[Quant] 퀀트 투자 개요 (Colab 실습)

 

📌 1단계 1주차 — 퀀트 투자 개요 (Colab 실습)

1. 학습 목표

• 퀀트 투자의 기본 개념 이해
• yfinance를 활용한 주가 데이터 수집
• Matplotlib을 이용한 주가 시각화
• 결과 이미지를 Google Drive에 저장하여 관리

---

2. 퀀트 투자란?

퀀트 투자는 데이터와 수학·통계 모델을 활용해 투자 의사결정을 내리는 방식이다.
감정이나 직관보다 정량적 분석과 알고리즘에 의존한다.

특징

• 대규모 데이터 분석 가능
• 일관된 규칙 기반 투자
• 감정 개입 최소화
• 단, 데이터 품질과 모델 신뢰성이 중요

---

3. Colab 환경 준비

1. Google Drive에서 Quant 폴더 생성
2. 폴더 안에서 + 신규 → 더보기 → Google Colaboratory로 새 노트북 생성
3. 노트북 이름 변경: Week1_Quant_Intro.ipynb
4. 런타임 유형: Python 3, GPU 불필요

---

4. 라이브러리 설치

!pip install yfinance pandas matplotlib

• yfinance: Yahoo Finance 데이터 다운로드
• pandas: 데이터 분석용
• matplotlib: 시각화

---

5. 주가 데이터 수집 & 시각화

import yfinance as yf
import matplotlib.pyplot as plt

# 애플(AAPL) 최근 1년 데이터
df = yf.download("AAPL", period="1y")

# 종가 시각화
plt.figure(figsize=(10,5))
plt.plot(df['Close'], label='AAPL Close Price')
plt.title('Apple (AAPL) Close Price - 1Y')
plt.xlabel('Date')
plt.ylabel('Price (USD)')
plt.legend()
plt.grid(True)
plt.show()

📌 결과: 최근 1년간 애플 종가 변동 곡선 그래프 출력

---

6. 그래프 PNG 저장

file_path = '/content/aapl_close_1y.png'
plt.figure(figsize=(10,5))
plt.plot(df['Close'], label='AAPL Close Price')
plt.title('Apple (AAPL) Close Price - 1Y')
plt.xlabel('Date')
plt.ylabel('Price (USD)')
plt.legend()
plt.grid(True)
plt.savefig(file_path, dpi=150, bbox_inches='tight')
print(f"그래프 저장 완료: {file_path}")

• Colab 임시 폴더(/content)에 저장됨
• 세션이 종료되면 삭제되므로 Google Drive로 복사 필요

---

7. Google Drive에 저장

from google.colab import drive
drive.mount('/content/drive')  # 승인 코드 입력

!cp /content/aapl_close_1y.png "/content/drive/MyDrive/Quant/aapl_close_1y.png"
print("✅ Google Drive 'Quant' 폴더에 그래프 저장 완료")

📌 결과: Google Drive Quant 폴더에 영구 보관

구글 드라이브에 저장된 이미지

---

8. 이번 주 과제

1. 다른 종목 실습: TSLA, MSFT, AMZN 등 티커 변경 후 실행
2. 기간 변경: period="2y"로 확장하여 비교
3. 이동평균선 추가: MA20, MA60 추가 시각화
4. 블로그에 그래프와 함께 이번 주 학습 내용 게시

---

9. 느낀 점

• Colab과 Google Drive를 연동하면 공공 PC 환경에서도 안전하게 파일 관리 가능
• yfinance는 설치와 사용이 간단해 데이터 수집 진입 장벽이 낮음
• 그래프 저장 후 바로 블로그에 올릴 수 있어 기록이 효율적임

---

다음 주차(1단계 2주차)에서는 미국 주식 시장 구조와 데이터 수집 심화를 진행합니다.