지표간의 상관계수와 히트맵 🌡

늘 상승하는 시장의 주식을 고르면 좋겠지만 현실을 그렇지 않다.

그래서 주식을 고를때는 서로의 등락을 어느정도 상쇄시켜주는 주식들을 고르는 것이 변동성을 낮추는데 도움이 된다.

지표 살펴보기

[9]:

import pandas as pd
import numpy as np
from coredotfinance.data import KrxReader

krx = KrxReader()
df = krx.read_date('2021-08-02', kind='index')
df

[9]:
index_name close change change_ratio open high low volume trading_value market_cap
0 KRX 300 1937.99 13.82 0.72 1934.49 1937.99 1920.12 160613542 9631867653031 2130861690225350
1 KTOP 30 11887.85 88.57 0.75 11859.16 11887.85 11749.46 30790493 3689096937046 1208044903694060
2 KRX 100 6721.11 56.02 0.84 6702.19 6721.11 6652.51 64494351 6341746338998 1751589413095060
3 KRX Mid 200 1908.97 7.25 0.38 1906.34 1913.26 1897.41 108389473 1567910094438 107902827160199
4 KRX 자동차 2362.33 25.16 1.08 2350.73 2368.11 2339.75 5780039 437656921120 136803810973990
5 KRX 반도체 3905.20 79.70 2.08 3848.94 3915.70 3837.55 16300818 902121666728 121734655963780
6 KRX 헬스케어 4460.51 121.91 2.81 4358.23 4460.51 4358.23 34156435 2225796410255 235534448310795
7 KRX 은행 739.36 -7.33 -0.98 746.82 747.85 734.56 8360049 199809388970 74972654857950
8 KRX 에너지화학 4018.54 22.57 0.56 4009.57 4019.13 3945.81 12675504 1124443610944 174341679156100
9 KRX 철강 2107.57 -26.10 -1.22 2154.54 2156.11 2091.51 9606389 293657122116 57210958943800
10 KRX 방송통신 1031.20 10.61 1.04 1022.92 1033.42 1020.20 10847386 144682340175 40874427961506
11 KRX 건설 776.45 -4.49 -0.57 783.12 784.31 771.31 11989378 207607075640 50077681586595
12 KRX 증권 826.94 2.13 0.26 828.89 830.41 820.58 9397241 69566513098 29747446663674
13 KRX 기계장비 652.91 -4.60 -0.70 657.07 658.57 647.95 25540653 517508837270 75959509525750
14 KRX 보험 1341.34 -2.19 -0.16 1350.31 1359.72 1334.16 3704619 70610281505 41510084314120
15 KRX 운송 1366.02 -18.06 -1.30 1386.07 1386.68 1362.12 13940199 329568727690 50516277546530
16 KRX 경기소비재 1528.74 -6.06 -0.39 1543.19 1545.95 1519.92 21430531 742310148925 91714337062960
17 KRX 필수소비재 1762.23 5.62 0.32 1763.61 1767.40 1755.23 7927801 393381914592 106221216090490
18 KRX 미디어&엔터테인먼트 3977.47 -5.80 -0.15 3996.07 4008.94 3963.61 8985034 1082066786585 208798035028270
19 KRX 정보기술 1814.61 20.89 1.16 1805.24 1815.52 1792.25 37032891 2228053972264 705358839858020
20 KRX 유틸리티 963.25 9.92 1.04 957.29 964.62 953.24 3390226 90947484350 21238332905500
21 KRX 300 정보기술 2938.06 32.87 1.13 2924.15 2939.40 2902.34 33361889 2219349516084 704250573625700
22 KRX 300 금융 858.70 -4.95 -0.57 865.66 867.55 852.89 15054183 338749945955 149024906027190
23 KRX 300 자유소비재 1795.41 9.43 0.53 1795.49 1799.22 1778.69 16972729 956776888300 218650493459900
24 KRX 300 산업재 759.30 -2.90 -0.38 763.31 764.49 754.81 35153694 1192793303320 242325662028150
25 KRX 300 헬스케어 3754.17 107.44 2.95 3663.07 3754.17 3663.07 30573314 2075480579490 220738504717600
26 KRX 300 커뮤니케이션서비스 2889.38 -2.14 -0.07 2901.04 2907.48 2874.58 10283892 1169904702350 241357050055050
27 KRX 300 소재 1914.46 -1.75 -0.09 1927.48 1928.35 1885.86 11711138 1178715653860 198864209741000
28 KRX 300 필수소비재 1725.91 4.04 0.23 1728.99 1733.13 1721.01 3391652 289476741422 96252860788260

KRX 300 필수소비재와 KRX 필수소비재는 똑같은 지표의 특성을 공유할 것이다.

KRX 300금융과 KRX 증권 또한 같은 지표의 특성을 공유할 것이다.

따라서 index_name에 숫자가 들어가 있는 지표들은 상관계수 계산에서 제외하자.

[38]:

import re

regx = re.compile('[0-9]')

index_names = [i for i in df['index_name'] if re.search(regx, i) is None]
index_names

[38]:

['KRX 자동차',
 'KRX 반도체',
 'KRX 헬스케어',
 'KRX 은행',
 'KRX 에너지화학',
 'KRX 철강',
 'KRX 방송통신',
 'KRX 건설',
 'KRX 증권',
 'KRX 기계장비',
 'KRX 보험',
 'KRX 운송',
 'KRX 경기소비재',
 'KRX 필수소비재',
 'KRX 미디어&엔터테인먼트',
 'KRX 정보기술',
 'KRX 유틸리티']

지표의 데이터

그 다음 위 지표들의 최근 3개월간의 데이터를 read 함수를 이용해서 모아보자.

주식간의 상관관계는 등락률을 기준으로 볼 것이기 때문에 이에 change_ratio column의 데이터만 모은다

[43]:

index_data = []

for symbol in index_names:
    data = krx.read(symbol=symbol, start = '2021-04-01', end = '2021-07-01', kind='index')
    index_data.append(data['change_ratio'].to_list())

KRX 자동차
KRX 반도체
KRX 헬스케어
KRX 은행
KRX 에너지화학
KRX 철강
KRX 방송통신
KRX 건설
KRX 증권
KRX 기계장비
KRX 보험
KRX 운송
KRX 경기소비재
KRX 필수소비재
KRX 미디어&엔터테인먼트
KRX 정보기술
KRX 유틸리티

상관계수 corr

DataFrame에 있는 corr를 사용해서 상관관계 계수를 얻어본다.

method는 pearson 방식을 사용한다.

[44]:

stock_data = pd.DataFrame(index_data).T
stock_data.columns = index_names
corr = stock_data.corr(method='pearson')

히트맵 using seaborn

plt의 font는 unicode를 인식하지 못한다.

따라서 unicode를 인식하는 폰트로 설정해줘야 한글이 깨지지 않는다.

[45]:

import matplotlib.pyplot as plt
import seaborn as sns

plt.rcParams['font.family'] = 'AppleGothic'
f, ax = plt.subplots(figsize=(8, 6))

sns.heatmap(corr, mask=np.zeros_like(corr, dtype=np.bool), cmap=sns.diverging_palette(220, 10, as_cmap=True),
            square=True, ax=ax)
plt.show()
_images/corr_index_9_0.png

상관계수는 +1에 가까울수록 변동성(change_ratio)가 비슷하고 -1에 가까울수록 변동성이 반대로 움직임을 의미한다.

상관계수에 의해서 포트폴리오를 구성해본다면 반도체와 미디어&엔터테인먼트를 함께 구성하는것은 효율적이지 못하다.

그보다는 반도체와 은행을 함께 구성하는 것이 효율적이다.