홍근이

PUBKEY가 제대로 등록되지 않은 오류로, 아래와 같은 명령어로 pubkey 등록해주면됨.sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys {pub_key}

에러: unclosed connector connections: ['[(, 82070.967)]'] connector:  해결책: 텔레그램 API사용시, 한 그룹에 1분에 최대 20개 메시지만 전송가능하다.limit을 주어, limit 갯수만큼 전송하니 에러가 잘 해결됨https://core.telegram.org/bots/faq#my-bot-is-hitting-limits-how-do-i-avoid-this

주의 사항: 정확도는 모델 성능을 평가하는 유일한 지표는 아닙니다. 특히 클래스 불균형 데이터 세트에서는 다른 지표 (예: F1-스코어, 재현율)를 함께 고려해야 합니다. 모델의 성능은 사용되는 데이터에 따라 달라질 수 있습니다.

# DataFrame 생성 df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Carol'], 'Age': [25, 30, 35]}) # iterrows() 사용하여 각 행 반복 처리 for index, row in df.iterrows(): print(f"인덱스: {index}, 이름: {row['Name']}, 나이: {row['Age']}")

보호되어 있는 글입니다.

아래 종목에 대해서 2014년 10월부터 2023년 8월까지의 데이터를 다운하여 어떤 항목이 가장 수익률이 좋은지 비교를 해보자 종목 선정은 필자가 좋아하는 주식으로 이해해주시면 좋겠다. symbol = ["BA", #Boeing "MSFT", #Microsoft "^DJI", #Dow Jones Industrial Average "KRW=X", "GOOG", #Google "AAPL", #Apple "JPM", #JP-Morgan Chase "GC=F", #Gold "BTC-USD"] #Bitcoin in USD 그림으로만 봤을때 비트코인이 상당히 변동성이 심해보인다. 하지만, 가장 좋은 수익률을 가져왔다고 말할 수 있을까? 각 종목의 절대적인 가격으로 비교했기 때문에, 절대값으로 비교하는 것은 의미가..

샤프 비율(Sharpe Ratio)은 투자의 위험 대비 수익성을 측정하기 위해 사용되는 지표 중 하나입니다. 이 지표는 투자 수익률이 얼마나 큰 위험을 감수하고 얻은 것인지를 나타냅니다. 즉, 샤프 비율은 투자 수익률을 그 위험(변동성)으로 조정한 값을 계산하여 높을수록 좋은 투자 수익성을 의미합니다. 샤프 비율은 다음과 같이 계산됨: 샤프 비율은 보통 '숫자 단위'로 표현되며, 이 값이 클수록 같은 수익률에 대해 더 낮은 위험을 가진 투자를 의미합니다. 따라서 높은 샤프 비율을 가지는 투자 전략이나 포트폴리오가 더 매력적이고 효율적으로 여겨집니다.

data["returns"] = np.log(data.Close.div(data.Close.shift(1))) 해당 코드는 파이썬의 numpy 라이브러리를 사용하여 주식 가격 데이터의 수익률을 계산하는 코드입니다. 코드의 각 부분을 하나씩 해석해보겠습니다. data["returns"]: 이 부분은 data라는 데이터프레임(데이터의 표 형태)에 "returns"라는 새로운 열(column)을 추가하고 있습니다. 이 열은 주식의 수익률 데이터를 담을 공간을 만드는 역할을 합니다. np.log(data.Close.div(data.Close.shift(1))): 이 부분은 주식 가격의 로그 수익률을 계산하는 수식입니다. 여기서 np는 numpy 라이브러리의 별칭(alias)로, numpy는 수학적인 연산을 보다..

아래와 같은 코드가 있다. Dataframe안에 Date(일자), Close(종가) 를 나타내는 열이 있고, shift함수를 사용하여 Close(종가)를 추가 열(column)로 만들어본다. shift(1)은 열의 값을 한 칸 아래로 이동시키는 함수다. 추가 열을 만드는 이유는, 오늘일자 종가를 전일자의 종가로 나눔으로써, 주가/코인 등의 가격이 얼마나 상승/하락했는지 확인 할 수 있다. 이 때, 인자로 주어진 값(여기서는 1) 만큼 이동시킨다. 이동된 위치에는 이동하기 전의 값이 들어감. 따라서 각 행의 값은 이전 행의 "Close" 열 값으로 대체되며, 첫번째 행은 이전 값이 없기 때문에 NaN의 값이 보여짐 np.log(df.Close / df.Close.shift()): 현재 날짜의 종가를 이전 ..

iloc은 interger location의 약어로, 정수 기반의 인덱싱을 사용하여, 데이터 프레임에 특정 위치에 접근하는 메서드 : : 첫 번째 인덱스에 해당하는 위치를 나타냅니다. :은 모든 행을 선택하는 역할을 합니다. 따라서 여기서는 모든 행을 선택합니다. , : 쉼표는 행과 열을 구분하는 역할을 합니다. 0 : 두 번째 인덱스에 해당하는 위치를 나타냅니다. 0은 데이터프레임의 첫 번째 열을 선택하는 역할을 합니다. 데이터프레임은 0부터 시작하는 인덱스를 갖기 때문에, 0은 첫 번째 열을 의미합니다. 결과적으로 df.iloc[:,0]은 데이터프레임 df에서 모든 행을 선택하면서 첫 번째 열의 데이터만 추출하는 것을 의미합니다. 이렇게 하면 해당 데이터프레임의 첫 번째 열에 해당하는 시리즈(Seri..