파이썬(Python)으로 데이터 기반 주식 퀀트 투자하기 Part1
파이썬(Python)으로 데이터 기반 주식 퀀트 투자하기 Part1
수강정보 48명의 수강생
5개월 할부시
월 19,800원99,000원
지식공유자 : DeepingSauce
69회 수업 · 총 14시간 24분 수업
기간 : 평생 무제한 시청
수료증 : 발급 강의
수강 난이도 : 초급
지식공유자의 다른 강의 연관 로드맵

이 강의는

본 수업에서는 파이썬(Python)의 Pandas 라이브러리를 활용하여, 다양한 형태의 금융데이터를 분석하고 처리하는 방법에 대해 배우고, 이를 실전에서 마주할 수 있는 금융 데이터에 적용해보며 최종적으로는 재무제표 기반 백테스팅(backtesting)을 하는 법에 대해서 알아봅니다. 결과적으로 여러분들은 투자 논리에 대한 검증이나 근거 없이, 단순히 남들이 좋다는 것에 따라 투자하는 '수동적인 투자자'에서 벗어나, 데이터에 기반하여 자신만의 투자 철학을 정립하고, 전략 구현에 필요한 다양한 요소들을 데이터로부터 추출하여 정량적으로 분석할 수 있는 '자기 주도적이면서 능동적인 투자자'가 될 수 있습니다.

파이썬으로 투자를 더욱 전략적으로, 
데이터 기반 투자에 도전하세요!

🙌 누구를 위한 강의인가요?

아마 이 강의에 관심을 갖고 계신 분들은 대부분 주식 투자에 대한 경험이 있으실 것입니다. 투자를 하면서 큰 이익을 챙기신 분도 있겠지만, 아마도 대다수가 투자 중 큰 손실을 겪어보셨거나 다수의 종목에 물려 본인의 의지와는 상관 없이 존버했던 경험이 있으시리라 생각됩니다. 서로 다른 환경에서 각자의 성향에 맞는 투자를 하고 있기에 투자에 실패한 이유 역시 각양각색일 것처럼 보이지만, 막상 보면 그 이유는 어느 정도 일관된 모습으로 나타납니다. 특히, ‘주린이’라고 불리는 주식 입문자들에게는 더욱 더 그렇습니다. 여러분들은 그 이유를 무엇이라고 생각하시나요?

인간은 투자에 너무 불리한 요소들을 갖추고 있습니다. 굳은 의지를 갖고 결심을 해도 내가 알고 있던 지식이나 주변 환경에 조금이라도 변화가 생기면 심리적으로 흔들리게 되고, 어떻게든 나의 생각과 판단에 유리한 정보만 받아들이거나 내 판단이 무조건 옳을 것이라는 최면을 스스로에게 걸게 됩니다. 자신의 의지와는 상관없이 본능적으로 말이죠. 이는 손실을 인정함으로써 발생하는 패배감을 느끼고 싶지 않기 때문일 수도 있지만, 무엇보다도 투자에 있어 명확한 판단 기준이나 다른 선택지가 없기 때문일 것입니다. 그렇다면, 이렇게 본능에 충실하면서 투자한 사람들은 주식 시장에서 과연 어떤 모습을 보일까요? 아래는 과거 주식시장 상황이 좋지 않을 때, 주식 커뮤니티와 카톡방 등에서 나온 반응들을 일부 발췌한 내용입니다: 

1. 멘탈 붕괴

“여러분 멘탈들 남아 계신가요?”

“회사에서 주식 때문에 일에 집중을 할 수가 없네요 ㅠ... 왜 이렇게 떨어지는지...”

“왜 제가 사는 것만 떨어질까요? ㅠ 제가 파는 것은 다음날 다 오르던데...”

2. 불분명한 매수 지점

“오늘 장마감에 천만원정도 들어갔네요...이제 조금씩 모아야 할 타이밍인 것 같아서...”

“다들 정리하는거 보니 조금씩 매수해도 될 것 같고......”

“2100 깨졌을 때 내일 반등 노리고 들어간 분 계신가요”

“인버스로 재미 좀 보다가, 이제는 저점인 것 같아서 레버리지 들어갔다가 망했네요... 당분간 쳐다도 안 보려구요. 과연 될지 모르겠지만...”

3. 충동적인 손절 타이밍 (by 심리적 압박, 군중심리)

“미미한 수익률인데 지수 망가지는 동안 손실은 면했다는 위안으로 빠져나옵니다 ㅠ”

“오늘 들어갈 타이밍인데 멘탈이 무너져 그냥 여기까지인가 싶어 손절했습니다 ㅠㅠ”

“눈물을 머금고 20프로 손절했습니다. 5년후 매수하러 돌아오겠습니다...”

“저 존버하려다가 못 버티고 오늘 결국 환매 신청했어요ㅋㅋ 인덱스 펀드로만 구성했는데 20% 정도 잃었네요...”

“저 방금 절반 정리...5% 손절이네요. 나머지 절반은 어째야 하나 계속 망설이는 중.”

4. 강제 존버

“손실이 40%라 심리적으로 손절라인을 넘어서 그냥 관망만 하고 있습니다. 언젠가는 오르겠... 후우...”

5. 패닉 (feat. 내 팔자)

“마이너스 7% 때부터 손절해야지 생각했는데 당시에는 저점일 것만 같아서 손절 못 했다
마이너스 10% 되자 이제는 손절해야지 생각했는데, 다른 주식들도 너무 빠른 속도로 내려가서 손놓고 쳐다볼 수밖에 없었다
마이너스 15% 되자 이제는 진짜 저점일 거라는 생각에 물타기를 좀 했다
우량주라고 생각했던 주식들이 마이너스 25% 넘어가니까 도저히 아까워서 손절 못 하겠다
그러다가 더 추락해도 뭐 어쩔 수 없이 내 팔자려니 하고 살아야겠다”

어떠셨나요? 남 얘기 같지만은 않으실 것입니다. 위처럼 명확한 기준이나 근거가 없는 투자 방식은 앞으로 비슷한 상황이 닥치면 또 다시 큰 혼란과 함께 더욱 더 큰 손실을 야기할 것입니다. 이유가 어떻든 지속적으로 손실을 보게 되면 우리는 점점 더 조급해질 것이고, 극단적으로는 시장이 항상 내 생각과 반대로 움직이는 것처럼 느낄 것입니다. 인간은 여전히 이성보다 감정의 영향을 더 많이 받기에 또다시 같은 실수를 범하게 되고, 결국에는 피땀흘려 모은 돈이 한순간에 증발해버리는 지경까지 이를 수 있습니다. 아마 이러한 악순환을 걱정하여, 앞으로 투자를 어떻게 해나가야할지 걱정하는 분들도 많으실 것입니다.

그렇다고 우리가 투자에 대한 공부를 많이 할까요? 전 아니라고 생각합니다. 참 아이러니한 현상입니다. 소싯적 대학 입시를 위해, 원하는 기업에 입사하기 위해 밤낮으로 열심히 공부하며 준비하던 열정과 태도는, 뚜렷한 형체도 없는 주식 시장에선 온데간데 없어지고, 욕심과 욕망으로 가득찬 투기성 매매로 나타나게 됩니다. 시장이나 종목에 대한 충분한 이해도 없이, 본다고 오를 리도 없는 차트만 보며 어떤 종목이 좋고 언제 진입하는 것이 좋을지만 계속 고민합니다. 어떻게 보면 우리가 지금껏 살면서 도전하며 부딪혔던 것들보다 훨씬 더 긴 호흡을 가지고 남들과는 조금 다르게 준비해야 흔들리지 않고 살아남을 수 있는 곳인데 말이죠. 

만약 여러분이 위와 같이 본능에 충실한(?) 투자를 경험해보셨거나 혹은 지금도 계속 하고 계시는 중이면서 딱히 떠오르는 특단의 대책도 없으시다면, 저와 함께 파이썬(Python)으로 데이터 기반 주식 투자에 도전해보는 것은 어떨까요? 본 수업을 통해, 우리는 사람보다 더 냉철하고 기계적이면서 똑똑한 “컴퓨터(프로그래밍)”의 힘을 빌려, 데이터에 기반하여 체계적이면서 근거 있는 투자 습관을 만들어보려고 합니다. 철저한 준비나 똑똑한 조력자 하나 없이 나의 소중한 돈을 투자하면서 하루하루 심적으로 괴로워하는 분들을 위해, 이것저것 시도는 해보았지만 제대로 다룰 줄 아는 툴이라곤 엑셀뿐이라 아등바등하고 있는 분들을 위해, 본 수업에서는 파이썬 프로그래밍 언어를 활용하여 여러분들이 잘못된 투자 습관에서 벗어나, 똑똑한 투자를 할 수 있는 발판을 만들어드리고자 합니다.

여러분은 현재 본인의 투자 방식에 얼마나 만족하고 계신가요?
혹시 명확하고 객관적인 기준 없이, 감정에 휘둘리며 투자하고 있지는 않으신가요?


🙌 왜 “데이터 기반 주식 투자”를 파이썬으로 배워야 하나요?

2020년에 접어들면서 전세계적으로 하루에 44제타바이트 이상의 데이터가 생산되고 있습니다. 이에 따라 데이터에 기반한 의사결정 프로세스가 분야를 막론하고 점점 중요해지면서, 방대한 양의 데이터로부터 다양한 인사이트를 찾고 모델링까지 해낼 수 있는 능력(프로그래밍)이 기본 소양으로 요구되고 있습니다.

이러한 시대의 흐름에서 엑셀(Excel)이 여전히 강력한 데이터 분석 도구일까요? 엑셀은 수백, 수천 메가바이트 이상의 데이터를 처리하고 자동화하기에는 복잡하고 무거울 뿐 아니라, 프로그래밍 언어와 비교했을 때, 동일한 아웃풋을 내기까지 상대적으로 많은 시간과 노력이 필요합니다. 게다가 특정 결과를 도출해내기까지의 분석 과정을 기록하고 정리하기도 매우 어렵다는 단점이 있습니다.

하지만 파이썬(Python) 프로그래밍 언어를 사용하면, 단 몇 줄의 코드만으로 다양한 분석 및 도식화가 가능합니다. 파이썬에 존재하는 풍부한 데이터 분석 관련 라이브러리들을 활용하면 데이터의 종류나 양에 제한 없이 쉽게 가공 및 분석을 할 수가 있고, 이러한 과정을 쉽게 정리하고 보여줄 수 있는 인터페이스를 제공할 뿐만 아니라 이를 확장하여 하나의 end-to-end 프로그램(or 어플리케이션)으로도 손쉽게 만들 수 있습니다. 이러한 매력으로 인해, 지극히 보수적이라고 알려져 있는 은행/금융 업계마저도 오래 전부터 파이썬이 엑셀을 대체하기 시작했습니다.

파이썬의 인기는 여전히 진행 중입니다. 다른 프로그래밍 언어들을 제치고 프로그래밍 언어 인기 Top Rank에 자리할 수 있는 데에는 판다스(Pandas)라는 라이브러리가 한몫했다고 볼 수 있습니다. 판다스(Pandas)는 2차원 정형데이터에 대해 어떠한 분석도 손쉽게 할 수 있도록 도와주는 파이썬 라이브러리 중 하나입니다. 또한 본래 금융 데이터를 손쉽게 다루기 위해서 만들어진 만큼, 현존하는 그 어떤 툴보다도 금융데이터 분석에 최적화된 라이브러리입니다. 저 또한 다양한 분야에서의 정형데이터를 분석할 때 판다스를 기본적으로 사용하고 있고, 금융 및 주식 매매 관련 프로젝트에서도 코드의 대부분이 판다스(Pandas)로 이루어져 있을 만큼 active하게 사용하며 많은 덕을 보고 있습니다. 최근에는 다양한 컴퓨팅 환경에 분산해서 처리하거나 operation 성능을 한 층 더 높인 판다스(Pandas) 기반의 라이브러리들도 하나둘씩 생겨나고 있고, 이에 따라 파이썬(Python)은 점점 데이터 분석 툴의 끝판왕이 되어가고 있습니다.

본 수업에서는 이러한 판다스(Pandas) 라이브러리 활용하여 다양한 형태의 실전 금융데이터를 분석하고 처리하는 방법부터, 재무제표로부터 월별/연도별 투자 종목을 추출하여 백테스팅하고 결과를 도식화하는 방법까지 배웁니다. 그리고 이 과정에서 놓치기 쉬운 실수나 주의해야 할 내용을 통해 조금 더 현실적인 백테스팅으로 개선하는 방향에 대해서도 알아봅니다. 평소 본인이 직접 전략을 검증해본 경험 없이 남들이 좋다고 평가하는 종목에 투자하거나 단순히 감으로만 투자하는 투자자, 그리고 기업의 가치를 조금 더 정량적/체계적으로 분석해서 투자하고 싶어하시는 분들께 “데이터 기반 투자 전략”을 역량을 기를 수 있는 좋은 기회가 될 것입니다. 또한 엑셀 함수, 매크로 사용법 등을 주구장창 외우면서 정작 새로운 데이터에 대해서는 어떻게 처리를 해야 할지 몰라 쩔쩔매시던 분들에게는 판다스(Pandas)라는 신세계를 경험할 수 있는 기회가 될 것입니다.

코딩, 프로그래밍 능력 습득이 불가피한 시대에서, 넘쳐나는 데이터를 빠른 시간 내에 효과적으로 분석하고 사용하는 데 판다스(Pandas)는 훌륭한 선택이 될 수 있습니다. 또한, 판다스(Pandas)를 이용한 데이터 분석 경험은 파이썬(Python)이라는 낯선 프로그래밍 언어의 세계에 한 발 더 친근하게 다가갈 수 있는 좋은 출발점이 될 수 있습니다. 파이썬(Python)의 인기와 활발한 커뮤니티, 낮은 학습 장벽과 다양한 라이브러리, 그리고 그 중에서도 금융 데이터 분석 및 처리에 최적화 되어있는 판다스(Panas). 이 모든 것들이 이미 준비되어 여러분을 기다리고 있습니다. 앞으로 이것들만 있으면 어떠한 금융 데이터로도 다양한 분석을 할 수 있게 되고, 이로부터 원하는 투자 전략을 자유자재로 뽑아 백테스팅도 할 수 있게 됩니다. 여러분들은 단지 이것들을 받아들일 마음의 준비만 하시면 됩니다. 삼성전자 2주(≈ 100,000원)보다 훨씬 더 가치있는 자산으로 남을 강의, 지금 한 번 시작해 보는 건 어떨까요?

주식 투자자는 앞으로 두 가지 부류로 나뉠 것입니다.
파이썬(Python)을 쓸 줄 아는 자와 모르는 자.


🙌 나만의 데이터 기반 백테스팅 & 주식 투자를 하면 어떤 점이 좋은가요?

  • 데이터를 기반으로 한 자신만의 매매 룰이 생기기 때문에, 시장, 차트, 주식 게시판 등을 자주 쳐다볼 필요가 없게 됩니다.
  • 금융 위기와 같은 급변하는 시장 변화에도 심리적으로 절대 흔들리지 않게 됩니다.
  • 과거 데이터에 대한 충분한 백테스팅으로 보다 근거 있는 투자를 하실 수 있게 됩니다.
  • 뉴스나 대중들의 판단에 휘둘리지 않고, 본인이 데이터 검증을 통해 얻어낸 가장 중요하게 생각하는 요소를 기준으로 판단을 내릴 수 있게 됩니다.
  • 자신의 입맛에 맞는, 본인에게 가장 최적화된 프로그램을 만들 수 있게 됩니다.
  • 자는 동안, 출근한 동안, 휴가를 간 동안 수십, 수백만 건의 백테스팅을 하거나 이를 응용하여 실제 트레이딩까지 자동화할 수 있습니다.

파이썬을 사용하여 데이터 기반 투자를 하게 되면,
여러분의 멘탈뿐만 아니라 소중한 자산까지 보호할 수 있습니다.


🙌  파이썬(Python) + 판다스(Pandas)로 어떤 것들을 할 수 있나요?   

  • 수강 후 여러분들은 판다스(Pandas)라는 엄청난 무기를 지니게 됩니다. 판다스(Pandas)를 자유자재로 쓸 줄 알면, 기본적으로 금융데이터(재무제표, 일봉/분봉, 개인/기관/외인 수급, 달러/유가 지수, 프로그래밍 매매 추이 등)로부터 다양한 투자지표를 추출해 백테스팅을 할 수 있는 기본기를 갖추게 됩니다. 그리고 금융데이터 뿐만 아니라 다양한 정형데이터에 대한 분석 전문가가 될 수 있습니다. 
  • 아래는 제가 개별적으로 수집한 데이터를 오직 판다스(Pandas)만을 사용해서 구현한 간단한 토이 프로젝트 내용입니다.
    • 코로나 요일별 확진자 수 분석

 

    • 주식 커뮤니티 게시판 분석(주식, 부동산 관련 이벤트 발생 시 게시글 수 변화 등 체크)

    • KOSPI/KOSDAQ 시장 투자주체별 누적 net 거래대금 분석

    • 일자별 갭상/갭하(전날 종가대비 시가) 비율에 따른 간단한 전략 만들기

    • 데이터 기반 전략 vs 벤치마크 백테스팅 성능 비교

  • 가장 중요(?) - 추후 오픈 예정인 "파이썬(Python)으로 데이터 기반 주식 투자하기 Part2"을 별도의 선수강 없이 수강할 수 있게 됩니다.

Pandas를 다룰 줄 알면,
세상을 바라보는 관점이 달라집니다.


🙋 수강생들이 가장 궁금해하는 질문 Top 6

Q. 이번 온라인 강의와 기존에 진행했던 오프라인 강의와 차이는 무엇인가요?
Q. 강의에서 수익을 내는 전략에 대해서도 알려주시나요?
Q. 스캘핑, 단기 스윙과 같이 매매 빈도가 높은 전략 구현도 수업 내용에 포함되어 있나요?
Q. 퀀트라는 것을 하려면, 수학/확률/통계적인 내용에 risk, alpha, beta, factor model 등의 개념까지 다 알아야 하나요?
Q. 과거 데이터에 대한 투자 성과가 검증이 되었다고, 미래에도 잘 되리라는 보장은 없지 않나요?

A. 위 질문들에 대한 답변은 ‘Section0. 오리엔테이션’의 ‘6. FAQ’에서 자세하게 다룹니다.

Q1. 선행 지식이 필요한가요? 파이썬 문법 책 한 번 정도 보았는데 들을 수 있을까요? 주식 재무제표 관련한 내용도 알고 있어야 하나요?

A1. 본 수업은 프로그래밍의 개념과 파이썬(Python) 기초 내용에 대해 어느 정도 숙지하신 분을 대상으로 한 강의입니다. 또한 재무제표 데이터를 분석하고 이를 기반으로 한 전략을 만들기 때문에, 투자에 자주 쓰이는 지표(PER, PBR 등)에 대한 지식이 있으면 좋습니다(하지만, 필수는 아닙니다). 파이썬(Python)을 처음 접하시는 분은 저의 기초 강의인 ‘누구나 배울 수 있는, 파이썬(클릭하면 이동)’ 수강을 권장드립니다(무료). 이제 막 파이썬(Python) 걸음마를 떼신 분들이라면 복습도 할 겸 빠르게 한 번 수강해보시는 것은 어떨까요?

Q2. 본 수업의 메인 내용은 트레이딩인가요, 데이터 분석인가요?

A2. 굳이 따져야 한다면, 본 수업 내용은 “금융 데이터 처리 및 분석”에 더 초점을 맞췄다고 할 수 있을 것 같습니다. 제가 직접 트레이딩 시스템을 만들면서 가장 고민을 많이 하고 시간을 투자한 부분은 "같은 정보를 표현하지만 다양한 모습을 가진 금융 데이터들을 어떻게 해야 내가 구현하고자 하는 전략에 맞도록 빠르고 쉽게 처리할 수 있을까?"였습니다. 처음에는 저도 이를 중요시 여기지 않고, 매수/매도를 원하는 시점에 편하게 할 수 있는 프로그램이나 내가 알고 있는 전략을 빨리 구현하는 것이 최우선인 것 같아, 우선 알고 있는 프로그래밍 지식으로 주먹구구식으로 만들었습니다. 그러다 보니 새로운 전략을 구현할 때마다 기존 코드의 대대적인 수정이 필요하기도 했고, 그 과정에서 계속 난관에 부딪혀 구글링을 해보면 돌고 돌아 결국 "데이터에 대한 전처리real trading할 때와의 괴리감(e.g. 과거시점에서 미래를 보지 않도록 처리 등)을 없애는 작업"이 가장 중요하다는 결론에 도달하게 되었습니다. 저는 이 부분이 해결되면 다른 많은 부분들이 원활하게 돌아갈 수 있다고 판단하였고, 결국 현실적이고 robust한 트레이딩 시스템을 만들기 위해 판다스(Pandas)를 도입하였습니다. 이 과정에서 제가 경험한 판다스(Pandas) 관련 내용들이 본 수업의 내용이라고 생각하시면 되겠습니다.

Q3. 강사님은 실제로 데이터 기반 투자를 하시나요?

A3. 강사인 저는 본 강의에서 다루는 내용을 기반으로 만든 전략들을 실제 사용하고 있고, 개인적으로는 만족할 만한 결과를 얻고 있습니다. 강의 내용은 경험에 기반해 제가 처음 시스템 트레이딩에 입문했을 때 가장 어려움을 겪었던 요소나 정말 유용하게 생각했던 도구들을 중심으로 구성했습니다. 본 강의에서 나오는 내용이나 테크닉들은 하나도 빠짐없이 제 트레이딩 시스템에서 사용하고 있습니다. 때문에 충분히 신뢰할 만한 가치가 있다고 생각하고, 수강 후 약간의 응용력만 가미한다면 본인만의 투자 전략을 자유롭게 만들 수 있는 기본기와 역량을 갖출 수 있다고 확신합니다.

Q4. 트레이딩 시스템을 만드려면 만들어야 될 게 이만저만이 아니더라구요. 저는 아직 파이썬 초보라서 만드는 데만 최소 1년 이상은 족히 걸릴 것 같은데, 너무 늦은 것 아닐까요?

A4. 모든 것을 한번에 다 끝내려고 하면 누구나 막막하고 좌절감만 들 것입니다. 저도 지금 시스템 트레이딩을 시작한 지 2년이 넘었지만, 아직 제가 최종적으로 만들고 싶은 시스템의 반도 만들지 못했습니다. 여전히 새로운 기능을 추가하고, 테스트하며 검증하는 일들을 꾸준히 하고 있습니다. 1~2년 투자하고 주식 시장을 떠날 것이라면 저도 할 말 없지만, 보통의 개미투자자라면 남은 일평생을 투자와 함께할 것이기 때문에, ’앞으로 몇십년 동안 써먹을 획기적인 도구를 빠른 시일 내에 전부 완성해야겠다’라는 생각은 앞서 말씀드린 ‘빨리 주식으로 대박을 쳐서 떼 돈을 벌어야겠다’와 같은 마인드라고 생각합니다. 이와 같은 관점에서 가장 중요한 것은, 현재 내가 투자하는 데에 있어서 가장 필요한 부분부터 하나씩 차근차근 프로그램화 하는 것입니다. 예를 들어 내가 구상하고 있는 전략이, 거래할 종목이 1~2종목이고 조건에 따른 매수와 매도 시점간에 충분히 여유가 있으면서 그 주기가 빈번하지 않다면, 굳이 증권사 API를 통해 자동으로 매수/매도가 되는 시스템을 먼저 만들 필요는 없습니다. 이는 높은 확률로 MTS의 예약주문이나 시세포착주문 등의 기능을 통해서도 충분히 동작 가능할 것입니다. 그리고 이 과정에서 (금융)데이터 처리 방식에 따라 생산성이 크게 차이가 나게 되는데, 판다스(Pandas)는 이러한 부분에서 여러분의 작업 시간을 앞당기고 완성도를 높이는 데 크게 일조할 것입니다.

Q5. 본 수업이 Part1 수업이라면, Part2 수업도 있는 건가요? Part2 수업에서는 어떤 내용을 다루시나요?

A5. Part1은 판다스(Pandas)의 기초 내용을 재무제표 데이터를 중심으로 다양한 금융데이터에 대해 적용해보며 학습하고, 이를 통한 간단한 백테스팅까지 하는 방법에 대해 배웁니다. 본 강의(Part1)가 아무래도 첫번째 강의이다보니 introduction 느낌이 조금 강하다면, Part2는 조금 더 시계열 가격데이터(OHLCV) 데이터를 중심으로 다룰 수 있는 판다스(Pandas) 테크닉과, 이를 기반으로 하여 다양한 주기별로 비중을 조절해야 하는 정적/동적 자산배분 전략(월별 리벨런싱, 60:40, 올웨더, LAA, VAA 등)에 대해 다룰 예정입니다. 이와 더불어, 다양한 형태의 수익률 데이터를 다루는 방법(log 수익률 등)과, 백테스팅 관련 평가지표(Annualized Sharpe, MDD, CAGR, Std 등)의 구현에 대해서도 깊게 다룰 예정입니다.

Q6. 강의를 듣고나니 이제 금융 데이터를 잘 다루게 되었습니다. 근데 금융데이터를 구하는 것 또한 일이네요ㅠ 어떻게 해야될까요?

A6. 오리엔테이션에서 말씀드렸다시피, 데이터 수집 + 처리가 가장 힘들고 시간도 오래 걸리는 작업입니다. 관련해서 본인이 필요한 데이터를 다양한 소스로부터 자유자재로 가져오고 자동화하는 수업(가제: 이제 귀찮은 일은 컴퓨터한테 시키자, 파이썬(Python) 크롤링 & 자동화)도 현재 준비 중에 있습니다. 여러분의 많은 관심과 성원 부탁드립니다. 여러분들이 남겨주시는 수강후기들은 오픈예정일을 앞당기는 데에 큰 도움이 됩니다 :)


🙌 수강 전 주의사항

  • 본 강의에서 제공하는 데이터는 학습한 내용을 적용해보기 위한 샘플 데이터입니다. 때문에 실전에 바로 적용되기에는 무리가 있습니다.
  • 실전에서 사용할 수 있는 데이터는 증권사 API + 크롤링 + 유료데이터벤더 + thrid party 라이브러리 등을 이용하여 수집 가능합니다. 관련 강의도 추후에 오픈 예정이니 참고바랍니다.
  • 투자에 대한 책임은 항상 투자자 본인에게 있습니다.

📚 수업 내용만큼이나 신경 써서 오리엔테이션 영상을 준비했습니다. 오리엔테이션 영상의 길이가 조금 길지만, 그 만큼 본 강좌뿐 아니라 앞으로 제작되는 강좌들의 방향, 취지에 대해 자세히 다루었고, 여러분들이 궁금해할 만한 내용에 대해서도 자세히 다루고 있습니다. 오리엔테이션을 통해 여러분의 학습 욕구를 자극시켜보세요!

📚 강사 혼자 수강생들 앞에서 원맨쇼하는 강의는 그만! 원리를 이해하고 다 같이 함께 가는 수업! 지금 시작해볼까요?

전국민이 파이썬(Python)으로 투자하는 그 날까지!

이런 걸 배워요

  • 1. 금융 데이터 분석/처리를 위해 개발된 파이썬(Python)의 Pandas 라이브러리 사용법과 작동 원리
  • 2. 다양한 형태의 금융데이터를 분석하는 방법과, 전략을 테스트하기 위한 형태로 데이터를 변형하는 다양한 방법
  • 3. 실전에서 접할 수 있는 금융데이터 관련 예제와, 백테스팅 구현에 반드시 필요한 테크닉
  • 4. 파이썬(Python)에서 데이터를 시각화(Visualization)하는 원리와 이를 통해 데이터를 더 직관적으로 이해하는 방법
  • 5. Pandas로 구현하는 vectorized 백테스팅의 원리와 백테스팅시 주의해야 할 사항들
  • 6. 실전 프로젝트: 강환국님의 '할 수 있다! 퀀트투자' 전략 구현

도움 되는 분들

  • 직감매매/뇌동매매/손매매 등의 투자법으로 매번 멘탈이 탈탈 털리시는 분
  • 시대에 맞게 데이터에 기반하여 똑똑하게 주식 투자를 시작해보고 싶으신 분
  • 외부 정보(펀드, 리포트, 리딩방, 종목추천, 주식게시판 등)에 의한 투자가 아닌, 내가 직접 주도하고 판단할 수 있는 투자를 하고 싶으신 분
  • 현존하는 백테스팅 관련 플랫폼이나 서비스에 한계를 많이 느껴, 오직 내 입맛을 위한 프로그램을 만들 필요를 느끼시는 분
  • 책, 강의 등에서 접한 전략들을 곧이 곧대로 받아들이는 것이 아니라, 직접 벡테스팅하여 검증하고 응용하여 새로운 전략을 만들고 싶으신 분
  • 금융데이터 전처리부터 백테스팅까지 하나의 System Flow에 대해서 경험하고 싶으신 분
  • Pandas를 활용하여, 금융데이터 뿐만 아니라 다양한 정형 데이터에 대해 자유자재로 분석을 하고 싶으신 분
  • Pandas의 기본 기능뿐만 아니라, 숨어있는 강력한 기능들까지 원리와 함께 배우고 싶으신 분
  • 재무제표에 기반한 백테스팅을 구현하는 법과, 해당 방법이 지닌 한계와 개선방향에 대해서 궁금하신 분

선수 지식

  • 파이썬(Python) 기초, jupyter 사용법
  • 선수 강좌(무료): https://www.inflearn.com/course/생초보-입문-파이썬

공개 일자

2020년 11월 12일 (마지막 업데이트 일자 : 2020년 11월 12일)

지식공유자 소개

프로그래밍, 데이터(Data) 그리고 AI로 세상의 모든 문제를 해결할 수 있다고 믿는 Lifelong learner입니다. Lifelong contributer가 되는 것이 목표입니다.

아직 평가를 충분히 받지 못한 강의 입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!😄️️

교육과정

모두 펼치기 69 강의 14시간 24분
섹션 2. Pandas의 핵심 자료형, Series와 DataFrame
7 강의 96 : 49
0. 수업 자료(전체) 다운로드
1. 라이브러리 설치 & numpy 소개
15 : 58
2. Series 데이터 타입
16 : 56
3. DataFrame 데이터 타입
17 : 08
4. [중요] Pre-setting
10 : 19
5. Index 관련 특징 및 함수
17 : 42
6. reindex() 관련 예제
18 : 46
섹션 3. 데이터를 낱낱이 파헤치는 무기, Pandas API
16 강의 167 : 18
1. EDA(탐색적 데이터 분석) 소개
14 : 51
2. describe()
09 : 17
3. unique(), value_counts()
08 : 40
4. 정렬(sorting)
07 : 41
5. Subset 추출하기 by columns
11 : 05
6. Subset 추출하기 by dtype
03 : 12
7. Subset 추출하기 by rows
17 : 52
8. Subset 추출하기 by at
05 : 33
9. Boolean Series, DataFrame
09 : 09
10. Subset 추출하기 by Boolean selection
16 : 36
11. all(), any() & Boolean selection 예제
06 : 20
12. Pandas에서 연산의 기본 작동 원리
09 : 43
13. 연산자, 그리고 axis를 바라보는 관점1
10 : 50
14. 연산자, 그리고 axis를 바라보는 관점2
14 : 32
15. 연산 관련 금융데이터 적용 예제
03 : 24
16. NaN(Not A Number) value 처리하기
18 : 33
섹션 4. 그룹을 지어 분석하기, Split - Apply - Combine
8 강의 111 : 44
1. '값'을 기준으로 grouping하기 - part1
23 : 16
2. '값'을 기준으로 grouping하기 - part2
14 : 55
3. '개체 수'를 기준으로 grouping하기
16 : 17
4. Groupby & aggregation - 데이터 준비
06 : 07
5. Groupby & aggregation - part1
12 : 20
6. Groupby & aggregation - part2
14 : 43
7. Groupby & aggregation - 예제 & 기타
18 : 19
8. 실전예제
05 : 47
섹션 5. 다수의 데이터끼리는 어떻게 합칠까?
9 강의 98 : 41
1. DataFrame에 row 추가하기 by loc[]
10 : 05
2. DataFrame에 row 추가하기 by append()
08 : 28
3. concat()
16 : 26
4. concat() 실전예제
07 : 50
5. join() - part1
16 : 08
6. join() - part2
07 : 25
7. merge()
10 : 23
8. concat() vs merge() vs join()
07 : 33
9. 실전예제
14 : 23
섹션 6. 숫자보다 훨씬 뛰어난 전달력, 시각화(Visualization)
8 강의 109 : 57
1. matplotlib 소개
08 : 39
2. visualization 방식1 - stateful
14 : 56
3. visualization 방식2 - stateless
06 : 09
4. matplotlib의 시각화 components
15 : 07
5. Pandas로 바로 시각화하기
19 : 47
6. 또 다른 시각화 라이브러리, seaborn - part1
26 : 07
7. 또 다른 시각화 라이브러리, seaborn - part2
08 : 06
8. 또 다른 시각화 라이브러리, seaborn - 예제
11 : 06
섹션 7. 배운 것을 그대로 Final project에서! 재무제표 기반 백테스팅
10 강의 146 : 42
1. 백테스팅 관련 주의사항
05 : 34
2. 간단한 EDA & 수익률 데이터 구하기
30 : 07
3. 백테스팅 원리와 로직 구현 - part1
10 : 05
4. 백테스팅 원리와 로직 구현 - part2
08 : 00
5. 백테스팅 원리와 로직 구현 - part3
26 : 49
6. 백테스팅 원리와 로직 구현 - part4 & 한계 및 의의
09 : 56
7. 강환국님의 "할 수 있다 퀀트 투자" 전략 구현하기 - part1
15 : 28
8. 강환국님의 "할 수 있다 퀀트 투자" 전략 구현하기 - part2
04 : 58
9. 강환국님의 "할 수 있다 퀀트 투자" 전략 구현하기 - part3
17 : 02
10. 재무제표 기반 백테스팅의 의의 & 한계
18 : 43
섹션 8. Summary & Wrap-up
1 강의 11 : 44
1. Summary & Wrap-up
11 : 44

수강 문의

  • 이시현 프로필 이시현
    2020-11-14 91212

    Part1 이후의 강의들은 언제 다 만들어질 예정인가요 ???

    DeepingSauce
    DeepingSauce
    DeepingSauce
    2020-11-14 78556

    안녕하세요! 데이터 크롤링 & 자동화 수업이 먼저 만들어질 예정이고(내년 초~상반기 중 오픈예정) 이후에 part2 수업이 오픈할 예정입니다(상반기~하반기 넘어갈 시점 중). 다만 상황에 따라 변동이 될 수 있는 점 참고바랍니다. 감사합니다

다른 수강문의 보기
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의들을
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스