[FinanceDataReader] CAGR, MDD, 샤프지수,소르티노지수 계산 및 코스피 회사에 대한 결과 시각화

FinanceDataReader를 이용해서 CAGR, MDD, 샤프지수, 소르티노 지수를 계산하고 

전체 코스피 회사에 대한 2022년의 결과를 그래프로 확인해보겠습니다.

 

FinanceDataReader의 설치 및 기본 사용법이 필요하신 분은 1번 참조 부탁드립니다. 

 

1. FinanceDataReader 설치 및 주가정보 확인(Skip가능)

2. CAGR, MDD, 샤프지수, 소르티노 지수

3. 코스피 회사에 대한 결과 확인

 

 

1. FinanceDataReader 설치(Skip가능)

https://yenpa.tistory.com/19

[FinanceDataReader] 설치 및 주식 주가 정보 가져오기(코스피, 코스닥)

 

 

2. CAGR, MDD, 샤프지수, 소르티노 지수

필요 라이브러리를 import 하고 회사 list를 불러옵니다.

import FinanceDataReader as fdr
df_list=fdr.StockListing('KRX')
df_list

 

CAGR, MDD, 샤프지수, 소르티노 지수의 계산에 사용할 주가 정보를 저장합니다.

2022-01-01 ~ 2022-12-08일까지의 삼성전자의 주가를 이용하겠습니다.

name='삼성전자'
df_filter=df_list.loc[df_list['Name']==name]
code=df_filter['Code'].values[0]
startdate='2022-01-01'
enddate='2022-12-08'

df_result=fdr.DataReader(code,startdate,enddate)
df_result

 

 

그럼 CAGR을 계산해보겠습니다.

CAGR = (마지막 날 주가/시작 날 주가) ^ (1/경과 연도) - 1

의 식으로 계산을 할 수 있는데 각 날짜별 누적 수익률을 구해서 계산하셔도 됩니다.

CAGR = (마지막 날 누적수익률+1) ^ (1/경과 연도) - 1

# CAGR
df_result['누적수익률']=((df_result['Change'] + 1).cumprod() -1)
경과년도=(df_result.index[-1]-df_result.index[0]).days / 365
cagr = (df_result['누적수익률'] + 1).iloc[-1] ** (1/경과년도) -1

print('CAGR은 ' + str(cagr * 100) + '% 입니다.')

 

 

다음으로 MDD를 계산하겠습니다.

mdd = (저점) / (고점) - 1로 계산이 됩니다.

# MDD
df_result['max'] = 0
for i, r in df_result.iterrows():
    maxval = df_result.loc[:i,'Close'].max()
    df_result.loc[i,'max']=maxval
df_result['drawdown'] = (df_result['Close']/df_result['max']-1)*100
mdd = round(df_result['drawdown'].min(),1)
print('MDD는 ' + str(mdd) + '% 입니다.')

 

날짜 별로 for문을 실행하면서 이전 기간의 고점을 찾아서 max에 저장합니다.

df_result['max'] = 0
for i, r in df_result.iterrows():
    maxval = df_result.loc[:i,'Close'].max()
    df_result.loc[i,'max']=maxval

각 날짜 기준 drawdown을 구하고 가장 낮은 날짜의 값을 mdd에 저장합니다.

df_result['drawdown'] = (df_result['Close']/df_result['max']-1)*100
mdd = round(df_result['drawdown'].min(),1)
print('MDD는 ' + str(mdd) + '% 입니다.')

 

 

샤프지수와 소르티노 지수를 계산해보겠습니다.

샤프지수 : (연간 투자수익률 - 무위험수익률) / 표준편차

소르티노 지수 : (연간 투자수익률 - 무위험수익률) / 마이너스 수익 표준편차

 

무위험 수익률은 국채나 예금이자 등으로 계산이 되는데

여기에서는 코스피 지수를 무위험 수익률로 해서 코스피지수 대비 차이를 구해보겠습니다.

 

코스피 지수를 불러와서 누적수익률을 계산합니다.

kospi=fdr.DataReader('KS11',startdate,enddate)
kospi['Change']=kospi['Close'].pct_change()
kospi['누적수익률']=((kospi['Change'] + 1).cumprod()-1)

 

샤프지수를 계산합니다.

#샤프지수
sto=df_result.loc[df_result.index==enddate,'누적수익률'].values[0]
kos=kospi.loc[kospi.index==enddate,'누적수익률'].values[0]
std=df_result['Change'].std()
sharp=(sto/100-kos/100)/std
sharp

소르티노 지수를 계산합니다.

#소르티노지수
sto=df_result.loc[df_result.index==enddate,'누적수익률'].values[0]
kos=kospi.loc[kospi.index==enddate,'누적수익률'].values[0]
std=df_result.loc[df_result['Change']<0,'Change'].std()
sortino=(sto/100-kos/100)/std
sortino

 

반응형

 

3. 코스피 회사에 대한 결과 확인

우선 코스피 회사 리스트만 따로 저장합니다.

kospi_list=df_list.loc[df_list['Market']=='KOSPI']

 

각 결과를 계산하는 function을 만들겠습니다.

def getresult(code,name,df_result):
    result={}
    result['code']=code
    result['name']=name
    
    
    # CAGR
    df_result['누적수익률']=((df_result['Change'] + 1).cumprod() -1)
    경과년도=(df_result.index[-1]-df_result.index[0]).days / 365
    result['cagr'] = ((df_result['누적수익률'] + 1).iloc[-1] ** (1/경과년도) -1)*100

    # MDD
    df_result['max'] = 0
    for i, r in df_result.iterrows():
        maxval = df_result.loc[:i,'Close'].max()
        df_result.loc[i,'max']=maxval
    df_result['drawdown'] = (df_result['Close']/df_result['max']-1)*100
    result['mdd'] = round(df_result['drawdown'].min(),1)
    
    #샤프지수
    sto=df_result.loc[df_result.index==enddate,'누적수익률'].values[0]
    kos=kospi.loc[kospi.index==enddate,'누적수익률'].values[0]
    std=df_result['Change'].std()
    result['sharp']=(sto/100-kos/100)/std
    
    #소르티노지수
    sto=df_result.loc[df_result.index==enddate,'누적수익률'].values[0]
    kos=kospi.loc[kospi.index==enddate,'누적수익률'].values[0]
    std=df_result.loc[df_result['Change']<0,'Change'].std()
    result['sortino']=(sto/100-kos/100)/std
    
    return result

코스피 회사별로 결과를 저장합니다.

# Kospi 지수 
kospi=fdr.DataReader('KS11',startdate,'2022-12-09')
kospi['Change']=kospi['Close'].pct_change()
kospi['누적수익률']=((kospi['Change'] + 1).cumprod()-1)

startdate='2022-01-01'
enddate='2022-12-08'

result_all=[]
for i, r in kospi_list.iterrows():
    code=r['Code']
    name=r['Name']
    
    df_result=fdr.DataReader(code,startdate,enddate)
    
    # 120영업일보다 적은 회사는 skip
    if df_result.shape[0]<120:
        continue
    
    result_all.append(getresult(code,name,df_result))

DataFrame으로 변환 후 확인해 보겠습니다.

import pandas as pd
df=pd.DataFrame(result_all)
df

각 회사별로 결과가 저장이 잘 된 것을 알 수 있습니다.

 

그래프로 확인해볼까요

x축은 CAGR, y축은 mdd, 크기는 sharp지수입니다.

import plotly.express as px
df1=df.loc[df['sharp']>0]
fig=px.scatter(data_frame=df1,x='cagr',y='mdd',size=df1['sharp']*100, hover_name='name')
fig.update_layout(
    title_text='MDD CAGR Sharp',
    title={'x':0.5, 'y':0.95}
)
fig.show()

오른쪽 위쪽의 데이터일수록 CAGR이 크고 MDD가 적은 회사가 되겠습니다.

2022년 삼천리의 경우는 CAGR(367%), MDD(-7.9%), 샤프지수(1.76)를 기록했습니다.

 

그럼 샤프지수를 소르티노 지수로 변경해서 확인해볼까요.

전체적인 크기의 경향은 비슷해 보이는데 중간중간 다른 경향도 확인할 수 있습니다.

이상으로  CAGR, MDD, 샤프지수, 소르티노 지수를 계산하고

전체 코스피 회사에 대한 2022년의 결과를 그래프로 확인해봤습니다.