[데이터분석] week4. 파이썬 백테스팅

---

01. 오늘 배울 것

• 1) 백테스팅을 직접 구현해봅니다!
  📖 백테스팅이란? - 이전 주가의 추이에 전략을 대입해보는 것

  • 만약 어떤 조건에 따라 사고 파는 걸 반복한다면 돈을 벌 수 있을까?

    ⇒ 예) 날씨가 흐리면 사고, 좋으면 팔아볼까? → 모든 전략이 백테스팅 대상입니다.

    ⇒ 이 전략을 몇 년치 과거 주가에 대입해보고, 수익률이 괜찮으면 해보는 것이죠!
    

• 2) 간단한 그래프도 그려볼 거예요!
  • 전체 주가를 가져와서, 시계열 그래프를 그려보겠습니다.

02. 백테스팅 전략 세우기& 주가 가져오기

[백테스팅 전략 세우기]

📖 **금융지식을 한스푼만 살펴봅니다!**

• 1) 이동평균선이란?

  ⇒ 이전 며칠(3일, 5일, 20일, 50일 등) 간의 가격을 평균하여 움직이는 선!

  ⇒ 일수가 커질수록 곡선이 완만해질 수밖에 없겠죠!
  

• 2) 우리가 쓸 전략 : 골든크로스, 데드크로스 전략

  ⇒ 골든크로스 : 주가가 높아질 가능성이 있다는 신호

  ⇒ 데드크로스 : 주가가 낮아질 가능성이 있다는 신호

  ⇒ 그러면, “골든크로스 때는 사고, 데드크로스 때는 팔면 → 싸게 사서 비싸게 파는 것 아닐까?”

[주가 가져오기]

• 1) 라이브러리 설치 ⇒ pandas-datareader 와 finance-datareader 라이브러리를 활용해서 주가를 바로! 가져올 수 있답니다. 우선 설치를 함께 해볼게요!

  !pip install yfinance pandas-datareader finance-datareader

• 2) 주가 가져오기 ⇒ 필요한 라이브러리들을 import 하고, 단 한줄로 가져올 수 있답니다. ⇒ 다른 코드를 넣으면, 종목 별로 모두 가져올 수 있죠!
  • [코드스니펫] 라이브러리 가져오기

    from pandas_datareader import data as pdr
    
    import yfinance as yf
    yf.pdr_override()
    
    import numpy as np
    import pandas as pd
    
    import FinanceDataReader as fdr
    
    df = fdr.DataReader('005930','2018')
    
    df.head()

• 3) 살펴보기 ⇒ Open: 시초가 High: 고가 Low: 저가 Close: 종가 Volume: 거래량 Change: 변동 ⇒ 아래와 같이 하면, 종가만 가져올 수 있겠죠!

  df[['Close']]

  ⇒ 변동이 20% 이상인 날들만 가져와보기

  df[abs(df['Change']) > 0.05]

03. 간단한 그래프 그려보기

📖 이제부턴 ‘네이버금융’을 켜두고 할게요! [https://finance.naver.com/](https://finance.naver.com/)

• 1) 주가 그래프 그려보기 ⇒ 엄청 쉽답니다! .plot(y=['컬럼명'])

  df = fdr.DataReader('005930','2018')
  df.plot(y=['Close'])

  ⇒ 좀 더 크게 그려볼까요?

  df.plot(y=['Close'],figsize=(15,8))

  ⇒ 격자 추가하기

  df.plot(y=['Close'],figsize=(15,8),grid=True)

• 2) 종목 두 개의 주가 변동 그래프를 그려보기 ⇒ 삼성전자와 LG전자를 가지고 해볼까요? ⇒ 최근 100일만 해볼게요!

  df_1 = fdr.DataReader('005930','2018')
  df_2 = fdr.DataReader('066570','2018')
  
  df_tot = pd.DataFrame()
  df_tot['Samsung'] = df_1[['Change']]
  df_tot['LG'] = df_2[['Change']]
  
  df_tot.tail(100).plot(figsize=(15,8))

04. 이동평균값 만들기(3일)

• 1) 우선 종가만 모아보기 ⇒ Close 만 가져와보겠습니다

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df

• 2) 3일마다 평균 값을 구하기 ⇒ .rolling 을 사용할 수 있어요!

  df.rolling(3).mean()

  ⇒ 붙여서 함께 보기

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean()
  
  df

05. buy & sell 표기

• 1) shift 를 가지고 열을 맞춰보기

  ⇒ 사실은 다음 날 값과, ma 값을 비교해야 하는 것!

  ⇒ 같은 행에 두면 넘었는지 / 안 넘었는지 쉽게 알 수 있겠죠

  ⇒ 이렇게!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df

• 2) buy & sell 표기하기

  ⇒ 그러면, 넘었으면 buy, 아니면 sell 로 표기할 수 있겠죠!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  df

06. 수익률 구하기

• 1) 생각하기1 - 실제로 사는 시점

  ⇒ buy → buy → buy 이면, 사는 게 아니겠죠!

  ⇒ 즉, buy와 sell이 바뀌는 순간이 중요!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  cond = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  
  df['real_buy'] = np.where(cond,'buy','')
  
  df

  ⇒ 사는 순간을 모아볼까요!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  cond = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  
  df[cond]

• 2) 생각하기2 - 실제로 파는 시점

  ⇒ 완전히 같겠죠!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
  # df_buy = df[cond1]
  df_sell = df[cond2]
  
  df_sell

• 3) 생각하기3 - 마지막은?

  ⇒ 무조건 팔아야 함! 그래야 수익율을 알 수 있겠죠!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  df.iloc[-1,-1] = 'sell'
  
  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
  df_buy = df[cond1]
  df_sell = df[cond2]

• 4) 사고, 파는 시점을 붙이기

  ⇒ 마찬가지로 concat 을 이용하면 된답니다

  ⇒ ,axis=1 를 붙이면 되지요!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  df.iloc[-1,-1] = 'sell'
  
  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
  df_buy = df[cond1]
  df_sell = df[cond2]
  
  df_result = pd.concat([df_buy,df_sell],axis=1)
  
  df_result

• 5) 전략 세워보기

  ⇒ 생각을 해보면! buy 때 사서, sell에 파는 것

  ⇒ buy 때의 Close와 sell 때의 Close 에 주목하면 되는 것

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  df.iloc[-1,-1] = 'sell'
  
  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
  df_buy = df[cond1].reset_index()
  df_sell = df[cond2].reset_index()
  
  df_result = pd.concat([df_buy,df_sell],axis=1)
  
  df_result

• 6) 수익률 구하기

  ⇒ 먼저 Close라는 컬럼명을 다르게 수정해줘야 값을 고를 수 있겠죠!

  ⇒ 그리고 수익률 = 판 값 / 산 값 을 구합니다.

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']]
  
  df['ma'] = df.rolling(3).mean().shift(1)
  
  df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
  df.iloc[-1,-1] = 'sell'
  
  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
  df_buy = df[cond1].reset_index()
  df_buy.columns = ['날짜','종가(buy)','이평값','액션']
  
  df_sell = df[cond2].reset_index()
  df_sell.columns = ['날짜','종가(sell)','이평값','액션']
  
  df_result = pd.concat([df_buy,df_sell],axis=1)
  
  df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']
  
  df_result

• 7) 오류해결하기

  ⇒ dataframe을 복사해서 그렇습니다.

  ⇒ 아래처럼 바꿔주세요!

  df = df[['Close']].copy()

• 8) 수익률 계산하기

  ⇒ 아래처럼 입력하면 누적 곱을 볼 수 있어요

  df_result[['수익률']].cumprod()

  ⇒ 마지막 값을 가져옵니다.

  df_result[['수익률']].cumprod().iloc[-1,-1]

  ⇒ 1(원금)을 빼주고 100을 곱해줘야 수익률이겠죠!

  (df_result[['수익률']].cumprod().iloc[-1,-1] - 1)*100

• 9) 함수로 만들기

  ⇒ 코드만 입력하면 될 수 있도록!

  def get_return(code,n):
    df = fdr.DataReader(code,'2018')
  
    df = df[['Close']].copy()
  
    df['ma'] = df.rolling(n).mean().shift(1)
  
    df['action'] = np.where(df['Close'] > df['ma'], 'buy', 'sell')
  
    df.iloc[-1,-1] = 'sell'
  
    cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
    cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
    df_buy = df[cond1].reset_index()
    df_buy.columns = ['날짜','종가(buy)','이평값','액션']
  
    df_sell = df[cond2].reset_index()
    df_sell.columns = ['날짜','종가(sell)','이평값','액션']
  
    df_result = pd.concat([df_buy,df_sell],axis=1)
  
    df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']
  
    return df_result[['수익률']].cumprod().iloc[-1,-1] - 1

  get_return('005930',3)
  
  get_return('066570',6)

07. 단기/장기이평선 적용하기

• 1) 단기/장기이평선 구하기

  ⇒ rolling의 숫자만 바뀌면 되겠죠!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']].copy()
  
  df['ma_1'] = df['Close'].rolling(3).mean().shift(1)
  df['ma_2'] = df['Close'].rolling(10).mean().shift(1)
  
  df.head(30)

• 2) 적절한 값으로 수정하기

  ⇒ Close, ma_1, ma_2 를 고려해야합니다!

  df = fdr.DataReader('005930','2018')
  
  df = df[['Close']].copy()
  
  df['ma_1'] = df['Close'].rolling(3).mean().shift(1)
  df['ma_2'] = df['Close'].rolling(10).mean().shift(1)
  
  df['action'] = np.where(df['ma_1'] > df['ma_2'], 'buy', 'sell')
  
  df.iloc[-1,-1] = 'sell'
  
  cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
  cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
  df_buy = df[cond1].reset_index()
  df_buy.columns = ['날짜','종가(buy)','이평값1','이평값2','액션']
  
  df_sell = df[cond2].reset_index()
  df_sell.columns = ['날짜','종가(sell)','이평값1','이평값2','액션']
  
  df_result = pd.concat([df_buy,df_sell],axis=1)
  
  df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']
  
  (df_result[['수익률']].cumprod().iloc[-1,-1] - 1)*100

• 3) 함수로 만들어두기!

  ⇒ 그러면 short, long 값만 바꿔주면 된답니다!

  def get_return_sl(code, short, long):
    df = fdr.DataReader(code,'2018')
  
    df = df[['Close']].copy()
  
    df['ma1'] = df['Close'].rolling(short).mean().shift(1)
    df['ma2'] = df['Close'].rolling(long).mean().shift(1)
  
    df['action'] = np.where(df['ma1'] > df['ma2'], 'buy', 'sell')
  
    df.iloc[-1,-1] = 'sell'
  
    cond1 = (df['action'] == 'buy') & (df['action'].shift(1) == 'sell')
    cond2 = (df['action'] == 'sell') & (df['action'].shift(1) == 'buy')
  
    df_buy = df[cond1].reset_index()
    df_buy.columns = ['날짜','종가(buy)','이평값1','이평값2','액션']
  
    df_sell = df[cond2].reset_index()
    df_sell.columns = ['날짜','종가(sell)','이평값1','이평값2','액션']
  
    df_result = pd.concat([df_buy,df_sell],axis=1)
  
    df_result['수익률'] = df_result['종가(sell)'] / df_result['종가(buy)']
  
    df_final = (df_result[['수익률']].cumprod().tail(1) - 1)*100
    df_final['단기'] = short
    df_final['장기'] = long
  
    return df_final

  get_return_sl('005930',3,30)