파이썬 코드 (1)

# 설치 필요 라이브러리 (최초 1회 실행) # pip install yfinance pytrends pandas openpyxl matplotlib seaborn import pandas as pd import yfinance as yf from pytrends.request import TrendReq import matplotlib.pyplot as plt import seaborn as sns from datetime import datetime, timedelta import os # 📥 1. 엑셀에서 티커 불러오기 tickers_df = pd.read_excel("tickers.xlsx") # <- 파일명에 맞게 수정 tickers = tickers_df['Ticker'].dropna().unique().tolist() # 📆 2. 수집 기간 설정 end_date = datetime.today() start_date = end_date - timedelta(days=365) # 📈 3. 주가 데이터 수집 price_df = yf.download(tickers, start=start_date, end=end_date)['Close'] price_df.dropna(inplace=True) # 🔍 4. Google Trends 데이터 수집 pytrends = TrendReq() keyword_map = { 'AAPL': 'Apple', 'NFLX': 'Netflix', 'PLTR': 'Palantir', 'META': 'Meta', 'AMZN': 'Amazon', # 필요한 종목 키워드 직접 추가 } search_df = pd.DataFrame() for ticker in tickers: keyword = keyword_map.get(ticker, ticker) pytrends.build_payload([keyword], cat=0, timeframe='today 12-m') trend = pytrends.interest_over_time().drop(columns='isPartial', errors='ignore') trend.rename(columns={keyword: ticker}, inplace=True) search_df = pd.concat([search_df, trend[ticker]], axis=1) # 🧪 5. 분석 시작 results = [] for ticker in tickers: df = pd.DataFrame({ 'price': price_df[ticker], 'search_volume': search_df[ticker] }).dropna() # 이벤트 스터디 event_window = 5 threshold = 85 event_dates = df[df['search_volume'] > threshold].index event_returns = [] for event_date in event_dates: window = pd.date_range(event_date - timedelta(days=event_window), event_date + timedelta(days=event_window)) window_data = df.loc[df.index.isin(window)] if len(window_data) == 2 * event_window + 1: base_price = window_data.iloc[event_window]['price'] returns = (window_data['price'] - base_price) / base_price * 100 returns.index = range(-event_window, event_window + 1) event_returns.append(returns) mean_return = pd.DataFrame(event_returns).mean() if event_returns else pd.Series(dtype=float) # 시차 상관 분석 max_lag = 5 best_lag = 0 best_corr = 0 for lag in range(max_lag + 1): shifted = df['search_volume'].shift(lag) corr = shifted.corr(df['price']) if corr > best_corr: best_corr = corr best_lag = lag # 요약 label = '밈형' if best_corr > 0.3 and len(mean_return) > 0 and mean_return.loc[1:].mean() > 1 else '버핏형' results.append({ 'Ticker': ticker, '이벤트 평균 수익률(1~5일)': round(mean_return.loc[1:].mean(), 2) if not mean_return.empty else None, '최고 상관 시차(days)': best_lag, '최고 상관계수': round(best_corr, 3), '분류': label }) # 💾 6. 결과 저장 result_df = pd.DataFrame(results) result_df.to_excel("분석결과_요약.xlsx", index=False) print("✅ 분석 완료! '분석결과_요약.xlsx' 파일을 확인하세요.")