[시각화] 파이썬을 활용한 자산별 상관관계 구하기 #2
by 소라고동_0. 들어가며
지난 포스팅에서는 자산별 수익률 데이터셋을 만들었습니다.
2021.08.17 - [분류 전체보기] - [전처리] 파이썬을 활용한 자산별 상관관계 구하기 #1
이번에는 이 데이터셋을 이용해서 다양한 기간동안의 상관관계를 구해보고 이를 시각화하는 과정을 진행해보겠습니다.
1. 상관관계를 확인해볼 기간 정하기
데이터 전처리가 끝나면 다음의 과정들은 비교적 어렵지 않게 진행됩니다.
파이썬에서는 df.corr() 명령어를 통해 간편하게 상관관계를 계산할 수 있습니다.
# 전체 기간 asset_rate.corr(method = 'pearson')
이렇게 간편하게 상관관계를 알아볼 수 있습니다.
이제 여기서 저는 특정 기간에 대한 자산별 상관관계를 알아볼 생각입니다.
이 '특정 기간' 이라는 것은 철저히 제 기대를 충족시키는 기준으로 정한 것인데 다른분들도 나름 궁금해하지 않을까? 라는 생각도 해봅니다. 기준을 살펴보면 이렇습니다.
1. 나의 포트폴리오에서 공격적으로 수익을 노려볼 자산은 한국 주식이다.
= KOSPI 기준으로 기간을 정한다.
2. 자산배분을 하는 이유는 시장이 흔들릴 때 위험을 낮추기 위함이다.
= 경제 위기가 찾아왔을 때의 기간을 중심으로 살펴본다.
3. 하지만 하락장이 언제 찾아올지 모른다. 그래서 자산배분은 늘 하고 있어야한다.
= 주가가 큰 위기없이 횡보할 때의 상관관계도 확인해본다.
4. 그리고 시계열 데이터이다 보니 가장 최근의 값들도 확인할 필요가 있다.
= 최근 n 년 기간의 상관관계도 확인해본다.
이렇게 적어놓고보니 꽤 많은 기간을 살펴보게 될 것 같지만.. 이왕 시작한거 궁금한 부분을 다 채워보도록 하겠습니다.
그럼 저 기준을 충족시키는 기간을 정해봅시다.
plt.figure(figsize = (20,10)) plt.plot(new_asset.index, new_asset['KOSPI'], color = 'b' )
위 그래프는 KOSPI 지수의 전체기간 그래프입니다. (1번 조건)
이 그래프에서 급락이 왔던 시기(=위기가 찾아온 시기)를 표시를 해봤습니다.
그래프를 보고 총 4개의 기간을 정해봤습니다. 이해를 돕기 위해 각 기간 위기가 찾아온 배경을 간단히 설명하고 넘어가겠습니다.
🚩 1. 1990년 초반, 3저 호황 이후 (1990년 ~ 1993년)
우리나라는 1986년 ~ 1988년 3저 호황이라는 호황기를 누렸습니다.
'저유가', '저금리', '저달러' 를 기반으로 한국 경제가 아주 가파른 성장을 이루었던 시기이죠.
이 시기에는 3년 연속으로 11% 의 경제성장을 이루었는데반해, 물가는 안정되어 주식시장도 큰 폭으로 상승합니다.
이 첫 번째 호황기는 국제원자재 가격 상승, 원화절상(원화의 가치 상승) 압력과 같은 대외적 요인과 3저 호황으로 얻은 이윤이 생산적 투자가 아닌 부동산, 주식 투기에 집중되는 대내적 요인이 겹쳐 침체에 빠지게 됩니다.
🚩 2. 1997년, IMF 외환위기 (1997년 ~ 2000년)
경제가 극도로 안좋을 때 흔히들 "IMF 외환 위기때의 경제 위기가 또 발생하는거 아니야?" 라고 할만큼 우리들의 머리속에 깊숙히 자리잡고있는 IMF 외환 위기.
97년에는 갓난아기였을때라 기억나는게 아무것도 없지만, 예전에 유투브에서 본 IMF 당시의 뉴스에서 우리나라 재계순위 상위 기업들이 줄줄이 도산했다는 내용을 볼 수 있었습니다.
IMF 외환위기는 간단하게(간단할순 없지만?) 다른 동남아시아 국가의 외환위기와 우리나라의 미숙한 외환관리정책으로 인해 발생했습니다.
🚩 3. 2008년, 서브프라임 모기지 (2008년 ~ 2010년)
서브프라임모기지는 많은 사람들이 알고있는 미국발 경제위기입니다.
"빅쇼트"라는 영화에서 이 내용을 주제로 다루고 있으니 시간나실 때 보시면 좋을 것 같습니다.
위 사건을 간단히 설명을 하자면..
💸
1. 2000년대 초에는 미국이 경제 침체를 극복하기 위해 금리를 큰 폭으로 낮춰버림
2. 사람들은 시세 차익을 기대하며 낮은 금리로 대출을 받고 부동산 구매, 부동산 수요 증가로 가격 급등
3. 모기지 회사들이 낮은 신용등급(서브프라임)에게도 대출을 해주기 시작 (상환 못할 시 담보로 잡은 주택을 팔아 충당할거라 생각)
4. 2006년 미국이 물가안정을 위해 금리 상승
5. 이자 부담에 부동산을 파는 사람이 늘어남. but, 구매 할 사람은 없어서 부동산 가격이 폭락함.
6. 돈을 갚지 못하는 사람들과 돈을 빌려준 모기지 회사가 파산함
7. 모기지 회사가 발행한 채권에 투자했던 전 세계의 투자자(헷지펀드, 투자은행 등) 돈을 돌려받지 못해 크게 손해
8. 미국이 무너져 전 세계 경제가 와르르 무너짐.
위 과정을 거쳐 세계 경제 위기가 발생했습니다.
🚩 4. 2020년, 코로나19 ( 2020년 ~ )
이 시기는 다같이 경험하고 있는 상황이라 바로 넘어가겠습니다.
이제 위 기간에 대한 상관관계 그래프를 그려봅시다.
2. 상관관계 그래프 그리기
2.1. 주식시장에 위기가 찾아왔을 때.
파이썬에서 히트맵을 그리는 방법은 간단합니다. (물론 제가 단순하게 그렸기 때문입니다..)
plt.figure(figsize = (13,10)) # 그릴 그래프 틀 크기 sns.heatmap(data = asset_rate["1990":'1993'].corr(method = 'pearson'), # 히트맵에 넣을 상관계수 annot = True, # 히트맵 안에 숫자를 표시할지 여부 fmt = '.2f', # 소숫점 둘째자리까지 나타냄 linewidths = .5, # 히트맵 사이의 선 굵기 cbar_kws={"shrink": .5}, # 우측 컬러바 크기 절반으로 줄이기 cmap = 'RdYlBu_r', # 히트맵 색상 지정 vmin = -1, vmax = 1) # 우측 컬러바 min, max 값 설정 # 히트맵 이름 설정 및 폰트 사이즈 설정 plt.title("< Crisis 1 : 3저 호황 이후 (1990 ~ 1993) >", fontsize = 23)
위 상관관계 히트맵을 확인하면 한눈에 자산별 상관관계를 확인할 수 있습니다.
저는 KOSPI 지수를 기준으로 값을 확인해봤습니다.
1. KOSPI 와 S&P500, NASDAQ
KOSPI 와 S&P500, NASDAQ 은 상당히 강한 양의 상관관계를 가지고 있습니다. (이 자산들은 주식시장을 의미하기 때문에 그런 것 같습니다.)
경제 위기가 찾아왔을때, KOSPI 와 S&P500, NASDAQ 가 함께 떨어지는 경향이 있다는 것을 알 수 있습니다.
2. KOSPI 와 US_Bond
KOSPI 와 US_Bond 를 확인해보면 약한 음의 상관관계를 가지다, 이번 코로나19 상황에서는 강한 음의 상관관계를 보여주는 것을 확인할 수 있습니다.
보통 주식과 채권은 반대로 움직이는 경향이 있는데 4번의 위기에서 나름 그 기능을 잘 해줬다고 생각할 수 있습니다.
3. KOSPI 와 환율
KOSPI 와 환율을 살펴보면 네번의 기간 모두에서 상당히 높은 음의 상관관계를 가지고 있는것을 확인할 수 있습니다. 즉, KOSPI 지수가 떨어질 때 환율은 상승하는 경향이 있다는 것입니다.
우리 기준 달러화는 아주 좋은 헷지수단이 될 수 있다는 것을 알 수 있습니다.
4. KOSPI 와 금
KOSPI 와 금의 상관관계를 살펴보면 약한 양의 상관관계를 가지고 있습니다.
코스피가 오르거나 떨어질 때, 금도 함께 오르고 내리는 경향이 있음을 확인할 수 있습니다.
그리고 과거에서 현재로 올수록 각 자산별 상관관계의 색이 짙어지는 경향이 있습니다.
그 말은 양의 방향이든 음의 방향이든 자산별로 상관관계가 과거보다 높아지고 있다고 해석할 수 있습니다.
상관관계가 음의 값을 가지지 않는다고 해서 자산 분배의 기능을 하지 못하는 것은 아닙니다.
두 자산간의 상관관계가 1이 아닌 이상 자산 분배를 할 경우 변동성을 줄일 수 있고, 이는 위기 시 자산을 지켜줄 수 있다는 것을 의미하기 때문입니다.
주식시장에 위기가 왔을 때를 정리해보면 아래와 같이 정리할 수 있겠습니다.
1. KOSPI 지수와 S&P500, NASDAQ 지수는 강한 양의 상관관계를 가지므로 자산 분배의 성능이 낮다.
2. 안전자산이라고 불리는 금의 경우 음의 상관관계를 가질것이라 생각했지만 그렇지 않았다.
(그래도 상관관계가 낮기 때문에 자산 분배의 기능은 충분히 가능하다고 생각된다.)
3. 미국 채권은 채권의 특성인 '주식시장과 반대로 움직이는 경향'을 잘 보여줬다.
4. 환율의 경우 가장 음의 상관관계가 높은 자산이었다. 이는 가장 좋은 헷지 수단이 된다는 의미이다.
2.2. 주식 시장에 큰 상승이 찾아왔을 때
주식시장의 상승이 찾아왔던 2002년 ~ 2007년 기간을 살펴봅시다.
1. KOSPI와 S&P500, NASDAQ
KOSPI와 S&P500, NASDAQ 는 제법 강한 양의 상관관계를 가지고 있습니다.
이 자산들은 위기가 찾아오거나 상승이 찾아올 때 늘 함께 움직이는 경향을 가지고 있음을 알 수 있습니다.
2. KOSPI와 US_Bond
KOSPI와 US_Bond 는 음의 상관관계를 가지고 있습니다.
상승장에서도 여전히 자산 분배의 기능을 잘 수행시킬 수 있는 자산임을 확인할 수 있습니다.
3. KOSPI와 환율
KOSPI와 환율은 약한 음의 상관관계를 가지고 있습니다.
미국 채권과 마찬가지로 상승장에서도 자산 배분의 기능을 잘 수행할 수 있는 자산입니다.
4. KOSPI와 금
KOSPI와 금은 약한 양의 상관관계를 가지고 있습니다.
하락장이든 상승장이든 금은 KOSPI 지수와 큰 상관관계를 가지지 않습니다.
정말 안정적인 안전자산의 역할을 잘 하고있다고 생각해볼 수 있습니다.
상승장에서의 자산별 상관관계를 살펴보니 위기가 찾아왔을 때와 크게 다르지 않은 경향성을 보여줍니다.
다른점이라면 상관계수가 경제 위기가 왔을 때 보다 옅어졌다는 점이 있겠습니다.
결국은 주식 시장이 비교적 안정적일 경우에도 자산 배분의 효과는 가져갈 수 있다는 것입니다.
(물론 상승장에서의 자산배분은 수익률을 낮추는 결과를 가져옵니다.)
2.3. 주식시장이 횡보할 때 (박스피 시절)
지루했던 주식시장 횡보 기간을 살펴봅시다.
1. KOSPI와 S&P500, NASDAQ
KOSPI와 S&P500, NASDAQ 는 제법 강한 양의 상관관계를 가지고 있습니다.
이 자산들은 횡보를 할 때도 함께 움직이는 경향을 가지고 있음을 알 수 있습니다.
2. KOSPI와 US_Bond
KOSPI와 US_Bond 는 아주 약한 양의 상관관계를 가지고 있습니다.
거의 상관관계가 없다고 볼 수 있을정도입니다.
3. KOSPI와 환율
KOSPI와 환율은 음의 상관관계를 가지고 있습니다.
달러화는 횡보장에서도 우수한 자산 헷지 수단이 되어주는 것으로 보입니다.
4. KOSPI와 금
KOSPI와 금은 약한 양의 상관관계를 가지고 있습니다.
횡보장에서도 마찬가지로 금은 KOSPI 지수와 큰 상관관계를 가지지 않습니다.
2.4. 최근 n년의 상관관계
최근 n년의 기간에서의 상관관계를 살펴봅시다.
최근 5년, 3년, 1년의 자산별 상관관계를 보면 위기가 찾아왔을 때, 상승장일 때, 횡보장일 때와 비슷한 경향을 보이고 있습니다.
다른 시기에 비해 US_Bond 가 상대적으로 높은 음의 상관관계를 가지고 있다는 것이 조금 다른 점입니다.
그런데 최근 6개월을 보시면 강한 상관관계를 가지진 않지만 거의 모든 자산의 상관관계가 양의 상관관계를 가지고 있습니다. (이 와중에도 달러는 아주 약한 음의 상관관계를 보여주네요)
결과론적인 해석일지 모르지만 경제위기 후 시장이 회복할 때 대부분의 자산이 같은 방향성(회복)을 하는 경향이 있다고 볼 수 있겠습니다.
2.5. 시기별 정리 (+달러의 중요성)
다양한 시기별 상관관계를 확인해봤는데 그 내용을 간략하게 정리를 해보겠습니다.
아래의 표는 KOSPI 지수와 다른 자산간의 상관관계를 나타낸 표입니다.
자산 | 위기 (하락장) | 상승장 | 횡보장 | 최근 n년 | 위기 후 상승장 |
S&P500 ,NASDAQ |
강한 양의 상관관계 | 강한 양의 상관관계 | 강한 양의 상관관계 | 강한 양의 상관관계 | 강한 양의 상관관계 |
US_Bond | 약한 음의 상관관계 | 음의 상관관계 | 약한 양의 상관관계 | 음의 상관관계 | 양의 상관관계 |
환율(달러화) | 음의 상관관계 | 약한 음의 상관관계 | 음의 상관관계 | 음의 상관관계 | 거의 상관관계X |
Gold | 약한 양의 상관관계 | 약한 양의 상관관계 | 약한 양의 상관관계 | 약한 양의 상관관계 | 약한 양의 상관관계 |
표를 그려보니 제 눈에 띄는 자산은 "달러" 였습니다.
대부분의 시기에서 음의 상관관계를 가지고 있던 달러는 자산 포트폴리오 구성에 필수적이라는 생각이 들었습니다.
그래서 한번 간략하게 KOSPI 지수와 환율의 추세를 그래프로 그려봤습니다.
코스피 지수가 크게 하락하거나 상승할 때 달러화는 반대로 상승하고 하락합니다.
그래서 저는 자산 포트폴리오에 꼭 달러를 넣어놓기로 했습니다. (지금도 들어가있는 상태)
3. 끝마치며
이렇게 이번 포스팅에서는 자산 포트폴리오를 구성하기 위해 시기별/자산별 상관관계를 알아보았습니다.
게시글을 읽다보면 은연중에 '자산배분을 해야한다' 라는 느낌을 받으셨을지도 모르겠습니다.
왜냐면 이 포스팅을 하게된 계기가 제가 자산배분을 하기 위해 자산별 상관관계를 확인하려는 목적이었기 때문입니다.
하지만 자산 배분이 무조건 옳다는 것은 아닙니다.
하락장에서는 위험을 줄여줄 수 있지만, 상승장에서는 수익을 감소시키니깐요.
그러니 이 게시글을 읽고 '이렇게도 자산을 운용해볼 수 있겠구나' 정도로 생각해주시고 본인의 성향에 맞게 투자를 하시면 될 것 같습니다.
개인적인 호기심에 시작한 포스팅이었지만 이 게시글이 어떠한 방향으로든 도움이 되셨길 바랍니다😊
'#3. 프로젝트노트 > #3.1. Python' 카테고리의 다른 글
[전처리] 파이썬을 활용한 자산별 상관관계 구하기 #1 (2) | 2021.08.17 |
---|---|
[종합] 파이썬을 활용한 자산별 상관관계 구하기 (feat. 자산 포트폴리오) (0) | 2021.08.16 |
블로그의 정보
고동의 데이터 분석
소라고동_