skydance

https://skydance.tistory.com/54 [파이썬] 업비트 비트코인 머신러닝 가격예측 1 우선 파이캐럿을 설치할때 충돌이 있을 수 있으니, 아래의 블로그를 참고해서 가상환경을 새로 만들고, 파이캐럿 설치 및 주피터 노트북 커널 연결까지 완료해서 환경 구축을 완료 한다. https://3 skydance.tistory.com 아래의 코드를 실행해서 지난번과 동일하게 비트코인 가격에 대한 csv 파일을 불러오고, 각종 지표에 대한 내용을 추가한 다음, 내일의 가격을 예측하기 위해서 'Close' 칼럼의 값을 시프트 -1을 해서 'Y' 칼럼에 저장하고 학습용 데이터와 테스트용 데이터로 나눈다. import pandas as pd import numpy as np import talib impo..

우선 파이캐럿을 설치할때 충돌이 있을 수 있으니, 아래의 블로그를 참고해서 가상환경을 새로 만들고, 파이캐럿 설치 및 주피터 노트북 커널 연결까지 완료해서 환경 구축을 완료 한다. https://31weeks.tistory.com/314 아나콘다 - 가상환경 구성 및 주피터 노트북 커널 연결 1. 가상환경 생성 conda create -n test01 python=3.10.9 : 파이썬 버전 3.10.9로 가상환경 'test01'생성 2. 가상환경 들어가기 conda activate test01 3. 가상환경 들어가서 주피터 설치 pip install jupyter notebook 4. 커널 연 31weeks.com https://31weeks.tistory.com/315 아나콘다 - 파이캐럿 설치 Py..

코인의 가격 데이터를 크롤링 해서 csv 파일로 저장해 놓으면, 자동매매를 하기 위해서 각종 지표들을 계산할 때 마다 매번 API를 호출하지 않아도 된다. 따라서 장기간의 데이터로 계산을 해야되는 지표들을 사용할 때, 데이터를 다운받는 시간을 줄일 수 있고, 그로 인해서 지표 계산과 매수/매도 주문이 지연되는 것도 예방할 수 있다. 아래의 코드를 실행하면, 업비트에서 KRW 마켓, BTC 마켓, USDT 마켓에서 거래 가능한 코인들의 가격 데이터를 코드가 실행되는 날짜 기준으로 과거 400일 동안의 데이터를 각 코인별로 csv 파일로 저장(400일 이상 거래된 코인에 한함)이 된다. import json import time import pandas as pd import pyupbit import ur..

상장한 지 얼마 되지 않은 코인들은 변동성이 심하고 자동매매를 하기 위한 지표(ex. 장기 이동평균선 등)를 불러올 수 없는 경우가 발생할 수 있으므로 티커 리스트에서 제거해줘야 한다. 아래의 코드에서 상장일 기준을 400일로 한 것은 자동매매를 하기 위한 조건 중, 장기 이동평균이 필요한 경우를 대비해서 넉넉하게 400일로 설정하였다. 그리고 호가 단위 하나에 가격이 10% 이상 차이가 나는 '비트토렌트(BTT)'는 자동매매를 하기 위한 지표의 변동성도 그만큼 커지므로 매수/매도 포지션이 쉴 새 없이 바뀔 수 있으며, 이런 상황은 곧 손실로 이어지므로 상장기간과 상관없이 하드코딩으로 제거해 준다. import pyupbit import urllib.request import json # 데이터 400개..

아래의 코드를 실행시키면 KRW, BTC, USDT 마켓의 업데이트 된 티커를 크롤링해서 각각 'krw-market', 'btc-market', 'usdt-market'에 리스트로 저장한다. for문이랑 같이 쓰면 항상 언데이트된 코인 리스트로 전체 코인에 대해서 실시간 모니터링이 가능하겠지만, 호가 단위 하나에 10% 이상 차이가 나는 '비트토렌트(BTT)' 같은 코인이나, 상장한지 얼마되지 않은 코인들은 변동성이 커서 적당한 기준으로 필터링이 필요해 보인다. import urllib.request import json # 업비트 티커 url url = "https://api.upbit.com/v1/market/all" # 데이터프레임 입력용 krw_market = [] btc_market = [] u..

이 시리즈에서는 주식 및 암호화폐 투자에 사용되는 다양한 지표들과 전략들에 대해 알아보았습니다. 마지막 포스트에서는 이 시리즈를 정리하며, 효과적인 투자 전략을 위한 핵심 요약을 제공하겠습니다. 투자 목표 설정 투자에 들어가기 전에 단기, 중기, 장기 목표를 설정하고, 수익률과 리스크에 대한 기대치를 분명히 해야 합니다. 이를 통해 목표에 맞는 투자 전략을 수립할 수 있습니다. 시장 분석 시장 분석은 시장의 흐름과 추세를 파악하는 데 도움이 되며, 투자 결정을 내릴 때 중요한 역할을 합니다. 국내외 경제 지표, 기술적 분석 지표 등을 활용하여 시장의 상황을 파악하세요. 펀더멘탈 분석 기업의 재무제표, 경영진, 시장 점유율, 업종 및 경쟁 구조 등 내재적 가치와 기업의 성장성을 평가하는 분석 방법입니다. ..

이번 포스트에서는 포트폴리오 구성 전략과 리스크 관리에 대해 알아보겠습니다. 투자를 할 때, 포트폴리오 구성과 리스크 관리가 투자 성공의 핵심 요소 중 하나입니다. 포트폴리오 구성 전략 포트폴리오 구성 전략은 자산을 다양한 투자 영역에 분산하여 리스크를 줄이는 것을 목표로 합니다. 이를 위해 다양한 종목, 업종, 자산 클래스를 선정하고 비중을 적절히 조절하는 것이 중요합니다. 리스크 관리 투자에서 발생할 수 있는 다양한 리스크를 사전에 인식하고 대응하는 것입니다. 예를 들어, 개별 종목의 가격 변동 리스크, 시장 전체의 변동성 리스크, 투자 시점에 따른 시장 타이밍 리스크 등을 고려하여 투자 전략을 수립하세요. 실전 포트폴리오 구성 전략 - 다양한 종목과 업종 선택 : 투자할 종목과 업종을 다양화하여 특..

이번 포스트에서는 투자에 있어 펀더멘탈 분석과 기술적 분석의 조화에 대해 알아보겠습니다. 투자 성공을 위해 두 가지 분석 방법을 적절히 결합하여 사용하는 것이 중요합니다. 펀더멘탈 분석이란? 펀더멘탈 분석은 기업의 재무제표, 경영진, 시장 점유율, 업종 및 경쟁 구조 등 내재적 가치와 기업의 성장성을 평가하는 분석 방법입니다. 이를 통해 기업의 가치를 적정하게 평가하여 투자 결정을 내릴 수 있습니다. 기술적 분석이란? 기술적 분석은 과거의 시장 데이터를 기반으로 시장의 흐름과 추세를 파악하는 분석 방법입니다. 이동평균, 거래량 분석, RSI, MACD, 볼린저 밴드, 스토캐스틱 등의 지표를 사용하여 시장 신호를 분석하고 투자 결정을 내릴 수 있습니다. 펀더멘탈 분석과 기술적 분석의 조화 두 분석 방법을 ..

이번 포스트에서는 기초부터 이해하는 투자 지표 시리즈에서 다룬 지표들을 실제 투자 상황에 어떻게 적용할 수 있는지 알아보겠습니다. 각 지표의 특성을 이해하고 효과적으로 활용하는 것이 중요합니다. 종합적인 분석 수행 단일 지표에만 의존하지 않고 여러 기술 지표를 종합적으로 분석해야 합니다. 예를 들어, 이동평균, 거래량 분석, RSI, MACD, 볼린저 밴드, 스토캐스틱 등의 지표를 함께 고려하여 시장의 흐름을 파악하세요. 지표 간 상호 보완 한 지표의 신호가 모호할 때 다른 지표의 도움을 받아 신호를 확인하세요. 예를 들어, MACD에서 매수 신호가 발생했을 때, RSI나 스토캐스틱 지표를 참조하여 과매수 상태인지 아닌지를 확인할 수 있습니다. 투자 시점 결정 여러 지표들의 신호가 일치하는 시점에 투자를..

이번 포스트에서는 주식과 암호화폐 투자에서 활용되는 기술 지표 중 하나인 스토캐스틱 지표에 대해 소개하고, 이를 활용한 투자 전략에 대해 설명하겠습니다. 스토캐스틱 지표의 개념 스토캐스틱 지표는 주가의 상대적인 위치를 바탕으로 과매수와 과매도 구간을 판단하는 지표입니다. 일반적으로 %K와 %D 라는 두 가지 선으로 구성되어 있습니다. 스토캐스틱 지표의 해석 - %K와 %D가 80 이상의 값을 가지면 과매수 상태로 판단됩니다. - K와 %D가 20 이하의 값을 가지면 과매도 상태로 판단됩니다. 스토캐스틱 지표를 활용한 투자 전략 스토캐스틱 지표를 이용한 투자 전략은 다음과 같습니다. - %K가 %D를 상향 돌파하고 두 선이 20 이하의 값을 가질 때 매수 : 과매도 상태에서 상승 추세로 전환될 가능성이 높..