#!/usr/bin/env python
# coding: utf-8

# <br>
# # ** 5 Python for Finance**
# 파이썬을 활용한 금융분석

# <br><br>
# ## <strong>1 금융 시계열 데이터 결측치 처리 / 보간법
# https://github.com/pydata/pandas-datareader
# 1. pandas를 활용한 데이터 정렬 및 보간법
# 1. 금융데이터 크롤링 모듈 설치방법 (2018.06 기준)
# 1. ! pip install git+https://github.com/pydata/pandas-datareader.git --upgrade

# In[1]:


# from pandas_datareader import get_data_yahoo
# start_date = '2013-01-01'
# codes = ['KO', 'MS', '005930.KS', '000660.KS']
# result = {}
# for code in codes:
#     result[code] = get_data_yahoo(code, start_date).Close

# import pandas as pd
# prices = pd.DataFrame(result)

# prices = prices.fillna(method='ffill')
# prices = prices.dropna()                
# prices.to_csv('./data/stocks.csv', encoding="ms949")
# prices.tail(3)


# In[2]:


# 저장된 CSV 파일을 사용한다

import pandas as pd
prices = pd.read_csv('./data/stocks.csv')
prices = prices.set_index('Date')
prices.head(3)
prices.index = pd.DatetimeIndex(prices.index)
prices.info()


# <br><br>
# ## **2 금융 시계열 데이터 전처리**
# 데이터 분석을 위한 전처리 방법

# <br>
# ### **01 가격 차이가 큰 시계열 데이터 비교하기**
# 데이터 정규화 / 비정규화

# In[3]:


get_ipython().run_line_magic('matplotlib', 'inline')
prices.plot()


# In[4]:


price = prices['005930.KS']
price[-5:]


# In[5]:


price.index


# In[6]:


price.index = pd.DatetimeIndex(price.index)
price.index


# In[7]:


price["2013-10-03"] / price["2013-08-01"] -1


# In[8]:


returns      = price.pct_change()
ret_price    = (1 + returns).cumprod()
ret_price[0] = 1

get_ipython().run_line_magic('matplotlib', 'inline')
ret_price.plot(figsize=(12,3))


# In[9]:


for col in prices.columns:
    pct_returns = prices[col].pct_change()
    pct_returns = (1 + pct_returns).cumprod()
    pct_returns[0] = 1
    pct_returns.plot(legend=True)


# <br>
# ### **02 누적 수익률 계산 **
# .pct_change().cumprod()

# In[10]:


month_returns = price.resample('BM').last().pct_change()
month_returns['2016']


# In[11]:


m_ret = (1 + month_returns).cumprod()
m_ret['2016']


# In[12]:


import matplotlib.pyplot as plt
m_ret.plot(figsize=(12,3))
plt.axhline(y = 1, linestyle = '--', color = 'k')
plt.show()


# <br>
# ### **03 중간 배당데이터 추가하기**
# 재귀적 연산

# In[13]:


month_returns['2016-03-31'] += 0.003


# In[14]:


for i in range(4):
    i += 10000
    print(i)


# <br><br>
# ## **3 금융데이터  분석**
# pandas를 활용한 금융데이터 분석

# <br>
# ### **01 Introduction**

# In[15]:


prices.head(3)


# In[16]:


prices.describe()


# In[17]:


prices.describe().loc[ ['mean', 'std'] ,:]


# In[18]:


prices.agg(['mean', 'std'])


# <br>
# ### **02 주가간의 상관계수 분석**

# In[19]:


prices_corr = prices.pct_change().dropna().corr()
prices_corr


# In[20]:


get_ipython().run_line_magic('matplotlib', 'inline')
import seaborn as sns
sns.heatmap(prices_corr)