임마누엘 퀸트
세션 소개
금융 시계열 데이터를 정리하고 규칙 기반 전략을 재현 가능한 코드로 검증하는 4주 데이터 분석 세션입니다. 가격 데이터를 수집한 뒤 수익률과 지표를 계산하고, 백테스트의 가정과 편향을 점검한 뒤 간단한 포트폴리오 위험 분석까지 진행합니다.
수익을 약속하는 전략을 찾는 것이 아니라 데이터 누수, 거래 비용, 평가 지표를 포함해 분석 결과를 비판적으로 읽는 방법을 익힙니다.
이런 분께 추천합니다
- Python과 pandas의 기본 데이터 조작을 사용해 본 분
- 금융 데이터를 시각화하고 분석 가설을 코드로 확인하고 싶은 분
- 백테스트 결과가 실제 성과와 달라지는 이유를 이해하고 싶은 분
- 재현 가능한 데이터 분석 프로젝트를 포트폴리오로 정리하고 싶은 분
커리큘럼
| 주차 | 주제 | 내용 |
|---|---|---|
| 1주차 | 가격 데이터와 수익률 | 가격 데이터를 불러와 날짜, 결측치, 거래일을 정리합니다. 단순 수익률과 누적 수익률을 계산하고 데이터 출처와 정제 과정을 노트북에 기록합니다. |
| 2주차 | 지표와 분석 가설 | 이동평균과 변동성 지표를 계산하고 진입·청산 규칙을 명시합니다. 차트로 신호를 확인하되 미래 데이터를 사용하지 않도록 계산 시점을 분리합니다. |
| 3주차 | 백테스트와 편향 | 전략 수익률과 기준 지수를 비교하고 거래 비용을 반영합니다. 룩어헤드 편향, 생존자 편향, 과최적화가 결과에 미치는 영향을 예제로 확인합니다. |
| 4주차 | 포트폴리오와 위험 | 여러 자산의 상관관계와 변동성을 계산합니다. 단순 동일 비중과 제약이 있는 최적화 결과를 비교하고 최대 낙폭과 위험 대비 수익 지표를 함께 정리합니다. |
진행 방식
- 하나의 Jupyter Notebook 프로젝트에서 데이터, 가설, 검증, 결론을 이어서 기록합니다.
- 세션에서는 수익률 숫자보다 사용한 가정과 데이터 시점을 먼저 검토합니다.
- 코드와 데이터 출처를 Git에 기록하고 원본 데이터는 재수집 방법을 문서화합니다.
- 마지막 주에는 전략의 장점보다 한계와 실패 조건을 중심으로 결과를 공유합니다.
준비 사항
- 노트북, Git·GitHub 계정, Python 3.11 이상, Jupyter 환경
- pandas, NumPy, Matplotlib 기본 사용 경험
- 실습용 가격 데이터와 데이터 출처 설명
이 세션의 코드와 결과는 학습용이며 특정 자산의 매수·매도를 권유하지 않습니다.