0. Analytics System Setup- 파이썬과 아나콘다 설치 install python 3.5 and Anaconda 4.2 [Advanced Analytics Lab]

분석을 수행하기 위해 가장 먼저 수행해야 할 것은 분석 환경을 구성하는 일이다.

운영체제는 Window / Linux 상관 없으며 특별한 언급이 없는 경우 본 블로그에서 수행되는 모든 Python 예제들은 Windows 7 64bit /  Python 3.5.4 / Anaconda 4.2.0 를 기반으로 수행된다.

Python 3.5.4 Download: https://www.python.org/downloads/release/python-354/

Anaconda 4.2.0 Download: https://repo.continuum.io/archive/

링크에 들어가서 < Anaconda3-4.2.0-Windows-x86_64.exe > 를 검색해서 다운받으면 된다.

Anaconda 설치시에는 Add Python 3.5 to PATH 항목에 체크해 준다.



설치 위치는 모두 Default 환경으로 지정한다.

설치 완료 후에는 cmd 창에서 <conda update conda> 명령어를 통해 anaconda를 업데이트 해준다.



Proceed에 여부에 y를 입력해 주면 update가 진행된다.

windows 환경에서도 pip 사용이 가능하다. anaconda에 포함되어 있지 않으나 필요한 패키지들을 미리 설치해 보도록 하자. 예를 들어 yahoo나 google에서 주가 정보를 읽어오는 패키지인 pandas_datareader를 설치하려면 아래처럼 입력한다.

pip install pandas_datareader


Comments

Post a Comment

Popular posts from this blog

1. 상관관계 분석(3): 로그차분을 통한 변화율 상관관계 분석 in python [Advanced Analytics Lab]

Image
앞서 분석에서는 두 변수간의 상관관계를 확인하였다. 분석 결과 삼성전자 주가와 KOSPI 지수, SK Hynix 주가와 KOSPI 지수간에는 유의미한 상관관계가 있음을 확인하였다. 앞서 분석 결과를 바탕으로 생각해 보면, 상관분석 Chapter를 시작하면서 최초의 질문이었던 "삼성전자 주가가 오르면 KOSPI 지수도 상승하고, 삼성전자 주가가 하락하면 KOSPI 주가가 하락한다." 라는 질문에 정확한 대답이 되었을까? 정확한 답은 아니라고 할 것이다. 왜냐하면 삼성전자 주가가 높으면 KOSPI 지수가 높은 것은 맞지만, 삼성전자 주가가 오르면 KOSPI 지수가 오르는 것에 대한 대답은 아니기 때문이다. 즉, X와 Y를 비교하는 것이 아니라 X의 증가량과 Y의 증가량을 비교하는 것이 필요하기 때문이다. X증가량은 로그차분(Logarithmic Differentiation)을 통해서 산출할 수 있다. 변화량을 수식으로 표현하면 아래와 같다. Xt시점의 변화량은 Xt시점에 자연로그(ln)를 취한 값에 Xt의 이전시점 (Xt-1) 값에 자연로그를 취하고 빼준 값과 같다. 예를 들어 1월 4일에 1696.14였던 KOSPI 주가지수가 1월 5일에 1690.62로 증가했다면, 자연로그를 취해서 차이를 구해주면 된다. ln(1690.62) - ln(1696.14) = 7.432851 - 7.43611 = - 0.00326 = -0.326 % python에서 실습해보자. 데이터는 앞과 동일한 데이터를 사용할 것이다. import numpy as np import pandas as pd import pandas_datareader.data as web import matplotlib.pyplot as plt import datetime start = datetime.datetime(2010, 1, 1) end = datetime.datetime(2016, 12, 31) df_KOSPI = web.DataReader...
Read more

2. 선형회귀분석 (1): 단순선형회귀분석 in python [Advanced Analytics Lab]

Image
앞서 상관관계 분석을 통해 두 변수간 서로 연관성이 있는지 상관계산출과 산점도를 통해 확인해 보았다. 2010년 부터 2016년까지의 삼성전자 주가와 KOSPI 지수의 상관관계 분석 결과 상관계수 0.66으로 삼성전자 주가 변동과 KOSPI 지수의 변동의 뚜렷한 양적 선형 관계가 있음이 증명되었다. 금번 회에서는 단순 선형 회귀분석을 통해 "삼성전자 주가가 1% 증가하면 KOSPI가 몇 % 증가하는가?"에 대한 대답을 확인해 볼 것이다. 회귀분석이란 변수들간의 관계를 파악함으로써 어떤 특정한 변수의 값을 다른 변수들로 설명하고 예측하는 통계적 기법이다. 예측하고자 하는 변수의 값을 종속변수(Dependent Variable)라고 칭하고, 종속변수들을 설명하는 변수들을 독립변수(Independent Variable)라고 부르고, 종속변수와 독립변수의 관계를 도출하는 것을 회귀분석이라 정의한다. 회귀(Regression) 라는 용어의 사전적 정의는 원래 상태로 돌아가는 것을 의미한다. 영국의 인류학자 프랜시스 골턴 경(Sir Francis Galton, 1822~ 1911)은 928명의 성인 자녀의 키와 부모의 키를 조사하여 아래의 표로 정리하였으며, 분석 결과 부모와 자녀의 키 사이에는 선형적 연관관계가 존재하며, 일정한 수준 이상, 또는 이하이면 신장이 무한정 증가하거나 작아지는 것이 아니라 전체 신장의 평균으로 돌아가는 경향이 있다는 것을 밝혔다. 중심으로 돌아가려는 경향(Regress toward mediocrity)을 분석한 이 연구 방법이 "회귀분석"의 어원이 되었다. 프랜시스 골턴 경은 여성의 키에 1.08을 곱하고 부와 모의 키를 평균으로 환산하여 위의 Figure A 왼쪽 그림과 같은 표를 생성하였으며, Figure A 오른쪽 그림과 같이 각 점이 분포 추세를 대표하는 회귀 직선을 생성하였다. 단순 선형 회귀 분석(Simple Linear Regression Analysis)은 Y를 설...
Read more

1. 상관관계 분석(2): 피어슨 상관계수 in python [Advanced Analytics Lab]

Image
앞서 삼성전자 주가와 KOSPI 지수간의 공분산 분석을 통해, 두 변수간의 공분산이 14973826이라는 것을 확인했다. 그러나 공분산 값 만으로는 두 값이 서로 같이 증가하는 경향성이 있다는 것을 알 수 있었지만, 얼마나 "끈끈하게" 두 값이 묶여 있는지는 알 수 없었다. 이에 이번 회에서는 상관계수를 산출하여 두 변수간 얼마나 관련성이 있는지 알아 볼 것이다. 실습으로는 삼성전자와 SK Hynix 주가 중 KOSPI지수와 더 상관관계가 높은 종목을 찾아볼 것이다. 먼저 데이터를 불러오고 산점도를 생성한다. python에서 산점도를 생성하고 공분산을 산출하는 방법은 이전 회 < 1. 상관관계 분석(1) > 을 참조한다. import numpy as np import pandas as pd import pandas_datareader.data as web import matplotlib.pyplot as plt import datetime start = datetime.datetime(2010, 1, 1) end = datetime.datetime(2016, 12, 31) df_KOSPI = web.DataReader("KRX:KOSPI", "google", start, end) df_SE = web.DataReader("KRX:005930", "google", start, end) df_SKH = web.DataReader("KRX:000660", "google", start, end) plt.figure(figsize  = (8,6)) plt.scatter(df_SE["Close"], df_KOSPI["Close"]) plt.show() plt.figure(figsize  = (8,6)) plt.scatter(df_SKH["Close...
Read more