xcv0604의 등록된 링크

 xcv0604로 등록된 네이버 블로그 포스트 수는 8건입니다.

pandas.dataframe.rolling() 함수 [내부링크]

데이터에 대해 구간 단위로 연산을 할 때 사용하는 함수이다. 평균, 최대값, 합, 최소합 등을 구할 수 있다. 예를 들어서 6개 행 단위로 합이나 평균을 구할 수 있다. 이를 활용해 이동평균선이나 RSI를 구할 때 사용할 수 있다. 정의 rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None, step=None, method='single') 인자 값 사실 window 말고는 거의 사용하지 않아 필요하면 업데이트하겠습니다. window : 연산할 구간을 지정한다. 행의 개수로서 지정한다. 행이 시간인 경우 시간 단위로 지정할 수도 있다. (예시 참조) 예시 연산할 데이터 프레임 설정 data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]} df = pd.DataFrame(data) col_0 col_1 0 9 -2 1

LTV(담보인정비율) DTI(총부채상환비율) DSR(총체적상환능력비율) 이란? [내부링크]

LTV(담보인정비율) LTV는 간단히 말해서 부동산을 매수할 때 몇 부동산 매가 대비 몇 퍼센트까지 대출이 가능한가이다. 즉 부동산 가격을 보고 얼마까지 빌려줄지를 정하는 것이다. 예를 들어서 LTV가 60%라면 집값의 60%까지 대출이 나올 것이다. 이 것을 공식으로 표현하면 다음과 같다. 융자금은 대출해주는 금액, 부동산 가치는 부동산 매가라고 보시면되겠다. LTV 가 클 수록 부동산 가능한 융자금은 늘어나게 될 것이다. DTI(총부채상환비율) DTI 는 대출받는 사람의 연소득을 고려해서 대출가능한 금액을 결정하는 것이다. 이에 따라 연소득이 높다면 대출을 많이 받을 수 있을 것이고 연소득이 낮다면 대출을 많이 받을 수 없을 것이다. 공식은 다음과 같다. 원리금상환액은 매년 갚아야하는 돈으로 이자와 원금이 모두 포함된다. 예를 들어서 DTI 가 50% 라면 매년 소득이 5000만원인 경우 원리금 상환액이 2500만원이 될 때까지의 대출까지 가능할 것이다. 단 기존에 이미 주택담보

pandas.dataframe.clip() 함수 [내부링크]

최소 값과 최대 값을 지정하고 지정한 값에 따라 숫자의 상 하단을 잘라내는 함수이다. 예를 들어서 최대 값을 6으로 지정하면 6 이상의 9, 10 등의 숫자는 최대인 6이 된다. 정의 clip(Lower=None, upper=None, *args, axis=None, inplace=False, **kwargs) 인자 값 lower : 최소 값 upper : 최대 값 axis : 지정한 axis 를 기반으로 최대 최소를 정한다. 행 또는 열마다 최소, 최대 값 다르게 설정할 때 사용한다.(예시 참조) inplace : 기본 값 False *args, **kwargs 리턴 값 clip 함수를 적용한 series 예시 최소 값을 -3 최대 값을 6으로 설정 data = {'col_0': [9, -3, 0, -1, 5], 'col_1': [-2, -7, 6, 8, -5]} df = pd.DataFrame(data) col_0 col_1 0 9 -2 1 -3 -7 2 0 6 3 -1 8 4

Pandas.Dataframe.diff() 함수 [내부링크]

diff 는 Dataframe 의 행과 행 또는 열과 열 데이터 사이 차이를 리턴해주는 함수이다. 정의 diff(periods=1, axis=0) 인자 값 periods = 1 몇 번째 행 또는 열과 차이를 구할지를 의미한다. 기본 값은 1로 설정을 하지 않으면 바로 옆의 행 또는 열과 차이 를 리턴한다. axis = 0 설정에 따라 행 또는 열을 기준으로 차이를 구한다. 0 : 행을 기준으로 차이를 구한다. 1 : 열을 기준으로 차이를 구한다. 예시 예시 데이터 df = pd.DataFrame({'a': [1, 2, 3, 4, 5, 6], 'b': [1, 1, 2, 3, 5, 8], 'c': [1, 4, 9, 16, 25, 36]}) a b c 0 1 1 1 1 2 1 4 2 3 2 9 3 4 3 16 4 5 5 25 5 6 8 36 행과 행 사이의 차이 구하기 df.diff(axis=0) a b c 0 NaN NaN NaN 1 1.0 0.0 3.0 2 1.0 1.0 5.0 3 1

부동산 하락장 매수타이밍 현황 [내부링크]

오늘 포스트에서는 이전에 말씀드렸던 부동산 하락장 매수 전략을 현재의 부동산 상황에 적용해보겠다. 전략 배경 설명과 백테스팅 결과를 못보셨다면 다음 링크를 포스팅을 참고 부탁드리겠다. https://blog.naver.com/xcv0604/222900423261 부동산 하락장 매수 타이밍 잡기 -2 1편에 이어서 실제 부동산 매매가 데이터로부터 추세 기반 매수 전략을 세우고 2004년 ~ 2022년 데이터에 ... blog.naver.com 부동산 하락장 매수 타이밍 잡기의 내용을 요약하면 현재 하락의 원인은 금리지만 금리는 예측할 수 없기 때문에 하락장 매수타이밍을 잡는 방법으로 부동산 매매 지수 변동을 사용하는 것이 적합하다는 것이다. 그리고 해당 전략을 백테스팅을 통해 검증하였다. 전략은 다음과 같다. 하락장인 상황에서 부동산매매가격지수의 하락폭이 줄어들 때 매수한다. 결론부터 말씀드리면 10월 26일은 아직 전략 상 매수타이밍이 아니다. 실제 데이터를 보고 왜 아닌지 설명드리

인천 부동산은 끝일까? [내부링크]

최근 부동산 스터디 카페 인기글을 보다가 '인천은 진짜 끝났네요' 라는 게시글을 보았다. 앞으로 2022년부터 2025년 정도까지 인천에 공급되는 부동산 공급량이 9만을 넘기 때문에 공급과잉으로 인천부동산이 끝난다는 것이다. 이에 대한 근거로 호갱노노 공급량 통계를 제시했다. 게시글은 현재의 부동산 분위기에 힘입어 카페 추천글에 등록 됐으며 조회수도 2만 넘겼다. 과연 '인천 부동산은 진짜 끝났네요' 글처럼 공급과잉으로 인천부동산은 끝날 것인가? 이번 포스트에서는 인천부동산을 살펴보고 정말로 끝날 것인지 알아보겠다. 먼저 인천부동산의 공급량을 확인해보자. 2022년과 2023년의 인천 아파트 공급량은 각각 2022년 3만 9천, 2023년 4만 2천으로 1990년부터 고려해도 역대급이라는 것을 확인할 수 있다. 끝이다 라는 말이 나오는 이유이고 충분히 그렇게 생각하실 수 있다고 생각한다. 실제로 전세가와 매가에 다른 수도권 대비 영향이 있을 것이다. 인천 아파트 공급량 - 아실 하지

부동산 하락장 매수 타이밍 잡기 -2 [내부링크]

1편에 이어서 실제 부동산 매매가 데이터로부터 추세 기반 매수 전략을 세우고 2004년 ~ 2022년 데이터에 대해 매수 타이밍을 유효하게 얻을 수 있는지 백테스팅 해보도록 하겠습니다. 부동산 하락장 매수 타이밍 잡기 -1 부동산 하락장 매수 타이밍을 잡는 방식은 상황에 따라 달라야합니다. 기존의 2013년의 저점, 2018년 고점 ... blog.naver.com 매수 타이밍을 잡기 위해 제가 사용할 지표는 수도권 아파트 월간매매가격지수 입니다. 월간매매가격지수는 각 월의 아파트 매매가 변동률과 지수를 포함합니다. 밑의 표는 2008년 금융위기 당시 월간매매가격지수 입니다. (출처 한국부동산원) 　 매가 변동률 전세가 변동률 금리 2008-09-01 0.41 0.46 7.25 2008-10-01 -0.33 0.06 7.58 2008-11-01 -1.06 -0.91 7.42 2008-12-01(저점) -1.46 -2.39 6.81 2009-01-01 -0.99 -1.92 5.63 2

부동산 하락장 매수 타이밍 잡기 -1 [내부링크]

부동산 하락장 매수 타이밍을 잡는 방식은 상황에 따라 달라야합니다. 기존의 2013년의 저점, 2018년 고점 등 지금까지 상승 하락의 변곡점이 부동산 공급에 의한 것이였다면 2022년은 금리에 의한 현상이기 때문입니다. 현재 부동산의 하락을 이끌고 있는 가장 큰 원인은 금리의 급등입니다. 워낙 가파르기 때문에 금리의 상승이 아니라 급등이라고 말씀드렸습니다. 70년대 80년대 이래로 이렇게 금리가 빠르게 올랐던 적이 없습니다. 40년 만에 벌어진 역사적인 일이죠. 재밌는 것은 부동산 매가와 금리를 함께 놓고 보면 금리와 매가가 동시에 상승하는 경우가 오히려 더 많습니다. 즉 급등만 하지 않는다면 부동산에 큰 영향은 없는 경우가 많다는 것이죠. 하지만 이런 식으로 2021년부터 1년만에 50%나 금리가 급등하면 이야기가 다릅니다. 이 것 때문에 기존의 공급 기반으로 상승을 전망해주셨던 분들의 전망이 많이 틀렸습니다. 금리 급등이 가장 핵심적인 하락 원인이라면 당연히 부동산 매수 타이밍