인덱스 구성 종목 선택 및 데이터 가져오기

Python으로 시계열 데이터 다루기

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

시장 가치 가중 지수

  • 다양한 주식의 종합 성과
  • 시가총액 기준으로 구성 종목 가중치 부여
    • Share Price x Number of Shares => Market Value
  • 시가총액이 클수록 높은 비중 적용
  • 주요 시장 지수는 가치 가중 방식 사용:
    • S&P 500, NASDAQ, Wilshire 5000, Hang Seng
Python으로 시계열 데이터 다루기

시가총액 가중 지수 구축

  • 새로운 기술을 활용해 가치 가중 지수 구성
    • 거래소 상장 데이터에서 구성 종목 선택
    • 구성 종목의 주식 수와 주가 조회
    • 구성 종목 가중치 계산
    • 지수 계산
    • 구성 종목 및 지수 성과 평가
Python으로 시계열 데이터 다루기

주식 상장 데이터 불러오기

nyse = pd.read_excel('listings.xlsx', sheet_name='nyse',
                     na_values='n/a')

nyse.info()

RangeIndex: 3147 entries, 0 to 3146
Data columns (total 7 columns):
Stock Symbol             3147 non-null object   # Stock Ticker
Company Name             3147 non-null object
Last Sale                3079 non-null float64  # Latest Stock Price
Market Capitalization    3147 non-null float64
IPO Year                 1361 non-null float64  # Year of listing
Sector                   2177 non-null object
Industry                 2177 non-null object
dtypes: float64(3), object(4)
Python으로 시계열 데이터 다루기

상장 데이터 불러오기 및 전처리

nyse.set_index('Stock Symbol', inplace=True)

nyse.dropna(subset=['Sector'], inplace=True)

nyse['Market Capitalization'] /= 1e6  # in Million USD

Index: 2177 entries, DDD to ZTO
Data columns (total 6 columns):
Company Name             2177 non-null object
Last Sale                2175 non-null float64
Market Capitalization    2177 non-null float64
IPO Year                 967 non-null float64
Sector                   2177 non-null object
Industry                 2177 non-null object
dtypes: float64(3), object(3)
Python으로 시계열 데이터 다루기

인덱스 구성 종목 선택

components = nyse.groupby(['Sector'])['Market Capitalization'].nlargest(1)

components.sort_values(ascending=False)

Sector                 Stock Symbol
Health Care            JNJ             338834.390080
Energy                 XOM             338728.713874
Finance                JPM             300283.250479
Miscellaneous          BABA            275525.000000
Public Utilities       T               247339.517272
Basic Industries       PG              230159.644117
Consumer Services      WMT             221864.614129
Consumer Non-Durables  KO              183655.305119
Technology             ORCL            181046.096000
Capital Goods          TM              155660.252483
Transportation         UPS              90180.886756
Consumer Durables      ABB              48398.935676
Name: Market Capitalization, dtype: float64
Python으로 시계열 데이터 다루기

상장 데이터 가져오기 및 전처리

tickers = components.index.get_level_values('Stock Symbol')

tickers

Index(['PG', 'TM', 'ABB', 'KO', 'WMT', 'XOM', 'JPM', 'JNJ', 'BABA', 'T',
       'ORCL', 'UPS'], dtype='object', name='Stock Symbol')

tickers.tolist()

['PG',
 'TM',
 'ABB',
 'KO',
 'WMT',
...
 'T',
 'ORCL',
 'UPS']
Python으로 시계열 데이터 다루기

주식 인덱스 구성 종목

columns = ['Company Name', 'Market Capitalization', 'Last Sale']

component_info = nyse.loc[tickers, columns]

pd.options.display.float_format = '{:,.2f}'.format

                                Company Name  Market Capitalization  Last Sale
Stock Symbol
PG            Procter & Gamble Company (The)             230,159.64      90.03
TM                 Toyota Motor Corp Ltd Ord             155,660.25     104.18
ABB                                  ABB Ltd              48,398.94      22.63
KO                   Coca-Cola Company (The)             183,655.31      42.79
WMT                    Wal-Mart Stores, Inc.             221,864.61      73.15
XOM                  Exxon Mobil Corporation             338,728.71      81.69
JPM                    J P Morgan Chase & Co             300,283.25      84.40
JNJ                        Johnson & Johnson             338,834.39     124.99
BABA           Alibaba Group Holding Limited             275,525.00     110.21
T                                  AT&T Inc.             247,339.52      40.28
ORCL                      Oracle Corporation             181,046.10      44.00
UPS              United Parcel Service, Inc.              90,180.89     103.74
Python으로 시계열 데이터 다루기

주식 데이터 가져오기 및 전처리

data = pd.read_csv('stocks.csv', parse_dates=['Date'],
                             index_col='Date').loc[:, tickers.tolist()]

data.info()

DatetimeIndex: 252 entries, 2016-01-04 to 2016-12-30
Data columns (total 12 columns):
ABB     252 non-null float64
BABA    252 non-null float64
JNJ     252 non-null float64
JPM     252 non-null float64
KO      252 non-null float64
ORCL    252 non-null float64
PG      252 non-null float64
T       252 non-null float64
TM      252 non-null float64
UPS     252 non-null float64
WMT     252 non-null float64
XOM     252 non-null float64
dtypes: float64(12)
Python으로 시계열 데이터 다루기

연습해 봅시다!

Python으로 시계열 데이터 다루기

Preparing Video For Download...