workspace.ipynb
8.66 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
{
"cells": [
{
"cell_type": "code",
"execution_count": 2,
"metadata": {},
"outputs": [],
"source": [
"import FinanceDataReader as fdr\n",
"import numpy as np\n",
"import pandas as pd"
]
},
{
"cell_type": "code",
"execution_count": 41,
"metadata": {},
"outputs": [],
"source": [
"def basicinform(input):\n",
" stocks = pd.read_csv('stockcodename.csv',index_col=0)\n",
" symbol = ''\n",
" for i in enumerate(stocks.Name) :\n",
" if i[1] == input:\n",
" symbol = (stocks.iloc[i[0]].Symbol)\n",
" break\n",
" df = fdr.DataReader(symbol)\n",
" ror_df = df.Close.pct_change()\n",
" volume = df.Volume.iloc[-1]\n",
" price = df.Close.iloc[-1]\n",
" ror = ror_df[-1]\n",
" #print(\"현재가: \", price)\n",
" #print(\"거래량: \", volume)\n",
" #print(\"전일 대비 수익률:\", ror)\n",
" #display(df)\n",
" value = {\"현재가\": price ,\n",
" \"거래랑\": volume ,\n",
" \"전일 대비 수익률:\" : ror\n",
" }\n",
" return value"
]
},
{
"cell_type": "code",
"execution_count": 42,
"metadata": {},
"outputs": [
{
"name": "stdout",
"output_type": "stream",
"text": [
"{'현재가': 79700, '거래랑': 13358073, '전일 대비 수익률:': -0.004993757802746579}\n"
]
}
],
"source": [
"print(basicinform('삼성전자'))"
]
},
{
"cell_type": "code",
"execution_count": 6,
"metadata": {},
"outputs": [],
"source": [
"stocks = fdr.StockListing('KOSPI') # 코스피\n",
"stocks.to_csv(\"stockcodename.csv\",mode='w', encoding='utf-8-sig')"
]
},
{
"cell_type": "code",
"execution_count": 123,
"metadata": {},
"outputs": [],
"source": [
"import datetime\n",
"import pandas as pd\n",
"import numpy as np\n",
"import FinanceDataReader as fdr\n",
"from scipy.optimize import minimize\n",
"import json\n",
"\n",
"#소숫점 표현\n",
"pd.options.display.float_format = '{:.3f}'.format\n",
"np.set_printoptions(precision=3, suppress=True)\n",
"\n",
"class c_Models:\n",
" #Input 값으로, 자산 list, 사용자 포트폴리오 비중, 시작일, 마지막일\n",
" def __init__(self, assets, assets_w, start, end):\n",
" self.result = None\n",
" self.graph = None\n",
" \n",
" stocks = pd.read_csv('stockcodename.csv', index_col=0)\n",
" symbol = ''\n",
" self.asset_name = assets[:]\n",
" for k in range(len(assets)):\n",
" for i in enumerate(stocks.Name):\n",
" if i[1] == assets[k]:\n",
" assets[k] = (stocks.iloc[i[0]].Symbol)\n",
" break\n",
"\n",
" data = pd.DataFrame()\n",
" # 전체 자산 data들을 가지고 온 후, 정리함\n",
" \n",
" for asset in assets: #total_list:\n",
" tmp = fdr.DataReader(asset,start,end).Close\n",
" if len(data) == 0 :\n",
" data = tmp\n",
" else:\n",
" data = pd.concat([data,tmp], axis=1)\n",
" \n",
" data.columns = self.asset_name\n",
" \n",
" if data.isnull().values.any() == True: #불러온 data에 오류가 있다면\n",
" return \"No Data\",''\n",
"\n",
" else:\n",
" data = data.resample('M').mean() #일별 데이터를 월별 데이터로 만들어줌\n",
" data = data.pct_change() #월별 주가 데이터를 이용해 수익률 데이터로 변환\n",
" data.dropna(inplace=True) #결측치 제외(첫 row)\n",
"\n",
" self.data = data\n",
" self.assets_w = assets_w\n",
" self.mu = data.mean() * 12\n",
" self.cov = data.cov() * 12\n",
"\n",
" #GMV 최적화 : 제약 조건은 비중합=1, 공매도 불가능\n",
" def gmv_opt(self):\n",
" n_assets = len(self.data.columns)\n",
" w0 = np.ones(n_assets) / n_assets\n",
" fun = lambda w: np.dot(w.T, np.dot(self.cov, w))\n",
" constraints = ({'type':'eq', 'fun':lambda x: np.sum(x)-1})\n",
" bd = ((0,1),) * n_assets\n",
" #cov = data.cov() * 12\n",
" gmv = minimize(fun, w0, method = 'SLSQP', constraints=constraints, bounds=bd)\n",
" result = dict(zip(self.asset_name, np.round(gmv.x,3)))\n",
" return result\n",
" \n",
" #Max Sharp ratio : risk free rate은 0.8%로 지정했고, \n",
" def ms_opt(self):\n",
" n_assets = len(self.data.columns)\n",
" w0 = np.ones(n_assets) / n_assets\n",
" fun = lambda w: -(np.dot(w.T, self.mu) - 0.008) / np.sqrt(np.dot(w.T, np.dot(self.cov, w)))\n",
" bd = ((0,1),) * n_assets \n",
" constraints = ({'type': 'eq', 'fun': lambda x: np.sum(x) - 1})\n",
" maxsharp = minimize(fun, w0, method ='SLSQP', constraints=constraints, bounds=bd)\n",
" result = dict(zip(self.asset_name, np.round(maxsharp.x,3)))\n",
" return result\n",
" \n",
" def rp_opt(self):\n",
" def RC(cov, w):\n",
" pfo_std = np.sqrt(np.dot(w.T, np.dot(self.cov, w)))\n",
" mrc = 1/pfo_std * (np.dot(self.cov, w))\n",
" rc = mrc * w\n",
" rc = rc / rc.sum()\n",
" return rc\n",
" \n",
" \n",
" def RP_objective(x):\n",
" pfo_std = np.sqrt(np.dot(x.T, np.dot(self.cov, x)))\n",
" mrc = 1/pfo_std * (np.dot(self.cov, x))\n",
" rc = mrc * x\n",
" rc = rc / rc.sum()\n",
"\n",
" a = np.reshape(rc, (len(rc),1))\n",
" differs = a - a.T\n",
" objective = np.sum(np.square(differs))\n",
"\n",
" return objective \n",
" \n",
" n_assets = len(self.data.columns)\n",
" w0 = np.ones(n_assets) / n_assets\n",
" constraints = [{'type':'eq', 'fun': lambda x: np.sum(x) -1}]\n",
" bd = ((0,1),) * n_assets\n",
"\n",
" rp = minimize(RP_objective, w0, constraints=constraints, bounds = bd, method='SLSQP')\n",
" result = dict(zip(self.asset_name, np.round(rp.x,3)))\n",
" return result #, RC(self.cov, rp.x)"
]
},
{
"cell_type": "code",
"execution_count": 122,
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"{'삼성전자': 0.727, 'LG전자': 0.0, '카카오': 0.273}"
]
},
"execution_count": 122,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"#gmv 포트폴리오 -> 해당 종목을 각각 몇 퍼센트로 투자해야 위험이 제일 적은가\n",
"c_Models(['삼성전자','LG전자','카카오'],[0,0,0],'2015-01-01','2021-04-01').gmv_opt()"
]
},
{
"cell_type": "code",
"execution_count": 124,
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"{'삼성전자': 0.674, 'LG전자': 0.0, '카카오': 0.326}"
]
},
"execution_count": 124,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"#maxsharp ratio -> 위험대비 수익률이 제일 좋은 포트폴리오 비중 , 즉 가성비가 좋다\n",
"c_Models(['삼성전자','LG전자','카카오'],[0,0,0],'2015-01-01','2021-04-01').ms_opt()"
]
},
{
"cell_type": "code",
"execution_count": 125,
"metadata": {},
"outputs": [
{
"data": {
"text/plain": [
"{'삼성전자': 0.443, 'LG전자': 0.238, '카카오': 0.319}"
]
},
"execution_count": 125,
"metadata": {},
"output_type": "execute_result"
}
],
"source": [
"#risk parity -> 포트폴리오에 대한 자산 위험 비중을 동일하게 조정, 즉 삼전,lg,카카오의 포트폴리오 위험 기여도를 0.33으로 하게 만드는 비중\n",
"c_Models(['삼성전자','LG전자','카카오'],[0,0,0],'2015-01-01','2021-04-01').rp_opt()"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 3",
"language": "python",
"name": "python3"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 3
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
"version": "3.7.4"
}
},
"nbformat": 4,
"nbformat_minor": 2
}