블로그

[2021-08-13] 공매도 상위 종목 살펴보기

Aug 15, 2021

공매도는 주식을 빌려서 파는 행위를 말합니다. 주가가 하락한다는 쪽에 베팅하는 것입니다. 이러한 베팅을 숏(Short) 포지션 취한다고 합니다. 주가가 하락할 것이라고 예상하고 주식을 빌려서 현재 가격에 매도하고 주가가 떨어졌을 때 다시 매수해서 빌린 주식을 갚는 것입니다.

공매도는 2020년 3월에 주가 급락을 막기 위해 금지됐었습니다. 그렇게 1년 2개월간 금지된 공매도가 2021년 5월에 재개됐습니다. 공매도는 개인투자자들이 하기 어렵고 그만큼 개인투자자들의 공매도에 대한 부정적인 인식이 강합니다.

공매도가 많다고 해서 주가가 꼭 하락한다는 보장은 없지만 공매도의 현황을 파악해 놓는 것은 중요하다고 생각합니다. 공매도의 추세가 증가하면 가급적 매수를 자제하는 것이 좋다고 생각합니다. 다만 공매도가 많다가 줄어드는 추세이고 대차잔고가 많은 상태면 주가가 바닥권이라는 예측을 해볼 수도 있습니다. 대차잔고는 주식을 빌리고 아직 갚지 않은 주식 수를 의미합니다. 즉, 대차잔고만큼 앞으로 매수가 이뤄질 것이란 의미입니다.

퀀티랩 종목지표/공매도 메뉴에서 종목별 공매도 현황을 표로 확인할 수 있습니다.

이 포스트에서는 2021-08-13 기준으로 공매도율, 대차잔고율, 대차잔고액 순위를 살펴보겠습니다.

공매도율 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
티씨케이	173,400	-1.64	137,556	25.57
넷마블	127,000	-3.79	1,398,730	25.51	9,808,533	0.85
하림지주	9,580	-1.54	65,510	22.83
SK머티리얼즈	432,000	-1.5	508,959	21.26
휴온스	61,400	-1.76	76,527	19.85
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
엔씨소프트	786,000	-2.48	1,563,723	18.7	7,751,709	0.43
리노공업	172,400	0.17	151,018	18.69
CJ대한통운	165,500	-2.07	189,097	18.43	845,591	0.22
GS리테일	33,200	-1.92	443,432	18.12	711,763	0.2
고영	23,450	-2.09	84,659	17.43
주성엔지니어링	13,050	-1.14	326,588	17.19
SK텔레콤	306,000	-2.08	1,344,422	17.12	8,681,719	0.4
동국제약	24,700	-1.79	71,298	17.11
팬오션	7,410	-4.39	1,044,217	16.94	4,016,525	1.03
하나투어	75,600	-2.45	265,633	16.83	1,204,780	1.09
S-Oil	93,800	-1.37	360,719	16.51	2,908,925	0.28
제일기획	23,200	-0.22	108,406	15.71	429,828	0.16
이오테크닉스	112,700	-3.1	153,843	15.5
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.7

대차잔고율 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
롯데관광개발	18,900	-2.07	56,884	6.66	9,874,871	7.25
LG디스플레이	20,800	-3.48	971,078	11.97	50,027,642	6.31
신풍제약	66,800	-6.96	867,669	3.59	14,668,319	4.31
HMM	39,150	-3.69	100,346	0.45	64,919,667	4.13
엠씨넥스	45,500	-1.62	27	0.00	3,234,984	3.81
삼성중공업	6,170	-2.68	179,177	5.73	15,810,589	3.73
OCI	107,000	-3.60	178,287	2.69	8,522,111	3.18
셀트리온	275,500	-2.13	960,199	4.45	112,924,125	3.03
부광약품	20,400	-2.86	65,716	3.80	4,234,188	2.84
일양약품	34,150	-1.73	31,317	7.04	1,721,090	2.58
호텔신라	90,000	-2.39	313,553	6.93	9,290,901	2.57
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
두산퓨얼셀	48,400	-2.22	38,571	1.53	8,021,749	2.43
한전기술	48,150	-3.89	42,456	2.39	3,857,609	1.99
GKL	15,700	-1.26	43,621	8.02	1,931,880	1.93
삼양식품	87,800	-0.79	19,858	6.28	1,279,720	1.90
인스코비	4,325	14.57	880	0.01	686,171	1.79
씨에스윈드	80,100	-2.44	300,555	8.81	5,912,298	1.77
CJ CGV	28,750	-2.87	46,465	2.57	1,942,759	1.72
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.70

대차잔고액 Top 20

종목명	주가	등락율(%)	공매도액(만원)	공매도율(%)	대차잔고액(만원)	대차잔고율(%)
셀트리온	275,500	-2.13	960,199	4.45	112,924,125	3.03
HMM	39,150	-3.69	100,346	0.45	64,919,667	4.13
LG디스플레이	20,800	-3.48	971,078	11.97	50,027,642	6.31
현대자동차	217,000	-0.91	654,372	3.51	32,678,479	0.70
삼성바이오로직스	983,000	1.13	683,405	4.81	20,547,059	0.33
아모레퍼시픽	220,500	-1.78	388,536	10.83	17,527,987	1.32
삼성중공업	6,170	-2.68	179,177	5.73	15,810,589	3.73
금호석유화학	192,500	-2.53	1,408,193	18.88	14,948,029	2.48
LG생활건강	1,444,000	1.62	498,012	7.06	14,773,656	0.66
신풍제약	66,800	-6.96	867,669	3.59	14,668,319	4.31
SK이노베이션	248,500	2.69	1,440,198	5.32	14,506,495	0.65
LG화학	896,000	2.05	1,345,033	3.79	14,318,371	0.24
한화솔루션	38,700	-2.27	564,867	15.41	12,955,934	1.70
카카오	146,000	-1.02	2,591,342	8.29	12,739,610	0.20
포스코케미칼	155,000	1.31	1,070,661	14.55	12,592,228	1.05
한국조선해양	119,000	-0.83	93,640	2.25	10,713,972	1.22
롯데관광개발	18,900	-2.07	56,884	6.66	9,874,871	7.25
두산중공업	20,800	-4.15	215,178	1.67	9,809,839	0.89
넷마블	127,000	-3.79	1,398,730	25.51	9,808,533	0.85
삼성전자	74,400	-3.38	13,590,049	3.00	9,771,279	0.02

여기서 대차잔고액은 높은데 공매도율은 낮은 종목으로는 HMM이 있습니다. HMM의 공매도 흐름을 살펴보면 다음과 같습니다.

HMM 공매도

7월달을 보면 공매도율이 무려 25% 가까이 있었다는 것을 알 수 있습니다. 이 공매도 물량을 언제 상환할 지는 모르겠지만 최근 공매도율은 낮아진 것으로 보입니다.

여기에 BDI 역시 높은 상황이라 HMM이 다시 올라갈 여지도 있어 보입니다.

BDI

주요 MSCI 지수 차트 한꺼번에 보기

Aug 7, 2021

MSCI 지수는 모건스탠리캐피탈인터내셔널(MSCI)에서 발표하는 선진국/신흥국, 지역, 국가 기준의 주식 종합 지수입니다. MSCI 지수는 많은 펀드들이 추종하고 있어서 주식투자에 있어서 매우 중요한 지수입니다.

한국의 코스피, 미국의 S&P 500, 일본의 닛케이, 중국의 상해종합지수, 홍콩의 항셍지수 등 각 국가별로 주식 종합 지수가 존재합니다. 그럼 “왜 굳이 MSCI 지수가 필요하지?”라는 의문이 생길 수 있습니다. 각 국가에서 주식종합지수를 만드는 방법이 다르기 때문에 획일화된 방법으로 각 국가의 지수를 만들어야할 필요가 생겼습니다. 이에 모건스탠리캐피탈인터내셔널(MSCI)에서 이 역할을 수행하는 것입니다.

MSCI는 국가별 뿐만 아니라 지역(아시아, 아메리카, 유럽 등) 별로 또는 선진국/신흥국 별로 주식종합지수를 만들기도 합니다.

매우 다양한 MSCI 지수들 중에서 한국 주식 투자에 주로 참고해야 할 주요 MSCI 지수들의 차트를 퀀티랩에서 한꺼번에 볼 수 있습니다. 시장지표 / MSCI 메뉴에서 다은과 같은 차트들을 볼 수 있습니다.

MSCI

MSCI WORLD는 23개 선진 국가 주식 시장을 대상으로 합니다.
MSCI WCWI는 23개 선진 국가와 27개 신흥 국가 주식 시장을 대상으로 합니다.
MSCI EM은 26개 신흥 국가 주식 시장을 대상으로 합니다.
그 외는 각 국가별 지수 입니다.

각 지수에 포함된 국가 수, 종목, 비중 등은 변경될 수 있습니다.

한국/미국 금리 차트 보기

Jul 31, 2021

앞서 퀀티랩에서 해외증시, 환율, 원자재 차트를 볼 수 있다고 소개 드렸는데, 중요한 지표인 금리가 빠져 있었습니다. 이제 한국과 미국 금리 차트도 퀀티랩에서 확인할 수 있습니다.

시장지표 / 금리 메뉴에서 금리 관련 차트들을 볼 수 있습니다.

현재는 한국 기준 금리, 미국 기준 금리, 미국 10년물 국채 금리를 볼 수 있는데 앞으로 한국 국채 금리를 포함해 다양한 금리 데이터도 추가될 예정입니다.

추가되었으면 하는 데이터가 있다면 메일, 카페 등의 채널을 통해 요청해 주시면 최대한 서비스에 반영하도록 하겠습니다.

해외증시, 환율, 원자재 차트 한눈에 보기

Jun 13, 2021

퀀티랩에서 해외증시, 환율, 원자재 차트들을 볼 수 있습니다. 이러한 시장 지표들의 추세를 잘 확인하면 주식 투자에 큰 도움이 될 것입니다.

퀀티랩의 시장지표 메뉴를 누르면 나오는 해외증시, 환율, 원자재 하위 메뉴로 차트들을 볼 수 있습니다.

해외증시는 변동성지수 VIX와 다우산업, 나스닥종합, S&P 500, 니케이 225, 상해종합, 항셍, 영국 FTSE 100, 프랑스 CAC 40, 독일 DAX 30을 볼 수 있습니다. VIX는 S&P 500 지수 옵션의 30일 뒤의 기대 변동성을 입니다.

해외증시

환율 페이지에서는 미달러, 유로, 엔, 위안, 홍콩달러 환율을 볼 수 있습니다.

원자재 페이지에서는 대표적인 원자재지수인 GSCI를 비롯해 다양한 원자재 선물의 차트들을 한눈에 보여줍니다.

원자재

대신증권 크레온 API로 매수/매도 주문 넣고 확인하기

Jun 6, 2021

이번 포스트에서는 대신증권 크레온 API로 주식 주문을 내고 실시간으로 체결을 확인하고 주문 내역을 조회하는 방법을 다룹니다.

매수/매도 주문 내기

먼저 매수 또는 매도 주문을 내는 방법을 알아보겠습니다. 주문은 크레온 API의 CpTrade.CpTd0311 모듈을 사용하면 됩니다.

다음과 같이 order() 함수를 선언하고, action, code, amount를 매수/매도 구분, 주문할 종목 코드, 주식 수로 각각 입력 받도록 했습니다. 물론 더 다양한 입력을 받을 수 있게 이 함수를 수정할 수 있습니다.

import win32com.client


class Creon:
    def __init__(self):
        self.orderevent_handler = None

    def order(self, action, code, amount):
        if not code.startswith('A'):
            code = 'A' + code
        account_no, account_gflags = self.init_trade()
        self.obj_CpTrade_CpTd0311.SetInputValue(0, action)  # 1: 매도, 2: 매수
        self.obj_CpTrade_CpTd0311.SetInputValue(1, account_no)  # 계좌번호
        self.obj_CpTrade_CpTd0311.SetInputValue(2, account_gflags[0])  # 상품구분
        self.obj_CpTrade_CpTd0311.SetInputValue(3, code)  # 종목코드
        self.obj_CpTrade_CpTd0311.SetInputValue(4, amount)  # 매수수량
        self.obj_CpTrade_CpTd0311.SetInputValue(8, '03')  # 시장가
        result = self.obj_CpTrade_CpTd0311.BlockRequest()
        if result != 0:
            print('order request failed.', file=sys.stderr)
        status = self.obj_CpTrade_CpTd0311.GetDibStatus()
        msg = self.obj_CpTrade_CpTd0311.GetDibMsg1()
        if status != 0:
            print('order failed. {}'.format(msg), file=sys.stderr)

    def buy(self, code, amount):
        return self.order('2', code, amount)

    def sell(self, code, amount):
        return self.order('1', code, amount)

매수할 때는 buy() 함수를 호출해서 action을 2로 지정하고, 매도할 때는 sell() 함수를 호출해서 action을 1로 지정하도록 했습니다.

여기서는 시장가로 매수/매도를 하도록 했는데 지정가, 최유리지정가, 최우선지정가 등으로 변경할 수 있습니다. 이 부분은 CpTrade.CpTd0311 문서에서 SetInputValue의 8 - (string) 주문호가구분코드 항목을 함고하시기 바랍니다.

이렇게 매수 또는 매도 주문을 넣고 체결 되었을 때 다음과 같이 이벤트를 받을 수 있습니다.

class Creon:
    def subscribe_orderevent(self, cb):
        obj = win32com.client.Dispatch('Dscbo1.CpConclusion')
        handler = win32com.client.WithEvents(obj, OrderEventHandler)
        handler.set_attrs(obj, cb)
        self.orderevent_handler = obj
        obj.Subscribe()

    def unsubscribe_orderevent(self):
        if self.orderevent_handler is not None:
            self.orderevent_handler.Unsubscribe()
            self.orderevent_handler = None


class OrderEventHandler(EventHandler):
    def OnReceived(self):
        item = {
            '계좌명': self.obj.GetHeaderValue(1),
            'name': self.obj.GetHeaderValue(2),
            '체결수량': self.obj.GetHeaderValue(3),
            '체결가격': self.obj.GetHeaderValue(4),
            '주문번호': self.obj.GetHeaderValue(5),
            '원주문번호': self.obj.GetHeaderValue(6),
            '계좌번호': self.obj.GetHeaderValue(7),
            '상품관리구분코드': self.obj.GetHeaderValue(8),
            '종목코드': self.obj.GetHeaderValue(9),
            '매매구분코드': self.obj.GetHeaderValue(12),
            '체결구분코드': self.obj.GetHeaderValue(14),
            '체결구분코드': self.obj.GetHeaderValue(14),
            '체결구분코드': self.obj.GetHeaderValue(14),
            '현금신용대용구분코드': self.obj.GetHeaderValue(17),
        }
        self.cb(item)

subscribe_orderevent() 함수를 호출해서 체결 이벤트를 실시간으로 받아올 수 있습니다. 매수/매도 주문이 체결되면 지정된 콜백 함수 cb로 체결 정보를 전송합니다. 이를 위해서 OrderEventHandler 클래스를 선언했고, 이 클래스의 OnReceived() 함수에서 체결 정보를 cb에 전송합니다.

다음과 같이 지금까지 주문한 내역을 확인할 수도 있습니다.

class Creon:
    def __init__(self, account_no=''):
            self.obj_CpTrade_CpTd5341 = win32com.client.Dispatch('CpTrade.CpTd5341')

    def get_trade_history(self):
        account_no, account_gflags = self.init_trade()
        self.obj_CpTrade_CpTd5341.SetInputValue(0, account_no)
        self.obj_CpTrade_CpTd5341.SetInputValue(1, account_gflags[0])  # 상품구분

        _fields = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 16, 17, 18, 19, 22, 24]
        _keys = [
            '상품관리구분코드', '주문번호', '원주문번호', '종목코드', '종목이름',
            '주문내용', '주문호가구분코드내용', '주문수량', '주문단가', '총체결수량',
            '체결수량', '체결단가', '확인수량', '정정취소구분내용 ', '거부사유내용',
            '채권매수일', '거래세과세구분내용', '현금신용대용구분내용', '주문입력매체코드내용',
            '정정취소가능수량', '매매구분',
        ]

        result = self.request(self.obj_CpTrade_CpTd5341, dict(zip(_fields, _keys)), cntidx=6)
        return result

주문 이후에 get_trade_history() 함수를 호출하면 다음과 같이 매수/매도 주문에 대한 정보들을 받아올 수 있습니다. 여기서는 삼성전자를 10주씩 매수->매도->매수한 다음 get_trade_history() 함수를 호출한 결과 입니다.

{'data': [{'상품관리구분코드': '10', '주문번호': 6095, '원주문번호': 0, '종목코드': 'A005930', '종목이름': '삼성전자', '주문내용': '정규장현금매수', '주문호가구분코드내용': '시장가', '주문수량': 10, '주문단가': 0, '총체결수량': 10, '체결수량': 10, '체결단가': 82430, '확인수량': 0, '정정취소구분내용 ': '정상주문', '거부사유내용': '', '채권매수일': '', '거래세과세구분내용': '', '현금신용대용구분내용': '', '주문입력매체코드내용': 'C8', '정정취소가능수량': 0, '매매구분': '매수'}, {'상품관리구분코드': '10', '주문번호': 6099, '원주문번호': 0, '종목코드': 'A005930', '종목이름': '삼성전자', '주문내용': '정규장현금매도', '주문호가구분코드내용': '시장가', '주문수량': 10, '주문단가': 0, '총체결수량': 10, '체결수량': 10, '체결단가': 82500, '확인수량': 0, '정정취소구분내용 ': '정상주문', '거부사유내용': '', '채권매수일': '', '거래세과세구분내용': '', '현금신용대용구분내용': '', '주문입력매체코드내용': 'C8', '정정취소가능수량': 0, '매매구분': '매도'}, {'상품관리구분코드': '10', '주문번호': 6121, '원주문번호': 0, '종목코드': 'A005930', '종목이름': '삼성전자', '주문내용': '정규장현금매수', '주문호가구분코드내용': '시장가', '주문수량': 10, '주문단가': 0, '총체결수량': 10, '체결수량': 10, '체결단가': 82500, '확인수량': 0, '정정취소구분내용 ': '정상주문', '거부사유내용': '', '채권매수일': '', '거래세과세구분내용': '', '현금신용대용구분내용': '', '주문입력매체코드내용': 'C8', '정정취소가능수량': 0, '매매구분': '매수'}]}

퀀티랩 systrader 프로젝트에서 전반적인 시스템 트레이딩 코드를 공개하고 있습니다. 앞으로 시스템 트레이딩에 필요한 주요 기능들을 퀀티랩 Github systrader 리포지토리에서 오픈소스로 개발해 나갈 예정입니다.

SysTrader의 주요 TODO 태스크는 다음과 같습니다.

주요 시스템 트레이딩 기능 구현
딥러닝 모델 기반 자동 매매
PyQt5 기반의 GUI 개발
매매 현황 리포팅

관심 있으신 모든 분들께서 이 프로젝트에 참여해 주시면 감사하겠습니다. SysTrader는 모든 개미들을 위한 견고한 시스템 트레이딩 솔루션이 되는 것을 목표로 합니다.

2021년 신규 상장 공모주

May 4, 2021

2021년은 많은 대어급 기업들의 IPO(기업공개, initial public offering)가 예정되어 있습니다. 며칠 전 있었던 SK아이이테크놀로지의 청약은 엄청난 흥행으로 마쳤습니다. 확정 공모가는 105,000원이고 청약 경쟁률은 288:1에 달했습니다.

이번 포스트에서는 2021년에 공모일정이 나와있고 앞으로 공모가 예정되어 있는 기업들을 알아보겠습니다.

다음 표는 공모일정이 나와있는 기업들 입니다. SK바이오사이언스와 SK아이이테크놀로지가 엄청난 흥행으로 공모를 마친 바 있습니다.

종목명	신규상장일	공모시작	공모종료	희망공모가	확정공모가	청약경쟁률
아모센스		20210615	20210616	13,300~16,300
엘비루셈	20210611	20210602	20210603	12,000~14,000
에이디엠코리아		20210525	20210526	2,900~3,300
제주맥주		20210513	20210514	2,600~2,900
진시스템		20210513	20210514	16,000~20,000
삼영에스앤씨		20210511	20210512	7,800~10,000
NH스팩19호(유가)		20210511	20210512	2,000~2,000
삼성스팩4호		20210511	20210512	2,000~2,000
샘씨엔에스		20210510	20210511	5,000~5,700
라온테크		20210510	20210511	12,800~15,800
씨앤씨인터내셔널	20210517	20210506	20210507	35,000~47,500
에이치피오	20210514	20210503	20210504	22,200~25,400	22,200
하이스팩6호	20210510	20210428	20210429	2,000~2,000	2,000	7.63:1
SK아이이테크놀로지(유가)	20210511	20210428	20210429	78,000~105,000	105,000	288.17:1
쿠콘		20210419	20210420	31,000~40,000	45,000	1596.32:1
해성티피씨		20210412	20210413	9,500~11,500	13,000	2053.27:1
이삭엔지니어링		20210412	20210413	9,500~11,500	11,500	2262.09:1
유진스팩6호		20210330	20210331	2,000~2,000	2,000	236.23:1
유안타스팩8호		20210325	20210326	2,000~2,000	2,000	84.91:1
엔시스		20210322	20210323	13,000~16,500	19,000	2573.60:1
자이언트스텝		20210315	20210316	9,000~11,000	11,000	2342:1
제노코		20210315	20210316	27,000~33,000	36,000	2095.45:1
라이프시맨틱스		20210311	20210312	9,000~12,500	12,500	1774.57:1
SK바이오사이언스(유가)		20210309	20210310	49,000~65,000	65,000	335.36:1
바이오다인		20210308	20210309	22,500~28,700	30,000	48.36:1
디비금융스팩9호		20210305	20210308	2,000~2,000		8.56:1
네오이뮨텍		20210304	20210305	5,400~6,400		664.65:1
프레스티지바이오로직스		20210302	20210303	8,700~12,400		126.06:1
싸이버원		20210302	20210303	7,600~8,300		1880.43:1
나노씨엠에스		20210225	20210226	14,500~18,500		1243.48:1
하나머스트스팩7호		20210223	20210224	2,000~2,000		237.46:1
IBKS스팩15호		20210218	20210219	2,000~2,000		101.73:1
뷰노		20210216	20210217	15,000~19,500		1102.7:1
씨이랩		20210215	20210216	23,000~31,000		195.53:1
유일에너테크		20210215	20210216	11,000~14,000		683.55:1
오로스테크놀로지		20210215	20210216	17,000~21,000		1033.82:1
피엔에이치테크		20210203	20210204	14,000~17,000		1528.76:1
하나금융스팩17호		20210129	20210201	2,000~2,000		168.68:1
아이퀘스트		20210127	20210128	9,200~10,600		2853.34:1
프레스티지바이오파마(유가)		20210125	20210126	25,000~32,000		237.13:1
와이더플래닛		20210125	20210126	12,000~15,000		1357.98:1
레인보우로보틱스		20210125	20210126	7,000~9,000		1201.26:1
신한스팩7호		20210125	20210126	2,000~2,000		7.45:1
솔루엠(유가)		20210121	20210122	13,700~15,500		1147.76:1
핑거		20210121	20210122	13,000~15,000		939.39:1
씨앤투스성진		20210119	20210120	26,000~32,000		674.04:1
모비릭스		20210119	20210120	10,500~14,000		1485.51:1
선진뷰티사이언스		20210118	20210119	10,100~11,500		1987.74:1
엔비티		20210112	20210113	13,200~17,600		4397.67:1
한국스팩9호		20210112	20210113	2,000~2,000		46.54:1

SK바이오사이언스의 경우 따상에 성공하고 이후 주가가 큰폭으로 하락했다가 일부 회복한 상태입니다. 이번 SK아이이테크놀로지도 따상할 것이란 예측이 많은 상황입니다.

기업공개가 예정된 종목들도 이렇게 많이 있습니다. 이들 중에서 특히 크래프톤, 카카오벵크, 한컴라이프케어, 아주스틸, 카카오페이에 관심이 갑니다.

기업명	청구일	당기순이익(백만)	매출액(백만)	자본금(백만)	주업종
에스앤디	20210430	7,359	56,537	1,518	기타 식품 제조업
비트나인	20210428	-10,226	11,576	4,110	응용소프트웨어 개발 및소프트웨어
에이비온	20210428	-10,476	1,994	7,168	자연과학 및 공학 연구개발업
라이콤	20210427	3,475	30,604	1,469	통신 및 방송 장비 제조업
차백신연구소	20210426	-6,240	78	11,194	의약품 제조업
카카오페이(유가)	20210426	-25,051	284,371	56,683	기타 금융업
리파인	20210423	16,067	54,164	1,300	부동산 중개, 자문 및 감정평가업
바이오플러스	20210423	9,703	24,367	6,239	기초 의약물질 및 생물학적 제제
실리콘투	20210423	5,716	99,398	4,214	상품 종합 도매업
와이엠텍	20210423	3,866	17,037	2,387	전동기, 발전기 및 전기 변환 ·
엠로	20210423	3,389	40,302	2,687	소프트웨어 개발 및 공급업
아주스틸(유가)	20210422	11,709	569,794	11,226	1차 철강 제조업
한컴라이프케어(유가)	20210416	27,690	151,842	3,937	기타 의료용 기기 제조업
원티드랩	20210416	-9,174	14,648	1,988	소프트웨어 개발 및 공급업
카카오뱅크(유가)	20210415	113,636	804,157	2,048,251	은행 및 저축기관
브레인즈컴퍼니	20210415	3,734	14,829	1,742	시스템 소프트웨어 개발 및 공급업
엑셀세라퓨틱스	20210413	-10,124	540	4,368	의료용품 및 기타 의약 관련제품
바이젠셀	20210409	-10,455	0	3,772	의약품 제조업
크래프톤(유가)	20210408	556,267	1,670,427	4,278	소프트웨어 개발 및 공급업
일진하이솔루스(구.일진복합소재)(유가)	20210407	15,579	113,525	14,525	기타 운송장비 제조업
큐라클	20210401	-28,610	0	5,657	자연과학 및 공학 연구개발업
플래티어	20210331	2,685	39,376	3,207	소프트웨어 개발 및 공급업
에브리봇	20210330	-902	49,165	2,614	가정용 기기 제조업
오에스피	20210322	3,313	15,567	3,458	동물용 사료 및 조제식품 제조업
맥스트	20210309	-8,921	1,983	3,751	소프트웨어 개발 및 공급업
루켄테크놀러지스	20210204	-1,491	32,667	5,494	기타 전기장비 제조업
셀비온	20210204	-3,518	350	4,434	의약품 제조업
에스디바이오센서(유가)	20210126	1,399	73,728	46,659	의료용 기기 제조업
레몬헬스케어	20201228	-22,365	2,042	4,458	소프트웨어 개발 및 공급업
딥노이드	20201214	-8,606	235	2,156	소프트웨어 개발 및 공급업
디앤디파마텍	20201013	-6,421	0	4,018	자연과학 및 공학 연구개발업

특히 크래프톤, 카카오뱅크의 경우 각각 5,500억, 1,100억의 당기순이익을 기록하고 있는 만큼 현재도 이익이 높은 회사라 청약 공모 시 엄청난 경쟁이 예상됩니다. 남아있는 IPO들 잘 챙겨서 수익 얻으시길 응원합니다.

대신증권 크레온 API로 실시간 주가 데이터 받기

Apr 23, 2021

이번 포스트에서는 대신증권 크레온 API를 이용한 실시간 주가를 획득하는 방법을 다룹니다. 여느 때와 같이 언어는 파이썬으로 진행합니다.

크레온 API는 문서화가 비교적 잘되어 있고 사용성이 좋습니다. [증권사 API 장단점 비교][/htsapi.html] 포스트에서 주요 증권사 API의 장단점을 비교해 놓았으니 참고하시기 바랍니다.

실시간 주가를 얻어오기 위한 모듈은 Dscbo1.StockCur이며 이에 대한 문서는 여기에서 확인할 수 있습니다.

실시간 데이터는 Publish/Subscribe 방식으로 데이터를 획득합니다. 크레온에서 실시간 주가 데이터를 발행(Publish)하고 사용자는 실시간 주가를 원하는 종목을 구독(Subscribe)합니다. 사용자는 크레온이 발행한 데이터를 콜백(callback)을 통해 받습니다.

그럼 파이썬으로 실시간 주가 데이터를 구독하는 함수와 데이터를 획득하는 콜백 함수를 구현해 보겠습니다.

import win32com.client


class Creon:
    def __init__(self):
        self.stockcur_handlers = {}  # 주식/업종/ELW시세 subscribe event handlers

    def subscribe_stockcur(self, code, cb):
        if not code.startswith('A'):
            code = 'A' + code
        if code in self.stockcur_handlers:
            return
        obj = win32com.client.Dispatch('DsCbo1.StockCur')
        obj.SetInputValue(0, code)
        handler = win32com.client.WithEvents(obj, StockCurEventHandler)
        handler.set_attrs(obj, cb)
        self.stockcur_handlers[code] = obj
        obj.Subscribe()

    def unsubscribe_stockcur(self, code=None):
        lst_code = []
        if code is not None:
            if not code.startswith('A'):
                code = 'A' + code
            if code not in self.stockcur_handlers:
                return
            lst_code.append(code)
        else:
            lst_code = list(self.stockcur_handlers.keys()).copy()
        for code in lst_code:
            obj = self.stockcur_handlers[code]
            obj.Unsubscribe()
            del self.stockcur_handlers[code]


class StockCurEventHandler:
    def set_attrs(self, obj, cb):
        self.obj = obj
        self.cb = cb

    def OnReceived(self):
        item = {
            'code': self.obj.GetHeaderValue(0),
            'name': self.obj.GetHeaderValue(1),
            'diffratio': self.obj.GetHeaderValue(2),
            'timestamp': self.obj.GetHeaderValue(3),
            'price_open': self.obj.GetHeaderValue(4),
            'price_high': self.obj.GetHeaderValue(5),
            'price_low': self.obj.GetHeaderValue(6),
            'bid_sell': self.obj.GetHeaderValue(7),
            'bid_buy': self.obj.GetHeaderValue(8),
            'cum_volume': self.obj.GetHeaderValue(9),  # 주, 거래소지수: 천주
            'cum_trans': self.obj.GetHeaderValue(10),
            'price': self.obj.GetHeaderValue(13),
            'contract_type': self.obj.GetHeaderValue(14),
            'cum_sellamount': self.obj.GetHeaderValue(15),
            'buy_sellamount': self.obj.GetHeaderValue(16),
            'contract_amount': self.obj.GetHeaderValue(17),
            'second': self.obj.GetHeaderValue(18),
            'price_type': chr(self.obj.GetHeaderValue(19)),  # 1: 동시호가시간 예상체결가, 2: 장중 체결가
            'market_flag': chr(self.obj.GetHeaderValue(20)),  # '1': 장전예상체결, '2': 장중, '4': 장후시간외, '5': 장후예상체결
            'premarket_volume': self.obj.GetHeaderValue(21),
            'diffsign': chr(self.obj.GetHeaderValue(22)),
            'LP보유수량':self.obj.GetHeaderValue(23),
            'LP보유수량대비':self.obj.GetHeaderValue(24),
            'LP보유율':self.obj.GetHeaderValue(25),
            '체결상태(호가방식)':self.obj.GetHeaderValue(26),
            '누적매도체결수량(호가방식)':self.obj.GetHeaderValue(27),
            '누적매수체결수량(호가방식)':self.obj.GetHeaderValue(28),
        }
        self.cb(item)

이렇게 Creon 클래스에 실시간 주가를 구독하는 함수인 subscribe_stockcur와 구독을 취소하는 unsubscribe_stockcur 함수를 구현했습니다. subscribe_stockcur 함수에서 발행되는 주가 데이터를 처리하기 위한 StockCurEventHandler 클래스를 이어서 정의하였습니다.

subscribe_stockcur 함수에서 구독하는 종목마다 StockCurEventHandler를 할당해 주었습니다. 크레온이 주식 데이터를 발행하면 StockCurEventHandler의 OnReceived 함수가 호출됩니다.

여기서 필요한 데이터를 획득할 수 있습니다. 여기서는 이렇게 획득한 데이터를 StockCurEventHandler 객체를 생성할 때 인자로 넘겨준 cb 함수로 전달하고 있습니다.

다음과 같이 종목명과 가격을 출력하는 간단한 cb 함수를 선언하고 NAVER와 미래에셋증권 두 종목의 실시간 주가를 구독해 보았습니다.

from quantylab.systrader.creon import Creon

c = Creon()

def cb(item):
    print(item['name'], item['price'])

c.subscribe_stockcur('035420', cb)
c.subscribe_stockcur('006800', cb)

# ...

c.unsubscribe_stockcur()

그러면 이런식으로 종목명과 주가가 출력되는 것을 볼 수 있습니다.

NAVER 389500
미래에셋증권 9990
미래에셋증권 10000
NAVER 390000
NAVER 389500
NAVER 389500
미래에셋증권 9990
NAVER 389500
NAVER 389500
미래에셋증권 9990
미래에셋증권 9990
미래에셋증권 9990
미래에셋증권 10000
미래에셋증권 9990
NAVER 390000
NAVER 389500
NAVER 389500
미래에셋증권 9990

퀀티랩 systrader 프로젝트에서 실시간 주가 확인 외에도 다양한 크레온 API 기능을 연결하고 있습니다. 퀀티랩 Github systrader 리포지토리에서 전체 코드를 확인할 수 있습니다. 문의는 이 리포지토리 이슈로 또는 네이버 카페로 주세요.

파이썬으로 DART에서 재무제표 수집하기

Mar 28, 2021

이번 포스트에서는 전자공시시스템(DART)에서 제공하는 재무제표를 파이썬으로 다운로드하고 파싱하는 방법을 다룹니다.

DART에서 재무제표를 얻어오는 방법은 다양한데 여기서는 두 가지 방법을 다룹니다.

DART Open API 상장기업 재무정보

첫 번째로 단일회사 주요계정 API를 활용한 방법입니다.

DART Open API를 사용하려면 인증키가 필요합니다. 인증키 획득 방법은 이 포스트에서 확인하세요.

다음은 단일회사 주요계정 API를 호출하여 재무제표 정보를 획득하는 함수 입니다. 인증키, 회사 고유번호, 사업연도, 보고서 코드를 입력하여 재무제표를 받아올 수 있습니다.

def get_fs(crtfc_key, corp_code, bsns_year, reprt_code):
    # 단일회사 주요계정
    # crtfc_key  API 인증키  STRING(40)  Y  발급받은 인증키(40자리)
    # corp_code  고유번호  STRING(8)  Y  공시대상회사의 고유번호(8자리)
    # ※ 개발가이드 > 공시정보 > 고유번호 API조회 가능
    # bsns_year  사업연도  STRING(1)  Y  사업연도(4자리)
    # ※ 2015년 이후 부터 정보제공
    # reprt_code  보고서 코드  STRING(5)  Y  1분기보고서 : 11013
    # 반기보고서 : 11012
    # 3분기보고서 : 11014
    # 사업보고서 : 11011
    api = 'https://opendart.fss.or.kr/api/fnlttSinglAcnt.json'
    params = {
        'crtfc_key': crtfc_key,
        'corp_code': corp_code,
        'bsns_year': bsns_year,
    }
    data = []
    reprt_name = REPRT_NAMES.get(reprt_code, "")
    params['reprt_code'] = reprt_code
    res = self._request(api, params=params)
    if res is None:
        return None
    if res.status_code != 200:
        return None
    item = json.loads(res.text)
    if item.get('status', '') != '000':
        return None
    for _item in item.get('list'):
        _item['corp_code'] = corp_code
        _item['reprt_code'] = reprt_code
        _item['reprt_name'] = reprt_name
        data.append(_item)
    return data

get_fs(crtfc_key, '00266961', 2015, '11011')와 같이 호출하면 다음과 같은 결과를 받아올 수 있습니다.

[{'account_nm': '자산총계', 'bfefrmtrm_amount': '9,881,190,909,324', 'bfefrmtrm_dt': '2018.12.31 현재', 'bfefrmtrm_nm': '제 20 기', 'bsns_year': '2020', 'corp_code': '00266961', 'frmtrm_amount': '12,299,527,120,786', 'frmtrm_dt': '2019.12.31 현재', 'frmtrm_nm': '제 21 기', ...}, {'account_nm': '부채총계', 'bfefrmtrm_amount': '3,932,050,396,031', 'bfefrmtrm_dt': '2018.12.31 현재', 'bfefrmtrm_nm': '제 20 기', 'bsns_year': '2020', 'corp_code': '00266961', 'frmtrm_amount': '5,795,601,052,206', 'frmtrm_dt': '2019.12.31 현재', 'frmtrm_nm': '제 21 기', ...}, ...]

DART Open API 재무정보 일괄 다운로드

두 번째는 재무정보 일괄 다운로드로 한꺼번에 전체 기업의 재무제표 데이터를 받아오는 방법입니다. Open DART 사이트에서 공시정보 활용마당 / 재무정보 일괄다운로드를 클릭하면 다음과 같은 테이블을 볼 수 있습니다.

재무정보 일괄다운로드

여기서 다운로드 하면 해당 연도와 분기의 네 종류의 재무제표를 압축파일로 다운 받을 수 있습니다. 여기서는 다운로드, 압축해제를 포함하여 파이썬에서 재무제표를 읽어오는 방법을 다룹니다.

다음은 Selenium으로 다운로드 버튼을 클릭하여 파일을 다운로드하고 압축을 해제하는 코드입니다.

options = webdriver.ChromeOptions()
options.add_experimental_option("prefs", {
    "download.default_directory": self.job_base,
    "download.prompt_for_download": False,
    "download.directory_upgrade": True,
    "safebrowsing.enabled": True
})
options.add_argument("disable-infobars")
options.add_argument("--disable-extensions")
browser = webdriver.Chrome(executable_path=os.path.join(settings.QUANTYLAB_BASE, 'drivers/chromedriver'), chrome_options=options)

try:
    browser.get('https://opendart.fss.or.kr/disclosureinfo/fnltt/dwld/main.do')
    elem = browser.find_element_by_css_selector('table.tb01')
    for elem_a in elem.find_elements_by_link_text('다운로드'):
        filename = re.findall(r'.*\(.*\'(.+)\'\).*', elem_a.get_attribute('onclick'))[0]
        # 파일 다운로드
        elem_a.click()
        time.sleep(10)
        # 압축파일 로드
        filepath = os.path.join(base, filename)
        z = zipfile.ZipFile(filepath)
        for info in z.infolist():
            # 한글 파일명 인코딩 수정
            _filename = info.filename.encode('cp437').decode('euc-kr')
            _filepath = os.path.join(base, _filename)
            if os.path.exists(_filepath):
                continue
            info.filename = _filename
            # 압축해제
            z.extract(info, base)
        z.close()
except Exception as e:
    print(str(e))
finally:
    browser.quit()

이렇게 압축해제까지 하면 2020_1분기보고서_04_현금흐름표_20210211.txt과 같은 파일들이 생성되어 있을 것입니다.

이 텍스트 파일은 다음과 같이 pandas로 쉽게 DataFrame으로 읽어올 수 있습니다. 다만 sep과 encoding을 다음과 같이 적절하게 정해주는 것이 중요합니다.

df = pd.read_csv(filepath, sep='\t', encoding='cp949')

여기서 당기, 당기 1분기, 당기 반기 등의 다양한 컬럼이 생기는데 저는 이들을 당기로 통합하여 정리했습니다.

다음은 포괄손익계산서의 일부 항목을 나타낸 것입니다.

항목명	결산기준일	보고서종류	당기
영업수익	2018-12-31	사업보고서	5,586,904,533,355
영업이익(손실)	2018-12-31	사업보고서	942,532,561,543
당기순이익(손실)	2018-12-31	사업보고서	627,901,873,332

그런데 재무제표를 볼 때 항목의 흐름을 보는 것이 중요합니다. 예를 들어 영업 이익이 꾸준히 증가하고 있는지를 보고 싶은 것입니다.

그래서 동일 항목에 대해서 결산기준일 순서대로 DataFrame을 재구성하고자 합니다. 이를 위해 DataFrame의 pivot 함수를 사용합니다.

df_pivot = df.pivot(values='value', index='항목명', columns='결산기준일')

동일 항목이지만 항목명이 다르게 적혀있는 경우가 있어서 이를 맞춰주는 처리를 했습니다.

그럼 다음과 같이 동일 항목의 값을 분기 순서대로 볼 수 있습니다.

항목명	2015-12-31	2016-03-31	2016-06-30	2016-09-30	2016-12-31	2017-03-31	2017-06-30	2017-09-30	2017-12-31	2018-03-31	2018-06-30	2018-09-30	2018-12-31	2019-03-31	2019-06-30	2019-09-30	2019-12-31	2020-03-31	2020-06-30	2020-09-30
매출액	3,251,157,100,000	937,280,220,152	987,281,364,295	1,013,075,223,770	4,022,629,619,982	1,082,247,281,196	1,129,631,366,847	1,200,676,275,220	4,678,468,928,032	1,309,059,864,248	1,363,615,953,332	1,397,713,834,674	5,586,904,533,355	1,510,861,770,282	1,630,275,004,395	1,664,815,000,078	6,593,400,065,244	1,732,064,462,097	1,902,467,957,491	1,360,779,374,259
영업이익	762,203,849,000	256,827,536,675	272,663,961,847	282,298,051,525	1,102,040,475,792	290,797,289,304	285,213,522,180	312,084,238,444	1,179,187,806,331	256,980,563,870	250,583,189,279	221,718,402,565	942,532,561,543	206,244,504,954	128,334,709,480	202,086,039,366	710,070,173,513	221,495,078,328	230,597,573,115	291,726,798,004
당기순이익	516,986,279,000	165,036,146,535	213,223,506,226	198,000,157,034	759,072,951,187	210,876,050,870	171,420,229,303	215,798,264,368	770,101,670,207	153,751,654,038	281,758,577,701	68,386,763,908	627,901,873,332	87,585,903,290	27,756,852,975	85,268,053,088	396,821,062,465	134,874,581,865	90,682,203,810	235,342,965,699

퀀티랩 단타 모델 - 딥러닝으로 내일의 주가 방향을 예측하는게 가능할까?

Mar 5, 2021

기존의 퀀티랩 모델은 중/장기 투자를 목적으로 하는 딥러닝 모델입니다. 이 포스트에서는 데이트레이딩(일명 단타)를 위한 모델 구축에 대해 다룹니다.

이 글은 기계학습에 대한 기초 지식을 요합니다.

단타를 독려하는 것이 아니니 오해 없으셨으면 좋겠습니다.

우선 데이트레이딩에 대해 알아봅시다. 데이트레이딩에 대한 정의는 제각각이지만 대부분 다음 원칙을 가지고 있습니다.

하루 안에서 모든 거래를 마친다. (오버나잇 하지 않는다.)
종목을 발굴한다.
현금을 많은 비중으로 둔다. (Ex. 90% 현금 보유)
목표 수익률, 손절 라인을 설정한다. (1~2%의 낮은 손익률로 잡는다.)
미수는 자제한다.
장이 안좋을땐 관망한다.

데이트레이딩은 많은 지표들을 보고 종목을 발굴하고 하루동안 수십, 수백번의 매매를 하면서 수익을 내기위해 노력합니다. 매매를 위해 기술적 분석이 주로 사용되는데 기술적 분석 기법은 너무나도 다양해서 나열하기도 어렵습니다.

단타에서 주요 결정 사항 중 하나인 “어떤 종목을 노릴 것인가?”를 해결하기 위한 딥러닝 모델을 구축했습니다. 모델은 파이썬으로 구축했으며 사용한 프레임워크, 라이브러리는 다음과 같습니다.

TensorFlow 2.4 (with Keras)
Scikit-learn 0.22.1

학습데이터는 약 100개의 자질과 2.5M개의 인스턴스로 구성했습니다. 지도학습(Supervised Learning)으로 레이블(label)은 다음 거래일의 등락률의 sigmoid로 정했습니다. 그 수식은 다음과 같습니다.

y = sigmoid(next_close / today_close - 1)

자질들은 자세히 다루기 어렵지만 크게 다음 종류의 자질군으로 구성됩니다.

종목 주가
종목의 기본적 분석 지표
종목의 기술적 분석 지표
국내 주식 시장 지수
해외 주식 시장 지수
주요국 환율
원자재 가격
… (기타 등등)

자질 값들의 스케일(Scale)이 달라서 Standardization 했습니다. 세 가지 스케일러(Scaler)를 시도해 봤는데 그 중에서 Robust Scaler를 채택했습니다.

신경망 아키텍처는 기본적인 Dense(Fully Connected) Layer를 다음과 같이 쌓았습니다.

model = tf.keras.models.Sequential([
    tf.keras.layers.Dense(256, activation='linear'),
    tf.keras.layers.Dense(128, activation='linear'),
    tf.keras.layers.Dense(64, activation='linear'),
    tf.keras.layers.Dense(1, activation='sigmoid'),
])

이렇게 마지막 레이어의 활성화 함수(Activation Function)을 Sigmoid로 정해서 0과 1사이의 값으로 Prediction 하도록 했습니다. 직관적으로는 Prediction 값이 0.5 이상(초과)이면 내일 오늘보다 주가가 오를 것이라 판단하는 것이고 0.5 이하(미만)이면 주가가 내릴 것이라 판단하는 것입니다.

이렇게 학습한 모델로 테스팅 데이터를 넣어서 내일의 주가 방향을 얼마나 잘 맞추는지 알아보았습니다. 테스팅 데이터는 20210101~20210305 동안의 인스턴스이며 당연히 학습 데이터에 없는 인스턴스들 입니다.

Prediction 값을 score라고 하겠습니다. score가 0.5, 0.6, 0.7, 0.8, 0.9 이상일 때의 Accuracy를 다음과 같이 확인했습니다.

score 0.5 이상: 313,319개 인스턴스에서 정확도 57.99%
score 0.6 이상: 51,390개 인스턴스에서 정확도 68.81%
score 0.7 이상: 10,962개 인스턴스에서 정확도 84.22%
score 0.8 이상: 3,864개 인스턴스에서 정확도 89.73%
score 0.9 이상: 113개 인스턴스에서 정확도 49.56%

Score가 마냥 높다고 정확도가 높아지는 것은 아니였습니다. 0.8 까지는 높아지다가 0.9 이상에서는 정확도가 오히려 급격하게 감소했습니다. 정확도가 가장 높은 범위를 찾아봤습니다.

Score 0.83 이상 0.835 미만의 295개 인스턴스에서 정확도 94.58%를 얻을 수 있었습니다.

여기에 포함된 Score Top 50 종목들은 다음과 같습니다.

동전주, 거래대금이 적은 종목은 제외(Filter Out)했습니다.

date	name	close	score	diffratio_nextday
20200325	삼강엠앤티	2,320	0.8350	-0.43%
20200324	E1	23,650	0.8350	8.03%
20200325	휴비스	3,625	0.8350	1.10%
20200325	미창석유공업	47,850	0.8349	1.78%
20200409	빙그레	54,200	0.8349	-0.55%
20200323	엘티씨	5,130	0.8349	8.38%
20200325	갤럭시아머니트리	1,925	0.8349	0.78%
20200325	한솔제지	9,000	0.8349	2.89%
20200325	KC그린홀딩스	2,595	0.8349	5.97%
20200325	이월드	2,730	0.8348	28.21%
20200325	푸른기술	5,944	0.8347	5.82%
20200325	신화인터텍	1,655	0.8347	8.76%
20200619	아진엑스텍	4,123	0.8347	3.10%
20200325	신세계건설	16,450	0.8347	8.81%
20200325	애니플러스	1,030	0.8346	4.85%
20200323	노랑풍선	5,720	0.8346	5.77%
20200325	미래에셋생명	2,570	0.8346	9.14%
20200323	유티아이	7,060	0.8346	7.51%
20200325	스카이이앤엠	1,505	0.8345	1.33%
20200422	코오롱생명과학	41,100	0.8345	3.53%
20200324	디와이	2,500	0.8344	9.60%
20200325	HSD엔진	2,220	0.8344	3.60%
20200325	가온전선	12,100	0.8343	6.20%
20200325	슈피겐코리아	32,300	0.8343	-2.94%
20200323	동국S&C	1,195	0.8343	10.88%
20200325	케이씨티	1,210	0.8343	7.02%
20200325	태림포장	2,455	0.8342	4.07%
20200325	서플러스글로벌	1,250	0.8342	2.00%
20200325	태웅	4,220	0.8342	-1.66%
20200324	노랑풍선	6,050	0.8342	10.74%
20200323	일진다이아	11,000	0.8342	17.27%
20200324	일진디스플	1,892	0.8341	11.89%
20200325	하나마이크론	3,725	0.8341	6.58%
20200325	파워넷	2,240	0.8341	4.69%
20200325	홈캐스트	2,400	0.8340	3.12%
20200325	유니온	1,940	0.8340	2.06%
20200325	SCI평가정보	1,455	0.8340	4.12%
20200325	우노앤컴퍼니	2,515	0.8340	29.82%
20200325	화승알앤에이	1,300	0.8339	3.08%
20200324	웨이브일렉트로	8,563	0.8339	14.56%
20200325	잇츠한불	9,530	0.8339	8.60%
20200325	파인디앤씨	1,000	0.8338	5.50%
20200323	서연	1,555	0.8338	29.90%
20200323	화신	1,390	0.8338	4.68%
20200325	신도리코	21,200	0.8337	0.94%
20200323	큐렉소	2,460	0.8337	6.71%
20200325	휴스틸	4,805	0.8337	4.06%
20200325	예림당	1,750	0.8337	9.71%
20200325	빛샘전자	3,220	0.8337	6.21%
20200325	정원엔시스	1,070	0.8337	14.02%

그럼 어제(20210304)의 상위 종목들 살펴보겠습니다.

date	name	close	score	diffratio_nextday
20210304	일양약품	35,000	0.6188	-1.14%
20210304	수산아이앤티	28,550	0.5753	-5.43%
20210304	대한그린파워	1,400	0.5532	7.50%
20210304	진양산업	4,365	0.5196	0.46%
20210304	이녹스	11,000	0.5174	2.27%
20210304	인지컨트롤스	18,600	0.5040	-3.23%
20210304	웅진씽크빅	2,635	0.4985	3.04%
20210304	세원셀론텍	1,995	0.4923	-1.50%
20210304	기가레인	1,825	0.4921	-1.37%
20210304	파루	1,450	0.4917	0.69%

최근 장이 안좋아서 그런지 Score 가장 높은게 0.6 정도입니다. 그럼 오늘 날짜의 Score 상위 종목에는 어떤 종목들이 있을까요?

date	name	close	score
20210305	팬엔터테인먼트	7,670	0.8676
20210305	풍강	3,990	0.8056
20210305	중앙에너비스	9,200	0.5439
20210305	플리토	13,900	0.5383
20210305	한국주강	1,780	0.5381
20210305	일양약품	34,600	0.5241
20210305	극동유화	3,475	0.5151
20210305	한일진공	1,040	0.5141
20210305	인성정보	2,315	0.5056
20210305	텔콘RF제약	5,270	0.4999

다음 거래일에 이 종목들이 어떤 움직임을 보일지 지켜보면 재미있을 것 같습니다.

어디까지나 투자는 본인이 결정하는 것입니다. 퀀티랩에서 제공하는 정보는 참고만 하시길 당부드립니다.

[2021-02-26] 딥러닝 모델 종목추천

Feb 27, 2021

퀀티랩 AI 주식 종목 랭킹 모델을 개선했습니다. 다양한 자질을 추가했고 학습 방식도 많이 변경했습니다. 백테스팅 결과 기존의 모델에 비해 더 나은 결과를 얻을 수 있었습니다.

특이 사항으로 거래 대금이 적은 종목에 약간의 패널티를 부여했습니다. 너무 거래가 적은 종목들은 피하자는 의도입니다.

개선한 모델의 2021년 2월 26일자 상위 랭크 종목들은 다음과 같습니다.

이들 중에 특히 주가가 많이 내려와 있는 KT&G, 한국전력이 눈에 뜁니다.

매일 업데이트 되는 랭킹 결과를 퀀티랩에서 확인하세요. 퀀티랩 AI 매매내역 페이지에서는 퀀티랩 AI의 수익률 차트, 현재 보유 종목, 매매 내역을 볼 수 있습니다.

요증 인플레이션 우려와 함께 미국 금리 인상이 앞당겨질 수 있다는 추측이 많아서 주식 시장이 좋지 않습니다. 잘 대응하셔서 성투하세요.

어디까지나 투자는 본인이 결정하는 것입니다. 퀀티랩에서 제공하는 정보는 참고만 하시길 당부드립니다.