[Quant] 미국 주식 시장 구조와 데이터 수집 심화 (Week2)

 

📊 퀀트 투자 실습 — 미국 주식 시장 구조와 데이터 수집 심화 (Week2)

1. 학습 목표

이번 주차에서는 단일 종목이 아닌 여러 종목과 주요 지수 데이터를 한 번에 수집·비교하는 방법을 다뤘습니다.
또한, 이동평균선(MA20, MA60)을 적용해 단기·장기 추세 분석까지 진행했습니다.

---

2. 미국 주식 시장 구조 이해

2.1 주요 거래소

거래소	약자	특징
뉴욕증권거래소	NYSE	전통 대기업 다수, 시총 상위 종목 중심
나스닥	NASDAQ	IT·성장주 중심, 기술기업 비중 높음
아멕스	AMEX	소규모·특수상품, ETF 상장 활발

---

2.2 주요 지수(Index)

• S&P 500 (^GSPC): 미국 대형주 500종목
• NASDAQ 100 (^IXIC): 나스닥 상위 100개 비금융 종목
• 다우존스 산업평균 (^DJI): 전통 대기업 30종목

---

3. 데이터 수집 실습 (Colab)

3.1 기술주 4종 종가 비교

import yfinance as yf
import matplotlib.pyplot as plt

# 분석할 종목
tickers = ['AAPL', 'MSFT', 'TSLA', 'AMZN']

# 최근 1년 종가 데이터
df = yf.download(tickers, period="1y")['Close']

# 그래프 그리기
plt.figure(figsize=(12,6))
for ticker in tickers:
    plt.plot(df.index, df[ticker], label=ticker)

plt.title('Tech Stocks Close Price - 1Y')
plt.xlabel('Date')
plt.ylabel('Price (USD)')
plt.legend()
plt.grid(True)
plt.show()

📌 해석

• MSFT: 비교적 안정적인 우상향
• TSLA: 변동성 크고 급등락 빈번
• AAPL·AMZN: 완만한 변동, 장기 보유 적합 가능성

---

3.2 미국 주요 지수 비교

index_tickers = ['^GSPC', '^IXIC', '^DJI']
df_index = yf.download(index_tickers, period="1y")['Close']

plt.figure(figsize=(12,6))
for ticker in index_tickers:
    plt.plot(df_index.index, df_index[ticker], label=ticker)

plt.title('Major US Indexes - 1Y')
plt.xlabel('Date')
plt.ylabel('Index Value')
plt.legend()
plt.grid(True)
plt.show()

📌 해석

• 2025년 3월 전후 모든 지수 하락 → 거시경제 요인 가능성
• S&P500과 NASDAQ의 변동성 차이가 기술주 비중에서 기인

---

4. 이동평균선(MA20, MA60) 분석

4.1 코드

ma_periods = [20, 60]
ma_df = df.copy()
for period in ma_periods:
    for ticker in tickers:
        ma_df[(ticker, f"MA{period}")] = df[ticker].rolling(period).mean()

plt.figure(figsize=(14,10))
for i, ticker in enumerate(tickers):
    plt.subplot(2, 2, i+1)
    plt.plot(df.index, df[ticker], label=f"{ticker} Close")
    plt.plot(ma_df.index, ma_df[(ticker, "MA20")], label="MA20", linestyle='--')
    plt.plot(ma_df.index, ma_df[(ticker, "MA60")], label="MA60", linestyle='-.')
    plt.title(f"{ticker} - Close with MA20 & MA60")
    plt.xlabel('Date')
    plt.ylabel('Price (USD)')
    plt.legend()
    plt.grid(True)
plt.tight_layout()
plt.show()

 

---

4.2 해석

• Golden Cross: 단기선(MA20)이 장기선(MA60) 상향 돌파 → 상승 신호 가능성
• Death Cross: 단기선이 장기선 하향 돌파 → 하락 신호 가능성
• TSLA: 변동성 가장 크고, 교차가 잦음 → 단기 매매 기회 많음
• MSFT: 추세가 길게 유지 → 안정적 상승 흐름
• AAPL·AMZN: 중간 수준의 변동성과 추세 전환 패턴

---

5. 결과 저장 (Google Drive)

from google.colab import drive
drive.mount('/content/drive')

plt.savefig('/content/drive/MyDrive/Quant/tech_stocks_1y.png', dpi=150, bbox_inches='tight')
plt.savefig('/content/drive/MyDrive/Quant/indexes_1y.png', dpi=150, bbox_inches='tight')

• 생성된 그래프를 Google Drive Quant 폴더에 저장 → 공공 PC에서도 자료 보관 가능

---

6. 이번 주차 핵심 포인트

• 여러 종목/지수 데이터를 한 번에 수집 가능
• 시각화로 종목별·시장별 특성 비교
• 이동평균선 적용으로 추세와 변동성 한눈에 파악
• 저장 자동화로 학습 자료 관리 용이

---

📌 다음 단계:
이동평균선 전략을 이용한 매수·매도 시그널 생성 및 백테스트로 전략의 수익률과 위험도를 검증합니다.