어떤 종목의 과거 모든 데이터를 소급해 조정해야 하는 경우는 언제인가요?
이 연습은 강의의 일부입니다
이론을 실습으로 바꾸는 인터랙티브 연습 중 하나를 만나보세요
온라인에는 방대한 금융·경제 데이터가 있습니다. getSymbols()와 Quandl()을 사용해 다양한 출처의 데이터에 쉽게 접근하는 방법을 배워 보세요.
온라인 소스에서 데이터를 가져오는 법을 배웠으니, 이제 가져온 데이터에서 열을 추출하는 방법을 살펴볼 차례예요. 단일 객체에서 열을 추출하는 방법을 익힌 뒤, 여러 종목에서 데이터를 가져오고 변환하며 추출하는 과정도 살펴봅니다.
getSymbols()의 기본 인수를 사용자 정의하는 기능을 활용해 워크플로를 단순화하고 효율화하는 방법을 배웁니다. 데이터 출처별로 기본값을 설정하는 방법을 살펴본 다음, 심볼별 기본값 설정 방법을 알아봅니다. 또한 문제가 있는 종목 심볼을 처리하는 방법도 학습합니다.
여러 데이터 소스에서 데이터를 가져오고, 추출하고, 변환하는 방법을 배웠습니다. 종종 서로 다른 출처의 데이터를 단일 데이터 세트로 결합하려면 추가 조작이 필요합니다. 먼저, 성긴(sparse)·불규칙 데이터를 규칙적인 시계열로 변환하는 방법을 배우고, 이어서 조밀한 데이터를 더 낮은 빈도로 집계하는 방법을 복습합니다. 마지막으로, 일중(intra-day) 데이터에서 발생하는 이슈를 다루는 방법을 배웁니다.
금융 데이터의 가져오기와 조작에 대한 핵심 워크플로를 익히셨습니다. 이제 다양한 형식의 텍스트 파일에서 데이터를 가져오는 방법을 살펴봅니다. 그다음 데이터의 이상 여부를 확인하고 결측값을 처리하는 방법을 배웁니다. 마지막으로, 주식 분할과 배당을 반영해 주가를 조정하는 방법을 학습합니다.
현재 연습
