한국주식과 달러환율의 상관관계분석 (python 코드)

지난 포스트 달러와 주요자산군과의 상관관계 에서 달러의 헤지 역할에 대해서 실험해보았다.

이번에는 한국 주식(코스피지수로 계산)과 원/달러 환율의 상관계수를 구해보았다.

# 테스트 기간: 1995-01-01 ~ 2021-07-31

          USD/KRW      KS11
USD/KRW  1.000000 -0.221569
KS11    -0.221569  1.000000

먼저 상관계수는 -0.221569이다. (예상했던대로 음의 방향이지만 솔직히 더 낮게 나올줄 알았다.)

 

시계열 변화를 그림으로 띄워보면 아래와 같다.

 

 

위기의 순간마다 환율이 뛰는 것을 볼 수 있다. 한국주식에 투자하는 경우 달러자산을 가지고 있으면 확실하게 헤지역할을 하는 것으로 보인다. 달러자산 보유는 필수!

 

(관련 python 코드 첨부)

	import pandas as pd
	import matplotlib.pyplot as plt
	import FinanceDataReader as fdr
	TICKERS = ['USD/KRW', "KS11"]
	if __name__ == "__main__":
	# 1. 날짜별 index 생성
	s = "1995-01-01"
	e = "2021-07-31"
	# dates = pd.date_range(s, e) # : 일단위 상관계수 계산
	dates = pd.date_range(s, e, freq='BM') # : 월종가단위 상관계수 계산
	# 2. DataFrame 만들기
	df = pd.DataFrame(index=dates)
	# 3. Ticker 별로 수정종가 데이터를 추가
	for ticker in TICKERS:
	# df_tmp = data.get_data_yahoo(ticker, s)
	df_tmp = fdr.DataReader(ticker)
	# df_tmp = fdr2backtrader(df_tmp)
	df_tmp = df_tmp[["Close"]]
	df_tmp = df_tmp.rename(columns={"Close": ticker})
	df = df.join(df_tmp)
	df = df.dropna()
	# 4. 가격데이터 정규화 : 시작 가격으로 나누어서 시작을 1.0으로 맞추는 과정
	df = df / df.iloc[0]
	# 5. 월별 변화량 구하기
	daily_returns = df.copy()
	daily_returns[1:] = (df[1:] / df[:-1].values) - 1
	daily_returns.iloc[0] = 0
	# 6. 상관계수 출력
	print(daily_returns.corr(method="pearson"))
	# 7. 시각화
	df.plot()
	plt.show()

view raw gistfile1.txt hosted with ❤ by GitHub