이동평균 데이터 분석하기

우리나라의 2000여개가 되는 데이터를 분석하기 위해서는 일단,

Pyyhton + Django 에 DataFrame 자료형으로 데이터를 뽑아 보고, 그래픽으로 나타내보도록 하겠다.

여기서 분석할것은 과연 이동평균이 과연 설득력이 있고 통계적으로 적당한가? 이다.

예상으로는 40~60 %의 움직임을 보인다면 오차범위내에서 아무런 의미가 없다고 본다.

그리고, 코스피가 상승장이였나 하락장이였나에는 별개로 한가지의 통일성을 가져야 하는데, 위의 움직임을 보인다면 이 전략은 아무짝에도 쓸모가 없는것이다.

무슨 보조지표와 함께 써야한다는 비겁한 변명을 해대는데, 사실 이동평균선이 그다지 쓸모가 없음이 드러나면 보조지표고 뭐고 이걸로 전략을 결정하는것은 카지노에 가서 홀짝 게임을 하는것과 하나도 다름이 없다.

일단은 데이터를 빠르게 웹페이지에 나타내고 시각화 하기 위해 프로그램을 만들어야 한다.

1) 이동평균의 조합에 따른 (5,20,80,120일) 추세추종 전략의 유용성

2) 이동평균과 거래량의 상관관계 분석 후 60% 이상의 방향성을 가지는 전략결정.

이동평균과 거래량이 그렇게 관련이 없으면 다른 factor가 폐기해야한다.

'상승장'일 경우 설득력이 있다. 라고 말하는것은 무리가 있다. 일단은 상승장일 경우를 가정해야 하는데, 그 어떤 누구가 지금이 상승장의 시작인지 꼭대기인지 말할수가 있겠는가. 통계적으로 유의미하려면 일단은 주식의 상승장 하락장 여부를 떠나서 추세추종전략만의 타당성을 밝혀내야하는것이다.

예상하기로는 이 전략으로 큰 돈을 벌기 힘들것이다. 그럼에도 불구하고 미신같이 이동평균선에 따른 전략을 구사하는 사람이 많을경우 주식은 그러한 흐름을 보일 확률도 있다. 예상해보건데, 55~60%로 나타나는것을 예상하며, 이는 유의미하지 않을것이다.