공매도 데이터 분석하기

starlightBlog.post.date

이번 포스트에서는 파이썬으로 공매도 데이터를 분석해 봅니다. 공매도 데이터 수집에 대해서는 이 포스트를 확인해 주세요.

공매도 거래, 공매도 잔고, 종목 정보 데이터를 가져옵니다. 이 부분은 개인적으로 사용하는 데이터베이스를 활용하므로 퀀티랩 카페에서 CSV 파일을 다운받아 사용하시기 바랍니다.

import pandas as pd
from quantylab.common.db.mongodb import MongoDBClient
coll = MongoDBClient.get_coll('short')
cursor = coll.find({'date': {'$gte': '20210601', '$lte': '20220114'}}, {'_id': 0, 'dt_update': 0, 'date_update': 0}, sort=[('date', -1)])
df_short = pd.DataFrame(list(cursor))
coll = MongoDBClient.get_coll('shortbalance')
cursor = coll.find({'date': {'$gte': '20210601', '$lte': '20220114'}}, {'_id': 0, 'dt_update': 0, 'date_update': 0}, sort=[('date', -1)])
df_shortbalance = pd.DataFrame(list(cursor))
coll = MongoDBClient.get_coll('stockcodes')
cursor = coll.find({}, {'_id': 0, 'code': 1, 'name': 1})
df_stockcodes = pd.DataFrame(list(cursor))

위에서 준비한 세 DataFrame을 합칩니다. 이 합친 데이터를 CSV 파일로 저장해 둡니다. 이 CSV 데이터를 카페에 올려 놓았습니다. 카페 가입하셔서 다운받으시고 질문도 해주시면 감사하겠습니다.

df = pd.merge(df_short, df_shortbalance[['code', 'date', 'bal_rto', 'bal_amt', 'bal_qty']], on=['code', 'date'], how='left')
df = pd.merge(df, df_stockcodes, on='code', how='left')
df = df[['name'] + df.columns.tolisZt()[:-1]]
df.to_csv('20220113_analysis_short.csv', index=False)

CSV 파일을 다운받으셨다면 다음 부분부터 직접 해보실 수 있습니다. 다음 코드는 CSV 파일을 불러오는 부분입니다.

import pandas as pd
str_columns = ['code', 'date']
df = pd.read_csv('20220113_analysis_short.csv', converters={k: lambda x: str(x) for k in str_columns})

code, date를 숫자로 읽는 것을 방지하기 위해서 converters 인자를 넣어줍니다. 그리고 다음 코드에서처럼 date로 정렬하고 % 단위를 떼고 NaN 값이 포함된 행을 버립니다.

df = df.sort_values(by='date')
# % 단위 떼기
df['short_ratio'] /= 100
df['bal_rto'] /= 100
df = df.dropna().copy()

name	code	date	avg_price	avg_price_ratio	close	diff	diffratio	short_amount	short_ratio	short_volume	volume	bal_rto	bal_amt	bal_qty
LX홀딩스	383800	20210601	11078	-78	11000	50	0.46	26214	0.012591000000000001	23662	1879288	0.0	34639000.0	3149.0
DB금융투자	016610	20210601	7215	5	7220	50	0.7	412	0.003169	571	180173	0.0	0.0	0.0
CJ제일제당	097950	20210601	484327	1173	485500	-3000	-0.61	122535	0.0437	2530	57895	0.0029	21517360000.0	44320.0
CJ씨푸드	011150	20210601	4819	1	4820	105	2.23	22	3.8e-05	45	1188132	0.0083	1435482760.0	297818.0
BGF리테일	282330	20210601	183995	5	184000	2500	1.38	64950	0.089838	3530	39293	0.0007000000000000001	2272032000.0	12348.0
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
엠씨넥스	097520	20220114	56312	-12	56300	3800	7.24	141	1.9e-05	25	1321720	0.0029	2909752900.0	51683.0
더블유게임즈	192080	20220114	53966	234	54200	-400	-0.73	47851	0.10421200000000001	8867	85086	0.0139	13883763600.0	256158.0
PI첨단소재	178920	20220114	52734	366	53100	1000	1.92	34556	0.044195000000000005	6553	148275	0.0086	13446300600.0	253226.0
포스코케미칼	003670	20220114	129380	620	130000	-2000	-1.52	94033	0.043436	7268	167325	0.0235	236509260000.0	1819302.0
LG이노텍	011070	20220114	381022	3478	384500	32000	9.08	3552349	0.05383	93232	1731987	0.005600000000000001	50517917000.0	131386.0

이 데이터에서 종목별로 상환 규모를 확인하고 공매도 거래량, 공매도 잔고, 상환 규모의 5일 이동평균을 구합니다. 이 과정은 몇 분 정도 걸릴 수 있습니다. 그래서 tqdm으로 진행율을 확인합니다.

from tqdm import tqdm
for k, g in tqdm(df.groupby('code')):
    # 상환 규모 확인
    # 당일 short_volume - (당일 bal_qty - 전일 bal_qty)
    df.loc[df['code'] == k, 'bal_qty_diff'] = g['bal_qty'].diff()
    df.loc[df['code'] == k, 'repay_volume'] = (df.loc[df['code'] == k, 'short_volume'] - df.loc[df['code'] == k, 'bal_qty_diff']).clip(0)
    df.loc[df['code'] == k, 'repay_ratio'] = df.loc[df['code'] == k, 'repay_volume'] / df.loc[df['code'] == k, 'volume']
    # 이동평균
    df.loc[df['code'] == k, 'short_ratio_ma5'] = g['short_ratio'].fillna(0).rolling(5).mean()
    df.loc[df['code'] == k, 'bal_rto_ma5'] = g['bal_rto'].fillna(0).rolling(5).mean()
    df.loc[df['code'] == k, 'repay_ratio_ma5'] = df.loc[df['code'] == k, 'repay_ratio'] .fillna(0).rolling(5).mean()

이렇게 구한 repay_ratio_ma5로 내림차순 정렬을 해보면 다음과 같은 결과를 얻을 수 있습니다.

_df = df[df['date'] == '20220114'].sort_values(by='repay_ratio_ma5', ascending=False)
_df

name	code	date	avg_price	avg_price_ratio	close	diff	diffratio	short_amount	short_ratio	short_volume	volume	bal_rto	bal_amt	bal_qty	bal_qty_diff	repay_volume	repay_ratio	short_ratio_ma5	bal_rto_ma5	repay_ratio_ma5
BGF리테일	282330	20220114	145501	-1501	144000	-2000	-1.37	188743	0.31445	12972	41253	0.0013	3342384000.0	23211.0	4353.0	8619.0	0.20893025961748238	0.24250639999999998	0.0013000000000000002	0.2374309360178176
세방전지	004490	20220114	69346	-146	69200	-1800	-2.54	22322	0.094635	3219	34015	0.0191	18506225200.0	267431.0	-6377.0	9596.0	0.2821108334558283	0.1048104	0.02026	0.22422523200232863
호텔신라	008770	20220114	77304	96	77400	-1100	-1.4	594543	0.222531	76910	345615	0.0717	217719311400.0	2812911.0	83286.0	0.0	0.0	0.271113	0.06978000000000001	0.2142213088295697
금호석유화학	011780	20220114	174115	-115	174000	2500	1.46	293854	0.075005	16877	225011	0.05	263459838000.0	1514137.0	-44184.0	61061.0	0.2713689552955189	0.0773396	0.0519	0.20765174156183894
효성첨단소재	298050	20220114	532588	412	533000	-8000	-1.48	314067	0.159077	5897	37070	0.0147	35143888000.0	65936.0	15093.0	0.0	0.0	0.1540592	0.01316	0.18448044554531187
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
콤텍시스템	031820	20220114	957	0	957	-16	-1.64	1	9e-06	8	937184	0.0011	123620475.0	129175.0	0.0	8.0	8.536210605388056e-06	4.259999999999999e-05	0.0010999999999999998	4.258825517099485e-05
TCC스틸	002710	20220114	12950	0	12950	800	6.58	3	0.0	2	5084832	0.0	0.0	0.0	0.0	2.0	3.933266625131371e-07	3.48e-05	0.0	3.473958840739652e-05
미래산업	025560	20220114	13650	100	13750	-350	-2.48	1	2.5e-05	1	39706	0.0	0.0	0.0	0.0	1.0	2.518511056263537e-05	2.46e-05	0.0	2.4705969543888606e-05
이스타코	015020	20220114	3105	0	3105	-110	-3.42	1	5.999999999999999e-06	4	721686	0.0	0.0	0.0	0.0	4.0	5.542576688476706e-06	2.3000000000000024e-05	0.0	2.2816870909533658e-05
오리엔트바이오	002630	20220114	1315	5	1320	20	1.54	0	0.0	1	2479455	0.0013	198262680.0	150199.0	0.0	1.0	4.033144380519106e-07	5.200000000000005e-06	0.0013	5.125393445035716e-06

이 종목들 중에서 공매도 상환율이 높은 상위 5개 종목을 살펴보겠습니다.

BGF리테일

최근 공매도 거래가 높은데 공매도 잔고는 크게 늘지 않고 유지되고 있습니다. 즉, 공매도 상환율도 높은 상황입니다. 공매도자들의 판단이 엇갈리고 있다고 보이는 지점입니다.

세방전지

공매도 거래는 꾸준히 있는데 공매도 잔고가 떨어지고 있습니다.

호텔신라

11월에 어닝쇼크로 공매도 잔고가 급격하게 늘었습니다. 이후 공매도 거래는 많은데 공매도 잔고는 조금씩 오르는 모습입니다.

금호석유화학

공매도 잔고가 꾸준히 늘다가 최근 하락 전환하는 모습입니다.

효성첨단소재

최근 공매도 거래가 상당한 상황입니다.

Tags

• 금융데이터분석
• 공매도

원자재 지수와 주가의 상관관계 분석

대신증권 크레온에서 투자자별 매매동향 수집하기