[기술서적] 파이썬을 활용한 금융분석

스터디/Tech

[기술서적] 파이썬을 활용한 금융분석 - 데이터 시각화

_leezoee_ 2024. 2. 22. 15:07

파이썬을 활용한 금융분석 - 이브 힐피시 책 내용을 기반으로 colab, jupyter notebook 으로 직접 코드 구현해보며 공부한 내용이다.

데이터 시각화

matplotlib, plotly 라이브러리를 사용한 시각화 기능 소개.

matplotlib는 PNG, JPG 등 비트맵 형식 플롯만 생성할 수 있다.

plotly는 D3.js 같은 현대적 웹 기술을 활용하는 플롯을 쉽게 만들 수 있는 라이브러리이다.

* 1차원 데이터

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

np.random.seed(1000)
y = np.random.standard_normal(20)
x = np.arange(len(y))
plt.plot(x,y)

* 2차원 데이터

y = np.random.standard_normal((20,2)).cumsum(axis=0)

plt.figure(figsize = (10,6))
plt.plot(y, lw=1.5)
plt.plot(y, 'ro')
plt.xlabel("index")
plt.ylabel('value')
plt.title("simple plot")

금융데이터를 활용할때 동일한 금융 위험 요인을 여러번 시뮬레이션 할 때, 비슷한 크기의 여러 데이터를 그릴 때는 하나의 y축을 써도 되지만 크기가 전혀 다른 데이터를 그릴 때는 하나의 y축만 쓰면 적합한 시각화를 할 수 없음.

이럴 경우는

1. y축을 하나 더 사용 (좌/우)

2. 서브플롯 subplot을 하나 더 사용 (좌/우 혹은 상/하)

#y축 추가
fig, ax1 = plt.subplots()
plt.plot(y[:, 0], 'b', lw=1.5, label='1st')
plt.plot(y[:,0], 'ro')
plt.legend(loc=8)
plt.xlabel('index')
plt.ylabel('value 1st')
plt.title('simple plot')
ax2 = ax1.twinx() #x축을 공유하는 두번째 axis 객체를 생성
plt.plot(y[:,1] , 'g', lw=1.5, label='2nd')
plt.plot(y[:, 1], 'ro')
plt.legend(loc=0)
plt.ylabel('value 2nd')

#두개 sub플롯 사용
plt.figure(figsize=(10,6))
plt.subplot(211) #첫번째 sub플롯 정의
plt.plot(y[:,0], lw=1.5, label='1st')
plt.plot(y[:, 0] , 'ro')
plt.legend(loc=0)
plt.ylabel('value')
plt.title('two plot')
plt.subplot(212) #두번째 서브플롯 정의
plt.plot(y[:,1], 'g', lw=1.5, label='2nd')
plt.plot(y[:,1] , 'ro')
plt.legend(loc=0)
plt.xlabel('index')
plt.ylabel('value')

* 선/포인트 플롯과 바 차트 결합 형태

plt.figure(figsize=(10,6))
plt.subplot(121)
plt.plot(y[:,0] , lw=1.5, label='1st')
plt.plot(y[:,0] , 'ro')
plt.legend(loc=0)
plt.xlabel('index')
plt.ylabel('value')
plt.title('1st data set')

plt.subplot(122)
plt.bar(np.arange(len(y)), y[:,1], width=0.5, color='g', label='2nd')
plt.legend(loc=0)
plt.xlabel('index')
plt.title('2nd data set')

* 기타 플롯 유형

스캐터 플롯(산점도)으로 데이터 표현.

두 금융 시계열 데이터 수익률을 동시에 볼 때 사용 가능.

c = np.random.randint(0,10,len(y))

plt.figure(figsize = (10,6))

#x,y좌표  ,  c=c는 데이터포인트 색상 지정 c는 색상을 나타내는 배열, cmap은 사용할 색상지도, marker 마커모양
plt.scatter(y[:, 0] , y[:, 1], 
            c=c,
            cmap = 'coolwarm', 
            marker = 'o')
plt.colorbar()
plt.xlabel('1st')
plt.ylabel('2nd')
plt.title('scatter plot')

히스토그램

주로 금융자산 수익률을 나타내는데 사용된다.

plt.figure(figsize = (10,6))
plt.hist(y, label=['1st', '2nd'], bins=25)
plt.legend(loc=0)
plt.xlabel('value')
plt.ylabel('frequency')
plt.title('histogram')

금융분야에서 히스토그램은 중요한 플롯 유형

plt.hist() 인수

인수	설명
x	리스트 객체, ndarray 객체
bins	빈도 구분값의 수
range	빈도 구분값의 위 아래 범위
normed	전체 값 합이 1이 되도록 정규화하는지 여부
weights	x값에 대한 가중치
cumulative	각 빈도 구분값이 하위 빈도 구분값을 누적하는지 여부
histtype	bar, barstacked, step, stepfilled
align	left, mid, right
orientation	horizontal, vertical
rwidth	각 막대의 상대적인 폭
log	로그 스케일
color	각 자료색
label	레이블로 사용되는 문자열 혹은 문자열 목록
stacked	여러 개 자료를 쌓아올려 표현할지 여부

박스플롯

데이터 집합의 특성을 동시에 정확하게 나타낼 수 있다.

fig, ax = plt.subplots(figsize=(10,6))
plt.boxplot(y)
plt.setp(ax, xticklabels=['1st', '2nd'])
plt.xlabel('data set')
plt.ylabel('value')
plt.title('Boxplot')

* 정적 3차원 플롯

변동성 곡면은 일련의 만기와 행사가 조합에 대한 내재 변동성을 나타낸 것으로 3차원 플롯이 필요.

ex) 행사가 : 50~150, 만기 : 0.5~2.5

np.meshgrid() 사용해서 2차원 좌표 생성 예제는 아래와 같다.

import numpy as np

x = np.array([1, 2, 3])  # X 축에 해당하는 배열
y = np.array([4, 5, 6])  # Y 축에 해당하는 배열

X, Y = np.meshgrid(x, y)

X:
[[1 2 3]
 [1 2 3]
 [1 2 3]]

Y:
[[4 4 4]
 [5 5 5]
 [6 6 6]]

3차원 코드 플롯에 대한 예제는 아래와 같다.

#plot_surface 함수 사용

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D #Axes3D 임포트 필수

# 데이터 생성
strike = np.linspace(50, 150, 40) #데이터 포인트 40개, 많아지면 더 완만해짐
ttm = np.linspace(0.5, 2.5, 40)
strike, ttm = np.meshgrid(strike, ttm)
strike[:2].round(1)

iv = (strike - 100) ** 2 / (100 * strike) / ttm
iv[:5, :3]

from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(figsize = (10, 6))

# 그래프 생성
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d') #3차원 플롯 캔버스 설정

#3차원 플롯생성
surf = ax.plot_surface(strike, ttm, iv, rstride=2, cstride=2, cmap=plt.cm.coolwarm, linewidth=0.5, antialiased=True)
ax.set_xlabel('strike')
ax.set_ylabel('time-to-maturity')
ax.set_zlabel('implied volatility')
fig.colorbar(surf, shrink=0.5, aspect=5); #우측 컬러바 생성

같은 자료를 3차원 스캐터 플롯으로 표현하기

fig = plt.figure(figsize = (10,6))
ax = fig.add_subplot(111, projection='3d')
#ax.view_init(30,60) #각도를 변경해서 볼 수 있음
ax.scatter(strike, ttm, iv, zdir='z', s=25, c='b', marker='^')
ax.set_xlabel('strike')
ax.set_ylabel('time-to-maturity')
ax.set_zlabel('implied volatility')

* 상호작용형 2차원 플롯

plotly는 데이터 과학 커뮤니티에서 널리 쓰이는 라이브러리이다.

pandas DataFrame 객체 및 Cufflinks 패키지와 쉽게 연동하여 쓸 수 있다는 장점이 있다.

#colab 환경에서는 그래프 안나오고 jupyter 노트북 환경에서만 그래프 표기됨

import pandas as pd
import numpy as np
import cufflinks as cf
from IPython.display import HTML
import plotly.offline as plyo
plyo.init_notebook_mode(connected=True)

# 데이터 생성
np.random.seed(0)
a = np.random.standard_normal((250, 5)).cumsum(axis=0)
index = pd.date_range('2019-1-1', freq='B', periods=len(a))
df = pd.DataFrame(100+5*a, columns=list('abcde'), index=index)

# 그래프 렌더링 - matplotlib 라이브러리를 사용하여 그래프를 생성, 주피터 노트북 내에서 바로 표시
#df.plot()

#plotly와 cufflinks 라이브러리를 사용
plyo.iplot(
    df.iplot(asFigure = True),
    image = 'png',
    filename = 'ply_01'
)

plyo.iplot(
    df[['a' , 'b']].iplot(asFigure = True,
                          theme = 'polar',
                          title = 'A Time Series Plot',
                          xTitle = 'date',
                          yTitle = 'value',
                          mode = {'a' : 'markers', 'b' : 'lines + markers'},
                          symbol = {'a' : 'circle', 'b' : 'diamond'},
                          size = 3.5,
                          colors = {'a' : 'blue', 'b' : 'magenta'},
                          ),
    # image = 'png',
    filename = 'ply_02'
)

plyo.iplot(
    df.iplot(kind = 'hist',
            subplots = True,
            bins = 15,
            asFigure = True),
    # image = 'png',
    filename = 'ply_03'
)

plotyle, Cufflinks, pandas를 사용하면 금융 시계열 데이터를 표현하기에 용이.

Cufflinks에서 QuantFig를 사용하여 퀀트 트레이딩 데이터 시각화

사용한 데이터는 fxcm forex 환율 시계열 데이터를 다운로드 받아 진행하였다.

raw = pd.read_csv('fxcm_eur_usd_eod_data.csv', index_col = 0, parse_dates = True)
raw.info()

quotes = raw[['AskOpen' , 'AskHigh', 'AskLow', 'AskClose']]
quotes = quotes.iloc[-60:]

qf = cf.QuantFig(
    quotes,
    title = 'EUR/USD Exchange Rate',
    legend = 'top',
    name = 'EUR/USD'
)
plyo.iplot(
    qf.iplot(asFigure = True),
    #image = 'png',
    filename = 'qf_01'
)

추가로 메서드를 활용하여 볼린저 밴드 차트 요소 그리기

qf.add_bollinger_bands(periods = 15, boll_std = 2) #period 볼린저밴드 기간, boll_std 표준편차
plyo.iplot(qf.iplot(asFigure = True),
          #image = 'png',
          filename = 'qf_02')

RSI 금융지표 서브플롯 추가하기

qf.add_rsi(
	periods = 14, #기간변수 설정
    showbands = False #위아래 밴드 미표시
)

plyo.iplot(
	qf.iplot(asFigure = True),
    #image = 'png',
    filename = 'qf_03'
)

'스터디 > Tech' 카테고리의 다른 글

[기술서적] 파이썬을 활용한 금융 분석 - 확률 과정 (0)	2024.03.10
[기술서적] 파이썬을 활용한 금융 분석 - 수학용 도구 (1)	2024.03.03
[기술서적] 파이썬을 활용한 금융 분석 - 금융 시계열 (4)	2024.02.29
[Docker] 도커란? (1)	2023.02.26
[TDD 리팩토링 세미나]우아한 테크 세미나 TDD와 리팩토링 (0)	2022.05.15

현재글[기술서적] 파이썬을 활용한 금융분석 - 데이터 시각화

ZOELOG

ai, 코딩테스트, next.js render twice, ChatGPT, 동빈나 강의, 이분탐색 알고리즘, next.js, 컨볼루션신경망, subsampling, 이코테2021, Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition 번역, 파이썬, 이진탐색 알고리즘, 파이썬코테, cnn분류, serverless-sql, Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition, 이코테, 딥러닝 논문, 특징추출,

Today :
Yesterday :

ZOELOG