Machine learning을 활용한 삼성전자 주식 예측하기 .

머신러닝에서 여러 가지 패키지와 라이브러리를 사용해서

삼성전자의 주식을 예측하는 코드를 만들어 보겠습니다.

데이터셋은 주식관련 데이터를 가져올 수 있는 Yahoo Finance에서 불러옵니다.

 

 

---

 

 

from statsmodels.tsa.arima_model import ARIMA    # ARIMA 라는 시계열 패키지를 가져옵니다.

import statsmodels.api as sm  # 데이터를 전처리 후 회귀분석을 적용해 회귀계수를 구할 수 있게 도와주는 패키지.

 

%matplotlib inline

 

#일반적으로 가장 많이 사용하는 패키지를 가져옵니다.

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import yfinance as yf  

from fbprophet import Prophet

---

가장 먼저 할 일은 필요한 패키지를 import 하는 것입니다.

그다음은 필요한 데이터를 불러옵니다.

 

---

samsung_df = yf.download('005930.KS',

                      start='2020-01-01',

                      end='2021-10-05',

                      progress=False)

samsung_df

 

---

 

위와 같이 2020년 1월 1일부터 시작해서, 2021년 10월 5일에 끝나는 삼성전자 주식 데이터를 가져옵니다.

가져온 데이터는 아래와 같은 형태로 존재합니다.

 

 

 

불러온 데이터에서 Close(종가)의 데이터만을 가져와 price라고 지정하고,

간단하게 시각화합니다.

 

---

samsung_df = samsung_df[["Close"]]

 

samsung_df = samsung_df.reset_index()

 

samsung_df.columns = ['day', 'price']

 

samsung_df['day'] = pd.to_datetime(samsung_df['day'])

 

samsung_df.index = samsung_df['day']

samsung_df.set_index('day', inplace=True)

 

samsung_df

 

fig, ax = plt.subplots(figsize=(15, 8))

samsung_df.plot(ax=ax)

---

이렇게 가져온 데이터와 시각화한 결과입니다.

 

 

 

이제 이러한 데이터를 첫날부터 430일 동안의 데이터는 train데이터,

그 이후의 5일 동안의 데이터를 test데이터로 구분합니다.

 

---

samsung_train_df = samsung_df[:430]

samsung_test_df = samsung_df[430:]

samsung_train_df

samsung_test_df

---

여기까지 필요한 데이터를 가져오는 기본적인 단계이고,

이제 ARIMA을 이용해 시계열 예측을 해 보겠습니다.

ARIMA 모형은 자기 상관 모형(AR)과 이동평균 모형(MA)이 합쳐진 모형으로

일반적으로 가장 선호되는 모델입니다.

 

---

model = ARIMA(samsung_train_df.price.values, order = (2,1,2))

model_fit = model.fit(trend = 'c', full_output = True, disp = True)

print(model_fit.summary())

fig = model_fit.plot_predict()

---

 

ARIMA 시계열 모델을 AR=2 , 차분=1, MA=2라고 설정하고 그에 따른 결과와 시각화를 출력한 것입니다.

 

 

 

 

이후 과정은 지금까지의 과정을 통해 얻을 수 있는 예측값, 예측 최저값, 예측 최고값, 실제 가격을 시각화합니다.

 

---

forecast_data = model_fit.forecast(steps=5) 

 

pred_arima_y = forecast_data[0].tolist()  # 마지막 5일의 예측 데이터 (2021-09-28 ~ 2021-10-05)

test_y = samsung_test_df.price.values    # 실제 5일의 데이터 (2021-09-28 ~ 2021-10-05)

pred_y_lower = []                             # 마지막 5일의 예측 데이터 최소값

pred_y_upper = []                             # 마지막 5일의 예측 데이터 최대값

 

for lower_upper in forecast_data[2]:

    lower = lower_upper[0]

    upper = lower_upper[1]

    pred_y_lower.append(lower)

    pred_y_upper.append(upper)

 

    plt.figure(figsize=(15, 10))

 

plt.plot(pred_arima_y, color = 'gold')  # 모델이 예측한 가격 그래프

plt.plot(pred_y_lower, color = 'red')    # 모델이 예측한 최저 가격 그래프

plt.plot(pred_y_upper, color = 'blue')  # 모델이 예측한 최고 가격 그래프

plt.plot(test_y, color = 'green')          # 실제 가격 그래프

 

#4가지 종류의 데이터를 시각화

plt.legend(['예측값', '최저값','최대값','실제값'])

plt.title("값 비교")

plt.show()

---

 

 

이렇게 시각화된 자료를 통해 삼성전자 주식 예측 과정을 마무리할 수 있습니다.

데이터를 가져오는 건 쉽고, 전처리과정도 어렵지 않지만 

모델을 설정해서 데이터를 예측하는 과정이 조금 어려운 과정이었습니다.

감사합니다.