관성을 이기는 데이터

ETF 매매 시 세금 (*배당소득세는 원천징수)일반 위탁 계좌국내상장 국내주식형 ETF:매도 -> 증권거래세 X매매차익 -> 비과세배당소득 -> 배당소득세 15.4%국내상장 국내주식형 외 ETF:매도 -> 증권거래세 X매매차익 -> 배당소득세 15.4%배당소득 -> 배당소득세 15.4%해외상장 ETF(*위탁계좌 only):매도 -> 증권거래세 X (*SEC fee 소액 발생 0.00x 수준)매매차익 -> 매매차익 250만원 초과분 양도소득세 22% (*분리과세)매당소득 -> 배당소득세 15.4%절세 계좌:연금 계좌(연금저축, IRP):연금수령 -> 연금소득세 3.3 ~ 5.5% (*분리과세)연금 외 수령 -> 기타 소득세 16.5%연말정산 세액공제 -> 납입금 내 최대 600만 원 한도(*2023년부터 ..

재무제표 데이터를 확보할 때 yfinance를 많이 사용하며, 긴 시계열에 대해서는 공시자료를 스크래핑하여 필요한 table 영역만 적절히 포멧팅할 수도 있다. 가장 좋은 건 yfinance 같은 무료 api를 활용해 적정 주기마다 데이터를 가져와 적재해 두는 것인데, 상장된 모든 주가 재무정보를 개인 PC나 클라우드 서버에 저장해 두는 건 개인으로서 여간 부담되는 일이 아니다. 이때, 약소하게나마 대안으로 사용해 볼 수 있는 것이 다른 사람들이 공개해 둔 DB인데, DropBox나 DoltHub가 대표적이다. 코드가 익숙하다면 DoltHub에서 매우 쉽고 빠르게 DB 전체를 Pull 할 수 있으며 아래 예시로 사용한 1.26 GB짜리 재무데이터를 수 초 내에 모두 다운로드 가능하다.DoltHub는 코드..

이번 글에서는 계량적 방법을 활용해 타겟 기업의 유사 그룹을 추출하고, 추출한 그룹 내 벨류에이션 멀티플에 대한 상대평가를 진행해 본다. 그전에, 동일한 스타일로 분석 대상 타겟 기업을 선정하는 것은 본 블로그의 [파이썬 퀀트 투자] 좋은 기업을 찾아보자 - 미국 기술주 멀티플 EDA에서 확인할 수 있다.1. 데이터셋 준비항상 데이터셋을 준비하는 것이 먼저다. 분석 대상 기업은 Block Inc(Ticker: XYZ, 이하 Block)로, Software & Services 산업에 속하니 해당 산업군 내 모든 티커를 가져온 다음 재무제표를 추출할 것이다. 재무제표는 이후 멀티플 계산에 사용된다.1-1. 산업군 티커 추출Ticker는 야후 파이낸스 api로 쿼리 할 수 있으며, 직접 만든 모듈을 사용할 것..

투자 프로세스에서 가장 선행되어야 할 것은 좋은 기업을 찾는 일이다. 퀀트 투자에서 스크리닝 단계는 넓고 단순한 분석에서 출발해 좁고 복잡한 분석으로 이어진다. 동일 집단 내 상대적으로 재무 상태가 양호한 기업들을 스크리닝해 투자 후보군을 추려내면 이후 후보군에 대해 여러 가지 가치평가 및 안전마진 계산을 수행한다.어떤 기준으로 후보군을 추려낼 것인지 명확하지 않을 때는 대표적인 재무 멀티플을 사용해 볼 수 있다. 야후 파이낸스 파이썬 패키지는 이미 계산된 멀티플을 제공하고 있으니 이를 활용해 미국 상장 소프트웨어 기술 기업 중 재무 상태가 양호한 후보군을 추려내는 작업을 진행해 보자.1. yfiance로 주요 기업 티커 및 재무 지표 추출타깃 시장의 모든 티커를 추출하는 함수와 멀티플을 추출하는 함수를..

통계적 차익거래는 움직임이 유사한 둘 이상의 자산에서 괴리가 발생하면 매수 및 매도를 통해 차익을 얻는 계량 투자 전략이다. 예를 들어 금광 채굴 회사의 주가는 금 가격과 상관성이 높을 테니, 금 가격만큼 충분히 주가가 오르지 않으면 매수하고 기다렸다가 적정 수준까지 주가가 따라잡았을 때 청산하는 식이다.그러나 금과 금 채굴회사처럼 이미 잘 알려진 유사 자산에서 알파를 기대하긴 어렵고, 시장에서 잘 알려지지 않은 자산 쌍을 통계적으로 발굴해내야 한다. 보편적인 방법으로 K-means clustering 같은 거리 기반 비지도학습 알고리즘을 사용할 수 있다.먼저 나스닥에 상장한 100개 자산에서 유사한 군집들을 묶고, 각 군집 내에서 상관계수가 가장 높은 쌍에 대해 차익거래 백테스팅을 수행해보자.1. 데이..

1. 불 vs 베어- 불(bull): 황소가 공격할 때 뿔을 들어 올리는 모습을 빗댄. 상승장을 의미- 베어(bear): 곰이 공격할 때 앞발을 내리치는 모습을 빗댄, 하락장을 의미.2. 스티프닝 vs 플래트닝- 스티프닝(steepening): 장기채와 단기채 수익률 괴리가 커지는 현상. 장단기는 주로 동시에 오르내리는데, 오를 때 장기채가 단기채보다 더 많이 오르고, 내릴 때는 더 많이 떨어지는 모습.- 플래트닝(flattenin): 장기채와 단기채 수익률 괴리가 작아지는 현상. 오를 때 단기채가 장기채 수준으로, 혹은 그 이상 많이 오르고, 내릴 때는 적게 떨어지는 모습.3. 불 스티프닝 vs 베어 스티프닝- 불 스티프닝(bull steepening): 채권 가격이 "상승"하면서 장단기 수익률 괴리가..

비트코인은 2009년 첫 등장 이후 디지털 자산으로서 독자적인 위치를 구축해왔다. 초기에는 주로 기술 커뮤니티와 소규모 투자자들 사이에서 주목받았지만, 최근에는 글로벌 금융 시스템과 경제 변화에 따라 "디지털 금"이라는 별칭으로 주목받고 있다. 동시에, 중앙은행의 양적 완화 정책, 지속적인 통화 팽창, 그리고 인플레이션에 대한 우려가 커지면서 비트코인 적정 가치에 대한 의문이 제기되고 있다.전통적인 자산과 달리, 비트코인은 현금 흐름, 배당, 혹은 사용 가치를 기준으로 평가하기 어렵다. 다만, 금과 비트코인은 모두 희소성을 기반으로 하는 자산이며, 공급이 제한적이라는 공통점을 가지고 있어 금의 적정가를 산출할 수 있다면 비트코인도 현재 가치를 간접 추정해볼 수 있겠다. 이번 분석에서는 통화량(M0, M1..

2025년 세계 경제는 중요한 기로에 서 있다. 국가 경제의 핵심 지표 중 하나는 바로 부채 사이클이다. 미국의 부채 수준, 이자 지급액, 그리고 통화량(M0, M1, M2)을 분석함으로써 경기 침체 리스크를 이해하고, 이에 따라 적절한 경제 전략을 수립할 수 있다.본 글에서는 미국 부채 사이클을 기반으로 현 시점 경제 상황을 분석하고, 통화량을 고려해 2025년 경기 침체 리스크를 평가한다.Step 1. 데이터 수집부채 사이클과 경기 침체 리스크 간의 관계를 이해하기 위해 Federal Reserve Economic Data(FRED) API에서 데이터를 수집한다. 다음과 같은 변수를 포함하도록 한다.이자 지급액(Interest Payments)국내총생산(GDP)연방 부채(Federal Debt)통화기..

본 글에서는 ARIMA 모형을 활용해 미래 미국채 Spread 추이를 continuous하게 예측하고, 이어서 Probit 모형을 통해 ARIMA 예측값을 경기침체 여부로 변환한다. 경제 예측 모델링을 수행할 때에는 가급적 단순한(파라미터가 적은) 모델, 해석가능한 모델을 사용하는 것이 좋다. 일반적인 인식과 달리 경제 데이터는 딥러닝과 같은 모델 아키텍처로 적합시킬 만큼 대용량이 아닐 뿐더러 제대로 적합되지 않았을 때 Fat Tail Risk가 미치는 영향이 치명적일 수 있기 때문이다.따라서 시계열 모델 파라미터를 분리 해석할 수 있는 ARIMA 모형, 종속변수가 binary(이진) 변수일 때 yes or no 에 대한 발생 확률을 가장 단순하게 설명가능한 Probit 모형을 사용하고, 이를 통해 현재..

현시점에서 Nasdaq 100, 환헤지 Nasdaq 100 중 어느 쪽에 베팅하는 것이 유리할까?Step 1. 데이터 수집우선, 전략 평가를 위한 데이터를 수집한다.Nasdaq 100 H, UH 지수: 각각 환율 헷지를 적용한 경우, 그렇지 않은 경우 자산 가격 변화를 비교하기 위함이다.원/달러 환율: 헷지, 언헷지 간 성과 차이를 분석하기 위해 환율 데이터를 불러온다.금 가격: 경제 불확실성과 안전자산으로서의 달러 수요를 함께 이해하기 위해 사용할 것이다. 금과 달러 관계를 살펴보면서 현재 환율 상승이 경기 불황에 기인한 것인지 파악할 수 있다 Step 2. 데이터 전처리 및 로그 변환자산 가격의 시계열 데이터는 지수적 증감이 있기 때문에 이를 직접 비교할 경우 시각적 착시가 발생할 수 있다. 따라서 ..