요약파이썬과 주피터 노트북을 활용해서 주가 데이터를 받아온 다음, 시각화를 통해나스닥에 상장된 AI반도체 기업들의 주식에 대한 이동 평균, 일일 수익률, 종목 간 상관성을가시적으로 표현해볼 것이다. 전 단계인 데이터 준비와 전처리 과정은 이전 포스팅을 참고하자.  이동평균 (Moving Averages)보통 시계열 분석을 원래 데이터 그대로 수행하게 되면 추세가 오르락 내리락 하여가시성이 떨어지는 경우가 많다. 물론 실제 데이터가 그렇기 때문에 그것 역시 중요하지만,추세를 확인하고 싶을 때는 보통 이동 평균(Moving Averages)을 많이 사용한다.계속해서 바뀌는 가격을 일정 부분 평균으로 주기적으로 뭉쳐서 데이터를 부드럽게 만든다.ma_day = [10,20,50]for ma in ma_day: ..

개요이전 3개의 포스팅에서 연달아 엔비디아의 주식을 간단하게 분석해 보았다. 하지만 조금 더 깊고 넓게, 엔비디아가 포함된 한 산업군의 주가를 분석하는 것도 재미있을 것 같았다.흥미로운 상관관계가 있을지도 모르고, 조금 더 다양한 기법을 적용해볼 수도 있다.이번 글에서는 나스닥에 상장된 AI 반도체 산업 기업들의 주가 데이터를 가져와서간단하게 분포까지 확인해볼 것이다.  데이터 준비import numpy as npimport matplotlib.pyplot as pltimport pandas as pdimport seaborn as snsimport yfinance as yfimport datetime as dt필요한 라이브러리를 import해준다. 보통 사이킷런 말고는 이렇게 미리 해놓는게 편한 듯. ..

개요이전 편에서 야후 금융 데이터를 받아서 필요한 전처리를 모두 수행했다. 올바른 데이터가 모두 갖춰졌다면 분석을 통해서 인사이트를 얻고, 그것을 직관적인 형태로 보고까지 해야한다."숫자가 스스로 말하게 해라" 라는 데이터 분석의 의의를 잊지 말자.Matplotlib, Seaborn 으로 시각화를 수행하고, sklearn 의 여러 모델들을 통해 학습 및 평가까지 수행해보자.  분포 시각화plt.style.use('bmh')sns.set_style('darkgrid')두 패키지를 통해 시각화하기 전, 원하는 스타일을 미리 맞춰주는 것이 좋다. 여기서 사용하는 스타일은 어두운 그리드 스타일로 통일해보자! (가장 깔끔하다고 생각하는 스타일..) plt.figure(figsize = (10,5))sns.viol..

개요데이터분석에 대한 기본 개념과 파이썬이라는 언어에 익숙해졌다면, 여러 종류의 데이터를 가지고 연습을 해봐야실력이 늘기 마련이다. 여러 도메인 (경제, 사회, 자연어, 정치 등) 에 대한 지식을 쌓는 것과 동시에세상을 객관적으로 바라볼 수 있는 능력이 새기는 것이 데이터 분석의 매력인 것 같다.이번 글에서는, 야후에서 제공하는 주가 데이터를 파이썬을 통해 전처리, 시각화, 예측 등을 해볼 것이다.요즘 엔비디아와 관련해서 많은 이야기들이 오고 가는 것 같다. 객관적인 시각이 중요한 시점이다. (사용하는 라이브러리 : pandas, matplotlib, seaborn, sklearn, yfinance)  데이터 생성import numpy as npimport matplotlib.pyplot as pltim..