지는 못했고, 내용도 그냥 나중에 내가 다시 봤을때 알아볼 수 있을 정도로만 간단하게 작성했었다. 글또 6기 활동을 하면서 글도 주기적으로 쓰게 되었고, 글또 활동을 하지 않았으면 건드리지 않았을만한 소재도 찾아서 써보기도 했다. 글또 6기 다짐글을 쓰면서 6기 활동 중에 써봐야겠다고 생각했던 소재들 중에 아예 건드리지도 못한 부분도 있고, 아쉬웠던 점들도 있지만 전반적으로는 만족스러운 활동이었다. 6기 활동을 하면서 작성한 글목록 XGBoost와 LightGBM 하이퍼파라미터 튜닝 가이드 XAI - (1) 그래프를 이용한 방법 - PDP(Partial Dependence P..

  • format_list_bulleted 이것저것
  • · 2021. 12. 30.
  • textsms
[ML4T] S&P500 종목의 백테스트와 주가 수익률 예측을 위한 데이터셋 만들기 - yfinance, talib

[ML4T] S&P500 종목의 백테스트와 주가 수익률 예측을 위한 데이터셋 만들기 - yfinance, talib

목차 0. 관련글 목록 (1) [ML4T] Machine Learning for Trading: From Idea to Execution (2) [ML4T] 미국 주식 데이터 수집하기 - 주가, 거래량, 재무 데이터 (3) [ML4T] 선형 팩터 모델: 파마-프렌치(Fama-French) 5팩터 모델, 파마-맥베스(Fama-MacBeth) 회귀분석 이 글은 퀀트 투자를 위한 머신러닝 딥러닝 알고리즘 트레이딩 2/e 7장의 내용을 바탕으로 작성되었습니다. https://github.com/stefan-jansen/machine-learning-for-trading GitHub - stefan-jansen/machine-learning-for-trading: Code for Machine Learning f..

  • format_list_bulleted 데이터분석/Quant
  • · 2021. 12. 17.
  • textsms
[ML4T] 선형 팩터 모델: 파마-프렌치(Fama-French) 5팩터 모델, 파마-맥베스(Fama-MacBeth) 회귀분석

[ML4T] 선형 팩터 모델: 파마-프렌치(Fama-French) 5팩터 모델, 파마-맥베스(Fama-MacBeth) 회귀분석

목차 0. 관련 글 목록 (1) [ML4T] Machine Learning for Trading: From Idea to Execution (2) [ML4T] 미국 주식 데이터 수집하기 - 주가, 거래량, 재무 데이터 이 글은 퀀트 투자를 위한 머신러닝 딥러닝 알고리즘 트레이딩 2/e 7장의 내용을 바탕으로 작성되었습니다. https://github.com/stefan-jansen/machine-learning-for-trading GitHub - stefan-jansen/machine-learning-for-trading: Code for Machine Learning for Algorithmic Trading, 2nd edition. Code for Machine Learning for Algorit..

  • format_list_bulleted 데이터분석/Quant
  • · 2021. 11. 20.
  • textsms
구글 코랩(google colab) 구글 드라이브 마운트 - 403 오류: rate_limit_exceeded

구글 코랩(google colab) 구글 드라이브 마운트 - 403 오류: rate_limit_exceeded

구글 코랩으로 구글드라이브를 마운트 할 때 403 오류: rate_limit_exceeded가 발생했다. from google.colab import drive drive.mount('/content/drive') 구글에 검색해보니 구글 드라이브 API로 업로드나 다운로드를 할 수 있는 일일 할당량이 있다는 정보만 나오고 다른 해결책은 찾을 수 없었는데 캐글코리아 오픈채팅방에서 어떤 분이 해결책을 알려주셨다. from google.colab import drive drive._mount('/content/drive') mount 매소드 앞에 _를 붙이니 이전처럼 연결이 되었는데, drive.mount로 했을때는 이전과는 다른 팝업창이 떴었다. drive._mount를 사용하니 이전처럼 authorizat..

  • format_list_bulleted 데이터분석/Python
  • · 2021. 11. 13.
  • textsms
[ML4T] 미국 주식 데이터 수집하기 - 주가, 거래량, 재무 데이터

[ML4T] 미국 주식 데이터 수집하기 - 주가, 거래량, 재무 데이터

목차 0. 관련 글 목록 [ML4T] Machine Learning for Trading: From Idea to Execution 이 글은 퀀트 투자를 위한 머신러닝 딥러닝 알고리즘 트레이딩 2/e 2장의 내용을 바탕으로 작성되었습니다. https://github.com/stefan-jansen/machine-learning-for-trading GitHub - stefan-jansen/machine-learning-for-trading: Code for Machine Learning for Algorithmic Trading, 2nd edition. Code for Machine Learning for Algorithmic Trading, 2nd edition. - GitHub - stefan-jan..

  • format_list_bulleted 데이터분석/Quant
  • · 2021. 11. 3.
  • textsms
구글 코랩(Colab)에 패키지 영구 설치하기(한 번 설치한 패키지 재사용)

구글 코랩(Colab)에 패키지 영구 설치하기(한 번 설치한 패키지 재사용)

colab을 사용하다보면 디폴트로 설치되지 않은 패키지가 필요한 경우가 있다.(ex. mecab) 이런 경우 구글드라이브를 마운트하고 symlink를 설정해주면 추후에 다시 패키지를 설치하지 않아도 바로 import 하여 사용할 수 있다. import os, sys from google.colab import drive drive.mount('/content/drive') 먼저 구글드라이브를 마운트 한 후 my_path = '/content/notebooks' os.symlink('/content/drive/MyDrive/Colab Notebooks/my_env', my_path) sys.path.insert(0, my_path) 구글드라이브 Colab Notebooks에 my_env 폴더를 만들고 sy..

  • format_list_bulleted 데이터분석/Python
  • · 2021. 10. 16.
  • textsms
[ML4T] Machine Learning for Trading: From Idea to Execution

[ML4T] Machine Learning for Trading: From Idea to Execution

목차 이 글은 퀀트 투자를 위한 머신러닝 딥러닝 알고리즘 트레이딩 2/e 1장의 내용을 바탕으로 작성되었습니다. https://github.com/stefan-jansen/machine-learning-for-trading GitHub - stefan-jansen/machine-learning-for-trading: Code for Machine Learning for Algorithmic Trading, 2nd edition. Code for Machine Learning for Algorithmic Trading, 2nd edition. - GitHub - stefan-jansen/machine-learning-for-trading: Code for Machine Learning for Algorit..

  • format_list_bulleted 데이터분석/Quant
  • · 2021. 10. 10.
  • textsms
XAI - (3) 국소적 대리 모형(local surrogate model) - LIME(Local Interpretable Model-agnostic Explanations)

XAI - (3) 국소적 대리 모형(local surrogate model) - LIME(Local Interpretable Model-agnostic Explanations)

목차 관련 글 목록 XAI - (1) 그래프를 이용한 방법 - PDP(Partial Dependence Plot) XAI - (2) 대리 모형(surrogate model)을 이용한 방법 - global surrogate model XAI - (3) 국소적 대리 모형(local surrogate model) - LIME(Local Interpretable Model-agnostic Explanations) 0. Recap 이전 글: XAI - (2) 대리 모형(surrogate model)을 이용한 방법 - global surrogate model 이전 글에서는 전역적 대리 모형(global surrogate model)에 대해 알아보았다. 전역적 대리 모형은 관측치의 전부 또는 일부, 입력변수의 전부 ..

  • format_list_bulleted 데이터분석/XAI
  • · 2021. 9. 23.
  • textsms