파이썬으로 구현하는 주식 수익률 기반 포트폴리오 최적화

07 Nov 2023

python

소개

주식 투자자들은 자산을 효율적으로 배분하기 위해 포트폴리오 최적화를 이용합니다. 포트폴리오 최적화는 여러 주식의 조합을 고려하여 예상 수익률과 위험을 최대한 고려한 포트폴리오를 구성하는 것을 목표로 합니다. 이때, 주식의 수익률은 포트폴리오 수익률을 결정하는 중요한 요소입니다.

이번 글에서는 파이썬을 사용하여 주식 수익률을 기반으로 포트폴리오를 최적화하는 방법을 알아보겠습니다. 주식 수익률은 주가 데이터를 활용하여 계산할 수 있습니다.

필요한 패키지 설치

주식 데이터를 처리하고 포트폴리오 최적화를 수행하기 위해 몇 가지 파이썬 패키지를 설치해야 합니다. 가장 일반적인 패키지로는 pandas, numpy, matplotlib 등이 있습니다. 다음과 같이 설치할 수 있습니다.

pip install pandas numpy matplotlib

데이터 수집

포트폴리오 최적화를 위해 주식 데이터가 필요합니다. 무료로 사용할 수 있는 주식 데이터 API를 활용하여 데이터를 수집할 수 있습니다. 예를 들어, pandas-datareader 패키지를 사용하여 야후 파이낸스에서 주식 데이터를 가져올 수 있습니다.

import pandas as pd
import pandas_datareader as pdr

# 야후 파이낸스에서 AAPL(애플 주식) 데이터 가져오기
data = pdr.get_data_yahoo('AAPL')

수익률 계산

주식 데이터를 이용하여 수익률을 계산하면 포트폴리오 최적화에 필요한 정보를 얻을 수 있습니다. 수익률은 보통 일일 수익률을 사용하며, 다음과 같이 계산할 수 있습니다.

# 일일 수익률 계산
returns = data['Close'].pct_change()

포트폴리오 최적화

주식 데이터와 수익률을 준비했으면 이제 포트폴리오 최적화를 수행할 준비가 되었습니다. 포트폴리오 최적화는 주식들의 수익률과 리스크를 최적화하여 투자 비중을 결정하는 과정입니다. 파이썬에서는 다양한 최적화 알고리즘과 라이브러리를 사용하여 포트폴리오 최적화를 수행할 수 있습니다. 여기서는 cvxpy 패키지를 사용하여 포트폴리오 최적화 모델을 구성하고 수행하는 방법을 알아보겠습니다.

import cvxpy as cp

# 포트폴리오 최적화 문제 정의
weights = cp.Variable(len(returns))
expected_return = returns.mean()
risk = cp.quad_form(weights, returns.cov())

objective = cp.Maximize(expected_return - risk)
constraints = [
    cp.sum(weights) == 1,  # 비중의 합은 1
    weights >= 0  # 비중은 0 이상
]
problem = cp.Problem(objective, constraints)

# 최적화 수행
result = problem.solve()

결과 확인

포트폴리오 최적화 모델을 풀고 나면 최적 비중을 찾을 수 있습니다. 다음과 같이 최적 비중을 확인할 수 있습니다.

print(weights.value)

결론

파이썬을 이용하여 주식 수익률을 기반으로 포트폴리오 최적화를 수행하는 방법을 알아보았습니다. 포트폴리오 최적화는 효율적인 자산 배분을 위해 중요한 방법론 중 하나입니다. 주식 수익률 데이터를 수집하고 계산하여 포트폴리오 최적화 모델을 구성하고, 최적 비중을 구하는 과정을 살펴보았습니다. 이를 통해 투자자들은 더욱 효율적이고 수익성 높은 포트폴리오를 구성할 수 있습니다.

참고 자료: