[베개투자법 :자면서 돈버는 AI주식 자동매매머신] 종목 변경시 코드 수정 부문을 알려주세요

안녕하세요, @호빛님!종목 변경 방법에 대해 문의하신 점 잘 확인했습니다. 해당 내용은 "30. 종목 변경 방법 설명" 강의에서 매우 상세하고 알기 쉽게 안내드리고 있습니다. 강의를 보시면 간단한 절차를 통해 쉽게 종목을 변경하실 수 있습니다.혹시 강의를 보시고도 추가로 궁금한 점이나 구체적으로 도움 필요한 부분이 있다면 언제든지 편하게 말씀해 주세요! 감사합니다!

DB에 데이터 넣지 않는 이유가 무엇때문인가요?

안녕하세요, @sagara12님.해당 강의에서는 테이터 처리 개념과 머신러닝 개념에 집중하기위해 별도 sw 또는 라이브러리가 필요없는 CSV를 사용했습니다. 설정의 복잡성을 줄이기 위함입니다.질문하신 데이터 크기와 관련해서는, 강의의 데이터 규모라면 DB에 저장해도 충분히 처리 가능합니다. 데이터 수집, DB 저장, 외부 API 자동 호출 등 더 심화된 내용은 '베개 투자법: 자면서 돈 버는 AI 주식 자동 매매 머신' 강의에서 자세히 다루고 있으니, 완강 후 함께 참고하시면 큰 도움이 될 것입니다.궁금한 점이 더 있다면 언제든 말씀해주세요. 감사합니다!

cursor 관련 질문

혹시 바탕화면에 바로가기 아이콘이 없으신가요?아니면 좌측하단 윈도우 검색을 통해 cursor 입력하여 실행 부탁드립니다.Pc 재부팅도 해보시길 바랍니다.그래도 문제가 있다면 설치에 문제가 발생한 것 같습니다. 제어판에서 cursor 프로그램 제거 후 다시 설치해보시길 바랍니다.그래도 안된다면 다시 말씀 부탁드립니다.감사합니다.

종합 점수 계산시에 가중치 관련 질문

안녕하세요, @김태건님.강의를 잘 따라와주셔서 감사합니다! 가중치 기준에 대해이 가중치들은 어떠한 표준이나 규칙에 따른 것이 아니라, 제가 여러 번 테스트하며 만든 주관적인 기준입니다. 강의에서 설명드린 대로, RSI(상대강도지수)가 70을 넘어가면 조정이 올 수 있다는 점을 고려해 RSI tech_conditions_count에서 골든크로스에 1.5배 가중치를 준 이유는, 상승장에서 반등 지점에 온 종목을 찾는 전략을 우선으로 했기 때문입니다. 상황에 따라 다르게 조정할 수 있으니, @김태건님께서 직접 테스트하며 수정해보세요!종합 스코어(composite_score)에서 AI 주가 예측(0.3), 기술적 분석(0.4), 뉴스 감정 분석(0.3)으로 배분한 이유는:종목 선정 대상이 우선 AI 예측으로는 이미 상승으로 나온 상황이고, 뉴스는 100% 신뢰할 수 없기 때문에 기술적 분석에 조금 더 점수를 줬습니다. 이 부분도 @김태건님께서 앞으로 개선해 나가실 수 있을 겁니다. 처음이시니 어렵게 느껴질 수 있지만, 요즘 AI가 잘 나와서 "이 가중치 기준으로 케이스별 전략을 도출해줘"처럼 물어보며 공부하시면 도움이 될 겁니다!앞으로 위 지표 외에도 필요하겠다고 생각하시는 지표도 추가하셔서 고도화 해보시길 바랍니다. 국내 주식 분석 어려움에 대해강의 초반에 말씀드렸듯이, 국내 주식은 외부 영향(분할 이슈, 정치적 이슈, 미국·중국 갈등 등)이 크기 때문에 분석이 쉽지 않습니다. 대체적으로 미국 나스닥 상위 100개 기업에 대해서는 100%는 아니지만 물리더라도 시간이 지나면 상승하는 추세를 보이는데, 대한민국 상위 100개 기업에 대해서 분석해보시면 확률이 더 낮다는 것을 볼 수 있습니다.코드 로직으로는 기본적인 기술적·감정 분석은 가능하지만, 이러한 변수들 때문에 리스크가 더 크다고 생각했습니다. 흐름이 좋다가도 갑자기 바뀔 수 있는 것이지요.더 궁금한 점 있으시면 언제든 말씀해 주세요. 감사합니다.

cursor 관련 질문

안녕하세요, @바카스청년님.수업에서 Cursor를 사용한다면, Free 버전으로도 기본적인 수업을 따라갈 수 있습니다. 우선 Free 버전으로 사용해보시고, 사용 횟수 제한이 걸려 답답하시다고 느끼신다면 그때 유료 버전 전환을 고려해보세요.Free 버전:기본 AI 기능: 제한된 Agent 요청 (예: 코드 자동 완성)과 Tab 완성 횟수.수업에서 간단한 코드 작성이나 기본 AI 도움에는 문제없음. 하지만 AI를 자주 사용하면 횟수 제한이 걸릴 수 있음.Pro 버전 ($20/월):무제한 Tab 완성, 확장된 Agent 한도, Background Agents (백그라운드에서 AI가 코드 분석), Bugbot (버그 자동 수정), 큰 범위의 컨텍스트 인지 (소스코드가 큰 프로젝트도 처리).AI를 많이 활용하거나 코드가 복잡한 프로젝트라면 Pro가 훨씬 수월함.더 궁금한 점이 있으시면 언제든 말씀해 주세요!감사합니다.

pip 설치 오류 문의

안녕하세요, @바카스청년님.스크린샷을 보니 pip install fastapi uvicorn 명령어를 실행할 때 "WARNING: There was an error checking the latest version of pip"라는 경고와 함께 traceback 오류가 나오는 걸 확인했습니다. 혹시 인터넷 환경이 회사 네트워크이거나 VPN을 사용 중인지 확인 부탁드립니다.현재 이미지 상으로 fastapi와 uvicorn이 정상 설치된 것으로 보이며, pip list에서도 패키지가 확인된다면 이미 설치가 성공한 것이니 우선 진행해보셔도 괜찮을 것 같습니다. 이 경고는 pip의 자기 업데이트 확인 기능에 영향을 줄 뿐, 실제 패키지 설치(fastapi나 uvicorn)에는 거의 영향을 주지 않습니다.추후 프로젝트 소스코드를 실행하면서 추가 라이브러리를 설치해야 할 때 문제가 발생하면 편하게 말씀해 주세요!감사합니다.

문의 드릴 메일 주소좀 알려주시면 감사하겠습니다.

안녕하세요, @바카스청년님.banbu.jh@gmail.com 입니다.질문 있으시다면 편하게 문의주세요~감사합니다.

파이선 설치 문제

안녕하세요, @바카스청년 님.파이썬 설치와 관련하여 문의 주신 사항 확인하였습니다. Scripts 폴더가 보이지 않는다면 설치 과정에서 약간의 문제가 있었을 가능성이 있습니다. 제가 Python 3.13.7 버전을 동일하게 설치하여 확인한 결과, Scripts 폴더가 정상적으로 생성되는 것을 확인하였습니다. 아래에 문제를 해결할 수 있는 방법을 차근차근 안내드리겠습니다. 우선, 명령 프롬프트에서 python --version을 입력하여 Python 3.13.7이 정상적으로 출력되는지 확인해 주십시오. 이어서 where python 명령어를 입력하시면 다음과 같은 경로가 표시될 것입니다:C:\Users\\AppData\Local\Programs\Python\Python313\python.exeC:\Users\\AppData\Local\Microsoft\WindowsApps\python.exe 다음으로, 파일 탐색기를 통해 C:\Users\\AppData\Local\Programs\Python\Python313 경로로 이동하여 Scripts 폴더가 있는지 확인해 주십시오. 만약 폴더가 없다면 설치 과정에서 일부 오류가 있었을 수 있습니다. 혹시 명령어가 제대로 실행되지 않는 경우라면 환경 변수 설정이 누락되었을 가능성이 있습니다. 이 경우, C:\Users\\AppData\Local\Programs\Python\Python313 경로로 직접 이동하신 후, "(5. Python FastAPI 기본 2)" 강의를 참고하여 환경 변수를 추가로 등록해 주시면 좋겠습니다. 위 단계를 진행하셨음에도 문제가 해결되지 않는다면, 설치 과정에서 오류가 발생했을 가능성이 높습니다. 이 경우 제어판에서 기존 파이썬을 완전히 제거한 뒤 재설치를 진행해 주십시오.(재설치하시는 경우 가급적이면 강의에서 진행한 python 3.13.1 버전으로 설치 부탁드립니다.) 설치 초반에 경로 설정 화면이 나타나면 기본 경로를 유지하시고, 해당 경로를 메모해 두시기 바랍니다. 설치 완료 후, 해당 경로로 이동하여 Scripts 폴더가 생성되었는지 다시 한 번 확인해 주십시오.만약 동일한 문제가 반복된다면, 메일을 통해 자세한 상황을 공유해 주시면 추가로 도움을 드리겠습니다. 궁금하신 점이나 필요한 지원이 있다면 언제든 말씀 주십시오. 감사합니다.

경제 데이터 업데이트 중 오류 발생 문제

안녕하세요, @wltjq님,데이터 수집과 관련하여 문의하신 부분에 대해, 먼저 '15. 경제 및 주가 데이터 수집 강의'의 약 48초 지점부터 다시 한 번 확인해 주시면 도움이 될 것 같습니다.현재 사용하시는 API가 무료 버전이다 보니, 호출량에 제한이 있을 수 있습니다. 이를 고려하여, 강의에서 안내드린 대로 사전에 준비된 데이터를 테이블에 저장한 뒤, 이후 데이터를 추가로 수집하는 방식을 권장드립니다. 이 방법으로 진행하시면 현재 겪고 계신 문제가 원활히 해결될 가능성이 높다고 생각됩니다.추가로 궁금한 점이나 필요한 지원이 있다면 언제든지 편하게 말씀해 주시길 바랍니다. 항상 최선을 다해 도와드리겠습니다.감사합니다.

4.15, 4.16 강의를 따라하는데 주가 데이터가 이상합니다

안녕하세요, @wltjq님.@wltjq님께서 데이터 수집 과정에서 겪으신 문제를 확인하고, 저도 최종 코드 기준으로 2025년 6월 1일부터 8월 16일까지 약 2개월 치 데이터를 수집해 Investing.com의 종가 데이터를 기준으로 검증해 보았습니다.그 결과, 아래 이미지와 같이 데이터가 정상적으로 수집된 것을 확인할 수 있었습니다.데이터 중복에 대한 부분은 말씀하신 대로 금, 토, 일요일의 경우 토요일과 일요일 데이터가 없으므로 금요일 종가로 대체됩니다. 이는 시장이 주말 동안 거래되지 않기 때문에 발생하는 정상적인 처리 방식입니.(사진)추가로, 제가 사용한 최종본 stock.py 코드를 아래에 첨부드리오니 참고 부탁드립니다. @wltjq님께서 이미 이 문제를 독립적으로 해결하신 점, 정말 대단하시다고 생각합니다. 개발 과정에서 의도치 않은 동작을 마주하는 경우는 흔히 있지만, 이를 분석하고 해결하시는 과정에서 Cursor와 같은 도구를 적극 활용하신 점을 보면 강의에 대한 의도가 잘 전달되어 다행이라는 생각이듭니다.앞으로도 이와 같이 체계적인 접근으로 문제를 풀어나가시면 실력 향상에 큰 도움이 되리라 믿습니다. 추가 질문이나 필요한 도움이 있다면 언제든지 편하게 말씀해 주세요. 항상 지원하겠습니다.감사합니다. import requests import pandas as pd import yfinance as yf from datetime import datetime, timedelta import numpy as np import time # FRED API Key 설정 api_key = 'fred api key를 설정해주세요.' # FRED에서 제공하는 지표 코드와 명칭 fred_indicators = { 'T10YIE': '10년 기대 인플레이션율', # 10년 만기 기대 인플레이션율 (일간) 'T10Y2Y': '장단기 금리차', # 10년-2년 국채 수익률 스프레드 (일간) 'FEDFUNDS': '기준금리', # 연방기금 금리 (월간) 'UMCSENT': '미시간대 소비자 심리지수', # 소비자 신뢰 지수 (월간) 'UNRATE': '실업률', # 실업률 (월간) # 'USREC': '경기침체', # 경기침체 지수 (월간) --> 장단기 금리차를 통해 확인 가능. 'DGS2': '2년 만기 미국 국채 수익률', # 2년 만기 국채 수익률 (일간) 'DGS10': '10년 만기 미국 국채 수익률', # 10년 만기 국채 수익률 (일간) # 추가 지표 'STLFSI4': '금융스트레스지수', # 금융 스트레스 지수 (주간) 'PCE': '개인 소비 지출', # 개인 소비 지출 (월간) -> 소비자물가지수(CPI)나 GDP, 실업률, 인플레이션 기대 등 다른 핵심 지표가 이미 전반적 경기 상황을 반영. # 'INDPRO': '산업생산', # 산업 생산 지수 (월간) # 'HOUST': '주택 착공', # 신규 주택 착공 건수 (월간) # 'UNEMPLOY': '실업자수', # 실업자의 총 수 (월간) # 'RSAFS': '소매판매', # 소매판매 지수 (월간) # 'CPIENGSL': '에너지 가격 지수', # 소비자 물가지수 중 에너지 부문 (월간) -> 소비자물가지수(CPI)나 GDP, 실업률, 인플레이션 기대 등 다른 핵심 지표가 이미 전반적 경기 상황을 반영. # 'AHETPI': '임금 성장률', # 시간당 평균 임금 성장률 (월간) # 'PPIACO': '농산물 가격 지수', # 생산자 물가지수 중 농산물 부문 (월간) 'CPIAUCSL': '소비자 물가지수', # 전체 소비자 물가지수 (월간) # 'CSUSHPINSA': '주택가격지수', # 케이스-실러 주택 가격 지수 (월간) -> 5년 변동금리 모기지 (MORTGAGE5US): 부동산 시장이 대상 종목(빅테크) 주가 변동에 단기적으로 큰 영향 미치는지 불분명. 단기간(1주일 후) 예측에서는 영향력 제한적. # 'MORTGAGE30US': '30년 고정금리 모기지', # 30년 만기 고정금리 모기지 금리 (주간) # 'MORTGAGE15US': '15년 고정금리 모기지', # 15년 만기 고정금리 모기지 금리 (주간) 'MORTGAGE5US': '5년 변동금리 모기지', # 5년 변동금리 모기지 금리 (주간) 'DTWEXM': '미국 달러 환율', # 미국 무역가중 환율 (월간) 'M2': '통화 공급량 M2', # M2 통화 공급량 (주간) -> FEDFUNDS나 금리 동향, 달러 인덱스, 금융스트레스지수가 이미 유동성 상황을 대략 파악 가능. # 'TEDRATE': 'TED 스프레드', # 3개월 만기 미국 국채와 유로달러 금리 스프레드 (일간) -> FEDFUNDS나 금리 동향, 달러 인덱스, 금융스트레스지수가 이미 유동성 상황을 대략 파악 가능. # 'BAMLH0A0HYM2': '미국 하이일드 채권 스프레드', # 미국 하이일드 채권과 국채 스프레드 (일간) -> 금융시장 신용위험을 반영하지만, 이미 금융스트레스지수(STLFSI4), 장단기금리차, VIX 등의 지표로 대략적인 위험 선호도나 스트레스 상황 파악 가능. # 'BAMLC0A0CM': '미국 회사채 스프레드', # 미국 회사채와 국채 스프레드 (일간) # 'BAMLCC0A0CMTRIV': '미국 회사채 수익률', # 미국 회사채 수익률 (일간) # 'BAMLCC0A1AAATRIV': '미국 회사채 AAA등급 수익률', # AAA등급 회사채 수익률 (일간) # 'BAMLCC0A4BBBTRIV': '미국 회사채 BBB등급 수익률', # BBB등급 회사채 수익률 (일간) # 'BAMLHYH0A0HYM2TRIV': '미국 하이일드 채권 수익률', # 하이일드 채권 수익률 (일간) # 'BAMLHYH0A3CMTRIV': '미국 하이일드 채권 CCC등급 수익률', # CCC등급 하이일드 채권 수익률 (일간) # 'BAMLHE00EHYIEY': '미국 하이일드 채권 기대수익률', # 하이일드 채권 기대수익률 (일간) 'TDSP': '가계 부채 비율', # 가계의 부채 상환 비율을 나타냄 (분기) # 'A939RX0Q048SBEA': '실질 GDP 성장률', # 계절 조정된 연간 실질 GDP 성장률 (분기) 'GDPC1': 'GDP 성장률', # 실질 국내총생산 성장률, 물가 조정을 반영 (분기) # 'W019RCQ027SBEA': '정부 지출', # 정부의 총 지출 금액 (분기) # 'DRBLACBS': '대출 연체율', # 기업 대출의 연체율 (분기) # 주식시장 관련 추가 지표 # 'DJIA': '다우존스 산업평균지수', # 미국 대형 30개 기업의 주가 평균 (일간) 'NASDAQCOM': '나스닥 종합지수' # 나스닥 시장 전체 종합 주가 지수 (일간) } # Yahoo Finance에서 제공하는 지표와 티커 yfinance_indicators = { 'S&P 500 지수': '^GSPC', # S&P 500 지수 '금 가격': 'GC=F', # 금 가격 (선물) '달러 인덱스': 'DX-Y.NYB', # 달러 인덱스 # 추가 지표 '나스닥 100': '^NDX', # 나스닥 100 지수 'S&P 500 ETF': 'SPY', # S&P 500 추종 ETF 'QQQ ETF': 'QQQ', # 나스닥 100 추종 ETF '러셀 2000 ETF': 'IWM', # 러셀 2000 추종 ETF '다우 존스 ETF': 'DIA', # 다우 존스 추종 ETF # 'NYSE FANG+ 지수': '^NYFANG' # NYSE FANG+ 지수 'VIX 지수': '^VIX', # ^VIX (변동성 지수, 공포 지수): S&P 500 옵션 가격을 기반으로 앞으로의 시장 변동성 기대치를 반영해 시장 심리를 나타내는 지표. # 글로벌 지수 '닛케이 225': '^N225', # 일본 닛케이 225 지수 '상해종합': '000001.SS', # 중국 상해종합지수 '항셍': '^HSI', # 홍콩 항셍지수 # '유로스톡스 50': '^STOXX50E', # 유럽 유로스톡스 50 지수 '영국 FTSE': '^FTSE', # 영국 FTSE 100 지수 '독일 DAX': '^GDAXI', # 독일 DAX 지수 '프랑스 CAC 40': '^FCHI', # 프랑스 CAC 40 지수 '미국 전체 채권시장 ETF': 'AGG', # iShares 핵심 미국 전체 채권 ETF 'TIPS ETF': 'TIP', # iShares TIPS ETF (물가연동국채) # '하이일드 채권 ETF': 'HYG', # iShares iBoxx $ 하이일드 회사채 ETF '투자등급 회사채 ETF': 'LQD', # iShares iBoxx $ 투자등급 회사채 ETF # '신흥국 채권 ETF': 'EMB', # iShares JP모건 USD 신흥시장 채권 ETF # 환율 '달러/엔': 'JPY=X', # 달러/엔 환율 '달러/위안': 'CNY=X', # 달러/위안 환율 # 리츠(부동산) 관련 '미국 리츠 ETF': 'VNQ', # Vanguard Real Estate ETF # '모기지 리츠 ETF': 'REM', # iShares Mortgage Real Estate ETF } # 나스닥 100 상위 종목 티커 리스트와 한글 이름 nasdaq_top_100 = [ ("AAPL", "애플"), # 1위, 9.50% ("MSFT", "마이크로소프트"), # 3위, 7.67% ("AMZN", "아마존"), # 4위, 5.80% ("GOOGL", "구글 A"), # 10위, 2.58% ("GOOG", "구글 C"), # 11위, 2.48% ("META", "메타"), # 6위, 3.79% ("TSLA", "테슬라"), # 8위, 2.76% ("NVDA", "엔비디아"), # 2위, 7.95% ("COST", "코스트코"), # 7위, 2.97% ("NFLX", "넷플릭스"), # 9위, 2.68% ("PYPL", "페이팔"), # 51위, 0.46% ("INTC", "인텔"), # 36위, 0.65% ("CSCO", "시스코"), # 13위, 1.63% ("CMCSA", "컴캐스트"), # 27위, 0.88% ("PEP", "펩시코"), # 15위, 1.35% ("AMGN", "암젠"), # 23위, 1.06% ("HON", "허니웰 인터내셔널"), # 26위, 0.89% ("SBUX", "스타벅스"), # 28위, 0.84% ("MDLZ", "몬델리즈"), # 41위, 0.55% ("MU", "마이크론"), # 35위, 0.67% ("AVGO", "브로드컴"), # 5위, 4.00% ("ADBE", "어도비"), # 17위, 1.23% ("TXN", "텍사스 인스트루먼트"), # 19위, 1.14% ("AMD", "AMD"), # 24위, 1.04% ("AMAT", "어플라이드 머티리얼즈") # 29위, 0.83% ] # 결과 데이터프레임을 전역 변수로 정의 (초기에는 None) result_df = None # yfinance.py에서 가져온 함수 def download_yahoo_chart(symbol, start_date, end_date, interval="1d"): """ Yahoo Finance Chart API를 통해 주어진 symbol의 종가(Close) 시계열을 가져옵니다. - symbol: Yahoo Finance 티커 문자열 (예: "^GSPC", "AAPL") - start_date: 시작일 (YYYY-MM-DD) - end_date: 종료일 (YYYY-MM-DD) - interval: "1d", "1wk", "1mo" """ sess = requests.Session() sess.headers.update({ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)" }) # 날짜 범위로 변환 start_dt = datetime.strptime(start_date, '%Y-%m-%d') end_dt = datetime.strptime(end_date, '%Y-%m-%d') delta = end_dt - start_dt # 범위 문자열 결정 (차이가 1달 이하이면 1mo, 3달 이하이면 3mo, 6달 이하이면 6mo, 그 이상이면 max) if delta.days = pd.Timestamp(start_date)) & (df.index 장단기 금리차를 통해 확인 가능. 'DGS2': '2년 만기 미국 국채 수익률', # 2년 만기 국채 수익률 (일간) 'DGS10': '10년 만기 미국 국채 수익률', # 10년 만기 국채 수익률 (일간) # 추가 지표 'STLFSI4': '금융스트레스지수', # 금융 스트레스 지수 (주간) 'PCE': '개인 소비 지출', # 개인 소비 지출 (월간) -> 소비자물가지수(CPI)나 GDP, 실업률, 인플레이션 기대 등 다른 핵심 지표가 이미 전반적 경기 상황을 반영. # 'INDPRO': '산업생산', # 산업 생산 지수 (월간) # 'HOUST': '주택 착공', # 신규 주택 착공 건수 (월간) # 'UNEMPLOY': '실업자수', # 실업자의 총 수 (월간) # 'RSAFS': '소매판매', # 소매판매 지수 (월간) # 'CPIENGSL': '에너지 가격 지수', # 소비자 물가지수 중 에너지 부문 (월간) -> 소비자물가지수(CPI)나 GDP, 실업률, 인플레이션 기대 등 다른 핵심 지표가 이미 전반적 경기 상황을 반영. # 'AHETPI': '임금 성장률', # 시간당 평균 임금 성장률 (월간) # 'PPIACO': '농산물 가격 지수', # 생산자 물가지수 중 농산물 부문 (월간) 'CPIAUCSL': '소비자 물가지수', # 전체 소비자 물가지수 (월간) # 'CSUSHPINSA': '주택가격지수', # 케이스-실러 주택 가격 지수 (월간) -> 5년 변동금리 모기지 (MORTGAGE5US): 부동산 시장이 대상 종목(빅테크) 주가 변동에 단기적으로 큰 영향 미치는지 불분명. 단기간(1주일 후) 예측에서는 영향력 제한적. # 'MORTGAGE30US': '30년 고정금리 모기지', # 30년 만기 고정금리 모기지 금리 (주간) # 'MORTGAGE15US': '15년 고정금리 모기지', # 15년 만기 고정금리 모기지 금리 (주간) 'MORTGAGE5US': '5년 변동금리 모기지', # 5년 변동금리 모기지 금리 (주간) 'DTWEXM': '미국 달러 환율', # 미국 무역가중 환율 (월간) 'M2': '통화 공급량 M2', # M2 통화 공급량 (주간) -> FEDFUNDS나 금리 동향, 달러 인덱스, 금융스트레스지수가 이미 유동성 상황을 대략 파악 가능. # 'TEDRATE': 'TED 스프레드', # 3개월 만기 미국 국채와 유로달러 금리 스프레드 (일간) -> FEDFUNDS나 금리 동향, 달러 인덱스, 금융스트레스지수가 이미 유동성 상황을 대략 파악 가능. # 'BAMLH0A0HYM2': '미국 하이일드 채권 스프레드', # 미국 하이일드 채권과 국채 스프레드 (일간) -> 금융시장 신용위험을 반영하지만, 이미 금융스트레스지수(STLFSI4), 장단기금리차, VIX 등의 지표로 대략적인 위험 선호도나 스트레스 상황 파악 가능. # 'BAMLC0A0CM': '미국 회사채 스프레드', # 미국 회사채와 국채 스프레드 (일간) # 'BAMLCC0A0CMTRIV': '미국 회사채 수익률', # 미국 회사채 수익률 (일간) # 'BAMLCC0A1AAATRIV': '미국 회사채 AAA등급 수익률', # AAA등급 회사채 수익률 (일간) # 'BAMLCC0A4BBBTRIV': '미국 회사채 BBB등급 수익률', # BBB등급 회사채 수익률 (일간) # 'BAMLHYH0A0HYM2TRIV': '미국 하이일드 채권 수익률', # 하이일드 채권 수익률 (일간) # 'BAMLHYH0A3CMTRIV': '미국 하이일드 채권 CCC등급 수익률', # CCC등급 하이일드 채권 수익률 (일간) # 'BAMLHE00EHYIEY': '미국 하이일드 채권 기대수익률', # 하이일드 채권 기대수익률 (일간) 'TDSP': '가계 부채 비율', # 가계의 부채 상환 비율을 나타냄 (분기) # 'A939RX0Q048SBEA': '실질 GDP 성장률', # 계절 조정된 연간 실질 GDP 성장률 (분기) 'GDPC1': 'GDP 성장률', # 실질 국내총생산 성장률, 물가 조정을 반영 (분기) # 'W019RCQ027SBEA': '정부 지출', # 정부의 총 지출 금액 (분기) # 'DRBLACBS': '대출 연체율', # 기업 대출의 연체율 (분기) # 주식시장 관련 추가 지표 # 'DJIA': '다우존스 산업평균지수', # 미국 대형 30개 기업의 주가 평균 (일간) 'NASDAQCOM': '나스닥 종합지수' # 나스닥 시장 전체 종합 주가 지수 (일간) } # Yahoo Finance에서 제공하는 지표와 티커 yfinance_indicators = { 'S&P 500 지수': '^GSPC', # S&P 500 지수 '금 가격': 'GC=F', # 금 가격 (선물) '달러 인덱스': 'DX-Y.NYB', # 달러 인덱스 # 추가 지표 '나스닥 100': '^NDX', # 나스닥 100 지수 'S&P 500 ETF': 'SPY', # S&P 500 추종 ETF 'QQQ ETF': 'QQQ', # 나스닥 100 추종 ETF '러셀 2000 ETF': 'IWM', # 러셀 2000 추종 ETF '다우 존스 ETF': 'DIA', # 다우 존스 추종 ETF # 'NYSE FANG+ 지수': '^NYFANG' # NYSE FANG+ 지수 'VIX 지수': '^VIX', # ^VIX (변동성 지수, 공포 지수): S&P 500 옵션 가격을 기반으로 앞으로의 시장 변동성 기대치를 반영해 시장 심리를 나타내는 지표. # 글로벌 지수 '닛케이 225': '^N225', # 일본 닛케이 225 지수 '상해종합': '000001.SS', # 중국 상해종합지수 '항셍': '^HSI', # 홍콩 항셍지수 # '유로스톡스 50': '^STOXX50E', # 유럽 유로스톡스 50 지수 '영국 FTSE': '^FTSE', # 영국 FTSE 100 지수 '독일 DAX': '^GDAXI', # 독일 DAX 지수 '프랑스 CAC 40': '^FCHI', # 프랑스 CAC 40 지수 '미국 전체 채권시장 ETF': 'AGG', # iShares 핵심 미국 전체 채권 ETF 'TIPS ETF': 'TIP', # iShares TIPS ETF (물가연동국채) # '하이일드 채권 ETF': 'HYG', # iShares iBoxx $ 하이일드 회사채 ETF '투자등급 회사채 ETF': 'LQD', # iShares iBoxx $ 투자등급 회사채 ETF # '신흥국 채권 ETF': 'EMB', # iShares JP모건 USD 신흥시장 채권 ETF # 환율 '달러/엔': 'JPY=X', # 달러/엔 환율 '달러/위안': 'CNY=X', # 달러/위안 환율 # 리츠(부동산) 관련 '미국 리츠 ETF': 'VNQ', # Vanguard Real Estate ETF # '모기지 리츠 ETF': 'REM', # iShares Mortgage Real Estate ETF } # 나스닥 100 상위 종목 티커 리스트와 한글 이름 nasdaq_top_100 = [ ("AAPL", "애플"), # 1위, 9.50% ("MSFT", "마이크로소프트"), # 3위, 7.67% ("AMZN", "아마존"), # 4위, 5.80% ("GOOGL", "구글 A"), # 10위, 2.58% ("GOOG", "구글 C"), # 11위, 2.48% ("META", "메타"), # 6위, 3.79% ("TSLA", "테슬라"), # 8위, 2.76% ("NVDA", "엔비디아"), # 2위, 7.95% ("COST", "코스트코"), # 7위, 2.97% ("NFLX", "넷플릭스"), # 9위, 2.68% ("PYPL", "페이팔"), # 51위, 0.46% ("INTC", "인텔"), # 36위, 0.65% ("CSCO", "시스코"), # 13위, 1.63% ("CMCSA", "컴캐스트"), # 27위, 0.88% ("PEP", "펩시코"), # 15위, 1.35% ("AMGN", "암젠"), # 23위, 1.06% ("HON", "허니웰 인터내셔널"), # 26위, 0.89% ("SBUX", "스타벅스"), # 28위, 0.84% ("MDLZ", "몬델리즈"), # 41위, 0.55% ("MU", "마이크론"), # 35위, 0.67% ("AVGO", "브로드컴"), # 5위, 4.00% ("ADBE", "어도비"), # 17위, 1.23% ("TXN", "텍사스 인스트루먼트"), # 19위, 1.14% ("AMD", "AMD"), # 24위, 1.04% ("AMAT", "어플라이드 머티리얼즈") # 29위, 0.83% ] # 결과 데이터프레임을 전역 변수로 정의 (초기에는 None) result_df = None # yfinance.py에서 가져온 함수 def download_yahoo_chart(symbol, start_date, end_date, interval="1d"): """ Yahoo Finance Chart API를 통해 주어진 symbol의 종가(Close) 시계열을 가져옵니다. - symbol: Yahoo Finance 티커 문자열 (예: "^GSPC", "AAPL") - start_date: 시작일 (YYYY-MM-DD) - end_date: 종료일 (YYYY-MM-DD) - interval: "1d", "1wk", "1mo" """ sess = requests.Session() sess.headers.update({ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)" }) # 날짜 범위로 변환 start_dt = datetime.strptime(start_date, '%Y-%m-%d') end_dt = datetime.strptime(end_date, '%Y-%m-%d') delta = end_dt - start_dt # 범위 문자열 결정 (차이가 1달 이하이면 1mo, 3달 이하이면 3mo, 6달 이하이면 6mo, 그 이상이면 max) if delta.days = pd.Timestamp(start_date)) & (df.index