분할 투자 전략 최적화 (Split Investment Strategy Optimizer)

개요

이 프로젝트는 분할 투자 전략을 백테스팅하고 최적화하여 실제 투자에 적용하는 것을 목표로 합니다. 분할 투자 전략은 주식이나 ETF의 가격이 일정 비율로 하락할 때 분할 매수하고, 일정 비율로 상승할 때 분할 매도하는 전략입니다. 이를 통해 리스크를 관리하고 최적의 파라미터 조합을 찾아 최고의 성과를 내는 것을 목표로 합니다.

주요 기능

1. 주식 및 ETF 데이터 수집

• 주식 및 ETF 데이터 수집 스크립트:
  • ticker_collector.py: 주식 티커 정보를 수집합니다.
  • stock_data_collector.py: 주식 가격 데이터를 수집하고 MySQL 데이터베이스에 저장합니다.
  • etf_data_collector.py: ETF 가격 데이터를 수집하고 MySQL 데이터베이스에 저장합니다.
    • PER, PBR, 배당수익률 등의 조건을 만족하는 주식만 저장합니다.
    • 상장폐지된 주식 및 조건을 만족하지 않는 주식을 필터링여부를 결정합니다.
    • 효율적인 업데이트를 위해 별도의 ticker_status 테이블을 사용합니다.

2. 분할 투자 전략 백테스팅

• 백테스팅 최적화기:
  • backtest_strategy.py: 핵심 백테스팅 전략 및 로직이 포함되어 있습니다.
  • single_backtest.py: 단일 백테스팅 실행 스크립트입니다.
  • parameter_simulation.py: 여러 백테스팅을 병렬로 실행하여 최적의 파라미터를 찾는 스크립트입니다.

3. 데이터 파이프라인

• 데이터 파이프라인:
  • data_pipeline.py: 전체 데이터 수집 및 데이터베이스 설정 파이프라인을 설정합니다.
  • db_setup.py: 데이터베이스 설정 및 테이블 생성을 처리합니다.

4. 웹 인터페이스

• Flask 애플리케이션:
  • app.py: Flask 애플리케이션을 초기화하고 라우팅을 설정합니다.
  • templates/index.html: 웹 인터페이스 템플릿입니다.
  • static/css/styles.css: 웹 인터페이스를 위한 스타일 시트입니다.
  • static/js/scripts.js: 웹 인터페이스를 위한 자바스크립트 파일입니다.

분할 투자 전략 설명

분할 투자 전략은 주식이나 ETF의 가격이 일정 비율로 하락할 때 분할 매수하고, 일정 비율로 상승할 때 분할 매도하는 전략입니다. 이를 통해 리스크를 관리하고 일정한 수익을 목표로 합니다. 각 주식은 n단계(num_splits)로 분할 매도 매수를 진행하며, 단계별 수익률은 다음과 같이 계산됩니다.

계산 방법

1. 추가 매수 하락률:

   • 목표: 각 단계별로 주가가 일정 비율 하락할 때 추가 매수를 진행합니다.
   • 공식:

   def calculate_additional_buy_drop_rate(last_buy_price, five_year_low, num_splits):
       return 1 - ((five_year_low / last_buy_price) ** (1 / (num_splits - 1)))

2. 매도 수익률:

   • 목표: 각 단계별로 주가가 일정 비율 상승할 때 매도를 진행합니다.
   • 공식:

   def calculate_sell_profit_rate(buy_profit_rate):
       return (1 / (1 - buy_profit_rate)) - 1

백테스팅 목표

백테스팅의 목표는 다양한 변수를 조정하여 여러 투자 기간 동안 평균 성과가 가장 좋은 조합을 도출하는 것입니다:

• 분할 단계 수 (num_splits): 주식당 최대 분할 가능한 횟수를 조정하여 가장 좋은 성과를 보이는 파라미터를 도출합니다.
  • 예: [10, 20, 30]
• 투자 비율 (investment_ratio): 전체 자본 중에서 각 단계별로 투입할 금액의 비율을 조정하여 가장 좋은 성과를 보이는 비율을 도출합니다. 실제로 각 단계별로 투입되는 금액은 investment_ratio / num_splits로 나눠집니다.
  • 예: [0.25, 0.3, 0.35]
• 초기 매수 기준 값 (normalized value): 5년 종가를 기준으로 최고가와 최저가를 통해 min-max 스케일링한 값을 조정하여 가장 좋은 성과를 보이는 기준 값을 도출합니다.
• 매수 임계값 (buy_threshold): 주식이 매수되는 기준이 되는 normalized value를 조정하여 가장 좋은 성과를 보이는 값을 도출합니다.
  • 예: [30, 40, 50]
• PER 임계값 (per_threshold): 주식의 PER 값을 조정하여 조건을 만족하는 주식을 선택합니다.
  • 예: [5, 10, 15]
• PBR 임계값 (pbr_threshold): 주식의 PBR 값을 조정하여 조건을 만족하는 주식을 선택합니다.
  • 예: [0.5, 1, 1.5]
• 배당 수익률 임계값 (div_threshold): 주식의 배당 수익률을 조정하여 조건을 만족하는 주식을 선택합니다.
  • 예: [1, 3]
• 추가 매수 하락률 (min_additional_buy_drop_rate): 추가 매수를 위한 하락률을 조정하여 가장 좋은 성과를 보이는 값을 도출합니다.
  • 예: [0.005, 0.015]
• 상장폐지 고려 여부 (consider_delisting): 상장폐지된 주식을 포함할지 여부를 설정합니다.
• 최대 보유 주식 수 (max_stocks): 포트폴리오에 포함될 최대 주식 수를 조정하여 가장 좋은 성과를 보이는 값을 도출합니다.
  • 예: [30, 45, 60]
• 랜덤 시드 (seed): 백테스팅의 일관성을 유지하기 위해 랜덤 시드를 고정합니다.

사용된 주요 라이브러리 및 툴

• pykrx: 한국 거래소 데이터를 가져오기 위해 사용.
• pymysql: MySQL 데이터베이스와의 연동을 위해 사용.
• pandas: 데이터 조작 및 분석을 위해 사용.
• matplotlib: 데이터 시각화를 위해 사용.
• configparser: 설정 파일을 읽고 쓰기 위해 사용.
• numpy: 수치 연산을 위해 사용.
• concurrent.futures: 병렬 처리를 위해 사용.
• tqdm: 프로세스 진행률을 표시하기 위해 사용.
• flask: 웹 인터페이스를 생성하기 위해 사용.

프로젝트 파일 설명

• 데이터 수집:

  • src/ticker_collector.py: 주식 티커 정보를 수집합니다.
  • src/stock_data_collector.py: 주식 가격 데이터를 수집합니다.
  • src/etf_data_collector.py: ETF 가격 데이터를 수집합니다.
  • src/data_pipeline.py: 전체 데이터 수집 및 데이터베이스 설정 프로세스를 오케스트레이션합니다.

• 백테스팅:

  • src/backtest_strategy.py: 핵심 백테스팅 전략 및 로직이 포함되어 있습니다.
  • src/single_backtest.py: 단일 백테스팅 실행 스크립트입니다.
  • src/parameter_simulation.py: 최적의 파라미터 조합을 찾기 위해 여러 백테스팅을 실행합니다.

• 웹 인터페이스:

  • src/app.py: Flask 애플리케이션을 초기화하고 라우팅을 설정합니다.
  • templates/index.html: 웹 인터페이스 템플릿입니다.
  • static/css/styles.css: 스타일 시트 파일입니다.
  • static/js/scripts.js: 자바스크립트 파일입니다.

• 데이터베이스 설정:

  • src/db_setup.py: 데이터베이스 설정 및 테이블 생성을 처리합니다.

주요 업데이트 경과

• 2024년 6월 16일: 데이터를 엑셀 파일 대신 MySQL에 저장하도록 변경.
• 2024년 6월 27일: MySQL에서 데이터를 가져와 백테스팅하는 로직으로 변경.
  • 조건에 해당하는 종목을 찾기 위해 하드 코딩 대신 SQL을 사용하여 데이터를 동적으로 가져오도록 수정.
  • 조건을 만족하는 종목을 랜덤하게 선택하도록 설정.
• 2024년 7월 5일: 백테스팅에 상장폐지 종목 포함.
  • 상장폐지 종목의 가치를 상장폐지 전날의 종가로 계산하고 포트폴리오에서 제거.
  • 10년 동안 상장폐지 종목을 포함한 백테스팅 결과, 평균 연평균 수익률 최대 11%.
  • 상장폐지 종목을 제외한 백테스팅 결과, 연평균 수익률 최대 16.5%.
• 2024년 7월 24일: 백테스팅을 구현할 수 있는 Flask 웹페이지 개발

향후 계획

1. **사용자 맞춤 종목선정 기능 **:

   • 현재는 조건에 맞는 종목 중에 랜덤으로 선택하는 방식에서, 사용자 맞춤형으로 변경.
   • 사용자가 선택한 종목들을 기반으로 백테스팅을 수행하고 결과를 시각화하는 기능 제공

2. 성능 최적화:

   • 대용량 데이터 처리를 위한 성능 최적화.
   • 백테스팅에 필요한 모든 데이터를 처음에 한 번에 불러와 캐시에 저장하고, 캐시에서 데이터를 조회하도록 로직 변경 시도.

3. 상장폐지 가능성 예측 모델::

   • 재무 데이터와 시장 데이터를 기반으로 상장폐지 가능성을 평가하는 모델을 개발.

연락처 정보

추가 정보나 프로젝트 논의를 원하시면 [[email protected]]로 연락해 주세요.