파이썬 알고리즘 트레이딩 파트1: 알고리즘 트레이딩을 위한 파이썬 데이터 분석

첫째, 잡 마켓에서의 인기도!

현 시점 (2024년도) 부동의 프로그래밍 인기도 1위는 파이썬입니다. 프로그래밍 인기도는 잡 시장에서의 기회와도 연결되어 있습니다. 파이썬을 익히게 되면 여러분들에게 더 많은 기회를 제공해 줄 것입니다.

PYPL (PopularitY of Programming Lanuguage)

둘째, 그러면 왜 판다스일까요?

이 것은 데이터 분석의 본질이 무엇인가에 대한 질문입니다. EDA (Exploratory Data Analysis)라고 불리우는 데이터 분석의 본질은 원 데이터 (raw data)를 원하는 형태로 가공할 수 있는 능력입니다. 이러한 EDA를 가장 효과적으로 할 수 있는 도구가 판다스입니다.

셋째, 그러면 왜 금융 데이터로 파이썬을 공부하게 되죠?

파이썬의 데이터 분석에 필수적인 Pandas 라이브러리 창시자 Wes Mckinney가 금융 분야에서 활동하는 퀀트였었다는 사실, 여러분은 알고 계셨나요? 증권 데이터는 복잡하고 다양한 분석 기법과 통계 모델을 적용해 볼 수 있는 이상적인 분석 대상입니다.

본 강의에서 구현 예정인 Pairs Trading은 유사한 패턴을 보이는 주식 쌍을 정의하고 통계적 방법론과 머신러닝을 활용하여 알고리즘 투자를 결정하는 것입니다.

넷째, 일반적인 데이터 분석 강의에서는 함수형 방식의 스크립트 작성을 합니다.
왜 객체지향으로 데이터 분석을 공부하나요?

• 데이터는 동적입니다: 과거에 효과적이었던 투자 전략이 현재에는 적합하지 않을 수 있습니다.

• 지속적인 변화에 대응: 데이터의 특성 변화에 맞춰 코드를 주기적으로 수정해야 합니다.

  
  

이러한 이유로, 데이터 분석에서 객체지향 프로그래밍 학습은 단순한 기능 구현을 넘어서 효과적인 코드 관리와 생산성 향상을 위한 중요한 기술입니다. 객체지향 문법에 익숙해지면 아래와 같은 코드는 빠르게 몇 초 안에도 이해할 수 있습니다. 객체지향 문법 해석 능력은 독서에서의 속독법과도 같은 마법입니다.

다섯째, 파이썬이 느리다구요? 과연 그럴까요? 대답은 Yes or No

파이썬은 두가지 방법으로 속도를 향상할 수 있습니다. 딥러닝에서는 GPU를 사용해 계산 속도를 높일 수 있다면, 데이터 분석에서는 CPU의 병렬 처리를 통해 속도를 개선할 수 있습니다.

본 강의에서는 CPU 코어를 효과적으로 활용하는 방법을 안내합니다.

여섯번째, Azure 가상 머신에서 분석 환경을 구성합니다.

• 분석 환경의 Azure 가상 머신 사용:

  • 본 강의에서는 Azure 가상 머신을 활용하여 안정적인 파이썬 분석 환경을 구축합니다.

  • 로컬 환경의 변동성 최소화 및 표준화된 학습 환경 제공.

  • 아나콘다를 이용한 가상 환경 설정 및 패키지 관리 방법을 실습.

• 클라우드 사용에 어려움이 있는 경우 대체 방안:

  • 케글 노트북을 이용한 파이썬 분석 구현이 가능하도록 별도의 노트북도 공유합니다.

  • 케글 플랫폼은 설치나 환경 설정 없이 바로 데이터 분석을 시작할 수 있는 장점을 제공합니다.

  • 이를 통해 다양한 환경에서의 유연한 학습이 가능해집니다.

마지막 일곱번째, 파이썬 Crash Course로 기초지식 없이도 어렵지 않게

• 본 강의에서 필요한 파이썬의 기본 문법과 개념들은 “섹션 4. 금융 분석을 위한 Python Crash Course”에서 집중적으로 다룹니다.

• 이 섹션은 파이썬에 처음 접하는 분들을 위한 기초부터 시작하여, 금융 데이터 분석에 필요한 핵심적인 문법과 기능들을 심층적으로 학습합니다.

• 이를 통해 학습자들은 강의의 후반부에 진행되는 보다 복잡한 분석과 프로그래밍 내용을 원활하게 따라갈 수 있는 탄탄한 기초를 쌓을 수 있습니다.

이런 분들께 추천해요

수강 전 참고 사항