1안(메인) : 리스크 헷지 기반 섹터 ETF 추천 프로젝트

프로젝트 요약

1:1 상관 분석을 통해 같은 섹터 내에서 주가가 서로 반대로 이동하는 경향성을 가진 ETF들을 발견한다

특정 ETF를 선택했을 때 같은 섹터 내에서 이에 맞는 반대 경향성 ETF를 추천하여 리스크를 헷지하도록 돕는다

*헷지 : 파라미터 변동으로 인한 가격 위험을 제거하여 손실을 방지하는 행위

프로젝트 과정

1. 데이터 수집

• 네이버증권 크롤링 (섹터ETF 일별 시세)
• Yahoo Finance

1. 데이터 가공

• 섹터ETF 일별 시세 데이터들을 하나의 window로 통일
• Date와 close를 제외한 모든 열 삭제
• 시계열 데이터의 정상성 보장을 위한 차분 or 변화율 변환 수행

1. 데이터 분석

• Correlation Analysis: 같은 섹터 내 각 ETF의 주가 변동 경향성의 상관관계를 1대1로 분석

  양의 상관관계가 높은 섹터끼리는 주가가 함께 움직이는 경향이 있다고 판단 음의 상관관계가 높은 섹터는 주가가 반대로 움직이는 경향이 있다고 판단

  • 비선형 상관 분석 사용
    • 스피어만 상관계수(Spearman correlation coefficient)
    • 켄달의 순위 상관계수
  • 필요한 경우 Copula, VAR 등의 비선형 관계 분석 도구 활용

• Volatility Analysis: 상관 관계가 있는 두 ETF의 비율을 조절했을 때 어느 정도의 리턴 상승/하락과 리스크 상승/하락이 있을지 분석하여 추천점을 파악

  최대 리턴 상승 & 최소 리스크 상승 최소 리턴 하락 & 최대 리스크 하락

  • 각 ETF의 수익률의 표준편차를 통해 변동성 측정
  • 비율을 조정하며 반복적으로 비교하여, 높은 변동성이 있는 경우와 낮은 변동성이 있는 경우를 각각 도출
    • 비율 조정 기능을 추가로 만들어서, 사용자의 입력에 따라 어느 정도의 변동성이 생기는지 도출

1. 데이터 분류 및 시각화