eBest xing API 이베스트 xing API * 이베스트 투자증권 (URL) - 이베스트 투자증권에서 제공하고 있는 xingAPI는 비교적 쉽게 자동화 시스템을 개발할 수 있는 환경을 제공하고 있다. - 또한, Python을 이용한 API 호출이 간단한 편에 속한다. xingAPI * xingAPI Official Guide Document (URL) * Package Installation (URL) - 이베스트 투자증권에서 제공하는 xingAPI는 클라이언트 프로그램에서 사용할 수 있는 API를 제공한다. - xingAPI는 DLL, COM 버전을 제공하고 있다. - DLL 방식은 속도가 빠르지만, 사용자 편의성이 COM 방식보다 떨어진다. - COM 방식은 DLL을 기반으로 실행되지만, 사용..
Investment Bank Open API 증권사 오픈 API - 어떤 증권사들은 API를 제공하고 있는데, 이를 통해 주식 관련 거래기능을 구현하고 주식 가격 정보를 열람할 수 있다. 이베스트 투자증권 xingAPI (URL) [Algorithmic Trading] eBest xing API | 이베스트 xing API eBest xing API 이베스트 xing API * 이베스트 투자증권 (URL) - 이베스트 투자증권에서 제공하고 있는 xingAPI는 비교적 쉽게 자동화 시스템을 개발할 수 있는 환경을 제공하고 있다. - 또한, Python을 이용 dad-rock.tistory.com - 이베스트 투자증권에서 제공하고 있는 xingAPI는 비교적 쉽게 자동화 시스템을 개발할 수 있는 환경을 제공..
Backtesting 백테스팅 - 특정 기간의 과거 데이터를 통해 알고리즘 트레이딩 시스템의 성능을 평가하는 작업을 의미한다. - 알고리즘 트레이딩 시스템의 예측력, 수익률, 특성 등을 파악하기 위해 수행한다. - 대표적인 백테스팅 방법으로 Profit/Loss(손익/수익률), Hit Ratio(적중률, 명중률), Drawdown(고점 대비 최대 손실률), Sharpe Ratio(샤프 지수)가 있다. Profit/Loss Test (손익 테스트, 수익률 테스트) - 개발한 시스템에 특정 기간의 데이터를 입력해 트레이딩을 실시했을 때 발생하는 이익과 손실을 평가하는 방법이다. - 테스트 기간 전체 수익률을 계산하거나, 일정 기간별 수익률을 계산한다. Hit Ratio Test (적중률 테스트, 명중률 테스..
Performance Evaluation 성능 평가 - 알고리즘 트레이딩 시스템은 일반적인 S/W 시스템과 달리, 예상되는 시나리오를 상정하고 테스트 프로그램으로 성능을 측정하는 것이 어렵다. - 금융시장의 불확실성으로 인해 알고리즘 트레이딩 시스템 성능 평가의 명확한 기준은 없다. Purpose of Performance Evaluation (알고리즘 트레이딩 시스템 성능 평가의 목적) 1. 수익성 평가 - 기대되는 수익률을 예상한다. 2. 구현 모델별 비교 - 시스템에 적용된 다수의 알파 모델들 간 수익성을 비교하고 특성을 파악한다. * 특성 - 해당 모델의 매매 포지션이 변화하는 양상, 포지션 변화 횟수 등을 의미한다. 3. 시스템에 대한 자신감 - 알고리즘 트레이딩 사용의 최종 결정은 사람이 하기..
Algorithmic Trading System (ATs) 알고리즘 트레이딩 시스템 ATs Architecture (알고리즘 트레이딩 시스템 구조) Alpha model (알파 모델) - 주가, 주가 방향 등을 예측하기 위한 1개 이상의 모델을 의미한다. Risk model (리스크 모델) - 알파 모델의 예측이 틀렸을 시, 생기는 손실량과 손실 발생 확률을 계산하는 위험도를 측정하는 모델을 의미한다. Transaction cost model (거래 비용 모델) - 증권 거래 시 발생하는 수수료, 세금 등 각종 거래비용을 계산하는 모델이다. Portfolio construction model (포트폴리오 모델) - 알파 모델, 리스크 모델, 거래 비용 모델의 결과값을 통해 거래여부를 결정하고 거래 규모를..
Stock Price Direction Predictor 주가 방향 예측 변수 - 전날의 종가 또는 거래량 데이터를 이용하여 다음날 주가 방향을 예측한다. - 입력변수는 종가 혹은 거래량이다. (둘 다 사용할 수도 있다.) * Required Libraries # stock_price_direction_predictor.py import os, sys, datetime import pandas as pd import numpy as np import stock_data as sd from sklearn.linear_model import LogisticRegression from sklearn.ensemble import RandomForestClassifier from sklearn.svm import..
Mean Reversion Model 평균 회귀 모델 - 주가가 평균보다 낮으면 주식을 매수하고, 주가가 평균보다 높으면 주식을 매도하여 수익을 만드는 모델이다. - Stationarity(정상성)을 바탕으로 주가가 평균회귀할 것으로 가설을 세우고 모델을 완성해나간다. - 알고리즘 트레이딩에서 널리 활용되는 모델 중 하나이다. - 단순명료함이 특징인 모델이다. * Stationarity (정상성) - 시간이 흘러도 통계적 특성 (평균, 분산 등)이 일정한 성질을 의미한다. Mean Reversion (평균 회귀) - 시계열 데이터는 과거 평균값으로 회귀하려는 경향이 있다. - 정규분포를 따르는 변수가 평균에 가까이 갈 확률이 높고, 평균에 멀어질 확률이 낮은 것과 같은 이치이다. - 그러나 주가 데이터는..
Browsing Stock Data 주가 데이터 열람 - 파이썬 코드상에서 주가 데이터를 불러오고 열람하는 방법을 다룬다. Downloading Stock Price Data (주가 데이터 다운로드) Yahoo Finance (URL) - Pandas에서는 야후 파이낸스에서 주가 데이터를 다운로드하는 기능을 제공하고 있다. - 세계 증권 시장 Suffix (URL) Example. Downloading Stock Price Data from Yahoo Finance using \(\texttt{Pandas}\) # stock_data.py import pandas as pd import pandas_datareader.data as web import datetime def download_stock_d..
