파이썬22 뇌동매매 금지 - 11. S-RIM을 이용한 목표주가 계산해보기 - 4. S-RIM 적정주가를 이용한 스크리닝 필터 만들기 저번 포스팅에서는 1차 스크리닝된 기업목록을 대상으로 S-RIM을 이용한 적정주가를 계산해보았습니다. 이번 포스팅에서는 적정주가를 이용한 필터를 만들어봅니다. 11. S-RIM을 이용한 목표주가 계산해보기 - 4. S-RIM 적정주가를 이용한 스크리닝 필터 만들기 저번 포스팅에서 얻은 결과를 대상으로, 다시 시가총액을 기준으로 하위 3~40%의 소형주들만 추려내어 재무제표를 조회하여 여러 데이터들을 가져옵니다. (저의 이전 포스팅들을 참고해주세요.) 그 이후에 재무제표를 조회하여 얻어오는 데이터들을 기반으로 각종 필터링을 진행하는 데요, S-RIM 을 이용한 적정주가를 도출해낸만큼, 이것을 이용해서 필터를 만들어봅니다. 전체종목을 대상으로 괴리율 계산하기. 괴리율 계산방식에 대해서는, 기존에 참고했던 위.. 2022. 11. 27. 뇌동매매 금지 - 11. S-RIM을 이용한 목표주가 계산해보기 - 3. S-RIM 기업가치로 스크리닝한 기업들에 대해 목표주가 계산하기 저번 포스팅에서는 일부 기업을 제외한 코스피, 코스닥 종목에 대해 S-RIM을 이용한 기업가치를 계산하고, 이것을 별도의 엑셀데이터로 저장하였습니다. 이번 포스팅에서는 기존 스크리너에서 각 종목들에 대해 S-RIM 기업가치를 이용한 적정주가를 계산해봅니다. 11. S-RIM을 이용한 목표주가 계산해보기 - 3. S-RIM 기업가치로 스크리닝한 기업들에 대해 목표주가 계산하기 일단 이전에 크롤링을 통해 기업가치를 계산해놓은 엑셀파일을 다시 읽어들여야합니다. 이 데이터를 어떤 타이밍에 읽어들일 것인지를 판단해야 했는데요, 저는 일단 모든 코스피, 코스닥 종목에 대해 적정주가를 계산해야겠다고 생각했습니다. 저는 시가총액 하위 30~40% 의 종목들을 대상으로 스크리닝을 하는데요, 이 소형주 말고도 대형주에서도.. 2022. 11. 27. 뇌동매매 금지 - 11. S-RIM을 이용한 목표주가 계산해보기 - 2. S-RIM 데이터 크롤링하기 이번 포스팅에서는 S-RIM 데이터를 어떻게 구해볼 것인지, 스크리닝 시에 어떻게 할 것인지를 알아봅니다. 11. S-RIM을 이용한 목표주가 계산해보기 - 2. S-RIM 데이터 크롤링하기 그럼 이제 어떻게 S-RIM 데이터를 구해야할지, 이것은 제가 사용하는 스크리너에서 어떻게 사용할 수 있을지를 생각해야합니다. 사실 계산식은 책에 나와있어서 계산하는 것은 문제가 아닌데, 자본총계(특히 지배주주지분)과 평균 ROE를 구하는게 쉬운일은 아니어보였습니다. 그래서 조금 고민하면서 구글링을 하던 도중에, 아래 위키페이지를 알게 되었습니다. https://wikidocs.net/94787 책을 작성하려고 위키독스를 작성하시는 것 같았지만, 뭔가 멈춰있는 그런 느낌이었습니다...? 이 위키의 저자가 만든 라이브.. 2022. 11. 26. Pandas 1. 기본 메소드 - 컬럼에 조건식 부여하기 컬럼에 조건 부여하기 일단 어떠한 조건식을 생성하였을 때, 조건식 그 자체는 해당 열의 데이터와 일치하지 않는지를 boolean값으로 구분한 데이터를 가지고 있다. 이것은 다시 원래의 Dataframe객체에 집어넣는 것으로, 추출해낼 수 있다. 특정 컬럼에서 특정값만 뽑아내기 예를들어서, 전체 영화목록 중에서, 스튜디오가 유니버셜인 영화만 찾아내고 싶을 때. movies[movies["Studio"] == "Universal"] 이것을 별도의 변수로 뽑아내어 사용할 수도 있다. a = movies["Studio"] == "Universal" movies[a] AND 조건 두 개 이상의 조건에 만족하는 데이터를 찾고 싶을 때. 영화제작사가 유니버셜이면서, 제작연도가 2015인 영화 목록만을 찾는다고 한다면.. 2022. 9. 25. Pandas 1. 기본 메소드 - 컬럼의 갯수 세기 value_count SQL로 따지면 SELECT COUNT(n 와 같은 그런 것이겠습니다. value_count() 데이터프레임 객체는 단일 열을 Series 객체로 추출해볼 수 있습니다. 2022. 9. 25. Pandas 1. 기본 메소드 - Dataframe의 각종 크기와 컬럼의 속성 확인하기 기본적으로 파이썬의 len() 을 이용하면, 데이터의 행의 갯수를 구할 수 있긴 합니다. shape shape 는 행과 열의 갯수를 튜플로 반환합니다. 데이터프레임의 모양을 구한다~ 로 이해하면 더 쉬울 것 같습니다. size size 를 이용하면 총 셀의 개수를 구할 수 있습니다. dtypes dtypes 은 컬럼의 속성을 확인할 수 있습니다. 2022. 9. 25. Pandas 1. 기본 메소드 - iloc과 loc Pandas의 Dataframe 객체의 핵심이라고 생각하는 두 개의 메소드입니다. 이것만 잘 다루어도 꽤나 유용하다고 생각합니다. iloc iloc은 지정한 위치의 row를 column으로 바꾸어 보여줍니다. 객체는 Series 객체가 반환됩니다. 가령, 제일 첫번째의 데이터를 출력한다고 가정해봅시다. 이것을 iloc 으로 노출한다고 하면, 위와 같이 될 것입니다. 즉, 행과 열이 뒤바뀝 니다. 지정 방법으로는 배열을 지정하듯이 지정하며, 제일 첫번째 값은 0부터 시작입니다. loc 똑같은 Series 객체를 반환하지만, 반면에 row 인덱스 컬럼값을 지정할 수 있습니다. 중복된 인덱스를 가진 데이터가 있다면, 중복된 채로 보여줍니다. 데이터프레임은 기본적으로 데이터의 중복을 허용합니다. 2022. 9. 25. Pandas 1. 기본 메소드 - head, tail head head() 는 데이터프레임의 제일 앞의 n개의 데이터를 받아옵니다. tail 반대로 tail() 은 데이터프레임의 제일 뒤의 n개의 데이터를 받아옵니다. 두 메소드 모두 숫자를 지정해주지 않으면 기본 5개가 출력됩니다. 2022. 9. 25. Pandas 1. 기본 메소드 - read_csv 및 Index 컬럼 변경해보기 read_csv 판다스는 어떠한 파일을 읽어들이는 많은 방법들을 서포트하고 있습니다만, 그 중에서도 많이 쓰이는 것이 CSV파일 일 것 입니다. CSV파일을 읽어들일때는 아래와 같이 합니다. 기본적인 데이터들 말고, 제일 앞에 Index 컬럼이 존재하게 됩니다. 인덱스 컬럼은 0부터 시작합니다. 근데, 이렇게 기본적인 인덱스 컬럼말고, 임의의 컬럼을 인덱스컬럼으로 사용하고자 합니다. 예를 들어 Title 컬럼을 사용해볼까요? 이렇게 index_col 이라는 파라미터를 추가로 부여해서 인덱스컬럼을 바꿀 수 있습니다. 2022. 9. 25. 이전 1 2 3 다음 반응형
