파이썬과 주식 데이터를 활용한 포트폴리오 최적화

09 Nov 2023

python

서론

포트폴리오 최적화는 주식 투자자들에게 매우 중요한 작업입니다. 이를 통해 투자자는 효율적인 자산 배분을 구축하여 수익성을 극대화하고 리스크를 최소화할 수 있습니다. 이번 블로그 포스트에서는 파이썬과 주식 데이터를 활용하여 포트폴리오 최적화를 수행하는 방법에 대해 알아보겠습니다.

데이터 수집

먼저, 포트폴리오 최적화를 위해 필요한 주식 데이터를 수집해야 합니다. 파이썬을 사용하여 주식 시세 정보를 API를 통해 가져올 수 있습니다. 다양한 주식 시세 정보를 제공하는 API 서비스 중에서 적절한 서비스를 선택하고, 필요한 데이터를 요청하여 받아올 수 있습니다.

import requests

def get_stock_price(ticker):
    url = "https://api.example.com/stock/{}".format(ticker)
    response = requests.get(url)
    data = response.json()
    return data['price']

price_AAPL = get_stock_price('AAPL')
price_GOOG = get_stock_price('GOOG')

위의 코드는 주식 가격을 가져오기 위해 requests 라이브러리를 사용하는 간단한 예시입니다. get_stock_price 함수를 사용하여 티커(symbol)를 입력하면 해당 주식의 현재 가격을 반환받을 수 있습니다.

포트폴리오 최적화

주식 데이터를 수집했다면, 이제 포트폴리오 최적화를 수행할 준비가 되었습니다. 포트폴리오 최적화는 다양한 방법으로 수행될 수 있지만, 대표적인 방법인 Modern Portfolio Theory (MPT)를 살펴보겠습니다.

MPT는 각 주식의 기대 수익률과 리스크를 고려하여 최적의 자산 배분을 계산합니다. 파이썬의 numpy와 pandas 라이브러리를 활용하여 MPT를 구현할 수 있으며, 효율적인 포트폴리오 조합을 찾기 위해 수학적인 최적화 알고리즘인 Quadratic Programming을 사용할 수도 있습니다.

import numpy as np
import pandas as pd
import cvxpy as cp

def optimize_portfolio(returns):
    num_assets = len(returns.columns)
    
    # Calculate expected returns and covariance matrix
    expected_returns = returns.mean()
    cov_matrix = returns.cov()
    
    # Set up optimization variables
    weights = cp.Variable(num_assets)
    
    # Set up objective function
    expected_return = expected_returns @ weights
    risk = cp.quad_form(weights, cov_matrix)
    objective = cp.Maximize(expected_return - risk)
    
    # Set up constraints
    constraints = [cp.sum(weights) == 1, weights >= 0]
    
    # Solve the optimization problem
    problem = cp.Problem(objective, constraints)
    problem.solve()
    
    # Get the optimal weights
    optimal_weights = weights.value
    
    return optimal_weights

# Example usage
returns = pd.DataFrame({'AAPL': [0.05, 0.03, 0.02],
                       'GOOG': [0.07, 0.04, 0.01]})
weights = optimize_portfolio(returns)

위의 코드는 numpy, pandas, cvxpy 라이브러리를 사용하여 포트폴리오 최적화를 수행하는 예시입니다. optimize_portfolio 함수는 주식 수익률을 입력으로 받아 포트폴리오의 최적 가중치를 반환합니다.

결론

이렇게 파이썬과 주식 데이터를 활용하여 포트폴리오 최적화를 수행하는 방법을 알아보았습니다. 포트폴리오 최적화는 투자자에게 중요한 결정을 내리는 데 도움이 되는 도구입니다. 파이썬과 관련 라이브러리를 익히고 활용하여 효율적인 포트폴리오를 구축할 수 있도록 노력해보세요.

#주식 #포트폴리오